Моделирование динамики показателей информационнокоммуникационного потенциала в экономических подсистемах Российской Федерации Текст научной статьи по специальности «Экономика и бизнес»

МОДЕЛИРОВАНИЕ ДИНАМИКИ ПОКАЗАТЕЛЕЙ ИНФОРМАЦИОННОКОММУНИКАЦИОННОГО ПОТЕНЦИАЛА В ЭКОНОМИЧЕСКИХ ПОДСИСТЕМАХ РОССИЙСКОЙ ФЕДЕРАЦИИ

Товсултанова С.В., соискатель ФАОУ ДПО ГАСИС

Данная статья является развитием публикации [1] и посвящена моделированию динамики показателей информационно-коммуникационного потенциала в экономических подсистемах Российской Федерации - федеральных округах и крупных научных и промышленных центрах - г. Москве и г. Санкт-Петербурге.

Ключевые слова: информационно-коммуникационный потенциал (ИКП), динамические показатели ИКП, аппроксимация временных рядов.

MODELING THE DYNAMICS OF COMMUNICATION AND INFORMATION TECHNOLOGY CAPACITIES IN THE ECONOMIC SUBSYSTEMS, RUSSIAN FEDERATION

Tovsultanova S., applicant FAOUDPO GASIS

This article is the development ofpublication [1] and is dedicated to the fashion-Dynamics promote ICT capacity in economic subsystems of the Russian Federation - Federal governmental districts and major scientific and industrial centres - Moscow and St.-Petersburg.

Keywords: information and communication capacity (ICP), dynamic indicators of CIP, approximation of time series.

В публикации [1] в результате статистических исследований основных показателей информационно-коммуникационного потенциала (далее ИКП) - числа персональных компьютеров на 100 работников и их доли с доступом к сети Интернет - был установлен ряд закономерностей, отражающих их динамику в период 2004-2009 гг. в РФ в целом и в ее макрорегионах - федеральных округах. В частности, показано, что в целом по РФ динамика числа персональных компьютеров (далее ПК) на 100 работников в этот период характеризовалась экспоненциальным ростом. Экспоненциальными моделями с хорошими показателями качества характеризуется и динамика числа ПК на 100 работников во всех федеральных округах, что позволило заменить пространственно-временные данные по этим экономическим подсистемам множеством двух параметров: 1) расчетным значением показателя в начальный год рассматриваемого периода (2004 г.) и 2) коэффициентом ежегодного прироста показателя.

Было также выявлено, что в отличие от экспоненциального роста числа персональных компьютеров на 100 работников, динамика доли ПК с доступом к сети Интернет в целом по РФ в период

2004-2009 гг. характеризовалась ростом с замедлением, аппроксимируемым степенной моделью. Аналогичными моделями описываются и временные ряды показателя для федеральных округов.

Дальнейшие статистические исследования показали, что множество исходного четырехмерного пространства показателей ИКП

федеральных округов можно свести к двум латентным факторам, первый из которых положительно и наиболее тесно коррелирует с расчетным значением доли персональных компьютеров с доступом к Интернет в начальный год рассматриваемого периода и отражает уровень компьютеризации, второй, также положительно, - с коэффициентом ежегодного темпа прироста числа персональных компьютеров на 100 работников и отражает рост уровня компьютеризации. Обосновано, что их типологизацию можно проводить по двум параметрам динамики показателей ИКП - начальному уровню ПК с доступом к сети Интернет и темпу прироста числа ПК на 100 работников.

Эти результаты были получены на ограниченном круге объектов - федеральных округов, и охватывали временной период 20042009 гг., тогда как в настоящее время известны статистические данные за 2005-2010 гг. не только по всем федеральным округам, включая Северо-Кавказский, но и по крупным научным и промышленным центрам - г. Москве и г. Санкт-Петербурге [2], что позволяет повысить надежность статистических выводов о взаимосвязи показателей ИКП.

Рассмотрим динамику основных показателей ИКП - число ПК на 100 работников, число ПК с доступом в Интернет на 100 работников и долю ПК с доступом к сети Интернет для тех субъектов РФ, которые нами ранее не рассматривались - г. Москвы и г. Санкт-Петербурга. Как и ранее, инструментом анализа временных рядов

Рис. 1. Динамика числа персональных компьютеров на 100 работников в 2005-2010 гг.: а - в Центральном федеральном округе и г. Москве; б - в Северо-Западном федеральном округе и г. Санкт-Петербурге

Рис. 2. Динамика числа персональных компьютеров с доступом к сети Интернет на 100 работников в 2005-2010 гг.: а - в Центральном федеральном округе и г. Москве; б - в Северо-Западном федеральном округе и г. Санкт-Петербурге

служил пакет статистических программ SPSS Base [3, 4], предоставляющий пользователю широкий спектр аналитических и графических процедур.

