Оценка технологической готовности региональной экономики к восприятию инноваций Текст научной статьи по специальности «Экономика и бизнес»

Д. М. Журавлев1

ОЦЕНКА ТЕХНОЛОГИЧЕСКОЙ ГОТОВНОСТИ РЕГИОНАЛЬНОЙ ЭКОНОМИКИ К ВОСПРИЯТИЮ ИННОВАЦИЙ

Предложена модель (цифровой двойник) процесса «технологическая готовность» региональной экономической системы. Дано содержательное описание и осуществлена фиксация процесса; скомпонована пара «фактор - индикатор», характеризующая базовые аспекты его функционирования; приведено доказательство правильности формализации выбранных показателей количественной и качественной оценки при помощи разработанного прикладного программного обеспечения. Использование на практике разработанных методологических подходов по моделированию позволит целенаправленно и обоснованно решать задачи стратегирова-ния опережающего развития региона.

Ключевые слова: анализ данных, технологическая готовность, потенциал развития, региональная экономическая система, стратегирование, цифровой двойник, экономико-математическая модель.

УДК 338.27

Введение

Объективная реальность требует опережающего развития национальной экономики в направлении системной модернизации производительных сил и производственных отношений. «Динамизм новых технологий усиливает непредсказуемость многих процессов современного мира. Отсюда возникает необходимость уточнения роли долгосрочного стратегического планирования и прогнозирования. <...> при анализе экономической динамики важно учитывать не только количественные, но и качественные сдвиги, то есть внимательнее относиться к качеству экономического роста. Проблема, в принципе, не новая - на всех этапах развития технологий и создания новых товаров оценка роста количества производимых товаров и динамика индексов цен не учитывали качественные изменения в структуре производства. Однако в последние десятилетия в силу быстрого перехода множества экономических трансакций в цифровую среду (цифровизация), лавинообразного появления новых товаров, замещающих товары «традиционной» экономики, эта проблема особенно обострилась» [7]. Решение проблемы подразумевает необходимость совершенствования методологических принципов оценки перспектив и угроз экономического роста. В настоящее время именно в этом направлении происходит формирование правовых, экономических и организационных основ обоснования, разработки, мониторинга и контроля реализации документов стратегического планирования [8, 9, 12]. Тем не менее, используемые технологии регионального стратегирования недостаточно учитывают возможности таких методов планирова-

1 Денис Максимович Журавлев, ведущий специалист Управления информации и медиа-коммуникаций МГУ им. М. В. Ломоносова, канд. экон. наук, e-mail: [email protected]

ния, как предиктивная аналитика, анализ больших данных, создание цифровых двойников и пр. Современный подход к региональному стратегированию должен быть основан на традициях долгосрочного территориального планирования, подкрепленных информационными технологиями, позволяющими в сжатые сроки обрабатывать большие объемы данных и формировать заданное множество сценариев развития будущих периодов. Декларируемый подход может быть успешно реализован при внедрении информационной системы поддержки принятия решений по стратегированию, в основу которой заложена модель (цифровой двойник), адекватно воспроизводящая функционирование региональной экономической системы, в том числе в разрезе основных процессов.

Методология

Ведущие отечественные ученые-экономисты [2, 3, 4, 10] полагают, что текущее и планируемое состояния объекта регионального стратегирования во многом определяются стадией экономического развития, носят многоплановый характер и зависят от ряда факторов, подлежащих выявлению и формализации. Это означает, что при решении задач стратегирования должны быть установлены измеримые цели, произведена фиксация системообразующих экономических процессов и осуществлена взаимосвязь между управляемыми факторами2 и индикаторами3.

Каждый субъект Российской Федерации находится на определенной стадии экономического развития [5, 11], поэтому ему приходится самостоятельно (с учетом имеющихся предпосылок) разрабатывать и реализовывать стратегию опережающего развития. Основой разработки стратегии являются оценка и формулирование рационального применения своего потенциала. Для четкого целеполагания и оценки текущей ситуации необходима комплексная оценка составляющих потенциала развития:

1. Коммерческий потенциал - уровень деловой активности, наличие надежных экономических связей с партнерами, доля региона на отечественном и зарубежном рынках конкурентоспособной продукции.

