CC BY
31
ПОСТРОЕНИЕ РЕГИОНАЛЬНОГО ИНДИКАТОРА ИННОВАЦИОННОИ ПРИВЛЕКАТЕЛЬНОСТИ НА БАЗЕ ФУНКЦИЙ ЖЕЛАТЕЛЬНОСТИ
Ершова О.И., соискатель ГОУ ДПО ГАСИС
В статье представлен алгоритм расчета функций желательности компонент регионального индикатора инновационной привлекательности, выполнена оценка их значений для регионов Центрального федерального округа. Полученные результаты позволяют установить нормативные значения показателей инновационной привлекательности, входящих в обобщенный индикатор.
Ключевые слова: функция желательности, регион, инновационная привлекательность, производительность труда, фондоотдача, эко-логичность производства, обобщенный индикатор
CONSTRUCTION OF REGIONAL INNOVATION INDICATOR ATTRACTION BASED
DESIRABILITY FUNCTION
Yershova O., the applicant GOU DPO GASIS
In article is presented algorithm of the calculation function to desirability component regional indicator of innovation attractiveness, is executed estimation of their importances for region Central federal neighborhood. The Got results allow to install normative importances of the factors of innovation attractiveness s, falling into generalised indicator.
Keywords: function to desirability, region, innovation attractiveness, capacity of the labour, capital productivity, ecological capacity production, generalised indicator.
В отечественной практике большое внимание уделяется оценкам рейтинга инвестиционной привлекательности экономических систем различного уровня - от стран и регионов до предприятий различных отраслей промышленности. Рейтинг, по которому предприятие позиционируется в ряду аналогичных предприятий, во многом определяет дальнейшую траекторию его развития, причем это относится и к возможностям получения дополнительных инвестиций со стороны потенциальных инвесторов, и к мобилизации его внутренних ресурсов.
Помимо оценки инвестиционной привлекательности, в связи с возросшей актуальностью инновационного пути развития региональных систем, отечественные исследователи все чаще обращаются и к вопросам оценки рейтинга их инновационной привлекательности, причем эти рейтинги становятся одним из эффективных инструментов оценки инновационного уровня развития регионов, поскольку они позволяют через количественные оценки в агрегированном виде представить качественное состояние изучаемых объектов. В то же время, как отмечалось в нашей работе [1], известные методики определения рейтинга инновационной привлекательности экономических систем имеют ряд недостатков.
В методическом плане эти недостатки определяются тем, что известные методики основаны либо на выборе эталона с последующим расчетом отношения показателя анализируемой системы к его значению для эталона, либо на нормировании показателя анализируемой системы на диапазон изменения его значений по «обучающей выборке». С точки зрения теории измерений, в первом способе нормирование производится в шкале отношений, во втором -в интервальной шкале. В обоих случаях результат оценки индекса очень сильно зависит от выбора региона-лидера в первом случае, региона-лидера и региона-аутсайдера - во втором. Другой аспект проблемы известных методик расчета рейтинга состоит в принятии их авторами гипотезы о возможности объединения частных индексов (индексов по каждому из показателей) в интегральный (обобщенный) индекс по формуле среднего арифметического. Тем самым, во-первых, предполагается, что все включенные в рейтинг показатели коррелируют друг с другом, во-вторых, что все показатели имеют одинаковую значимость (веса индексов равны), хотя ни то, ни другое не является очевидным.
Для устранения отмеченных недостатков нами предлагается нормирование частных показателей проводить с помощью психофизических шкал, устанавливающих соответствие между их значениями и их субъективной оценкой в лингвистических категориях «очень плохо», «плохо», «удовлетворительно», «хорошо», «очень хорошо» функции желательности свойства, отражаемого показателями. Для монотонных по предпочтениям критериев, характерных для позитивных показателей инновационной привлекательности экономических систем, предлагается использовать функцию желательности Харрингтона [2], аналитически выражаемую двойной экспонентой сигмообразной формы:
1. = d (г.) = ехр (-ехр (-г.)), (1)
г. = (х. - хя)/( х.1 - х,0), (2)
где г. - кодированные значения г-го показателя, представляющие собой безразмерные величины; х. - значение г-го информативного показателя; х и х - границы области «удовлетворительно» в исходной шкале:
1[0 = 1 (г. (хю)) = 0,368; 1Я = 1 (г. (х„)) = 0,692. (3)
Особенность этой функции в том, что для ее построения достаточно, чтобы эксперты указали интервал показателя, внутри которого соответствующее свойство можно считать удовлетворительным. Но возможен и другой подход назначения границ этого интервала, основанный на статистических характеристиках обучающей выборки.
