CC BY
39
Колинько-Макаренко В.А. Оценка результативности региональной инновационной
системы Дата: 16/10/2010 Номер: (24) УЭкС, 4/2010
Аннотация: В статье рассматриваются методические подходы к оценке результативности региональных инновационны« систем (РИС). Результативность РИС в значительной степени зависит от институциональных условий создания инноваций, наличия в регионе инновационной инфраструктуры, степени взаимодействия экономических агентов, заинтересованных в повышении эффективности своей деятельности посредством совершенствования технологий.
Ключевые слова: инновации, результативность, региональная инновационная система, канонический анализ.
Abstract: The article reviews methodic approaches to evaluation of regional innovation systems (RIS) effectiveness. RIS effectiveness considerably depends on institutional conditions of innovations creation, availability of innovation infrastructure in the region, co-operation extent of economic agents, interested in improving effectiveness of their activities by technologies improvement.
Keywords: innovations, effectiveness, regional innovation system, canonical analysis.
Колинько-Макаренко Валентина Александровна
соискатель
Кубанский государственный университет kolinko_valentina@mail .ru
Выходные данные статьи: Колинько-Макаренко В.А. Оценка результативности
региональной инновационной системы // Управление экономическими системами: электронный научный журнал, 2010. - № 4 (24). - № гос. рег. статьи 0421000034/0141. -Режим доступа к журн.: http://uecs.mcnip.ru.
Проблема оценки результативности региональной инновационной системы является достаточно сложным вопросом, как с технической, так и с методологической точки зрения. Техническая сложность обусловлена тем, что большинство традиционного используемых социально-экономических статистических показателей слабо отражают современную действительность. Так, например, традиционно используемый в российской практике для оценки инновационной активности в регионах показатель доли предприятий, осуществлявших на протяжении последних трех лет инновационную деятельность, в общем количестве предприятий региона не позволяет судить о масштабах инновационной деятельности на предприятиях региона. Это объясняется тем, что данный показатель рассчитывается без учета объемов производства и инновационной активности предприятий. Кроме того, существенным недостатком этого показателя является ограниченная возможность его применения для экономических сопоставлений в
аналитических исследованиях. Для анализа развития инновационной сферы региона непригодны показатели оценки инновационной активности, исходя из числа предприятий,
о которых не известно ничего, кроме того, что в течение последних трех лет они проводили мероприятия по развитию инновационной сферы. Кроме того, неизвестно какие инновации - процессные или продуктовые - внедрялись на этих предприятиях. Создание при крупных компаниях определенного количества мелких предприятий, выполняющих небольшие, но выгодные заказы по выпуску модернизированной продукции, может способствовать росту показателя инновационной активности. В этом случае положительная динамика показателя не является объективным свидетельством интенсивности инновационной деятельности. Кроме того, количество предприятий в регионах весьма нестабильно: каждый год наблюдаются значительные их изменения. При этом изменение числа предприятий не коррелирует с колебаниями численности промышленно-производственного персонала и динамикой показателей хозяйственной деятельности. Следовательно, рост и сокращение числа предприятий являются результатом определенной политики менеджмента компаний.
К проблемам методологического характера стоит отнести сложность оценки и учета качества институциональной среды, уровня развития инновационной культуры и человеческого потенциала, качества регионального менеджмента и других сложных подсистем региональной инновационной системы, имеющих не количественный, а качественный характер.
По нашему мнению, для решения данной методологической проблемы можно использовать представление системы как ящика с входами и выходами. Региональную инновационную систему можно отнести к классу параметризированных систем, параметрами которой являются показатели, ответственные за качество институциональной среды и регионального менеджмента.
Введем для оценки «входов» региональной инновационной системы следующий кортеж относительных показателей:
Х1 - коэффициент локализации науки, вычисляемый для каждого региона по следующей формуле:
Хх =
(1) .-МО _
где ' - отношение количества исследователей в регионе к числу экономически активного населения (назовем его показателем наукоемкости) и в /-том регионе;
ХЛК) тэ
¡с \ / _ показатель наукоемкости в среднем по России.
