Оценка эффективности промышленного сектора России на основе инновационной активности Текст научной статьи по специальности «Экономика и бизнес»

35 (338) - 2013

Анализ видов экономической деятельности

УДК 519.23

оценка эффективности

промышленного сектора россии

на основе инновационной активности

О. Е. ИВАНОВА,

кандидат экономических наук, доцент кафедры бухгалтерского учета, анализа и аудита E-mail: [email protected]

М. А. КОЗЛОВА,

кандидат технических наук, доцент кафедры экономической кибернетики E-mail: [email protected] Костромская государственная сельскохозяйственная академия

В статье предложена методика оценки уровня эффективности видов экономической деятельности промышленности России. Методика учитывает инновационную активность организаций. Построенные классификационные модели могут служить основой при управлении уровнем затрат на производство и продажу продукции (товаров, работ, услуг) и создать условия для увеличения конкурентоспособности экономических субъектов.

Ключевые слова: затраты, группа, кластер, инновационная активность, эффективность, промышленный сектор, модель.

В настоящее время перед российскими организациями промышленного сектора стоит проблема успешного функционирования в долгосрочной перспективе путем самостоятельного обеспечения методической и инструментальной базы для поддержки основных функций управления (пла-

нирование, организация деятельности, мотивация и контроль), а также анализа, оценки ситуации для принятия управленческих решений и др.

Промышленность является важнейшей частью мирового хозяйства, а на уровне экономики страны -главной сферой материального производства, в которой создается порядка 25 % валового внутреннего продукта и национального дохода. Рост промышленного производства в России в 2011 г. по отношению к уровню 2010 г. составил 4,7 %. На протяжении 2005-2011 гг. масштабы промышленного производства по отношению к сравниваемым периодам возрастают, за исключением 2009 г. Замедление индекса промышленного производства на 9,3 % в 2009 г. к уровню 2008 г. объясняется мировым финансово-экономическим кризисом. Стоимость отгруженных или отпущенных в порядке продажи, а также прямого обмена (по договору мены) всех товаров собственного производства, работ и услуг,

выполненных (оказанных) собственными силами в 2011 г. по сравнению с уровнем 2010 г., по добыче полезных ископаемых увеличилась на 29 % и составила 8 031 млрд руб.; по обрабатывающим производствам - на 20,8 % (22 802 млрд руб.); по производству и распределению электроэнергии, газа и воды - на 15,4 % (4 229 млрд руб.) [5]. Развитие промышленности является одним из первостепенных трендов российской экономической политики.

При управлении организацией и планировании ее деятельности особенно важно учитывать факторы, обеспечивающие внутреннюю производительность организации. Таковым основным контролируемым фактором выступают затраты на производство и продажу продукции (товаров, работ, услуг). Авторы исходят из того, что эффективное и устойчивое функционирование экономических субъектов требует исследования в сфере управления затратами на производство и продажу продукции (товаров, работ, услуг). Для изучения затратооб-разования в экономических организациях было проведено исследование на основе статистических группировок и кластерного анализа. Чтобы получить информацию с точки зрения роста затрат на производство и продажу продукции (товаров, работ, услуг) отдельных видов экономической деятельности (ВЭД) промышленного сектора экономики

России, в их составе необходимо выделить несколько групп. При этом был выделен группировочный признак - производительность труда. Среди ВЭД промышленного сектора России по производительности труда выделены три группы (рис. 1).

По данным о структуре затрат на производство и продажу продукции (товаров, работ, услуг) и алгоритму кластерного анализа была проведена классификация объектов иерархическим методом (древовидная кластеризация). В качестве расстояния между объектами принималось обычное Евклидово расстояние, а расстояние между кластерами измерялось по методу одиночной связи (принцип ближайшего соседа). Обращает на себя внимание тот факт, что число кластеров промышленного сектора больше числа групп по производительности труда (табл. 1).

