CC BY
26
МОДЕЛИ ДИНАМИКИ ПОКАЗАТЕЛЕЙ ИНФОРМАЦИОННОКОММУНИКАЦИОННОГО ПОТЕНЦИАЛА РОССИЙСКОЙ ИННОВАЦИОННОЙ СИСТЕМЫ И ЕЕ ПОДСИСТЕМ
Веселицкий О.И., Государственная академия специалистов инвестиционной сферы
В статье рассмотрены модели динамики показателей информационно-коммуникационного потенциала российской инновационной системы и ее подсистем.
Ключевые слова: инновационная система, динамика показателей, стратегии развития экономических систем.
DYNAMICS MODEL PERFORMANCE INFORMATION-COMMUNICATION CAPACITY RUSSIAN INNOVATION SYSTEM AND ITS SUBSYSTEMS
Veselitsky O., National Academy of Investment Specialists
The paper considers a model of the dynamics of indicators of information and communication capacity of the Russian innovation system and its subsystems.
Keywords: innovation system, the dynamics of indicators, strategies, development of economic systems.
В современных условиях инновации и инновационная деятельность приобретают все большее значение, становятся важным инструментом конкурентной борьбы и одной из основных составляющих стратеги развития экономических систем. Уровень развития инновационной сферы - науки, новых технологий, наукоемких отраслей - формирует основу экономического роста, определяет перспективы и влияет на темп развития экономики.
Выступая источником развития экономических систем, инновации, в свою очередь, являются конечным результатом интерактивного процесса создания, распространения и применения научных знаний. При этом взаимодействие между различными экономическими агентами - производителями и потребителями знаний
- представляется как система сложных прямых и обратных связей, что получило отражение в общепринятой ныне цепной модели инноваций, предложенной С. Клайном и Н. Розенбергом в 1986 г. [1]. Инновации предстают здесь как результат множества взаимодействий между сообществом экономических агентов (организаций), которые в совокупности описываются понятием национальной инновационной системы [2].
Эффективность инновационного развития экономики зависит не только от того, насколько эффективна деятельность самих экономических агентов (фирм, научных организаций, вузов и др.) в отдельности, но и от того, как они взаимодействуют друг с другом в качестве элементов коллективной системы создания и использования знаний, а также с общественными институтами. Здесь важно правильно оценить уровень и тенденции развития инновационного потенциала российских территориальных образований, который большинство ученых представляют как совокупность факторов и условий, необходимых для осуществления инновационного процесса. Особо следует отметить, что инновационный потенциал включает не только достигнутый результат (уровень внедрения достижений научно-технического прогресса), но и потенциальные ресурсы и возможности для повышения эффективности инновационной системы в рамках страны в целом, так и в ее федеральных округах и крупных научных центрах, рассматриваемых как инновационные подсистемы.
Немаловажное значение в повышении эффективности инновационной системы страны и ее инновационных подсистем имеет информационно-коммуникационная компонента инновационного потенциала. О значимости этой компоненты говорит тот факт, что в 2004 году в официальной статистической отчетности раздел «Наука и инновации» заменяется разделом «Наука, инновации и информационные технологии» [3], в 2005 году в статистических сборниках появляется раздел «Связь, телекоммуникации и информационные технологии» [4], а начиная с 2006 года показатели информационно-коммуникационной компоненты инновационного потенциала включаются в новый раздел «Информационные и телекоммуникационные технологии» [5].
В последние годы все чаще появляются работы, в которых исследователи обращаются к вопросам развития информационно-ком-
муникационной компоненты инновационного потенциала страны. Однако в научной литературе, как правило, рассматриваются показатели, отражающие количественную сторону этого процесса. Так, в работе [6] выполнен анализ динамики и распределения по федеральным округам Российской Федерации таких показателей информационно-коммуникационного потенциала, как число персональных компьютеров на 100 работников, в том числе с доступом в Интернет; этим же автором в работе [7] рассматривалась структура затрат на информационно-коммуникационные технологии (ИКТ), при этом в качестве объектов исследования являлись федеральные округа по состоянию за определенный год во временном интервале с 2004 по 2009 гг.