Ниже излагается алгоритм расчета границ этого интервала, алгоритм выбора формы свертки частных индексов в обобщенный индекс, а также назначения весов индексов, основанный на результатах факторного анализа по методу главных компонент. В качестве эмпирической базы использовали данные работы [3] по трем показателям инновационной восприимчивости - производительности труда, фондоотдаче и экологичности производства - для регионов Центрального федерального округа.
Без потери общности, рассмотрим алгоритм расчета границ интервала «удовлетворительно» на примере функции желательности производительности труда, при этом в качестве обучающей выборки принимаем однородные выборки регионов ЦФО объемом N=17 (без г. Москвы). Распределение соответствующего территориального индекса И (отношения регионального показате-
Г прозв_труда 4 Г
ля к среднероссийскому значению) по регионам носит логарифмически нормальный характер, поэтому в качестве характеристики центральной тенденции использовали медиану, а в качестве характеристики вариабельности - междуквартильный размах. Медиана индекса производительности труда Ме(Ипрозв труда)=57,3%, первая и третья квартили 0 и 0 - 52,2% и 68,9% соответственно. Отсюда междуквартильный размах 0=16,7%. По аналогии с правилом «трех сигм» [4], вместо среднего квадратического отклонения (СКО) в формуле (2) используем величину ^/3=5,57%, т.е. формула (2) запишется следующим образом:
г (И ) = 3 X [И - Ме(И )] / 0(И ). (4)
4 прозв_труда' 1- прозв_труда 4 прозв_труца'-1 прозв_труца' 4 '
Тогда получаем функцию желательности, представленную на рис. 1.
Диаграммы рис. 1 поясняют принцип построения функции желательности индекса производительности труда в регионах ЦФО: значениям 0 и 1 кодированной переменной г1 на рис. 1 а отвечают граничные значения зоны «удовлетворительно» функции желательности 11. В этой зоне два региона - Тульская и Смоленская области (метки 16 и 13 соответственно). Два региона - Рязанская и Тверс-
Рис. 1. Функция желательности индекса производительности труда в регионах ЦФО: а - принцип построения; б - зоны желательности. Числа над метками соответствуют номерам региона в алфавитном порядке: 1 - Белгородская область, 2 - Брянская
область, ..., 17 - Ярославская область
Таблица 1. Распределение регионов ЦФО по зонам желательности индекса производительности труда
Зона желательности Регион (функция желательности)
Очень хорошо г. Москва (1,000), Липецкая обл. (0,999), Московская обл. (0,998), Ярославская обл. (0,976), Белгородская обл. (0,951)
Хорошо Тверская обл. (0,733), Рязанская обл. (0,646)
Удовлетворительно Смоленская обл. (0,522), Тульская обл. (0,427)
Плохо Калужская обл. (0,368), Орловская обл. (0,302), Курская обл. (0,264), Костромская обл. (0,257)
Очень плохо Тамбовская обл. (0,102), Воронежская обл. (0,065), Владимирская обл. (0,034), Брянская обл. (0,000), Ивановская обл. (0,000)
кая области (метки 12 и 15 соответственно) по рассматриваемому индексу «попадают» в зону «хорошо», четыре региона - Белгородская, Ярославская, Московская и Липецкая области - в зону «очень хорошо» (на диаграмме не показаны). В зоне «очень хорошо» находится также г. Москва, для которой функция желательности индекса производительности труда ¿(Ипозвт а)=1,000.
В зоне «плохо» четыре региона - Костромская, Курская, Орловская и Калужская области (метки 7, 8, 11 и 17 соответственно), в зоне «очень плохо» - пять регионов ЦФО - Ивановская, Брянская, Владимирская, Воронежская и Тамбовская области (метки 5, 2, 3, 4 и 14 соответственно). (Эти регионы на диаграмме рис. 1 а не показаны.)