По итогам проведенного исследования было выявлено, что перспективным считается использование эконометрических методов для анализа эффективности экономической деятельности не только отдельно взятых организаций, но и целых ВЭД. Результаты такого анализа в совокупности позволят получать объективные оценки состояния экономической системы государства в целом. Одним из важных инструментов оценки взаимосвязи уровня затрат на производство и продажу продукции (товаров, работ, услуг) является разработка

Группы ВЭД промышленного сектора России по производительности труда

Рис. 1. Группировка ВЭД по производительности труда

Таблица 1 Кластеры ВЭД по структуре затрат на производство и продажу продукции (товаров, работ, услуг)

Кластер Вид экономической деятельности Подраздел по ОКВЭД

1-й Производство пищевых продуктов, включая напитки, и табака DA

Текстильное и швейное производство DB

Производство кожи, изделий из кожи и DC

производство обуви

Обработка древесины и производство DD

изделий из дерева

Целлюлозно-бумажное производс- DE

тво, издательская и полиграфическая

деятельность

Химическое производство DG

Производство резиновых и пластмассо- DH

вых изделий

Производство прочих неметаллических DI

минеральных продуктов

Металлургическое производство и DJ

производство готовых металлических

изделий

Производство машин и оборудования DK

Производство электрооборудования, DL

электронного и оптического оборудо-

вания

Производство транспортных средств и оборудования DM

Прочие производства DN

Производство и распределение элект- E

роэнергии, газа и воды

2-й Добыча полезных ископаемых, кроме топливно-энергетических CB

3-й Производство кокса и нефтепродуктов DF

4-й Добыча топливно-энергетических полезных ископаемых CA

многофакторной модели на основе корреляционно-регрессионного анализа. В рамках такого анализа появляется возможность определить наиболее значимые факторы, влияющие на уровень затрат на производство и продажу продукции (товаров, работ, услуг), а также определить основные составляющие по определенным ВЭД промышленного сектора России. Полученная информация поможет сосредоточить внимание на наиболее влиятельных факторах, следовательно, более эффективно использовать имеющиеся ресурсы для совершенствования управления затратами на производство и продажу продукции (товаров, работ, услуг).

Представим исходные показатели, в качестве

которых рассматривалось формирование независимых факторов, влияющих на результативный признак - уровень затрат на производство и продажу продукции (товаров, работ, услуг) у. Для оценки эффективности и выявления более значимой причинной зависимости результативного признака (его вариации) от вариации факторных признаков, для их характеристики и сглаживания различий использовались абсолютные показатели, выраженные в натуральных, трудовых единицах, и относительные показатели. Всевозможные процедуры и оценки выполнены и получены с помощью пакета Excel. С учетом перечисленных требований и предварительного логического анализа в модель были включены следующие факторы, отражающие технико-экономическую и финансово-экономическую стороны производства:

- среднегодовая численность работников, тыс.

чел. х1;

средняя фактическая продолжительность рабочего времени работников списочного состава организаций в расчете на одного работника х2, ч/г;

степень износа основных средств х3, %; коэффициент обновления основных средств

х4, %;

- коэффициент выбытия основных средств

х5, %;

удельный вес полностью изношенных основных средств в общем объеме основных средств организаций х6, %;

коэффициент оборачиваемости запасов х7; индекс промышленного производства (агрегированный индекс производства по добыче полезных ископаемых, обрабатывающим производствам, производству и распределению электроэнергии, газа и воды) х8, %; индекс предпринимательской уверенности

хст %;

- индекс физического объема инвестиций в основной капитал к предыдущему году, х10, %;

инновационная активность организаций промышленности хп.

На основании выделенных групп по производительности труда и кластеров ВЭД промышленного сектора России была проведена количественная оценка на основе корреляционно-регрессионного анализа. Для проведения факторного анализа были использованы данные по промышленному сектору России, опубликованные в ежегодных статистичес-

ких сборниках Росстата [4, 5]. Для предварительного анализа взаимосвязи показателей построена матрица парных коэффициентов корреляции. При этом наблюдается высокая мультиколлинеарность: большинство факторов имеет достоверную связь друг с другом. При наличии сильной коллинеарности факторов рекомендуется исключать из исследования тот фактор, у которого теснота парной зависимости с результативным признаком меньше. После реализации алгоритма пошагового регрессионного анализа с исключением переменных на основании критерия Стьюдента и оценки модели на адекватность по критерию Фишера были получены окончательные результаты отбора ведущих факторов, определяющих уровень затрат на производство и продажу продукции (товаров, работ, услуг), определено влияние отдельных факторов в уравнении линейной регрессии на основании коэффициентов эластичности (табл. 2).