С развитием информационно-коммуникационных технологий изменялась и классификация специальных программных средств, и в последние годы в статистических источниках типа [8] приводятся данные по числу организаций, использовавших их в следующих целях: для научных исследований; для проектирования; для управления автоматизированным производством или отдельными техническими средствами и технологическими процессами; для решения организационных, управленческих и экономических задач; для осуществления финансовых расчетов в электронном виде; для предоставления доступа к базам данных через глобальные информационные сети, включая сеть Интернет. Кроме того, выделены такие виды специальных программных средств, как редакционно-издательские системы; обучающие программы; антивирусные программы; CRM-системы; ЕЯР-системы; БСМ-системы; прочие программные средства.
В разделе «Информационные и коммуникационные технологии» статистического источника [8] приведено общее число организаций, использовавших специальные программные средства в отчетный период (в данном случае, в 2010 г.), а также число организаций, использовавших программные средства для решения перечисленных задач, в разрезе федеральных округов и субъектов Российской Федерации. Аналогичная статистика приведена и за предыдущие годы, и это позволяет выполнить анализ развития информационно-коммуникационной компоненты инновационной системы страны и ее подсистем в период 2002-2010 гг.
Мы полагаем, что в интенсификации инновационных процессов наибольшее значение имеет использование специальных программных средств триады «исследования» - «разработки» - «производство», и в этой связи данная публикация посвящена выявлению тенденций и территориальных особенностей развития показателей информационно-коммуникационной компоненты российской инновационной системы.
Рассмотрим вначале распределение числа организаций, использовавших специальные программные средства (далее - СПС) триады «исследования» - «разработки» - «производство» (далее - СПС триады), по макрорегионам РФ - федеральным округам в начальный (2002 г.) и конечный (2010 г.) годы рассматриваемого временного периода - рис. 1. Видно, что и в 2002 г., и в 2010 г. по числу
Рис.
1. Ранжирование федеральных округов по числу организаций, использовавших специальные программные средства триады «исследования» - «разработки» - «производство»: а - 2002 г.; б - 2010 г.
Рис. 2. Динамика числа организаций РФ и ЦФО, использовавших специальные программные средства: а -
триады «исследования» - «разработки» - «производство»
СПС всех видов; б - СПС
организаций, использовавших СПС триады, лидировал ЦФО, на втором месте был ПФО, на третьем - в 2002 г. СЗФО, а в 2010 г. -СФО.
На рис. 1 обращает на себя внимание, что число организаций, использовавших СПС триады в целом в стране, в период 2002-2010 увеличилось более чем вдвое, но при этом произошло лишь некоторое выравнивание их распределения по федеральным округам. Расчеты показывают, что коэффициент рыночной концентрации СЯ-3, который определяется как доля трех лидирующих федеральных округов в общем числе организаций РФ, использовавших СПС триады, в 2002 г. составил 63,3%, а в 2010 г. уменьшился до 59,5%,
Динамика числа организаций, использовавших СПС всех видов и СПС триады в РФ и макрорегионе-лидере - Центральном федеральном округе, представлена на рис. 2.
Видно, что временные ряды показателя, интегрально отражающего развитие информационно-коммуникационной компоненты инновационной системы страны и ее крупнейшей подсистемы -ЦФО, носят логистический характер: вначале, в 2002-2004 гг., медленный рост числа организаций, использовавших специальные программные средства, затем - бурный рост, сменившийся замедлением после 2007 года. Иной характер развития СПС триады «исследования» - «разработки» - «производство» - на протяжении всего рассматриваемого временного периода наблюдался рост числа организаций, использовавших СПС триады.
Примерно такой же характер носит динамика числа организаций, использовавших специальные программные средства всех ви-
дов и СПС триады, также в остальных федеральных округах РФ.
