CC BY
36
Р. Ю. Новикас
ОЦЕНКА ЭФФЕКТИВНОСТИ ГОСУДАРСТВЕННОЙ ПОДДЕРЖКИ
ИННОВАЦИОННЫХ ПРОЕКТОВ НА ОСНОВЕ МЕТОДА НЕЧЕТКИХ МНОЖЕСТВ
Ключевые слова: оценка эффективности государственной поддержки, инновационные проекты, инновационно активные кластеры, индикаторы инновационного развития, индикаторы эффективности государственной поддержки, лингвистическая переменная, пятиуровневый нечёткий классификатор.
Автор обосновывает методический подход к построению модели оценке эффективности государственной поддержки инновационных проектов на основе определения степени влияния инновационно активных кластеров на экономику республики и предрасположенность к инновационному развитию ядра кластера, что значительно повышает эффективность и целевую направленность мер государственной поддержки инновационного развития экономики региона.
Key words: evaluation of the effectiveness of government support, innovative projects, innovation-active clusters, indicators of innovation development, indicators of the effectiveness of government support, linguistic variable, five-level fuzzy classifier.
The author proves the methodical approach to building a model of assessing the effectiveness of government support for innovative projects based on the impact of innovation active clusters measurement on the country’s economy and a predisposition to the development of innovation cluster core, which improves the efficiency and the thrust of the measures of state support of innovative development of the regional economy.
В основу методического подхода к оценке эффективности государственной поддержки инновационных проектов на основе метода нечетких множеств была положена модель определение эффективности регулирующего воздействия при корректировке программ социально-экономического развития муниципального образования (экономической агломерации). В своих основополагающих принципах эта модель, в свою очередь, базируется на Методике мониторинга эффективности деятельности органов местного самоуправления городских округов и муниципальных районов, утвержденной распоряжением Правительства Российской Федерации от 11.09.2008 № 1313-р [1].
В качестве объекта моделирования оценки эффективности государственной поддержки инновационных проектов на основе метода нечетких множеств были использованы территориальнопроизводственные кластеры, как один из действенных инфраструктурных элементов системы государственной поддержки и оптимального распределения инвестиционных потоков. Модель универсальна и может быть модернизирована, принцип модели основывается на теории нечетких множеств.
Исходными данными при проведении оценки явились основные показатели макроэкономического развития территории органов статистики за период действия программы, а также ежегодные доклады глав муниципальных образований о достигнутых значениях показателей для оценки эффективности деятельности органов местного самоуправления городских округов и муниципальных районов и их планируемых значений. При этом оценка степени зрелости кластеров создает предпосылки мониторинга уровня конкурентоспособности инновационных проектов республики на российском и глобальном рынке, позволяет оптимально распределить ограниченные бюджетные и частные финансовые ресурсы и инвестиции, материальные и человеческие ресурсы, организовать мониторинг
эффективности государственной поддержки инновационных проектов и программ, а также государственного регулирования кластерного развития инновационно активных отраслей экономики Республики Татарстан [2,3].
Чтобы оценить степень инновационного развития потенциальных кластеров региона определяется набор критических показателей для каждого кластера, отвечающих следующим требованиям:
- информация о значениях индикаторов должна быть доступной;
- индикаторы должны оценивать как элементы кластера, так и взаимосвязь между ними, межотраслевые взаимодействия и мультипликативные эффекты;
- критерием эффективности экономического роста в республике определен показатель добавленной стоимости. Цепочка добавленных стоимостей показывает процесс добавления стоимости в производстве того или иного инновационного товара/услуги, начиная с добычи сырья и до стадии сбыта конечного продукта. Система индикаторов должна проходить по всей цепочке добавленных стоимостей;
- применение преимущественно количественных методов оценки, критериев и показателей. Число показателей должно быть минимальным, но достаточным для комплексного анализа степени зрелости кластеров;
- использование данных государственной статистики;
- применение системного подхода;
- применение комплексного подхода;
- применение показателей характеризующих временную динамику;
- независимость показателей от потенциала региона и численности его населения;
- регулярная оценка показателей/мониторинг.
По результатам оценки формируется система индикаторов, которая включает, например, такие показатели, как:
- показатель экспорта продукции, измеряемый пороговыми значениями от 0 до 100% и рассчитываемый как
Exp = ExpPr/Pr*100%, где ExpPr - объём экспортируемой продукции и услуг в стоимостном выражении, произведённых рассматриваемым кластером;
Pr - общий объём продукции и услуг в стоимостном выражении, произведённых рассматриваемым кластером;
- коэффициент локализации, определяемый
как
KL = (KURT/URT)/(KURF/URF)*100%, где KURT - относительная концентрация учреждений или служащих в кластере РТ;
URT - общее число учреждений или служащих в экономике РТ;
KURF - относительная концентрация учреждений или служащих в кластере РФ;
URF - общее число учреждений или служащих в экономике РФ.