По результатам исследования определено, что для ВЭД промышленного сектора России, входящих в I группу по производительности труда, полученная математико-статистическая модель адекватна (расчетное значение F-критерия, равное 20,508, значительно больше критического уровня значимости - 3,2388). Связь между признаками тесная, коэффициент множественной корреляции составляет 0,89. Коэффициент детерминации отражает, что 79,4 % вариации результативного признака у объясняется вариацией факторных переменных х1, х6, х11. Таким образом, из полученного уравнения

регрессии следует, что при увеличении среднегодовой численности работников на 1 тыс. чел. в организациях, входящих в I группу, сумма затрат на производство и продажу продукции (товаров, работ, услуг) в среднем увеличится на 0,2884 млрд руб.; при росте инновационной активности организаций промышленности на 1 % - на 14,640 млрд руб. Увеличение удельного веса полностью изношенных основных средств в общем объеме основных средств организаций на 1 % ведет к снижению уровня затрат на производство и продажу продукции (товаров, работ, услуг) в среднем за год на 15,731 млрд руб. Произведенные расчеты средних частных коэффициентов эластичности показывают, что при увеличении среднегодовой численности работников на 1 % сумма затрат на производство и продажу продукции (товаров, работ, услуг) в среднем увеличится на 0,52 %; при росте инновационной активности организаций промышленности на 1 % - на 0,62 %. Рост удельного веса полностью изношенных основных средств в общем объеме основных средств организаций на 1 % ведет к снижению уровня затрат на производство и продажу продукции (товаров, работ, услуг) в среднем за год на 0,91 %.

На основании проведенного исследования влияния факторов на величину затрат на производство и продажу продукции (товаров, работ, услуг) ВЭД, включенных во II группу, можно заключить, что наибольшая сила связи у фактора среднегодовой численности работников х1 - 0,86. Уравнение рег-

Таблица 2

Данные корреляционно-регрессионного анализа ВЭД промышленности России на основании выделенных групп по производительности труда и кластеров

Показатель Коэффициент корреляции Коэффициент детерминации Уравнение регрессии Частные коэффициенты

эластичности

Группировка ВЭД по производительности труда

I группа 0,89 0,79 у = 108,997+0,2884х1 - 15,731х6+14,640х11 х1= 0,52;

х6= -0,91; х11= 0,62

II группа 0,86 0,73 у = 1,501х1 - 155,169 х1= 1,17

III группа 0,70 0,49 у = 3 689,584 + 82,303х9 - 99,204х11 х9= 0,01; х11= -0,39

Группы кластеров ВЭД по структуре затрат на производство и продажу продукции (товаров, работ, услуг)

1-й кластер 0,89 0,79 у = 1,850х1- 282,43 х1 = 1,28

2-й кластер -0,66 0,43 у = 914,632 - 125,531х11 х11 = -0,81

3-й кластер 0,89 0,80 у = 2 050,615х6 - 23 397,8 х6 = 9,71

4-й кластер 0,89 0,80 у = 811,72 + 531,42х11 х11 = 0,78

рессии является статистически значимым - 73,4 % колеблемости суммы затрат на производство и продажу продукции (товаров, работ, услуг) объясняется включенным в уравнение фактором. Есть основание полагать, что при увеличении среднегодовой численности работников на 1 тыс. чел. в организациях, входящих в II группу, сумма затрат на производство и продажу продукции (товаров, работ, услуг) в среднем увеличится на 1,501 млрд руб., а при росте указанного фактора на 1 % величина результативного признака изменится на 1,17 %.