Введем относительный показатель Wтриaдa - долю организаций, использовавших специальные программные средства триады «исследования» - «разработки» - «производство», в числе организаций, использовавших СПС всех видов. Как видно из графиков временных рядов, приведенных на рис. 3, динамика этого показателя и в целом в стране, и в лидирующем федеральном округе - ЦФО, носит циклический характер - максимумы 2003 года сменились минимумами 2006 года, а после 2009 года произошел бурный рост показателя. Не входя в обсуждение конкретных причин такого характера динамики, отметим лишь, что здесь отражается перераспределение приоритетности специальных программных средств различных видов.
Информативным также является и уровень введенного нами относительного показателя. Так, если в среднем в стране доля организаций, использовавших специальные программные средства триады «исследования» - «разработки» - «производство», в числе организаций, использовавших СПС всех видов, в период 2002-2010 гг. составила 34,0%, то в ЦФО - 36,6%. Для сравнения: в Южном округе показатель W составил меньше - 30,5%, тогда как в Севе-
г* триада ’ ’ ^
ро-Западном федеральном округе заметно больше - 37,7%.
Очевидно, что помимо объемных показателей развития информационно-коммуникационной компоненты инновационной системы страны и ее инновационных подсистем, необходимо рассматривать также удельные показатели, в расчете на численность населения. На рис. 4 приведены временные ряды как общего числа орга-
а
РФ
ЦФО
Год
Год
Рис. 3. Динамика доли числа организаций, использовавших СПС триады «исследования» - «разработки» - «производство», в числе
организаций, использовавших СПС всех видов: а - в РФ; б - в ЦФО
Рис. 4. Динамика числа организаций РФ, использовавших СПС триады «исследования» - «разработки» - «производство» (а) и числа организаций, использовавших СПС этих видов, в расчете на 1 млн. человек населения (б)
низаций, использовавших специальные программные средства в интересах интенсификации инновационной триады «исследования»
- «разработки» - «производство», так и числа организаций в расчете на 1 млн. человек населения.
Из графиков временных рядов абсолютных (число организаций) и удельных (число организаций на 1 млн. человек населения) индикаторов триады «исследования» - «разработки» - «производство» видно, что в большей мере организации использовали специальные программные средства на этапе управления производством, меньше - на этапе проектирования и меньше всего - на этапе научных исследований.
Визуальный анализ временных рядов удельных индикаторов использования специальных программных средств в триаде «исследования» - «разработки» - «производство» в период 2002-2010 гг. в инновационных подсистемах РФ - федеральных округах показал, что они носят примерно такой же характер. Исходя из этого, данные временные ряды можно представить моделями линейного тренда с наложенной на тренд стохастической компонентой. Такой подход позволяет заменить временные ряды параметрами аппроксимирующих линейных моделей, при этом основная характеристика их качества - коэффициент линейной детерминации - будет отражать стохастическую компоненту моделей и их отклонение от линейности.
В качестве примера на рис. 5 представлены результаты апп-
роксимации линеиными моделями динамики удельного индикатора использования специальных программных средств в научных исследованиях в РФ в целом и в лидирующей инновационной подсистеме - ЦФО. Из этого рисунка видно, что трендовая составляющая временных рядов больше стохастической компоненты, что позволяет описать их линейными моделями.
При назначении временной переменной по формуле
t = год - 2010, (1)
аппроксимирующие линейные модели представляются в удобной для интерпретации параметров форме
Wrnr = b0 + b, t. (2)
СПС_иссл 0_иссл 1_иссл 4 7
А именно, параметр b0 иссл интерпретируется как расчетное значение числа организаций, использовавших СПС в научных исследованиях в 2010 году, приходящихся на 1 млн. человек населения, тогда как параметр b, иссл является среднегодовым приростом удельного индикатора.