Вначале обратимся к динамике числа персональных компьютеров на 100 работников и числа ПК с доступом к сети Интернет в наиболее «продвинутых» в сфере ИКТ экономических подсистемах Российской Федерации - Центральном и Северо-Западным федеральных округах, а также в крупных научных и промышленных центрах - г. Москве и г. Санкт-Петербурге - рис. 1 и 2; для удобства сравнения на графиках временных рядов принят одинаковый масштаб.

Судя по графикам временных рядов, представленных на рис. 1, динамика числа персональных компьютеров на 100 работников в

2005-2010 гг. и для Центрального и Северо-Западного федеральных округов, и для г. Москвы и г. Санкт-Петербурга носит характер роста с некоторым замедлением в конце анализируемого периода и может быть аппроксимирована уже не экспоненциальными, а степенными, логарифмическими и линейными трендовыми моделями.

Как следует из рис. 2, для этих экономических подсистем РФ аналогичный характер роста с некоторым замедлением в конце анализируемого временного периода носит также динамика числа персональных компьютеров с доступом к сети Интернет на 100 работников.

Визуальный просмотр графиков временных рядов этих двух показателей информационно-коммуникационного потенциала для остальных федеральных округов Российской Федерации показал, что и они носят аналогичный характер.

При выборе из этих трех конкурирующих моделей динамики необходимо, на наш взгляд, помимо обеспечения единства описания временных рядов и необходимого качества аппроксимации, учитывать возможность экономической интерпретации их параметров. С этой точки зрения предпочтительнее линейные модели

Y = К + V, (1)

поскольку при назначении временной переменной t по формуле

t = год - 2010 (2)

параметр b0 интерпретируется как расчетное значение показателя Y в конечный год анализируемого периода. Это значительно продуктивнее по сравнению с традиционным назначением временной переменной по формуле

t = год - середина временного интервала, (3)

когда параметр b0 интерпретируется как МНК-оценка среднего уровня ряда. Что касается параметра b1, то он в обоих случаях интерпретируется как МНК-оценка среднего прироста показателя.

В альтернативных моделях - степенной

У = Ь0 + гы

и логарифмической

У = Ь0 + Ь1!Ш

при назначении временной переменной по формуле 7 = год - 2004

(4)

(5)

(6)

параметр b0 интерпретируется как расчетное значение показателя Y в начальный год анализируемого периода, что менее продуктивно. Если же учесть, что параметр bI в моделях (4) и (5) не допускает разумной экономической интерпретации, то выбор линейной модели предпочтительнее.

Сравним качество аппроксимации временных рядов обоих показателей альтернативными моделями на примере г. Москвы - рис. 3-5, воспользовавшись процедурой Curve Estimation пакета SPSS Base.

Представляется, что при сравнении качества аппроксимации необходимо, в первую очередь, исходить из прогностических свойств моделей -насколько точно они предсказывают значения показателей ИКП в конце рассматриваемого периода и в будущем, что можно оценить по ширине доверительных интервалов. Согласно теории линейной регрессии, доверительные интервалы минимальны в центре диапазона изменения временной переменной, а в его начале и в конце они увеличиваются. Что касается степенной и логарифмической моделей, то ширина доверительных интервалов вначале уменьшается, а затем возрастает по мере увеличения временной переменной.

Рис. б иллюстрирует эти закономерности на примере аппроксимации временных рядов показателей информационно-коммуникационного потенциала г. Москвы.

Из графиков, представленных на рис. б, следует, что линейные модели в случае г. Москвы характеризуются наименьшей шириной доверительного интервала аппроксимации обоих показателей в конце анализируемого периода; аналогичные результаты получены и для большинства других экономических подсистем Российской Федерации, и на этом основании в дальнейшем анализе принимается линейная аппроксимация.

Результаты расчета параметров линейных моделей динамики числа персональных компьютеров на 1CC работников в 2005-2010 гг. и критериев их качества приведены в табл. 1; видно, что все модели характеризуются удовлетворительными критериями качества

- коэффициент детерминации не менее 0,90, критерий Фишера, как правило, значим на статистическом уровне не хуже C,CC2, и лишь в одном случае - для Уральского федерального округа - критерии качества несколько хуже (коэффициент детерминации R2=C,813, критерий Фишера F=17,4 статистически значим на уровне 0,014, что, впрочем, меньше критического значения C,C5).