Полученная экономико-математическая модель влияния факторов на результативный признак ВЭД, входящих III группу, в результате корреляционного анализа характеризуется прямой умеренной связью с фактором индекса предпринимательской уверенности х9 и обратной заметной связью с фактором инновационной активности организаций промышленности х11. Теснота связи между признаками достаточно тесная (индекс корреляции г = 0,7). Таким образом, можно утверждать, что уравнение регрессии достаточно хорошо описывает исследуемую зависимость. Коэффициент детерминации R2 = 0,491 отражает, что 49,1 % вариации уровня затрат на производство и продажу продукции (товаров, работ, услуг) объясняется включенными в модель факторами. Уравнение регрессии отражает, что при увеличении индекса предпринимательской уверенности на 1 % уровень затрат на производство и продажу продукции возрастет на 82,303 млрд руб., или на 0,01 %, а при росте инновационной активности организаций промышленности на 1 % результативный признак снизится на 99,204 млрд руб., или на 0,39 %.

Исследование зависимости суммы затрат на производство и продажу продукции (товаров, работ, услуг) у ВЭД промышленного сектора России, входящих в кластеры, от величины выделенных факторов и проведение пошагового отбора факторов методом исключения из модели статистически незначимых переменных позволили определить, что между суммой затрат на производство и продажу продукции (товаров, работ, услуг) у по ВЭД, входящих в первый кластер, и среднегодовой численностью работников х1 существует тесная прямая связь. Вариация результативного признака на 78,9 % зависит от выделенного фактора. При увеличении среднегодовой численности работников на 1 тыс. чел. сумма затрат на производство и продажу продукции (товаров, работ, услуг) в среднем возрастет

на 1,85 млрд руб. А повышение указанного факторного признака на 1 % от среднего уровня приведет к росту результативного признака на 1,28 %.

По добыче полезных ископаемых, кроме топливно-энергетических, входящей во второй кластер, связь между суммой затрат на производство и продажу продукции (товаров, работ, услуг) у и инновационной активностью организаций промышленности х11 - обратная, заметная. Изменение величины результативного признака на 43,3 % зависит от выбранного факторного признака. Увеличение инновационной активности организаций промышленности на 1 % повлечет за собой снижение суммы затрат на производство и продажу продукции (товаров, работ, услуг) на 125,531 млрд руб., или на 0,81 %.

Сумма затрат на производство и продажу продукции (товаров, работ, услуг) у производства кокса и нефтепродуктов, входящего в третий кластер, тесно связана с удельным весом полностью изношенных основных средств в общем объеме основных средств организаций х6. Выявленная зависимость характеризуется тем, что величина результативного признака на 79,6 % зависит от изменений величины факторного признака. Рост удельного веса полностью изношенных основных средств в общем объеме основных средств организаций на 1 % позволит повысить сумму затрат на производство и продажу продукции (товаров, работ, услуг) на 2 050,615 млрд руб., или на 9,71 %.

Тесная прямая связь между суммой затрат на производство и продажу продукции (товаров, работ, услуг) у и инновационной активностью организаций промышленности х11 наблюдается по добыче топливно-энергетических полезных ископаемых, входящей в четвертый кластер. Здесь 80,1 % колеблемости суммы затрат на производство и продажу продукции (товаров, работ, услуг) объясняется включенным в уравнение регрессии фактором. Повышение факторного признака на 1 % приведет к росту результативного признака на 531,42 млрд руб., или на 0,78 %.

Одним из важных инструментов регулирования суммы затрат на производство и продажу продукции (товаров, работ, услуг) является инновационная активность организаций. Поэтому качественное управление интеллектуальными ресурсами позволяет мобилизовать производство, распространить и использовать полученные знания, что в конечном итоге даст серьезный толчок для инновационной деятельности.

Как показывает практика, инновационная деятельность представляет собой такую сферу человеческой деятельности, которая в значительно меньшей степени поддается количественному измерению [1, 6]. На взгляд авторов, наиболее точной методикой оценки инновационной деятельности как фактора, влияющего на управление затратами на производство и продажу продукции (товаров, работ, услуг), является та, которая учитывает не только эффект научной и инновационной деятельности, способствующий изменению структуры производства в пользу наукоемких видов продукции (товаров, работ, услуг), повышение производительности труда и эффективности производства, обеспечение конкурентоспособности экономики и ее интеграции в мировые научно-технические связи, но и отраслевые принадлежности и специфику деятельности внутри ВЭД.