В табл. 1 приведены результаты расчетов параметров b0 иссл и b, иссл моделей (2) для инновационной системы страны в целом и ее подсистем - федеральных округов; здесь же приведены характеристики качества линейной аппроксимации - коэффициент детерминации R2, критерий Фишера F, а также уровень его статистической значимости р (расчеты проводили с помощью процедуры Curve Estimation пакета анализа данных общественных наук SPSS Base [9, 10]).
Рис. 5. Динамика числа организаций, использовавших СПС в научных исследованиях, в расчете на 1 млн. населения: а - в РФ в
целом; б - в ЦФО
Из табл. 1 следует, что модели временных рядов числа организаций, использовавших специальные программные средства в научных исследованиях в период 2002-2010 гг., в расчете на 1 млн. человек населения, в РФ и во всех федеральных округах имеют высокие характеристики качества - коэффициент детерминации не хуже 0,85, а критерий Фишера статистически значим на высоком
уровне не хуже 0,0005, и лишь для ЦФО и СЗФО коэффициент детерминации меньше 0,8 (0,778 и 0,812 соответственно), а критерий Фишера статистически значим на уровне 0,002 и 0,001 соответственно.
Линейные модели также хорошо описывают динамику числа организаций, использовавших специальные программные средства
Таблица 1. Параметры динамики числа организаций, использовавших СПС в научных исследованиях в 2002-2010 гг., в расчете на 1 млн. человек населения, и критерии качества линейных моделей (расчеты автора)
Федеральный округ, территориальное образование МНК-оценки параметров Критерии качества моделей
расчетный уровень в 2010 г., % средний прирост, % в год коэффициент детерминации Я2 крите- рий Фише- ра уровень значимости (р-уровень)
ЦФО 46,48 1,028 0,778 24,5 0,002
СЗФО 53,82 1,362 0,812 30,2 0,001
ЮФО 24,88 1,222 0,979 323,5 0,000
ПФО 33,10 1,423 0,935 99,9 0,000
УФО 48,34 2,742 0,869 46,5 0,000
СФО 41,40 2,525 0,861 43,2 0,000
ДФО 54,85 3,036 0,928 90,1 0,000
РФ 40,53 1,550 0,923 83,5 0,000
Рис. 6. Динамика числа организаций, использовавших СПС в проектировании, в расчете на 1 млн. населения: а - в РФ в целом; б - в
ЦФО
в проектировании в период 2002-2010 гг., в расчете на 1 млн. человек населения - рис. 6.
При назначении временной переменной по формуле (1) аппроксимирующие линейные модели также представляются в удобной для интерпретации параметров форме
Wrпr = Ь0 + ь г, (3)
СПС_проект 0_проект 1_проект ’ 4 '
где параметр Ь0 проект интерпретируется как расчетное значение числа организаций, использовавших СПС в проектировании в 2010 году, приходящихся на 1 млн. человек населения, а параметр Ь1 проект
- как среднегодовой прирост индикатора.
В табл. 2 приведены результаты расчетов параметров Ь0 проект и Ь1 проект моделей (3) для РФ в целом и ее федеральных округов; в ней приведены также характеристики качества линейной аппроксимации. Из данных этой таблицы видно, что все представленные в ней модели временных рядов числа организаций, использовавших специальные программные средства в проектировании в 2002-2010 гг., в расчете на 1 млн. человек населения имеют высокие характеристики качества - коэффициент детерминации не хуже 0,97, а критерий Фишера статистически значим на высоком уровне не хуже
0,0005.
При назначении временной переменной по формуле (1) линейные модели, аппроксимирующие временные ряды числа организаций, использовавших специальные программные средства в период 2002-2010 гг. для управления производством, в расчете на 1 млн. человек населения, также представляются в удобной для интерпретации их параметров форме
WСПС = Ь0 + Ь г, (4)
СПС_произв 0_произв 1_произв 5 4 /
где параметр Ь0 произв интерпретируется как расчетное значение числа организаций, использовавших СПС для управления производством в 2010 году, приходящихся на 1 млн. человек населения, а параметр Ь1 произв - как среднегодовой прирост индикатора.