Достаточно высокие характеристики качества линейных моделей динамики числа персональных компьютеров на 100 работников в 2CC5-2C1C гг. позволяют от временных рядов перейти к их параметрам - расчетному числу персональных компьютеров на 100 работников в 2010 году и среднегодовому приросту показателя.

Ранжирование по этим параметрам экономических подсистем РФ - федеральных округов, Москвы и Санкт-Петербурга - представлено в виде диаграмм Парето на рис. 7. Видно, что безусловным лидером по расчетному значению числа персональных компьютеров на 100 работников в 2010 году являлась Москва, еще в трех экономических подсистемах - Санкт-Петербурге, Центральном и

Линейная модель

Год

Год

Рис. 3. Аппроксимация линейной моделью динамики показателей ИКП г. Москвы: а - число персональных компьютеров на 100 работников; б - число персональных компьютеров с доступом к сети Интернет на 100 работников

Рис. 4. Аппроксимация степенной моделью динамики показателей ИКП г. Москвы: а - число персональных компьютеров на 100 работников; б - число персональных компьютеров с доступом к сети Интернет на 100 работников

Рис. 5. Аппроксимация логарифмической моделью динамики показателей ИКП г. Москвы: а - число персональных компьютеров на 100 работников; б - число персональных компьютеров с доступом к сети Интернет на 100 работников

Рис. 6. Зависимость ширины 90%-ого доверительного интервала аппроксимации динамики показателей ИКП г. Москвы различными моделями от временной переменной: а - число персональных компьютеров на 100 работников; б - число персональных компьютеров

с доступом к сети Интернет на 100 работников

Таблица 1. Параметры динамики числа персональных компьютеров на 100 работников в 2005-2010 гг. и критерии качества линейных моделей (расчеты автора)

Экономическая подсистема МНК-оценки параметров Критерии качества моделей

расчетный уровень 2010 г., штук на 100 работников среднегодовой прирост, штук на 100 работников коэффициент детерминации крите- рий Фише- ра уровень значимости (р-уровень)

ЦФО 42,86 3,343 0,990 402,6 0,000

Москва 63,19 3,143 0,953 81,6 0,001

СЗФО 40,67 3,000 0,992 472,5 0,000

Санкт- Петербург 47,14 2,657 0,940 62,2 0,001

ЮФО 33,52 2,743 0,987 314,2 0,000

СКФО 31,48 3,057 0,936 58,0 0,002

ПФО 33,05 2,686 0,991 457,0 0,000

УФО 32,62 1,914 0,813 17,4 0,014

СФО 35,86 2,743 0,997 1536,0 0,000

ДФО 36,52 2,543 0,985 270,0 0,000

РФ в целом 36,95 2,714 0,985 270,8 0,000

Рис. 7. Ранжирование экономических подсистем РФ по параметрам линейных моделей динамики: а - расчетное число персональных компьютеров на 100 работников в 2010 г.; б - среднегодовой прирост показателя в 2005-2010 гг. Пунктир - уровень РФ

Таблица 2. Параметры динамики числа персональных компьютеров с доступом к сети Интернет на 100 работников в 2005-2010 гг. и критерии качества линейных моделей (расчеты автора)

Экономическая подсистема МНК-оценки параметров Критерии качества моделей

расчетный уровень 2010 г., штук на 100 работников среднегодовой прирост, штук на 100 работников коэффициент детерминации крите- рий Фише- ра уровень значимости (р-уровень)

ЦФО 23,10 2,771 0,997 1283,0 0,000

Москва 42,29 3,914 0,973 145,5 0,000

СЗФО 19,33 2,400 0,995 756,0 0,000

Санкт- Петербург 26,29 2,914 0,991 433,5 0,000

ЮФО 13,76 1,771 0,992 524,2 0,000

СКФО 11,86 1,743 0,994 620,2 0,000

ПФО 14,33 2,000 0,981 210,0 0,000

УФО 13,86 1,543 0,947 71,1 0,001

СФО 17,57 2,229 0,988 320,2 0,000

ДФО 16,57 1,829 0,975 157,5 0,000

РФ в целом 17,52 2,143 0,994 675,0 0,000

Рис. 8. Ранжирование экономических подсистем РФ по параметрам линейных моделей динамики: а - расчетное число персональных компьютеров с доступом к сети Интернет на 100 работников в 2010 г.; б - среднегодовой прирост показателя в 2005-2010 гг.