Для правильной оценки инновационной активности, приводящей к росту эффективности производства, не установлены нормативные критерии отдельно рассчитанных относительных показателей. Поэтому использование дискриминантного анализа в этом случае позволит учесть экономическую ситуацию внутри определенного ВЭД промышленного сектора России, обеспечивая управление затратами на производство и продажу продукции (товаров, работ, услуг). Модели классификации и прогнозирования экономической эффективности, созданные на основе многомерного дискриминантного анализа, широко используются во всем мире. Наряду со скоростью анализа их применение гарантирует аналитику высокую достоверность полученных результатов. Это является следствием специфики используемых при разработке модели аналитических методов [2, 3].

Статистическое распознавание изучаемых явлений реализуется в среде STATISTICA с помощью модуля дискриминантного анализа, который наиболее ярко отражает черты многомерного анализа в классификации.

Исследование инновационной активности выступает основой для определения эффективности производства хозяйствующих субъектов, базой для дальнейшего управления. По мнению авторов, для построения модели инновационной активности, влияющей на эффективность ВЭД, система показателей должна соответствовать ряду условий: во-первых, показатели должны содержать исходную информацию для оценки эффективности деятель-

ности хозяйствующего субъекта; во-вторых, данные должны выступать средством определения инновационной активности для оценки эффективности промышленного сектора России как в пространстве, так и во времени; в-третьих, разработанная модель оценки эффективности экономических организаций должна быть безошибочно составлена и иметь экономическое обоснование.

При разработке модели прогноза уровня эффективности ВЭД промышленного сектора России на базе инновационной активности с применением дискриминантного анализа необходимо учитывать определенные особенности. Для проводимого анализа второстепенное значение играет уровень инновационной деятельности, оказывающий воздействие на развитие экономических организаций, основным фактором является эффективность ВЭД. В ходе исследования была произведена оценка эффективности производственной деятельности отраслей промышленности с присвоением классности. Для этого необходимо исследование трех соразмерных групп ВЭД, выделенных экспертным путем:

- I группа представлена высокоэффективными ВЭД: добыча топливно-энергетических полезных ископаемых; добыча полезных ископаемых, кроме топливно-энергетических; производство кокса и нефтепродуктов; химическое производство; металлургическое производство и производство готовых металлических изделий;

- II группа представлена среднеэффективными ВЭД: производство кожи, изделий из кожи и производство обуви; целлюлозно-бумажное производство, издательская и полиграфическая деятельность; производство резиновых и пластмассовых изделий; производство электрооборудования, электронного и оптического оборудования; производство транспортных средств и оборудования; производство и распределение электроэнергии, газа и воды;

- III группа представлена низкоэффективными ВЭД: производство пищевых продуктов, включая напитки, и табака; текстильное и швейное производство; обработка древесины и производство изделий из дерева; производство прочих неметаллических минеральных продуктов; производство машин и оборудования.

При помощи дискриминантного анализа определяется зависимость между совокупностью выбранных переменных и состоянием ВЭД (высоко-

эффективные, среднеэффективные, низкоэффективные), определяются переменные, наиболее сильно характеризующие исследуемые позиции. Исследование проводилось на основании данных Росстата за 2007-2011 гг. [4, 5]. При исследовании была использована выборка ВЭД промышленного сектора России на основании статистических данных. Для анализа данных была использована совокупность из 13 переменных, характеризующих инновационную деятельность с точки зрения оценки воздействия на развитие хозяйствующих субъектов:

- х1 - темп роста оборота, %;

- х2 - индекс производства, %;

- х3 - среднегодовая численность работников, тыс. чел.;

- х4 - средняя фактическая продолжительность рабочего времени в расчете на одного работника, ч/г;

