CC BY
9DOI 10.47576/2712-7559_2022_2_2_127 УДК 332
Быкова Маргарита Леонидовна,
ассистент кафедры экономики инноваций и финансов, Владимирский государственный университет имени А. Г и Н. Г. Столетовых, г. Владимир, Россия, е-таН: margarita93@bk.ru
МОДЕЛИРОВАНИЕ ТРАЕКТОРИЙ НАУЧНО-ИННОВАЦИОННОГО РАЗВИТИЯ РЕГИОНОВ
В статье проанализированы различные взгляды на роль научно-инновационного потенциала, подходы к научно-инновационному развитию территорий. Для оценки возможности управления объемами производимых инновационных товаров, работ и услуг была построена двухфакторная регрессионная модель, учитывающая состояние рынка труда в научно-инновационной сфере и уровень финансирования научных исследований и разработок. Проверка качества построенной модели проводилась методом наименьших квадратов. Результаты свидетельствуют о возможности применения построенной модели на практике в рамках моделирования научно-инновационного развития территорий.
Ключевые слова: научно-инновационное развитие; научный потенциал; экономическое развитие; регионы; многофакторная модель.
UDC 332
Bykova Margarita Leonidovna,
Assistant Professor, Department of Economics of Innovation and Finance, Vladimir State University named after A. G. and N. G. Stoletovs, Vladimir, Russia, e-mail: margarita93@bk.ru
MODELING THE TRAJECTORIES OF SCIENTIFIC AND INNOVATIVE DEVELOPMENT OF REGIONS
The article analyzes different views on the role of scientific and innovative potential, approaches to the scientific and innovative development of territories. To assess the possibility of managing the volumes of produced innovative goods, works and services, a two-factor regression model was built, taking into account the state of the labor market in the scientific and innovative sphere and the level of funding for scientific research and development. The quality of the constructed model was checked by the least squares method. The results indicate the possibility of applying the constructed model in practice within the framework of modeling the scientific and innovative development of territories.
Keywords: scientific and innovative development; scientific potential; economic development; regions; multivariate model.
В условиях внедрения санкций Российская Федерация столкнулась с целым рядом серьезных вызовов экономического развития. Таким образом, создается угроза усиле -ния диспропорций и без того существенных межрегиональных различий. В исследовании М. Л. Дорофеева [1] отмечается, что имеющиеся негативные аспекты в развитии территорий могут рассматриваться не только как угрозы, но и как возможности перехода
к качественно новой степени развития регионов.
Как указывают Н. И. Ермашкевич и Н. Ю. Щеликова [2], экономическое развитие территорий и преодоление имеющихся разрывов на региональном уровне возможно за счет грамотного использования научно-инновационного потенциала.
Научно-инновационный потенциал территорий связан со способностью и готовностью
осуществлять инновационную деятельность. При этом способность связана с наличием необходимых ресурсов и их сбалансированностью, а готовность характеризуется уровнем развития научно-инновационного потенциала в конкретном регионе.
Как отмечает В. В. Квашина с соавторами [3], сокращение внешнеэкономических связей не должно стать абсолютным барьером инновационного развития Российской Федерации. По мнению авторов, одним из направлений решения проблемы может стать создание научно-технологических центров.
Основное назначение данных структур состоит в формировании условий для развития науки в стране и повышении конкурентоспособности на мировом рынке.
В работе А. А. Носкова [4] указывается, что научно-инновационное развитие страны является одним из наиболее актуальных исследовательских направлений. При этом отечественные и зарубежные авторы отмечают особую роль высших учебных заведений в обеспечении эффективности инновационной деятельности.
Реализация стратегии нового технологического развития является основой формирования инновационной системы. Научно-техническое развитие регионов определяется спецификой и возможностями территорий. При этом особую роль играют финансовые, трудовые, ресурсные и иные факторы [5].
Очевидно, что моделирование траекторий научно-инновационного развития представляется важнейшей задачей, поскольку грамотное управление данным направлением является залогом дальнейшего развития территорий.