Х2 - удельный вес лиц с высшим профессиональным образованием в составе занятого населения;
Х3 - сальдированный финансовый результат деятельности организаций на 1 тыс. чел. населения (так как это показатель, отражающий успешность бизнеса, назовем его показателем развития предпринимательской среды);
Х4 - объем инвестиций в основной капитал на душу населения в рассматриваемом регионе, деленный на максимальный объем инвестиций в основной капитал на душу населения по всем регионам (рейтинг региона по объему инвестиций на душу населения)
плюс объем иностранный инвестиций на душу населения в данном регионе, деленный на максимальный объем иностранных инвестиций по всем регионам (рейтинг региона по объему иностранных инвестиций на душу населения). В виде формулы данный показатель - интегральный показатель инвестиционной деятельности в регионе - можно выразить следующим образом:
(2)
где ! - объем инвестиции в основной капитал в /-том регионе,
Е .
1 - количество населения в /-том регионе.
Х5 - внутренние затраты на исследования и разработки на количество исследователей (назовем этот показатель финансовой обеспеченностью исследований).
Х6 - отношение объема кредитов и прочих размещенные средств в рублях и валюте (по головным офисам кредитных организаций и филиалам, расположенным на территории региона), предоставленных нефинансовым организациям к количеству занятых в экономике. Назовем данный относительный показатель показателем кредитной обеспеченности региональной экономики.
Введение показателя Х6 в кортеж показателей "входа" региональной инновационной системы объясняется тем, что для целей нашего исследования необходимо оценить не только потенциальный исследовательский ресурс, имеющийся в регионе, но и ресурс коммерциализации инноваций и модернизации экономики на инновационной основе.
Для оценки «выходов» региональной инновационной системы будем использовать следующий кортеж относительных показателей:
У1 - отношение количества патентов на изобретения и полезные модели к общему числу персонала, осуществляющему исследования и разработки;
У2 - отношение количества созданных передовых технологий к общему количеству исследовательского персонала.
Нетрудно заметить, что данные показатели отражают производительность исследовательского труда в том, случае, если его результатов считать создание объектов промышленной собственности. Однако нам необходимо так же учесть коммерциализацию как один из «выходов», производимых региональной инновационной системы. Поэтому внесем в результирующий кортеж следующие относительные показатели:
У3 - доля инновационной продукции (товаров, работ, услуг) в общем объеме продукции;
У4 - отношение объема поступивших средств от экспорта технологий и услуг технического характера к общему числу персонала, занятого в исследованиях.
Кроме того, введем в состав выходных показателей деятельности региональной инновационной системы показатель, отражающий состояние дел в сфере экспорта и импорта технологий и услуг технического характера:
У5 - выплаты средств по импорту технологий (за год, млн р.).
Составленные таким образом кортежи «входных» и «выходных» показателей позволяют получить достаточно полную картину инновационных процессов в регионе. Для проведения дальнейшего исследования результативности РИС воспользуемся одним из наиболее мощных методов многомерного статистического анализа - каноническим анализом. По нашему мнению, метод канонического анализа является наиболее подходящим для целей настоящего исследования в силу того, что он позволяет выявлять зависимости между наборами переменных, в данном случае между "входами" и "выходами" РИС. Кроме того, являясь обобщением множественной линейной регрессии, данный метод позволяет определять в каждом наборе переменных те их них, которые оказывают наибольшее влияние на противоположный набор показателей [1]. Т.е. канонический анализ позволяет выявить и оценить взаимозависимости между интегральным "входом" и интегральным "выходом", не разрушая возможных латентных взаимосвязей переменных в каждом наборе. В результате проведения канонического анализа получим описание взаимосвязи между исследуемыми списками переменных через несколько наиболее существенных взвешенных линейных комбинаций вида:
а1х1+а2х2+а3х3 +аАхА +а5х5 + а6х6 »¿^1+^ +ьгУг + Ь*У* + Ь5Уз
(3)
С«: и • « « « /\\ ц
где 2 - каноническим вес /-ои переменной первой группы ( входного множества
показателей), отражающий ее вклад в линейную комбинацию переменных являющуюся интегральным "выходом";
иу - канонический вес к-ой переменной второй группы ("выходного" множества
показателей), отражающий ее вклад в линейную комбинацию переменных , являющуюся интегральным "выходом";
знак " обозначает стохастическую взаимосвязь между линейными комбинациями переменных обоих множеств.