В табл. 3 приведены результаты расчетов параметров Ь0 произв и Ь1 протзв моделей (3) для РФ в целом и ее федеральных округов; в ней приведены также характеристики качества линейной аппроксима- человек населения (параметр Ь ).
ции. Из этой таблицы видно, что все представленные в ней модели временных рядов числа организаций, использовавших СПС для управления производством в 2002-2010 гг., в расчете на 1 млн. человек населения, имеют высокие характеристики качества - коэффициент детерминации не хуже 0,94, а критерий Фишера статистически значим на высоком уровне не хуже 0,0005.
Анализируя данные, приведенные в табл. 1-3, можно заметить, что, как правило, чем больше расчетный уровень всех трех удельных индикаторов использования специальных программных средств, тем больше их среднегодовой прирост. Особенно ярко эта тенденция наблюдается для удельного числа организаций (в расчете на 1 млн. человек населения), использовавших специальные программные средства в период 2002-2010 гг. в проектирования и для управления производством - рис. 8: коэффициент корреляции между удельным индикатором использования специальных программных средств в проектировании и его среднегодовым приростом равен 0,861, а между удельным индикатором использования СПС для управления производством и его среднегодовым приростом - 0,934.
Корреляция между удельными индикаторами уровня и динамики использования СПС (в расчете на 1 млн. населения), статистически незначима, и в анализе территориальных различий инновационных подсистем РФ достаточно ограничиться следующими показателями:
расчетное значение числа организаций, использовавших СПС в научных исследованиях в 2010 году, приходящихся на 1 млн. человек населения (параметр Ь0 иссл);
среднегодовой прирост данного удельного индикатора (параметр Ь1 иссл);
расчетное значение числа организаций, использовавших СПС в проектировании в 2010 году, приходящихся на 1 млн. человек населения (параметр Ь0 проект);
расчетное значение числа организаций, использовавших СПС для управления производством, в 2010 году, приходящихся на 1 млн.
Таблица 2. Параметры динамики числа организаций в проектировании в 2002-2010 гг., в расчете на 1 млн. линейных моделей (расчеты автора)
использовавших СПС человек населения, и критерии качества
Федеральный округ, территориальное образование МНК-оценки параметров Критерии качества моделей
расчетный уровень в 2010 г., % средний прирост, % в год коэффициент детерминации Я2 крите- рий Фише- ра уровень значимости (р-уровень)
ЦФО 148,3 8,48 0,980 341,2 0,000
СЗФО 182,8 10,92 0,970 228,0 0,000
ЮФО 93,9 7,31 0,976 281,2 0,000
ПФО 138,2 8,50 0,990 697,8 0,000
УФО 197,5 13,94 0,989 602,8 0,000
СФО 148,5 11,08 0,981 370,3 0,000
ДФО 185,3 14,84 0,989 609,5 0,000
РФ 146,4 9,55 0,993 971,6 0,000
Таблица 3. Параметры динамики числа организаций, использовавших СПС для управления производством в 2002-2010 гг., в расчете на 1 млн. человек населения, и критерии качества линейных моделей (расчеты автора)
Федеральный округ, территориальное образование МНК-оценки параметров Критерии качества моделей
расчетный уровень в 2010 г., % средний прирост, % в год коэффициент детерминации Я критерий Фишера ^ уровень значимости (р-уровень)
ЦФО 198,5 11,58 0,919 79,5 0,000
СЗФО 254,5 16,66 0,979 321,7 0,000
ЮФО 144,8 10,73 0,931 95,0 0,000
ПФО 201,6 13,76 0,961 172,0 0,000
УФО 295,8 23,57 0,946 122,6 0,000
СФО 214,1 17,18 0,968 214,2 0,000
ДФО 284,4 21,36 0,941 111,9 0,000
РФ 209,9 14,48 0,955 150,2 0,000
а
Проектирование
Управление производством
о
f=L
о
с[
Q)
о
Rsq = 0 7405
О
О
q;
CD
о
Rsq = 0 8755
50 100 150 200 250
100 150 200 250 300 350
Число организаций, испол. СПС, на млн. чел. Число организаций, испол. СПС, на млн. чел.