- х5 - потребление электроэнергии, млрд кВт-ч;

- х6 - число персональных компьютеров, тыс. шт.;

- х7 - число персональных компьютеров на 100 работников, шт.;

- х8 - число организаций, имевших веб-сайт, ед.;

- х9 - средний уровень использования среднегодовой производственной мощности, %;

- х10 - выброшено в атмосферу загрязняющих веществ, тыс. т;

- х11 - удельный вес организаций, осуществлявших технологические инновации, в общем числе обследованных организаций, %;

- х12 - удельный вес инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг организаций, %;

- х13 - удельный вес организаций, осуществляющих маркетинговые инновации, %. Необходимо отметить, что чем больше переменных учтено в модели, тем точнее ее дискриминирующая способность. Методом пошагового исключения установлено, что переменными, максимально точно отражающими степень эффективности производства, являются х1, х2, х4, х5, х7, х8, х10, х13.

Полученное значение статистики Уилкса, равное 0,0171693, свидетельствует о хорошей дискриминации. По значению ^-критерия, равного 4,973810, можно сделать вывод, что данная классификация корректна (значение ^-критерия больше табличного значения - 2,599). Для проверки корректности обучающих выборок представим результаты классификационной матрицы (рис. 2).

Результаты представленной классификационной матрицы отражают, что объекты ВЭД промышленного сектора России были правильно отнесены экспертным способом к выделенным группам. По каждой группе общий коэффициент корректности обучающих выборок равен 100 %. При проверке корректности отнесения объектов к выделенным группам с помощью метрики Махаланобиса определено расстояние всех п объектов до центра тяжести каждой группы (вектор средних) (табл. 3).

Путем исключения из обучающих выборок объектов, которые по своим показателям не соответствуют большинству объектов, образующих однородную группу, определено, что отнесение ВЭД к выделенным группам считается корректным, так как расстояние Махаланобиса от объекта до центра его группы значительно ниже, чем от него до центра других групп. На основе полученных выборок построены классификационные функции для каждой группы ВЭД (табл. 4).

Наибольшую разделительную способность в модели имеют индекс производства х2, темп роста оборота х1, число персональных компьютеров на 100 работников х7, удельный вес организаций, осуществляющих маркетинговые инновации х13. В результате исследования получены классификационные модели, являющиеся линейной комбинацией отобранных наблюдаемых величин:

- высокоэффективные ВЭД (-11 096,39 - 6,32х5 -

- 70,35х1 + 79,96х2 + 69,27х7 + 51,13х13 - 0,99х8

+ 0,28х10 + 12,52х4);

- среднеэффективные ВЭД (-11 487,75 - 7,07х5 -

- 75,61х1 + 85,26х2 + 72,71х7 + 47,56х13 - 1,01х„ +

+ 0,30х.„ + 12,78х4);

Высокоэффективные ВЭД (р = 0,3125) Среднеэффективные ВЭД (р = 0,3750) Низкоэффективные ВЭД (р = 0,3125)

Высокоэффективные ВЭД 5 0 0

Среднеэффективные ВЭД 0 6 0

Низкоэффективные ВЭД 0 0 5

Рис. 2. Классификационная матрица

Таблица 3

Классификация случаев выборки

Подраздел Группа эффективности Высокоэффективные Среднеэффективные ВЭД Низкоэффективные

по ОКВЭД ВЭД ВЭД (p = 0,3125) (p = 0,3750) ВЭД (p = 0,3125)

CA Высокоэ ффективные 9,10 71,03 41,71

CB Высокоэ ффективные 7,89 59,65 28,49

DA Низкоэ ффективные 52,48 28,43 6,26

DB Низкоэ ффективные 38,89 35,60 5,48

DC Среднеэффективные 95,19 8,82 35,93

DD Низкоэ ффективные 23,06 22,26 5,41

DE Среднеэффективные 82,68 8,45 35,50

DF Высокоэ ффективные 7,88 77,52 60,03

DG Высокоэ ффективные 3,77 69,33 33,02

DH Среднеэффективные 45,15 3,17 12,21

DI Низкоэ ффективные 34,22 31,39 2,80

DJ Высокоэ ффективные 9,04 81,91 57,32

DK Низкоэ ффективные 61,16 11,20 6,97

DL Среднеэффективные 57,60 5,62 14,33

DM Среднеэффективные 78,87 7,82 35,98

E Среднеэффективные 66,05 5,53 27,81

Таблица 4

Классификационные ( ункции

Показатель Высокоэффективные ВЭД (p = 0,3125) Среднеэффективные ВЭД (p = 0,3750) Низкоэффективные ВЭД (p = 0,3125)