Пунктир - уровень РФ

Северо-Западном федеральных округах - этот показатель превышал среднероссийский уровень (на диаграмме он отмечен пунктирной линией). В четырех федеральных округах - Северо-Кавказском, Уральском, Приволжском и Южном - значения расчетного числа персональных компьютеров на 100 работников в 2010 году были близки друг к другу и меньше среднероссийского уровня.

По динамике показателя лидируют Центральный федеральный округ и г. Москва, безусловным аутсайдером являлся Уральский федеральный округ. Сравнение ранжирования экономических подсистем показывает отсутствие корреляции между параметрами временных рядов. Это подтверждается и статистической незначимос-тью линейного коэффициента корреляции, равного ^=0,442 (р-уро-вень, равный 0,201, больше нормативного значения _р=0,05).

Еще более высокими характеристиками качества обладают линейные модели динамики числа персональных компьютеров с доступом к сети Интернет на 100 работников в 2005-2010 гг., параметры которых приведены в табл. 2, - коэффициент детерминации не менее 0,90, критерий Фишера почти для всех моделей значим на статистическом уровне не хуже 0,0005, и лишь в одном случае -модели для Уральского федерального округа - критерий Фишера ^=71,1 статистически значим на уровне 0,001.

Ранжирование экономических подсистем РФ по параметрам линейных моделей динамики числа персональных компьютеров с

доступом к сети Интернет на 100 работников в 2005-2010 гг. представлено в виде диаграмм Парето на рис. 8.

Видно, что безусловным лидером и по расчетному значению числа персональных компьютеров с доступом к сети Интернет на 100 работников в 2010 году являлась Москва, а в Санкт-Петербурге, Центральном и Северо-Западном федеральных округах этот показатель превышал среднероссийский уровень (на диаграмме он отмечен пунктирной линией); безусловным же аутсайдером являлся Северо-Кавказский федеральный округ.

По второму параметру временных рядов - среднегодовому приросту числа персональных компьютеров с доступом к сети Интернет на 100 работников - ранжирование рассматриваемых экономических подсистем РФ практически такое же, и между этими двумя параметрами наблюдается положительная взаимосвязь с высоким значением коэффициента линейной корреляции ^=0,972, статистическая значимость которого не хуже 0,0005.

Коррелируют между собой с высоким коэффициентом линейной корреляции также расчетные значения числа персональных компьютеров на 100 работников в 2010 году, с одной стороны, и числа персональных компьютеров с доступом к сети Интернет на 100 работников в 2010 году, с другой.

Наличие этих корреляций позволяет рассчитывать на уменьшение числа индикаторов информационно-коммуникационного

потенциала экономических подсистем РФ, что будет нами рассмотрено в последующих публикациях.

Литература:

1. Товсултанова С.В. Статистический анализ показателей информационно-коммуникационного потенциала российских макрорегионов // Вестник Московского экономического института. Вып.1. ИИЦ МЭИ, 2010.

2. Регионы России. Социально-экономические показатели. 2011. Стат. сб. М.: Росстат, 2C11.

3. SPSS Base 8.C для Windows. Руководство по применению. Перевод-Copyright 1998 СПСС Русь.

4. Бююль А., Цёфель П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. СПб.: ООО «ДиаСофтЮП», 2CC2.

ИНФРАСТРУКТУРА РОССИЙСКОЙ ИННОВАЦИОННОИ СИСТЕМЫ: ГЕНЕЗИС РАЗВИТИЯ И РЕГИОНАЛЬНАЯ ДИФФЕРЕНЦИАЦИЯ

Мукасеев Е.В., аспирант ФАОУ ДПО ГАСИС

В данной статье рассмотрено распределение абсолютных показателей инфраструктуры российской инновационной системы по макрорегионам; в последующих публикациях будет выполнен анализ региональной дифференциации удельных показателей, в расчете на определенную численность населения, занятого исследованиями и разработками.

Ключевые слова: инновационная инфраструктура, пространственные профили, объекты инновационной инфраструктуры

THE INFRASTRUCTURE OF THE RUSSIAN INNOVATION SYSTEM: GENESIS DEVELOPMENT AND REGIONAL DIFFERENTIATION

Mukaseev E., graduate student GASIS DPO FAOU

This article describes the distribution of absolute figures innovative system on the infrastructure of the Russian makroregionam; in subsequent publications, there is analysis of regional association-specific indicators, calculated on a certain number of population engaged in research and development.