2. Организационный потенциал - стабильность структуры управления социально-экономической системой региона, четкое распределение и понимание ролей исполнителей в реализации стратегии развития, налаженная система сбора и обработки оперативной отчетности, наличие эффективной обратной связи.

3. Производственно-технический потенциал - наличие на территории производственно-промышленных кластеров, так называемых точек роста, занимающих лидирующие позиции в своих секторах экономической деятельности. Наличие технологических заделов, при которых привнесение новых технологий не ведет к системной перестройке отлаженных производственных процессов, но улучшает существующие, сокращая издержки и повышая добавленную стоимость.

2 Фактор - управляемый параметр, характеризующий использование ограниченных материальных, информационных, энергетических, трудовых и других ресурсов. Управляемое изменение численного значения фактора приводит к достижению стратегических целей социально-экономического развития региона, что отслеживается с помощью системы индикаторов.

3 Индикатор - результирующий показатель, отображающий изменения экономического процесса вследствие изменения связанного управляемого параметра (фактора).

4. Инновационный потенциал - способность хозяйствующих субъектов к внедрению новых технологий и способов организации производства, к расширению номенклатуры выпускаемой продукции, товаров и услуг.

5. Кадровый потенциал - наличие в регионе системы обучения и подготовки квалифицированной рабочей силы; научных школ различных направлений, научно-исследовательских институтов, проектно-конструкторских бюро, способных не только обучить персонал, но и развернуть в заданные сроки опытное производство с минимальными издержками.

6. Социальная устойчивость - наличие в регионе инфраструктуры, обеспечивающей удовлетворение материальных и духовных потребностей работников и создающей дополнительную мотивацию для привлечения рабочей силы из других регионов.

7. Финансовый потенциал - состояние хозяйствующих субъектов должно обеспечивать реализацию долгосрочных инвестиционных проектов, а региональный бюджет должен гарантировать привлечение внешних источников финансирования, выдачу преференций, предоставление налоговых льгот.

8. Инфраструктурный потенциал - наличие развитой инфраструктуры, прежде всего инфотелекоммуникационной, приобретающей в условиях цифровизации экономики первостепенное значение.

Интегрирующим элементом составляющих регионального потенциала являются инфотелекоммуникационные технологии (ИКТ), образующие единое информационное пространство - залог свободного и недискриминационного распространения знаний и информации. Хозяйствующие субъекты получают возможность доступа к технологиям, проектам и дополнительным источникам финансирования. На основе новой информации возможно оперативное внедрение инноваций во всех сферах деятельности, в управлении производством, организации сбыта продукции, обучении персонала, логистики и пр. [1, 6].

Таким образом, в качестве ключевого управляемого показателя (главного фактора), оказывающего влияние на возможность максимально эффективного использования имеющегося потенциала, целесообразно использовать объем региональных инвестиций в ИКТ, рассматриваемых как часть общих инвестиций в основной капитал. Предполагается, что инвестиции в ИКТ являются показателем, управляемым на уровне региона как через прямое инвестирование в рамках бюджетных расходов на национальную экономику, так и косвенно, через механизмы региональных тарифных и налоговых льгот. Предлагаемый фактор (здесь и далее - ИКТИОК) формализуется как выраженное в процентах отношение полных (т. е. по всем видам затрат, относимых в методиках Федеральной службы государственной статистики [13] к обеспечению и развитию ИКТ) годовых затрат на ИКТ к годовому объему общих инвестиций в основной капитал.

Поскольку уровень внедрения ИКТ в народное хозяйство рассматривается в контексте соответствующей доли в общих инвестициях в основной капитал, в качестве индикатора логично рассматривать показатель валового регионального продукта (ВРП), отнесенного к годовому объему общих инвестиций в основной капитал. То есть, соответствующий индекс (здесь и далее - ВРПИОК) формализуется как отношение произведенного ВРП к объему общих (годовых) инвестиций в основной капитал (ИОК) и, по сути, характеризует совокупный производственный эффект от этих инвестиций. В свою очередь, анализ изменений этого индикатора позволяет выделить эффект от целевого инвестирования, задаваемого главным фактором - ИКТИОК.