Индекс экологичности
Рис. 2. Функции желательности: а - индекса фондоотдачи; б - индекса экологичности производства
TRANSPORT RTTSTNFSS TN RTTSSTA 33
Таблица 3. Распределение регионов ЦФО по зонам желательности индекса экологичности производства.
Зона желательности Число регионов Регион (функция желательности)
Очень хорошо 7 г. Москва (1,000), Липецкая обл. (0,990), Белгородская обл. (0,971), Орловская обл. (0,960), Московская обл. (0,924), Владимирская обл. (0,857), Тульская обл. (0,820)
Хорошо 1 Калужская обл. (0,708)
Удовлетворительно 1 Воронежская обл. (0,442)
Плохо 4 Курская обл. (0,368), Ярославская обл. (0,333), Рязанская обл. (0,299), Ивановская обл. (0,299)
Очень плохо 5 Брянская обл. (0,193), Тверская обл. (0,051), Тамбовская обл. (0,049), Смоленская обл. (0,023), Костромская обл. (0,003)
Таблица 2. Распределение регионов ЦФО по зонам желательности индекса фондоотдачи.
Зона желательности Число регионов Регион (функция желательности)
Очень хорошо 5 г. Москва (1,000), Калужская обл. (0,987), Орловская обл. (0,946), Курская обл. (0,892), Московская обл. (0, 869)
Хорошо 1 Владимирская обл. (0,676)
Удовлетворительно 3 Воронежская обл. (0,599), Тамбовская обл. (0,564), Тверская обл. (0,388)
Плохо 1 Смоленская обл. (0,368)
Очень плохо 8 Ярославская обл. (0,088), Брянская обл. (0,079), Белгородская обл. (0,038), Ивановская обл. (0,020), Костромская обл. (0,003), Тульская обл. (0,001), Рязанская обл. (0,000), Липецкая обл. (0,000)
Распределение регионов ЦФО по зонам желательности представлено в табл. 1, при этом в скобках указаны значения функции желательности индекса производительности труда.
По аналогичному алгоритму нами построены функции желательности территориальных индексов фондоотдачи и экологично-сти производства.
На рис. 2 представлены диаграммы, иллюстрирующие функции желательности индексов фондоотдачи и экологичности производства.
Распределение регионов ЦФО по зонам желательности представлено в табл. 2 и 3, при этом в скобках указаны значения функции желательности индекса фондоотдачи и экологичности производства соответственно.
Следующий этап - формирование обобщенной функции желательности инновационной привлекательности - предполагает проведение факторного анализа [5]. Поскольку, эмпирические распределения частных функций желательности не имеют ярко выраженной правосторонней асимметрией, как это наблюдалось для исходных показателей инновационной привлекательности, такой анализ корректен.
Результаты факторного анализа по методу главных компонент с вращением главных факторов по критерию «варимакс» [6] представлены в табл. 4 (сильные корреляции в таблице выделены полужирным шрифтом).
Из табл. 4 следует, что первый главный фактор, объясняющий 44,4% общей дисперсии, сильно и положительно коррелирует с двумя частными функциями желательности - производительности
труда и фондоотдачи, тогда как второй главный фактор, объясняющий 39,7% общей дисперсии, сильно и положительно коррелирует с функцией желательности экологичности производства. Геометрические искажения невелики (не более 16%), следовательно, можно принять полученную двухфакторную модель в качестве рабочей.
Главных факторов - два, и это позволяет представить их связь с функцией желательности в графическом виде - рис. 3. Видно, что первый главный фактор коррелирует с функциями желательности производительности труда и фондоотдачи, а второй главный фактор - с функцией желательности экологичности производства.
В терминологии французского математика-социолога Ж.-П. Пажеса [7] диаграмма рис. 3 а носит название «карта Неба», при этом функции желательности рассматриваются как «звезды» на «Небе» с координатами главных факторов. В нашем случае положительное направление фактора производительности труда и фондоотдачи можно интерпретировать как повышенный уровень производительности труда и фондоотдачи, а отрицательное - как их пониженный уровень.
Исходя из результатов факторного анализа, следует принять мультипликативно-аддитивную форму этой функции желательности:
D
, = К x Di + w,2 x DJ w x (A) w2,
(S)
где D1, D2 и D3 - функции желательности производительности труда, фондоотдачи и экологичности производства соответственно; w11 и w12- веса функции желательности производительности труда и фондоотдачи; w и w - вес первого и второго главного фактора.