Keywords: innovative infrastructure, spatial profiles, objects of innovation infrastructure

Актуальной задачей в развитии национальной инновационной системы Российской Федерации и ее подсистем является совершенствование инфраструктуры как одной из важнейших подсистем обеспечения инновационного процесса. Еще в 2002 г. в «Основах политики Российской Федерации в области развития науки и технологий на период до 2010 года и дальнейшую перспективу» построение инновационной инфраструктуры было названо среди основных задач формирования национальной инновационной системы [1]. В этом документе подчеркивалось, что базой развития науки и технологий, наряду с научно-техническим комплексом страны, фундаментальной наукой, промышленным потенциалом, уникальными производственными и иными технологиями, научно-техническим заделом, богатыми природными сырьевыми ресурсами, являются высококвалифицированные кадры научных работников и специалистов, информационная инфраструктура, материально-техническая и опытно-экспериментальная база, а формирование национальной инновационной системы предусматривает, прежде всего, построение инновационной инфраструктуры.

Среди задач, требующих решения, в [1] выделено создание и развитие объектов инновационной инфраструктуры (инновационно-технологические центры, технопарки и т.п.), сети организаций по оказанию консалтинговых услуг в области инновационной деятельности, содействие созданию и развитию в научно-технической сфере малых инновационных предприятий, специальных бирж интеллектуальной собственности и научно-технических услуг. В развивающем этот документ проекте основ политики Российской Федерации в области развития науки и технологий на период до 2020 года и дальнейшую перспективу [2] данная задача конкретизируется и ставится как расширение инфраструктуры инновационного предпринимательства: особых экономических зон, технопарков, центров трансфера технологий, инжиниринговых и сертификационных центров, венчурных инновационных фондов, развитие центров коллективного пользования уникальным научным и испытательным оборудованием, обеспечение его доступности частным организациям. При этом подчеркивается необходимость формирования и внедрения учебных курсов по инновационной деятельности в учреждениях профессионального образования.

Понятие «инновационная инфраструктура» не является статичным, оно развивается вместе с развитием инновационной сферы. Так, авторы учебника [3] А.В. Сурин и О.П. Молчанова определяют инновационную инфраструктуру как множество субъектов инновационной деятельности, выполняющих функции обслуживания

и содействия инновационным процессам, выделяя следующие ее составляющие: 1) технопарковые структуры (инкубаторы, технопарки, технополисы); 2) информационно-технологические системы и соответствующие службы; 3) финансовые институты; отмечается ключевая роль кооперационных связей между субъектами инновационной системы в создании благоприятных условий для развития частно-государственного партнерства в инновационной сфере, интеграции науки и образования.

Детальный анализ развития инфраструктуры российской инновационной системы в период до 2005 г. в территориальном разрезе выполнен Е.В. Лущекиной в работе [4]. Автор отмечает, что инфраструктура инновационной системы развивалась, в первую очередь, на территориях субъектов и муниципальных образований Российской Федерации с высокой концентрацией инновационного потенциала. Так, первые научно-технические парки (технопарки) были созданы в Томске в 1990 г. на базе томских вузов, Томского научного Центра СО АН СССР, Ассоциации промышленных предприятий Томской области, а также в г. Зеленограде на базе Московского института электронной техники, затем технопарки создавались на базе вузов в Саратове, Москве, Санкт-Петербурге. Уфе и других городах. На момент публикации статьи [4] (2005 г.) успешно работали более 50 технопарков, из них по 16 - в Центральном и Приволжском федеральных округах, семь - в Северо-Западном ФО.

Помимо технопарков, в цитированной работе рассмотрено распределение по подсистемам российской инновационной системы -федеральным округам - таких объектов инновационной инфраструктуры, как инновационно-технологические центры, инновационно-промышленные комплексы, особые экономические зоны, центры коллективного пользования, центры трансфера технологий, вузы, готовящие специалистов для инновационной деятельности (специальность «Управление инновациями»), коучинг-центры по венчурному предпринимательству. Перечисленные объекты инновационной инфраструктуры предназначены для решения следующих задач:

- создание и развитие объектов инновационной инфраструктуры;

- формирование инновационно активных территорий (наукоградов, технополисов и др.), в том числе технико-внедренческих экономических зон;

- развитие системы региональных и отраслевых фондов поддержки инновационной деятельности, включая фонды стартового финансирования и венчурного предпринимательства;