В рамках работы была построена двух-факторная регрессионная модель зависимости объема инновационных товаров, работ и услуг (у) от численности персонала, занятого научными исследованиями и разработками (х1), и от уровня финансирования науки из средств федерального бюджета (х2) [6].
Предварительным этапом исследования стал анализ исходных данных.
Динамика изменения объема инновационных товаров, работ и услуг представлена на рис. 1.
Рисунок 1 - Динамика изменения у
По графику видно, что с 2011 по 2019 г. наблюдался рост параметра у, однако в 2020 г. имеет место снижение данного показателя по сравнению с уровнем 2019 г. Именно в данный период страна столкнулась с панде-
мией коронавирусной инфекции, затронувшей все сферы развития страны.
Структура персонала, занятого научными исследованиями и разработками, представлена на рис. 2.
17%
23%
9%
т
исследователи техники
вспомогательный персонал прочий персонал
Рисунок 2 - Структура персонала, занятого научными исследованиями и разработками
Наибольшая доля в структуре персонала, занятого научными исследованиями и разработками, приходится на исследователей. Однако стоит помнить, что реализация научно-инновационного потенциала является результатом работы всех сотрудников, занятых в научно-инновационной сфере.
Развитие научно-инновационного потенциала страны предполагает затраты на развитие данной области. Поэтому в качестве второй независимой переменной анализировалось финансирование науки из средств федерального бюджета (рис. 3).
Рисунок 3 - Динамика изменения х2
Результаты графического анализа позволяют отметить отсутствие единых тенденций изменения показателя. С 2017 г. наблюдается рост параметра х2. Несмотря на все существующие трудности, в 2020 г. темп прироста расходов на научную деятельность составил по сравнению с 2019 г. 12,4 %.
С помощью пакета анализа MsExcel было построено регрессионное уравнение зависимости у от независимых переменных (1): у = 485024677,7 - 667,3х1 + 110,8х2 (1)
Отрицательное значение перед параметром х1 свидетельствует о том, трудовые ресурсы, занятые в научно-инновационной сфере, в нашей стране используются неэффективно.
Предварительный анализ по p-значению и F-критерию указывает на статистическую значимость построенного уравнения, поскольку все параметры не превышают пятипроцентной величины.
Дисперсия у обусловлена влиянием независимых переменных более чем на 93 % ^2= 93,2 %). Изменение результирующего признака менее чем на 7 % зависит от влияния иных факторов, что доказывает практическую значимость построенной модели.
Для оценки параметров двухфакторного регрессионного уравнения использовался метод наименьших квадратов (МНК). О выполнимости первой предпосылки МНК свидетельствует относительная близость тренда остатков по наблюдениям к оси абсцисс (рис. 4).
Рисунок 4 - График остатков по наблюдениям с добавлением линейного тренда
Проверка гомоскедастичности осущест- Дарбина-Уотсона. Найденное значение 2,23
влялась с помощью теста ранговой корре- принадлежит интервалу (1,5; 2,5), что по-
ляции Спирмена. Результаты вычислений зволяет сделать вывод, что автокореляция
свидетельствуют о постоянстве дисперсий остатков отсутствует.
отклонений и, как следствие, выполнимости Для проверки зависимости случайного от-
второй предпосылки МНК. клонения от переменных х1 и х2 были постро -
Анализ наличия автокорреляции отклоне- ены графики, представленные на рис. 5 и 6. ний осуществлялся с помощью статистики
750000 740000
+
♦
1— | 670000 1
Ч- 9Е-10Х + 713431 II1 = 5Е-30
♦ Ряд1
-Линейная (Ряд1)
-10000000 -5000000
5000000 10000000
Рисунок 5 - Влияние случайного отклонения на х1
—оооооо -♦
4ии110и
1— —1— —е—
9Е18х+ 421163 к2 = 6 Е-31
Ряд1 -Линейная (Ряд!)