Зависимость рассматриваемого индикатора от выбранного главного фактора должна наиболее значимо проявляться в регионах, находящихся на этапе целенаправленного перехода от технологической модели развития к инновационной.

Таким образом, для оценки состояния технологической готовности региональной экономической системы субъекта Российской Федерации к восприятию иннова-ций4 предлагается использование пары «фактор - индикатор».

Фактор (X) - доля затрат на ИКТ в общих инвестициях в основной капитал (ИКТИОК), %.

ГЗ ИКТ

ИКТ ИОК = —=-х 100,

ИОК

где ГЗИКТ - объем годовых инвестиций в развитие ИКТ, млн р.; ИОК - годовой объем инвестиций в основной капитал, млн р.; 100 - переводной коэффициент относительных единиц в проценты для числовой сопоставимости фактора и индикатора.

Индикатор (У) - отношение произведенного ВРП (млн р.) к годовому объему инвестиций в основной капитал ИОК (млн р.), отн. ед.

ВРП ИОК = ВРП ИОК.

Математическая модель

В качестве математического метода исследования оценки предлагается парная линейная аппроксимация зависимости индикаторов от управляемых факторов с аддитивным учетом случайной компоненты:

У = Ь0 +ЬХ + е = а + ЬХ, (1)

где У - скалярный индекс-индикатор, результирующий признак категории, характеризующий состояние исследуемого экономического процесса; X - скалярный индекс-фактор, объясняющий (управляемый) параметр, изменение которого приводит к управляемому изменению экономического процесса; а - скалярный свободный член парной линейной аппроксимации, аддитивно включающий в себя среднее значение индикатора при отсутствии влияния (изменения) фактора (Ь0), а также случайную аддитивную компоненту оценки У, (е), обусловленную иными неоцениваемыми (мешающими) факторами и ошибками измерений, включая потенциальные систематические эффекты и погрешности; Ь - коэффициент парной линейной регрессии, определяющий среднее изменение индикатора при изменении фактора на одну установленную единицу измерения.

В соответствии со стандартным подходом регрессионного анализа к определению параметров парной линейной зависимости У от X на основе имеющегося массива измерений (X., У.) и использования метода наименьших квадратов (МНК) строится аппроксимация регулярной (неслучайной) составляющей индикатора - У , удовлетворяю-

4 Технологическая готовность экономики региона к восприятию инноваций, внедрению новых технологий, модернизации и усовершенствованию существующих характеризуется готовностью субъектов экономический деятельности (с учетом мер государственной поддержки) реализовать имеющийся потенциал развития.

щая условию минимума суммы квадратов отклонений фактических и расчетных значений индикатора:

2_ 2

г - У) =Е=1 (г -а -г) ® тш' (2)

где п - количество используемых измерений (X, У) (далее - поле корреляции).

В соответствии с (2) в модели используются стандартные выражения для оценки значений коэффициентов парной линейной аппроксимации (1), а и Ь:

Ь X - X)(у - г)

Ь ' )2 ; а = ¥ - ЬХ, (3)

I:, (х,- х )2

где X = — I X, ; У = — I У, - средние значения используемых измерений фактора

п г п г

и индикатора соответственно.

В свою очередь, количественные характеристики качества (статистическая значимость, сила и теснота связи и т. п.) построенной аппроксимации в целом и по отдельным параметрам оцениваются на основе стандартного набора показателей корреляционно-регрессионного анализа, применяемых для случая построения парной линейной регрессии на основе выборочной реализации факторов и индикаторов - (X У,) [14-16].

Доказательство правильности формализации пары «фактор - индикатор» было проведено экспериментальным методом с использованием правила, приведенного в табл. 1 (в расчеты включены показатели Центрального и Северо-Западного федеральных округов).