Таблица 4. Матрица «нагрузок» частных функций желательности на главные факторы по выборке регионов ЦФО объемом N=17.
Рис. 3. Результаты факторного анализа: а — корреляции главных факторов с функциями желательности (карта Неба); б -расположение регионов на плоскости меток главных факторов (карта Земли)
В формуле (5) веса главных факторов устанавливаются пропорциональными доле объясняемой дисперсии, а веса функций желательности производительности труда и фондоотдачи - пропорциональными квадратам коэффициентов их корреляции с первым главным фактором, при выполнении нормирующих условий
w11 + w = 1; w1 + = 1. (6)
С учетом (6) получаем: w1 = 44,3/84,0 = 0,527; w2 = 39,7/84,0 = 0,473. Аналогично, для функции желательности производительности труда В1, которая связана с первым главным фактором коэффициентом детерминации (0,843)2=0,71, и функции желательности фондоотдачи В2 - коэффициентом детерминации (0,786)2=0,62, с учетом (6) получаем:
w11 = 0,71/(0,71+0,62) = 0,534; w12 = 0,62/(0,71+0,62) = 0,466. Таким образом, формула (5) для расчета обобщенной функции желательности инновационной привлекательности принимает следующий вид:
= (0,534D1 + 0,466DI)0'SI7 у (D3)0'
(7)
Ранжирование регионов ЦФО по величине индикатора инновационной привлекательности мультипликативно-аддитивной формы представлено на рис. 4 а.
Наряду с мультипликативно-аддитивной формой региональ-
ного индекса инновационной привлекательности, целесообразно рассмотреть также аддитивную форму индекса, определяемую формулой
Ви = 0,281Д1 + 0,246В2 + 0,473 В3. (8)
Здесь веса 0,281 и 0,246 - это произведения весов w11 и w12 соответственно и веса первого главного фактора w1.
Ранжирование регионов ЦФО по величине индикатора инновационной привлекательности мультипликативно-аддитивной формы представлено на рис. 4 б. Видно, что аддитивная форма индекса инновационной привлекательности - более «мягкая» - ее значения для всех регионов больше, чем по индексу мультипликативно-аддитивной формы. Поэтому будем считать оценку индекса инновационной привлекательности по мультипликативно-аддитивной форме пессимистической, а по аддитивной форме - оптимистической.
Вернемся к результатам факторного анализа. Наряду с диаграммой, иллюстрирующей корреляции функций желательности с главными факторами, мы имеем возможность представления регионов ЦФО на плоскости главных факторов - диаграмма рис. 3 б. (Эта диаграмма в терминах Ж.-П. Пажеса носит название «карта Земли».) Но имеется существенное отличие: на «карте Неба» координаты функций желательности - это коэффициенты их корреля-
Рис. 4. Ранжирование регионов ЦФО по величине индекса инновационной привлекательности: а - мультипликативно-аддитивная
форма индекса; б - аддитивная форма индекса
Таблица 5. Отнесение регионов ЦФО к кластерам по главным факторам инновационной привлекательности
Кластер Число регионов в кластере Состав
1 2 Белгородская и Липецкая области
2 5 Тверская, Брянская, Ивановская, Костромская и Смоленская области
3 3 Владимирская, Калужская и Орловская области
4 3 Воронежская, Курская и Тамбовская области
5 1 Московская область
6 3 Рязанская, Тульская и Ярославская области
Рис. 5. Распределение кластеров регионов ЦФО, однородных по главным факторам инновационной привлекательности: а - фактор производительности труда и фондоотдачи; б - фактор экологичности производства
ции с главными факторами F1 и F2, тогда как на «карте Земли» координаты регионов - это значения «меток» главных факторов, которые теоретически могут варьировать в интервале (-3 ... +3). При этом, чем дальше от начала координат «расположен» регион, тем точнее может быть выполнена его идентификация в установленной по «карте Неба» интерпретации осей.
На «карте Земли» регионы расположены в четырех квадрантах (нумерация квадрантов - против часовой стрелки). В квадранте I три региона - Калужская, Московская и Орловская области. Судя по их расположению относительно осей координат, Московская область характеризуется высокими значениями как фактора производительности труда и фондоотдачи, так и фактора экологичности производства. Калужская и Орловская области расположены ближе к оси второго главного фактора, следовательно, эти два региона характеризуются средними значениями фактора производительности труда и фондоотдачи, но повышенными значениями фактора экологичности производства.