Потребление электроэнергии, млрд кВт-ч -6,32 -7,07 -6,78

Темп роста оборота, % -70,35 -75,61 -72,45

Индекс производства, %о 79,96 85,26 81,98

Число персональных компьютеров на 100 работников, шт. 69,27 72,71 69,86

Удельный вес организаций, осуществляющих маркетинговые инновации, %о 51,13 47,56 48,28

Число организаций, имевших веб-сайт, ед. -0,99 -1,01 -0,98

Выброшено в атмосферу загрязняющих веществ, тыс. т 0,28 0,30 0,29

Средняя фактическая продолжительность рабочего времени в расчете на одного работника, ч/г 12,52 12,78 12,50

Constant -11 096,39 -11 487,75 -11 010,44

- низкоэффективные ВЭД (-11 010,44 - 6,78х5 --72,45х1 + 81,98х2 + 69,86х7 + 48,28х13 - 0,98х8 + + 0,29х10 + 12,50х4).

С помощью построенных классификационных функций возможно с высокой точностью определить принадлежность того или иного ВЭД к классу эффективности в случае изменения инновационной деятельности определенного промышленного сектора во времени. Модификация инновационного рейтинга ВЭД определит их к тому классу эффективности, для которого классифицированное значение будет максимальным. На основании канонического анализа отражена степень рассеивания для значений дискриминантных функций (рис. 3).

Диаграмма рассеивания для канонических значений дискриминантных функций демонстрирует хорошую дискриминационную способность выбранных переменных. При помощи разработанных классификационных моделей эффективности сегментов промышленного сектора России легко выделяются группы ВЭД, являющиеся высокоэффективными, среднеэффективными и низкоэффективными. По значению дискриминантной функции для любого тестируемого экономического субъекта промышленного сектора России можно сделать вывод о том, к какому классу эффективности принадлежит та или иная экономическая организация.

С\1

о.

-2

-3

-4

■ ■ ■ ■ ■

иг V <*> РА

о ЭВ ..Л-««........

Е о 00 О DJ

01. П | 0 РМ О СА

...........О....... ОН [ 3 □ ос 1—1 °0Р

□ О СЕ

-6

-4

О 2

Параметр 1

Рис. 3. Диаграмма рассеивания для канонических значений дискриминантных функций

Поэтому разработанные модели отражают не только инновационный рейтинг организаций, но и определяют эффективность деятельности в условиях российской экономики, что отразится на алгоритме выбора и обосновании методов управления.

Список литературы

1. Грибанов Д. В. Инновации и модернизация в жизни, экономике и праве: понятийный аппарат // Бизнес, менеджмент и право. 2012. № 1.

2. Коваленко А. В., Гаврилов А. А., Кармазин В.Н. Диагностика состояния предприятия на основе нечетных продукционных систем и дискриминан-

О Высокоэффективные ВЭД □ Среднеэффективные ВЭД О Ниэкоэффективные ВЭД

тного анализа // Экономический анализ: теория и практика. 2007. № 14.

3. Кучеренко С. А. Диагностика прогнозирования финансового состояния сельскохозяйственных товаропроизводителей // Экономический анализ: теория и практика. 2007. № 23.

4. Промышленность России. 2012: стат. сб. М.: Росстат, 2012.

5. Российский статистический ежегодник. 2012: стат. сб. М.: Росстат, 2012.

6. Российское предпринимательское право: учебник / под ред. И. В. Ершова. М.: Проспект, 2011.