Рис. 8. Корреляция удельных индикаторов уровня и динамики использования СПС, в расчете на 1 млн. населения: а - в
проектировании; б - в управлении производством
В данной статье, мы ограничились анализом динамики информативных показателей, отражающих использование специальных программных средств в научных исследованиях, проектировании и для управления производством; в последующих публикациях будет выполнен анализ взаимосвязи этих показателей с целью их сведения к меньшему числу индикаторов развития информационнокоммуникационной компоненты инновационного потенциала российских макрорегионов, а также рассмотрены территориальные особенности развития информационно-коммуникационного потенциала российской инновационной системы.
Литература:
1. Kline J., Rosenberg N. An overview of innovation // The positive sum strategy: harnessing technology of economic growth. Washington: National academy press, 1986.
2. Гохберг Л.М. Национальная инновационная система России в условиях «новой экономики» // Вопросы экономики. 2003. №3.
3. Регионы России. Социально-экономические показатели. 2004. Стат. сб. М.: Росстат, 2004.
4. Регионы России. Социально-экономические показатели. 2005. Стат. сб. М.: Росстат, 2005.
5. Регионы России. Социально-экономические показатели. 2006. Стат. сб. М.: Росстат, 2006.
6. Товсултанова С.В. Статистический анализ показателей информационно-коммуникационного потенциала российских макрорегионов // Вестник Московского экономического института. Вып.1. ИИЦ МЭИ, 2010.
7. Товсултанова С.В. Структура затратных показателей информационно-коммуникационного потенциала российских макрорегионов // Вестник Московского экономического института. Вып.2. ИИЦ МЭИ, 2010.
8. Регионы России. Социально-экономические показатели. 2011. Стат. сб. / Росстат. М., 2011.
9. SPSS Base 8.0 для Windows. Руководство по применению. Перевод-Copyright 1998 СПСС Русь.
10. Бююль А., Цёфель П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. СПб.: ООО «ДиаСофтЮП», 2002.
МЕТОДИЧЕСКИЙ ПОДХОД К ФОРМИРОВАНИЮ ИННОВАЦИОННОЙ СРЕДЫ ДЛЯ ОСУЩЕСТВЛЕНИЯ ЭФФЕКТИВНЫХ ИННОВАЦИЙ НА РЫНКЕ НЕДВИЖИМОСТИ
Гоев П.С., аспирант Института международого права и экономики имени А.С. Грибоедова
В статье рассмотрены основные характеристики подходов к созданию благоприятных условий для осуществления инновационной деятельности на рынке недвижимости и приведены результаты апробации методического подхода, базирующегося на использовании рационального сочетания моделей новаторов бизнеса.
Ключевые слова: инновационная среда, инвестиционно-строительный проект, рынок недвижимости, модели новаторов бизнеса.
METHODICAL APPROACH TO FORMATION OF AN INNOVATION ENVIRONMENT FOR THE IMPLEMENTATION OF EFFECTIVE INNOVATION IN THE REAL ESTATE MARKET
Goev P.S., PhD student, Institute of international law and Economics A.S. Griboedova
The article describes the main characteristics of approaches to creating an enabling environment for the implementation of innovative activity in the property market and the results of approbation of methodological approach, based on the rational combination of innovative business models.
Keywords: innovation, investment and construction project, the real estate market, the model of business innovators.
В качестве основных подходов к созданию благоприятных ус- неса, включая: модель на основе фактического стандарта Била Гей-ловий для осуществления инновационной деятельности на рынке тса, Эндрю Гроува и др., модель «коммутатора» Чарльза Шваба, недвижимости целесообразно использовать модели новаторов биз- модель на основе потребительских решений Джека Уэлча, модель