В диаметрально противоположном квадранте III - пять регионов. Это Брянская, Ивановская, Костромская, Смоленская и Тверская области, характеризуемые пониженными значениями и фактора производительности труда и фондоотдачи, и фактора экологич-ности производства.
Промышленные регионы - Белгородская, Липецкая, Рязанская, Тульская и Ярославская области расположены в квадранте IV, интерпретируемом как зона повышенных значений фактора производительности труда и фондоотдачи, пониженных - фактора эко-логичности производства. Сельскохозяйственные регионы - Владимирская, Воронежская, Курская и Тамбовская области расположены в квадранте II, интерпретируемом как зона повышенных значений фактора производительности труда и фондоотдачи, но пониженных - фактора экологичности производства.
На диаграмме рис. 3 б можно выделить несколько групп регионов с близкими значениями главных факторов. Это, во-первых, Белгородская и Липецкая области, во-вторых, регион-лидер - Московская область. Третью группу регионов образуют Рязанская, Тульская и Ярославская области, расположенные в квадранте IV, четвертую - пять регионов, расположенных в квадранте III: Брянская, Ивановская, Костромская, Смоленская и Тверская области. Вопрос о выделении пятой и шестой групп регионов решается неоднозначно. Скорее всего, следует в одной из них следует объединить Тамбовскую, Воронежскую и Курскую области, расположенные в квадранте II, а в другой - Орловскую, Калужскую и Владимирскую области.
Для проверки отнесения регионов к выделенным группам регионов нами выполнен иерархический кластерный анализ по методу Уорда с квадратической евклидовой метрикой на главных факторах инновационной привлекательности [8], при этом оказалось, что на уровне сходства регионов не хуже 90% можно выделить шесть кластеров, состав которых приведен в табл. 5.
Идентификацию кластеров по главным факторам инновационной привлекательности удобно провести по ящичковым диаграммам - рис. 5.
Из этих диаграмм хорошо видно, что кластеры регионов заметнее различаются по значениям второго главного фактора. Выше среднего уровня фактора экологичности производства расположены три кластера: кластер 3, в который входят Владимирская, Калужская и Орловская области, кластер 4, образуемый Воронежская, Курская и Тамбовская областями и кластер 5, образуемый Московской областью. Три кластера - первый, второй и шестой - характеризуются отрицательными значениями второго главного фактора.
Таким образом, поставленная задача решена. Обоснована структура индекса инновационной привлекательности на региональном
уровне, выполнена оценка его значений для регионов Центрального федерального округа. Полученные результаты позволяют установить нормативные значения показателей инновационной привлекательности, входящих в обобщенный индекс.
Литература:
1. Ершова О.И. Инновационная восприимчивость как фактор инвестиционной привлекательности экономических систем // Вестник НИИ профессионального образования. Серия «Экономика и управление». Вып.2(4). М: НИИРПО, 2009.
2. Harrington E.C. The desirable function // Industrial Quality Control. 1965. V.21. №10.
3. Гусев А.Б. Рейтинги инновационного развития регионов России // Электронный ресурс. Режим доступа: http://www.kapital-rus.ru.
4. Венецкий И.Г., Венецкая В.И. Основные математико-статис-тические понятия и формулы в экономическом анализе: Справочник. М.: Статистика, 1979.
5. Шуметов В.Г. Анализ данных в управлении. Курс лекций. Том 1: Введение в анализ данных. Орел: ОРАГС, 2004.
6. Многомерный статистический анализ в экономике: Учеб. пособие для вузов / Л.А. Сошникова, В.Н. Тамашевич, Г. Уебе, М. Шефер. М.: ЮНИТИ-ДАНА, 1999.
7. Пажес Ж.-П. Конфликты и общественное мнение. Новая попытка объединить социологов и математиков // Социологические исследования. 1991. №7, 10.
8. Олдендерфер М.С., Блэшфилд Р.К. Кластерный анализ // Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989.