Для расчета канонических корреляций необходимо сформировать следующую блочную матрицу:
(4)
Л.
где гг - матрица корреляций размерности 6 на 6 между переменными первой группы, т.е. "входа", элементами которой являются обычные коэффициенты линейной корреляции Пирсона, вычисляемые по формуле:
- 1
X =
= -Е
и ¿-1
X:
"'и “да - матрицы корреляций между переменными первой и второй групп
(размерности 6 на 5) и второй и первой групп (размерности 5 на 6) соответственно; м -матрица корреляций размерности 5 на 5 между переменными второй группы ("выхода"). Далее необходимо вычислить собственные значения матрицы В, которая имеет вид:
(6)
Причем для анализа необходимо столько собственных значений матрицы В, сколько содержится переменных в группе меньшего размера. В нашем случае во входной группе содержится 6 переменных, а в выходной - 4, следовательно, необходимо вычислить 4 собственных значения матрицы В. Каждое собственное значение матрицы В является каноническим корнем и позволяет записать зависимость между исследуемыми списками переменных в виде формулы (3). Однако на практике ограничиваются рассмотрением лишь наиболее статистически значимых канонических корней, которых редко бывает более двух, т.е. описывают взаимосвязь между переменными X и У одной-двумя парами взвешенных линейных комбинаций вида (3) [2.] Так как объем необходимых вычислений достаточно велик, воспользуемся для вычисления канонических корней и канонических весов пакетом прикладных программ STATISTICA 7.0. Воспользуемся встроенным модулем Canonical Analysis для вычисления канонической корреляции между исследуемыми списками переменных - «входами» и «выходами» региональной инновационной системы [3]. Результаты вычисления канонической корреляции представлены на рис. 1.
Рис. 1. Результаты канонической корреляции
В верхней информационной части окна результатов указан вычисленный коэффициент канонической корреляции R=0,75169 между первой парой канонических корней, что
свидетельствует о наличии существенной статистической связи между исследуемыми
• г2
списками переменных. Значения Chi (статистика Л ) равный 109,94 и уровень значимости р=0,0000 показывают высокую статистическую значимость R. Под информационной частью выходного окна на рис. 1 представлена таблица, в первой строке которой указаны количества переменных во «входном» и «выходном» списках переменных; во второй строке - доля дисперсии, объясненная каждым множеством переменных (74,3% и 100% соответственно); в третьей строке - мера избыточности множества переменных (25,06 % для «входного» и 23,72% «выходного» множества). Результаты, представленные на рис. 1, свидетельствуют о достаточно высокой доле объясненности одного множества переменных другим и о приемлемой избыточности каждого из множества переменных.
Следующим этапом анализа является проверка канонических корней на статистическую значимость. Результаты проверки, выполненной в модуле Canonical Analysis, представлены на рис. 2.
Щ5ТАТ15Т1СА - [Workbookl* - Chi-Square Tests with Successive Roots Removed (Ka-2)]
¿Uj File EcfitL View Insert Format Statistics Graphs Tools Data Workbook Window Help
(й Add to Workbook T Add to Report T | ФЪ?