-10000000 -5000000 О 5000000 10000000
Рисунок 6 - Влияние случайного отклонения на х2
Значение коэффициента детерминации в детельствуют результаты параметризации,
обоих случаях максимально близко к нулю, таким образом, выполняется четвертая предпосылка МНК.
О выполнении пятой предпосылки сви-
IB
С.
приведенные выше.
О наличии или отсутствии мультиколлине-арности можно сделать вывод, проанализировав степень влияния одной независимой переменной на другую (рис. 7).
—GOOOOO -
♦ ♦ ♦ ♦
- -400000 - ♦ у - -9E- -- .Вл+ 421^63
= 6E-31
,-,-e—
Ряд1 -Линейная (Ряд1)
-10000000 -5000000
О
ЧЁЛ.
5000000 10000000
Рисунок 7 - График влияния х1 на х2
Поскольку R2= 0,38, что значительно меньше 1, можно сделать вывод об отсутствии высокой и весьма высокой тесноты связи между независимыми переменными.
Таким образом, приведенные вычисления свидетельствуют о возможности применения предложенной модели на практике. Дальнейшее направление исследования видится в более развернутом анализе влияния численности занятого научными исследованиями и разработками персонала по категориям на результаты научно-инновационной деятельности, а также в исследовании закономерностей на уровне субъектов России.
Список литературы
1. Дорофеев М. Л. Анализ причин долгосрочных изменений экономического неравенства в мировой экономике // Финансы: теория и практика. 2020. № 24(6). С. 174-186.
2. Ермашкевич Н. И., Щеликова Н. Ю. Развитие научно-инновационного потенциала региона // Вестник Брянского государственного университета. 2012. № 3 (1). С. 117-122.
3. Квашина В. В., Сломинская Е. Н., Иванов С. Ю., Неклюдова И. В. Влияние инновационных научно-технологических центров на развитие страны // Инновации и инвестиции. 2020. № 5. С. 7-9.
4. Носков А. А. Методические направления оценки инновационного развития регионов и научно-инновационной деятельности вузов // Вестник Пермского на-
ционального исследовательского политехнического университета. Социально-экономические науки. 2018. №4. С. 363-372.
5. Иваньковский С. Л., Гриневич Ю. А. Оценка научно-инновационного развития Нижегородской области // Вестник Нижегородского университета им. Н. И. Лобачевского. Серия: Социальные науки. 2018. №4 (52). С. 7-14.
6. Росстат. URL: https://rosstat.gov.ru/statistic (дата обращения: 07.03.2022).
References
1. Dorofeev M.L. Analiz prichin dolgosrochny'x izmenenij e'konomicheskogo neravenstva v mirovoj e'konomike. Finansy': teoriya i praktika. 2020. № 24(6). S. 174-186.
2.Ermashkevich N.I., Shhelikova N.Yu. Razvitie nauchno-innovacionnogo potenciala regiona. Vestnik Bryanskogo gosudarstvennogo universiteta. 2012. № 3 (1). S. 117-122.
3.Kvashina V.V., Slominskaya E.N., Ivanov S.Yu., Neklyudova I.V. Vliyanie innovacionny'x nauchno-texnologicheskix centrov na razvitie strany'. Innovacii i investicii. 2020. № 5. S. 7-9.
4.Noskov A.A. Metodicheskie napravleniya ocenki innovacionnogo razvitiya regionov i nauchno-innovacionnoj deyatel'nosti vuzov. Vestnik Permskogo nacional'nogo issledovatel'skogo politexnicheskogo universiteta. Social'no-e'konomicheskie nauki. 2018. №4. S. 363-372.
5.Ivan'kovskij S.L., Grinevich Yu.A. Ocenka nauchno-innovacionnogo razvitiya Nizhegorodskoj oblasti. Vestnik Nizhegorodskogo universiteta im. N. I. Lobachevskogo. Seriya: Social'ny'e nauki. 2018. №4 (52). S. 7-14.
6.Rosstat. URL: https://rosstat.gov.ru/statistic (data obrashheniya: 07.03.2022).