Если коэффициент равен единице, то концентрация средняя и организации-участники кластера могут экспортировать продукцию. Если коэффициент меньше единицы, то концентрация малая. Если коэффициент больше единицы, то концентрация большая;
- новизна продукции или услуг определяется как
NP=VN/VP*100%,
где VN - объём новой продукции и услуг в стоимостном выражении, произведённых рассматриваемым кластером за 1 базовый год;
VP - объём продукции и услуг в стоимостном выражении, произведённых рассматриваемым кластером за 1 базовый год;
- степень модернизации технологического процесса определяется как
SM=(IN-INmin) / (INmax-INmin)*100%, где IN -количество инвестиций организации ядра рассматриваемого кластера за рассматриваемый период (1 год);
INmin - наименьшее количество инвестиций организации расположенной на территории РФ с аналогичным видом деятельности за рассматриваемый период (1 год);
INmax - наибольшее количество инвестиций в организацию расположенную на территории РФ с аналогичным видом деятельности за рассматриваемый период (1 год);
- степень обеспечения выпускников рабочими местами определяется как
RCr=CHr/CHvos*100%, где CHr - число выпускников ВУЗов РТ в базовом году, востребованных кластером, специальностей работающих по своей специальности в организациях, входящих в состав кластера;
CHvos - число выпускников ВУЗов РТ в базовом году, востребованных кластером, специальностей;
- выпуск специалистов, востребованных кластером, специальностей определяется как
RCvos=CHvos/Chob* 100%, где СНуоэ - число выпускников ВУЗов РТ в базовом году, востребованных кластером, специальностей;
СНоЬ - общее число выпускников ВУЗов РТ в базовом году;
- темп роста иностранных инвестиций определяется как
П^ОпН-П^Лп^, где 1п11 -количество иностранных инвестиций в базовом году;
1п12 - количество иностранных инвестиций в предыдущем базовому году.
В дальнейшем на основании полученных результатов определяется степень инновационного развития территориально-производственного кластера и строится лингвистическая переменная «Степень инновационного развития потенциального кластера» с терм - множеством:
в1 - кластеры в стадии «зерно»;
в2 - зарождающиеся;
в3 - развивающиеся;
в4 - развитые;
в5 - трансформирующиеся.
Каждому значению лингвистической переменной сопоставляется функция принадлежности тому или иному нечёткому подмножеству. Общими функциями в этом случае являются трапециевидные функции принадлежности. Верхнее основание соответствует полной уверенности в правильности классификации, а нижнее - уверенности в том, что никакие другие значения интервала (0,1) не попадают в выбранное нечёткое подмножество. Затем на основе стандартного пятиуровневого нечёткого классификатора проводится сортировка потенциальных кластеров региона по степени инновационного развития следующим образом:
- кластер в стадии «зерно»: 0<Бп (Х)<0,2; 0<Бп (У)<0,2; 0<Бп (2)<0,2.
- зарождающийся кластер: 0,2<Бп (Х)<0,4; 0,2<Бп (У)<0,4; 0,2<Бп (2)<0,4.
- развивающийся кластер: 0,4<Бп (Х)<0,6; 0,4<Бп (У)<0,6; 0,4<Бп (2)<0,6.
- развитый кластер: 0,6<Бп (Х)<0,8; 0,6<Бп (У)<0,8; 0,6<Бп (2)<0,8.
- трансформирующийся кластер:0,8<Бп (Х)<1; 0,8<Бп (У)<1; 0,8<Бп (г)<1.
Определение степени инновационного развития кластера происходит в следующей последовательности:
- для п-го потенциального кластера, п [1, К], рассматриваются функции оценки Рп(Х), Рп(У), Бп(2) характеризующие конкурентоспособности кластера по М.Портеру, влияние кластера на экономику республики и финансово-хозяйственную деятельность и предрасположенность к инновационному развитию ядра кластера соответственно. Значения находится с помощью алгоритма, основанного на теории нечетких множеств;
- на основе стандартного пятиуровневого нечёткого классификатора определяется степень
развития кластера по группе макроэкономических показателей. Если 0<Бп(У)<0.2, то данный кластер относится к трансформирующимся кластерам. Если
0.2<Бп(У)<0.4, то данный кластер относится к развитым кластерам. Если 0.4<Бп(У)<0.6, то данный кластер относится к развивающимся кластерам. Если 0.6<Бп(У)<0.8, то данный кластер относится к зарождающимся кластерам. Если 0.8<Бп(У)<1, то данный кластер относится к группе кластеров «зерно».
Аналогичным образом определяем степень развития по остальным двум группам показателей:
- определяется степень развития п-го кластера, применяя тот же алгоритм, с помощью которого определяли степень развития по группам показателей. В качестве входных данных будут значения найденных функций оценки: п = п + 1 и переходим в пункт 1;
- определяем распределение кластеров по пяти заданным степеням развития.
По результатам анализа, применяя нечеткомножественные описания, строится модель классификации потенциальных территориально-
производственных кластеров по степеням развития: трансформирующийся, развитый, развивающийся, зарождающийся, кластеры в стадии «зерно».
Также строится модель нахождения оптимального распределения финансовых средств, направленных на повышение степени развития класте-
ров. Оптимизация проводится методом штрафных функций, который позволяет сводить задачу условной оптимизации к безусловной, что существенно облегчает поиск оптимального решения.
Таким образом, в результате построения данной модели появляется возможность оценки влияние кластера на экономику республики и предрасположенность к инновационному развитию ядра кластера, что позволяет значительно повысить эффективности и целевую направленность мер государственной поддержки инновационного развития экономики региона.
Литература
1. Методика мониторинга эффективности деятельности органов местного самоуправления городских округов и муниципальных районов, утвержденная распоряжением Правительства Российской Федерации от 11.09.2008 № 1313-р.
2. Киселев С.В., Гилязутдинова И.В., Файзрахманов М. Д. Взаимодействие государственных и предпринимательских структур как условие инновационного развития производственной инфраструктуры в сфере услуг / Вестник Казанского технологического университета. -2013. - № 4. - С. 340-346.
3. Рочева О.А. Проблемы государственной финансовой поддержки инновационной деятельности в России/ Вестник Казанского технологического университета.-2012.-- №10.-- С.309-313.
© Р. Ю. Новикас - асп. каф. экономики и управления на предприятии пищевой промышленности КНИТУ, Кш1ап.Коу1ка8@1а1ж.т.