Таблица 1

Правило для проведения количественной оценки

Математический параметр Значение

Коэффициент корреляции гху > 0,7

Коэффициент детерминации В2 > 0,5

Число степеней свободы й/ > 5

^-критерий (критерий Фишера) ^факт > ^табл

Г-критерий (критерий Стьюдента) 1 $ 1< $табл

Средняя ошибка аппроксимации А < 12,5 %

Экспериментальная проверка модели

Расчеты выполнялись с помощью специально разработанного прикладного программного обеспечения, в качестве информационной базы были приняты данные Федеральной службы государственной статистики за 2007-2017 гг.

Результаты методических исследований формализации пар «фактор - индикатор» для каждого из процессов региональной экономической системы представлены в табл. 2.

Таблица 2

Результаты методических исследований

№ п/п Наименование региона Технологическая готовность

Итог гху Я2 ^-критерий г А о/

1 2 3 4 5 6 7 8

Центральный федеральный округ

1 Белгородская обл. 0 0,91 0,83 14,37 2,68 3

2 Брянская обл. ✓ 0,81 0,66 17,52 6,92 9

3 Владимирская обл. ✓ 0,73 0,54 9,21 7,43 8

4 Воронежская обл. ✓ 0,71 0,51 8,27 2,64 8

5 Ивановская обл. ✓ 0,92 0,85 45,19 10,14 8

6 Калужская обл. ✓ 0,86 0,73 24,85 10,57 9

7 Костромская обл. ✓ 0,72 0,52 6,52 10,78 6

8 Курская обл. ✓ 0,77 0,60 8,83 2,95 6

9 Липецкая обл. ✓ 0,72 0,52 8,66 9,72 8

10 Московская обл. ✓ 0,73 0,53 10,28 11,88 9

11 Орловская обл. ✓ 0,97 0,95 88,44 1,73 5

12 Рязанская обл. ✓ 0,92 0,85 46,83 7,94 8

13 Смоленская обл. ✓ 0,73 0,53 7,80 5,57 7

14 Тамбовская обл. ✓ 0,78 0,61 9,31 6,40 6

15 Тверская обл. ✓ 0,80 0,64 15,88 9,38 9

16 Тульская обл. ✓ 0,76 0,58 9,75 6,64 7

17 Ярославская обл. ✓ 0,72 0,52 7,46 12,31 7

18 Москва 0 0,96 0,92 43,97 3,68 4

Северо-Западный федеральный округ

1 Республика Карелия ✓ 0,72 0,52 8,51 6,61 8

2 Республика Коми ✓ 0,91 0,83 44,94 6,84 9

3 Архангельская обл. ✓ 0,95 0,91 60,77 14,92 6

4 Вологодская обл. ✓ 0,76 0,58 12,52 11,80 9

5 Калининградская обл. ✓ 0,74 0,54 10,59 12,04 9

6 Ленинградская обл. ✓ 0,78 0,60 13,75 15,28 9

7 Мурманская обл. ✓ 0,92 0,84 47,21 6,37 9

8 Новгородская обл. ✓ 0,75 0,56 10,17 3,87 8

9 Псковская обл. ✓ 0,75 0,56 7,64 6,55 6

10 Санкт-Петербург ✓ 0,86 0,75 26,39 8,02 9

Комментарии к табл. 2:

• числовые значения коэффициента корреляции г показывают значимость связи между фактором Х и индикатором У, например, на пересечении столбца 4 и строки «Белгородская область» г = 0,91, что означает доказанную взаимосвязь фактора X (доля затрат на ИКТ в общих инвестициях в основной капитал - ИКТ_ИОК) с индикатором У (отношение произведенного ВРП к годовому объему инвестиций в основной капитал - ВРПИОК);

• аналогичным образом интерпретируются значения коэффициента детерминации, ^-критерия, средней ошибки аппроксимации и числа степеней свободы;

• в столбце 3 (итоговое решение правильности формализации пар «индикатор -фактор») знаком «•/» отмечено положительное решение, знаком «0» - отрицательное;

• итоговое решение, значение «^» устанавливается в случае доказуемости статистической значимости пары «фактор - индикатор», т. е. полного соответствия правилу (см. табл. 1), значение «0» устанавливается при несоответствии расчетного значения хотя бы одному установленному критерию;

• итоговое решение, значение «0» не означает, что для исследуемого экономического процесса пара «фактор - индикатор» конкретной региональной экономической системы имеет другую формализацию; это показывает, что процесс имеет отклонения (объективного и/или субъективного характера) от общепринятых тенденций5.