ИНСТИТУЦИОНАЛЬНАЯ СРЕДА СОПРОВОЖДЕНИЯ ИННОВАЦИОННЫХ
ПРОЕКТОВ
Буралова М.А., доцент Грозненского государственного университета
В статье раскрыто понятие институциональной среды сопровождения инновационных проектов, обоснована необходимость создания федерального органа программно-целевого управления. Определены основные принципы и функции его функционирования. Предложен комплекс мер по формированию благоприятной институциональной среды сопровождения инновационных проектов.
Ключевые слова: инновационные проекты, институциональная среда сопровождения, реформы.
INSTITUTIONAL ENVIRONMENT SUPPORT INNOVATIVE PROJECTS
Buralova M., The associate professor, Grozny State University
In the article the issue of the institutional environment support innovative projects, the necessity of a federal agency program-oriented management. The basic principles and functions of its operation. A set of measures to create an enabling institutional environment of support for innovative projects.
Keywords: innovative projects, institutional environment support, reform.
Переход российской экономики на инновационный путь развития непосредственно связан с состоянием институциональной среды, которая либо способствует нормальному протеканию инновационных процессов, либо напротив создает неблагоприятные условия для внедрения инноваций. Институциональная среда сопровождения инновационных проектов представляет собой совокупность экономических, политических, социальных, юридических правил, образующих базис для производства, обмена и распределения в масштабах национальной экономики, а главную роль в формировании этих правил, составляющих ее основу, играет государство.
Фактически, институциональная среда сопровождения инновационных проектов - это совокупность правил, которые создают рамки для осуществления экономического взаимодействия между хозяйствующими субъектами, обеспечивающими реализацию процессов их инновационного развития. Государство выступает в роли создателя определенной части таких правил, а именно формальных институтов, представляющих закрепленные законодательно нормы и правила, регламентирующие протекание процессов инновационного развития хозяйствующих субъектов. Другим элементом институциональной среды сопровождения инновационных проектов являются неформальные правила (или неформальные институты), представляющие собой традиции, стереотипы поведения, сформированные особенностями национальной экономики каждой страны[3].
Нельзя не отметить, что проводимые в нашей стране реформы характеризовались неудовлетворительным использованием возможностей программно-целевого планирования и управления инновационным развитием различных национальных институтов. В результате ликвидации Госплана было устранено директивное, адресное планирование, свойственное централизованной экономике, но одновременно не создано стратегическое государственное программно-целевое управление, присущее рыночной экономике, что привело к формированию нереальных бюджетов, оторванных от материально-вещественной базы экономики. Утверждаемые Правительством РФ федеральные и региональные целевые программы зачастую не обеспечены финансовыми ресурсами и практически не реализуются. Это необходимо устранять, пока еще есть возмож-
ность и экономика имеет ресурсы для интенсивного развития. Как нам представляется, в рамках институциональной среды сопровождения инновационных проектов, необходимо создать федеральный орган программно-целевого управления, формирующий цели и задачи экономики, экономическую стратегию, в соответствии с которыми должна строиться финансовая, структурная, производственная, внешнеэкономическая политика страны. При этом созданный федеральный орган программно-целевого управления может иметь статус федерального агентства по управлению национальными инновационными проектами.
Основными функциями федерального органа программно-целевого управления при становлении институциональной среды сопровождения инновационных проектов являются:
- разработка индикативных планов-прогнозов на уровне экономики в целом, отраслей и регионов, которые должны служить главным ориентиром для органов государственного управления;
- принятие и управление реализацией обеспеченных финансированием из разных источников государственных федеральных, межрегиональных программ и крупнейших проектов инновационного развития национальной экономики;
- разработка макроэкономических материально-финансовых балансов, на основе которых формируются федеральный и консолидированный бюджет страны;
- осуществление государственной инвестиционной и инновационной политики;
- формирование государственного заказа;
- определение приоритетов инновационного развития и создание преференций соответствующим экономическим системам с учетом участия России в международном разделении труда.
Функционирование федерального органа программно-целевого управления как элемента институциональной среды сопровождения инновационных проектов должно базироваться на следующих принципах. Принцип оптимальности государственной инвестиционной и инновационной политики заключается в необходимости определения четких и однозначных критериев оптимальности рассматриваемых вариантов инновационных проектов при определении приоритетов осуществления государственной инвестиционной и инновационной политики в стране, направленной на