Arial ~ZJ 110 zl 1 B 1 if ].Мш !!!!! .SO -
Ï3l Workbook 1*
El- 0Ï Canonical An; Èi Canonical Щ Canoni Ш Chi-Scj
Root Removed Chi-Square Tests with Successive Roüts Removed (Ka-2'
Canonici R Canonici R-sqr. Chi-sqr. df I Lambda Prime
0 ^0,751637. 0,565033 109,9437 30 0,000000 0.221773
1 1] ,637764 0,406742 49.1722 20 0.000293 0,509374
2 0,307313 Ü.094444 11,0570 12 0.524053 0.359443
3 0,213735 0,045633 3,3149 6 0.701707 0,949033
4 0,074059 0,005435 0,4015 2 0,313123 0.994515
Рис. 2. Проверка статистической значимости канонических корней
X2
по критерию 1
Из результатов, приведенных на рис. 2, видно, что первый и второй канонические корни являются статистически значимыми, поэтому в целях построения линейных зависимостей между группами переменных, учитывающих латентные связи, целесообразно рассматривать лишь две первые пары канонических переменных. Однако, учитывая, достаточно высокую избыточность обоих множеств переменных (25,06% и 23,72%), можно ограничиться построением одного вида линейных комбинаций (3) и рассчитать канонические веса с последующим их использованием при вычислении коррелированных интегральных показателей «входа» и «выхода» региональной инновационной системы. Вычисленные значения канонических весов для «входного» и «выходного» множеств переменных представлены на рис. 3 и 4.
Рис. 3. Канонические веса показателей "входа"
Результаты, представленные на рис. 3, показывают, что наибольшее влияние на «входное» множество переменных оказывает уровень развития предпринимательской среды в регионе (вес переменной 0,681667), далее показатель, названный ранее показателем кредитной обеспеченности экономики региона (вес переменной 0,566846), показатель финансовой обеспеченности исследований (вес переменной 0,39775) и интегральный инвестиционный рейтинг региона (вес переменной 0,341674). Отметим, что показатель "Доля лиц с высшим профессиональным образованием" в регионе оказывает наименьшее влияние на кортеж выходных показателей продуктивности РИС, возможно, в силу несоответствий реальной ситуации в уровне развития человеческого капитала, отмеченных выше. Рассмотрим канонические веса выходного множества переменных (рис. 4).
Наиболее «влиятельным» показателем правого множества переменных является выплаты средств по импорту технологий и услуг технического характера (канонический вес
0,865474), далее следует отношение объема поступивших средств от экспорта технологий и услуг технического характера к общему числу персонала, занятого в исследованиях, его вес составляет 0,418718. Самая слабая корреляция с входным множеством переменных у показателя, отражающего отношение количества созданных передовых технологий к количеству исследователей в регионе.
Рис. 4. Канонические веса показателей "выхода"
Полученные канонические веса целесообразно использовать для составления интегральных показателей «входа» и «выхода» региональной инновационной системы. Однако, так как, исходные переменные сильно отличаются друг от друга по размерности, прежде чем применить процедуру их свертки в единый, значения показателей сначала необходимо нормировать [4]. Нормирование исходных переменных осуществлялось по формуле:
:)
(7)
Следующим этапом анализа продуктивности региональной инновационной системы является расчет интегральных показателей «входов» и «выходов» с использованием полученных канонических весов (округленных до второго знака после запятой) и их сопоставление. Вычислим для каждого региона России интегральный показатель «входа» по формуле:
р^г = 0 2411 + 0даа + 0>баз + 0^4 _ 0'51£5 + 0 3416
. .
где 1 - нормированные значения у-го показателя «входа» по /-му региону, а коэффициенты при них - канонические веса, и рассчитаем интегральный показатель «выхода»:
I”** = -0,13с] - 0,06сг2 + 0,42с\ + 0,11с,4 + 0,8бсг5
с■ . .
где ! - нормированные значения /-го показателя «выхода» по /-му региону, а
коэффициенты при них - соответствующие канонические веса, округленные до второго
знака после запятой и взятые с противоположным знаком.