В качестве примера приведем количественную оценку процесса «технологическая готовность» социально-экономической системы Калининградской области (табл. 3 и 4, рис. 1 и 2).

Таблица 3

Данные регрессионного и дисперсионного анализа процесса «технологическая готовность» для Калининградской области

Регрессионный анализ Дисперсионный анализ

Число наблюдений п 11 Дисперсия X 1,640

Число степеней свободы ё/ 9 Среднеквадратичное отклонение X 1,281

Коэффициент детерминации В2 0,54 Дисперсия У 0,583

Коэффициент корреляции 0,74 Среднеквадратичное отклонение У 0,763

Критерий Фишера (^табл = 5,12) 10,59 Случайная ошибка а 0,463

Коэффициент а 2,36 Предельная ошибка а 1,048

Коэффициент Ь 0,44 Случайная ошибка Ь 0,135

¿-фактор а (2,2622) 5,08 Предельная ошибка Ь 0,305

¿-фактор Ь (2,2622) 3,25 Случайная ошибка Вху 0,226

Коэффициент эластичности 0,37 Случайная ошибка У 0,572

Таблица 4

Расчетные значения фактора и индикатора

Год Значение фактора ИКТ ИОК, % Значение индикатора ВРП ИОК, отн. ед.

2007 3,220 3,116

2008 2,041 2,532

2009 2,470 2,809

2010 2,536 3,503

5 В частности, для Белгородской области и Москвы итоговое решение «0» поставлено из-за отсутствия достоверной и сопоставимой информации (для Белгородской области ё/= 3 значения, для Москвы ё/ = 4).

Окончание табл. 4

Год Значение фактора ИКТ ИОК, % Значение индикатора ВРП ИОК, отн. ед.

2011 2,607 3,815

2012 3,039 3,699

2013 2,939 4,016

2014 3,548 4,929

2015 6,976 5,069

2016 3,465 4,309

2017 2,289 3,511

( >

а . * « • < > •

► ? > о • 0 о

7 6 5 2 3 2 1 0

2006 2008 2010 2012 2014 2016 2018

о Значение фактора ИКТ_ИОК, % ©Значение индикатора ВРП_ИОК, отн. ед. Рис. 1. Числовые значения фактора X и индикатора У в динамике 6

О

Рч

т л а

о &

«

ч

и «

<и «

И

<и £

и

го

5,5 5 4,5

5 4 «

8 3,5 3 2,5 2

1,75 2,75 3,75 4,75 5,75

Значение фактора ИКТ_ИОК, %

6,75

7,75

Рис. 2. Эконометрическая модель процесса «технологическая готовность»

Оценка процесса «технологическая готовность» для Калининградской области свидетельствует о способности региональной экономики задействовать имеющийся потенциал (кадровый, ресурсный, финансовый, технологический и пр.) для реализации перехода к инновационной стадии развития. Это подтверждается соответствием динамики индикатора ВРП ИОК динамике фактора ИКТИОК, т. е. процесс определяется прямым влиянием фактора на индикатор6.

Заключение

Применение метода парной линейной регрессии позволило доказать правильность использования для создания цифрового двойника процесса «технологическая готовность» региональной экономической системы формализованного набора «экономический процесс - фактор - индикатор». Применяя на практике разработанные методологические подходы к оценке уровня развития инноваций для конкретного региона, можно обоснованно решать задачи стратегирования развития: формировать систему приоритетных долговременных ориентиров, достижение которых осуществляется с помощью комплекса организационно-технических мероприятий. Предполагается, что разработанное для целей настоящего исследования прикладное решение (база данных и приложение) при его доработке и настройке под задачи конкретного региона может стать ядром системы поддержки принятия решений стратегирования и управления развитием.

Список литературы

1. Бабкин, А. В. Формирование цифровой экономики в России: сущность, особенности, техническая нормализация, проблемы развития / А. В. Бабкин, Д. Д. Буркальцева, Д. Г. Кос-тень, Ю. Н. Воробьев // Научно-технические ведомости СПбГПУ. Экономические науки. - 2017. -Т. 10, № 3. - С. 9-25.

2. Бодрунов, С. Д. Ресурсные преимущества России как основа высокотехнологичного экономического роста / С. Д. Бодрунов // Экономическое возрождение России. - 2014. -№ 4(42). - С. 24-31.

3. Бузгалин, А. В. Планирование: потенциал и роль в рыночной экономике XXI века / А. В. Бузгалин, А. И. Колганов // Вопросы экономики. - 2016. - № 1. - С. 63-80.

4. Квинт, В. Л. Концепция стратегирования: Т. 1 / В. Л. Квинт. - СПб.: СЗИУ РАН-ХИГС, 2019. - 132 с.

5. Курбатова, М. В. Регионы ресурсного типа в России: определение и классификация / М. В. Курбатова, С. Н. Левин, Е. С. Каган, Д. В. Кислицин // Terra Economicus. - 2019. -№ 17(3). - С. 89-106.

6. Ленчук, Е. Б. Цифровизация экономики: драйверы и результаты / Е. Б. Ленчук // Эко-номическое возрождение России. - 2019. - № 2(60). - С. 32-37.

7.Медведев, Д. А. Россия-2024: Стратегия социально-экономического развития / Д. А. Медведев // Вопросы экономики. - 2018. - № 10. - С. 5-28.

6 Изменение фактора ИКТИОК на 1 % влечет за собой изменение индикатора ВРП ИОК на 0,4 % (средний коэффициент эластичности Е = 0,37).

8. Овчинников, В. Н. Развитие рынков и структуризация экономического пространства региона / В. Н. Овчиников, Н. П. Кетова, А. Г. Дружинин // Terra Economicus. - 2019. - Т. 17, № 2.- С. 77-95.

9. Рисин, И. Е. Стратегическое планирование регионального^развития: современная практика, направления совершенствования / И. Е. Рисин. - М.: РУСАИНС, 2016. - 84 с.

10. Российская социально-экономическая система: реалии и векторы развития / отв. ред. Р. С. Гринберг, П. В. Савченко. - 2-е изд., перераб. и доп. - М.: ИНФРА-М, 2018. - 460 с.

11. Стали известны самые инновационные регионы России // Российская газета. - 2019 г. 16 января. - Режим доступа: https://rg.ru/2019/01/16/reg-szfo/peterburg-tatarstan-i-moskva-stali-pervymi-v-rejtinge-razvitiia.html (дата обращения: 07.12.2019).

12. Указ Президента Российской Федерации от 7 мая 2018 г. № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года». -Режим доступа: http://pravo.gov.ru/proxy/ips/?docbody=&firstDoc=1&lastDoc=1&nd=102468157.

13. Федеральная служба государственной статистики. Статистика инноваций в России. -Режим доступа: https://www.gks.ru/free_doc/new_site/business/nauka/ind_2020/pril3.pdf (дата обращения 26.10.2019).

14. Эконометрика / И. И. Елисеева [и др.]; под ред. И. И. Елисеевой. - М.: Изд-во «Юрайт», 2019. - 449 с.

15. Cook, R. D. Diagnostics for heteroscedasticitiy in regression / R. D. Cook, S. Weisberg // Biometrika. - 1983. - № 70 (1). - Р. 1-10.

16. Damodar, N. G. Basic Econometrics, The McGraw-Hill Companies. - 2004.

D. M. Zhuravlev. Assessing regional economy's technological readiness for uptake of innovations . A model (digital double) of the «technological readiness» process of the regional economic system is proposed. A meaningful description is given and the process is fixed, a pair of «factor-indicator» is arranged, which characterizes the basic aspects of its functioning; The proof of the correctness of the formalization of the selected indicators of quantitative and qualitative assessment using a specially developed application software is given. Using the developed methodological approaches to modeling in practice will allow you to purposefully and reasonably solve the tasks of strategizing the rapid development of the region.

Keywords: data analysis, development potential, digital double, economic and mathematical model, innovative development, regional economic system, strategic planning.