Далее разобьем все множество регионов на четыре подмножества:
• Регионы со значением интегральных показателей "входа" и "выхода" выше среднего (в качестве среднего значения здесь и далее взята медиана интегрального показателя, так как она является максимально несмещенной оценкой). Назовем заданное подмножество регионов, регионами с развитыми РИС;
• Регионы со значением интегральных показателей "входа" и "выхода" ниже среднего. Назовем данное подмножество регионами с неразвитыми РИС;
• Регионы со значением интегрального показателя "входа" выше среднего, а "выхода" - ниже среднего. Данная группа регионов представляет особый интерес для исследования, так как при сравнительно высоком комплексном инновационном потенциале, результативность РИС остается низкой, что может свидетельствовать о наличии определенных институциональных деформаций в регионе;
• Регионы со значением интегрального показателя "входа" ниже среднего, а "выхода" - выше среднего. Эта группа регионов также чрезвычайно интересна для исследования, так как демонстрирует наличие источников инновационного развития, оставшихся вне поля зрения современной теории инновационного менеджмента.
Поэлементное описание представленных четырех подмножеств приведено на рис. 5.
Регионы с развитыми РИС Воронежская, Калужская, Липецкая, Московская, Тверская, Тульская, Ярославская обл., г. Москва, Республика Коми, Ленинградская, Мурманская обл., г. Санкт-Петербург, Астраханская, Волгоградская, Ростовская обл., Башкоторстан, Татарстан, Пермский кр., Нижегородская обл., Самарская, Ульяновская, Свердловская, Томская, Тюменская, Иркутская, Сахалинская обл., Чукотский АО. Регионы с неразвитыми РИС Ивановская, Орловская, Рязанская, Смоленская обл., Республика Карелия, Архангельская, Псковская обл., Адыгея, Дагестан, Ингушетия, Калмыкия, Карачаево-Черкесия, Северная Осетия-Алания, Чечня, Марий Эл, Удмуртия, Чувашия, Курганская обл., Алтай, Тыва, Хакасия, Алтайский, Забайкальский, Хабаровский кр., Амурская обл., Еврейская АО,
Регионы с институциональными деформациями Белгородская, Владимирская, Курская, Вологодская, Оренбургская, Пензенская обл., Бурятия, Кемеровская, Новосибирская обл., Республика Саха, Камчатский, Приморский кр., Магаданская обл. Регионы с неучтенными источниками развития Брянская, Костромская, Тамбовская, Калининградская, Новгородская обл., Кабардино-Балкарская Республика, Краснодарский и Ставропольский край, Мордовия, Кировская, Саратовская, Челябинская обл., Красноярский кр., Омская обл.
Рис. 5. Группы регионов по результативности РИС
Региональный срез обнаруживает, прежде всего, несоответствие между результативностью РИС и инновационной активностью, с одной стороны, и ресурсным обеспечением системы, с другой. Полученные результаты являются основой для принятия управленческих решений по «расшивке» слабых мест, ликвидации «точек разрыва» и т.п. Бесспорно, выводы автора основаны на результатах чисто количественного анализа и не отражают, например, научно-технической и экономической значимости результатов ИиР.
Вместе с тем результаты анализа иллюстрируют тот факт, что формирование экономики инноваций не сводится лишь к механическому увеличению вложений в ИиР, созданию зон, инноградов. Для этого нужна общенациональная стратегия, направленная на формирование правового и экономического пространства, способного воспринимать и воспроизводить инновационный тип развития, а также на интеграцию региональных хозяйственных комплексов в национальную инновационную систему и глобальные цепочки инноваций, и в конечном итоге - динамичное экономическое развитие.
Библиографический список:
1. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы: Учебник. М., 2000.
2. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. М., 1998.
3. Халафян А.А. STATISTICA 6. Статистический анализ данных. 3-е изд. Учебник. М., 2008.
4. Полиди А.А., Авагян М.Ю. Оценка институционально-сетевого развития банковского сектора региона // Экономический анализ: теория и практика, 2009. № 26.
№ гос. per. статьи 0421000034/0141
Это статья Журнал ВАК :: Управление экономическими системами: электронный научный
журнал http ://uecs.mcnip.ru
URL этой статьи: http://uecs.mcnip.ru/modules.php?name=News&file=article&sid=215
