ПРОГНОЗИРОВАНИЕ ИННОВАЦИОННОГО РАЗВИТИЯ РЕГИОНОВ РОССИИ Текст научной статьи по специальности «Экономика и бизнес»

УДК: 338

ПРОГНОЗИРОВАНИЕ ИННОВАЦИОННОГО РАЗВИТИЯ РЕГИОНОВ

РОССИИ

Дугужева Э.М., студентка

Финансовый университет при Правительстве Российской Федерации, Москва, Россия

E-mail: elina.duguzheva.01@mail .ru, Научный руководитель: Невежин В.П., профессор Финансовый университет при Правительстве Российской Федерации, Москва,

E-mail: VPNevezhin@fa.ru

Аннотация. Статья ориентирована на исследование основополагающих факторов, оказывающих ту или иную степень влияния на показатели инновационной активности регионов России. Как правило, исследования, проводимые в области прогнозирования инновационного развития, а также инновационного потенциала регионов страны проводятся в форме применения рейтинговой модели, однако такого рода разработки не предполагают использования прогностических и аналитических методов. В отличие от рейтинговой модели в работе реализуется попытка прогнозирования инновационного развития регионов России под влиянием ряда характеристик образовательных систем в исследуемых регионах. Для исследования выбирается 6 факторов, раскрывающих различные аспекты инновационного развития регионов, в отношении данных переменных реализуется корреляционный и регрессионный анализ. В рамках последнего проводится построение множественной линейной эконометрической модели, в отношении данных которой реализуется проверка её остатков (Теорема Гаусса - Маркова). В целях выявления параметров модели используется Метод наименьших квадратов. Параметры исследуется по направлениям их качества и адекватности. Полученная регрессия проходит этапы проверки на адекватность и качество. По результатам проведенного эконометрического анализа построения эконометрической модели следует выявить ряд барьеров в рамках количественной трансформации и отображения связи между изучаемыми явлениями.

Ключевые слова: инновационное развитие, образовательная среда, эконометрическая модель, инновационные товары, производственные технологии.

FORECASTING THE INNOVATIVE DEVELOPMENT OF RUSSIAN

REGIONS

Duguzheva E. M., student

Financial University under the Government of the Russian Federation, Moscow, Russia

E-mail: elina.duguzheva.01@mail. ru Scientific supervisor: Nevezhin V.P., Professor Financial University under the Government of the Russian Federation, Moscow,

E-mail: VPNevezhin@fa.ru

Abstract. The article focuses on the study of the underlying factors,that have a certain degree of influence on the indicators of innovation activity of Russian regions. As a rule, research conducted in the field offorecasting innovative development, as well as the innovative potential of the country's regions, is carried out in the form of a rating model, but such developments do not involve the use of predictive and analytical methods. In contrast to the rating model, the paper attempts to predict the innovative development of Russian regions under the influence of a number of characteristics of educational systems in the studied regions. For the study, 6 factors are selected that reveal various aspects of the innovative development of regions, and correlation and regression analysis is implemented in relation to these variables. Within the framework of the latter, a multiple linear econometric model is constructed, with respect to the data of which its residuals are checked (the Gauss-Markov Theorem). In order to identify the parameters of the model, the Least Squares Method is used. Parameters are investigated in the areas of their quality and adequacy. The resulting regression goes through the stages of checking for adequacy and quality. By results of the conducted econometric analysis the econometric model should identify a number of barriers during the quantitative transformation and display of communications between the studied phenomena.

Keywords: innovative development, educational environment, econometric model, innovative products, production technologies.

Введение

Одной из основополагающих задач, стоящих перед российской экономикой, следует признать смену типа развития, что обусловлено особенностями инновационного развития экономики, при котором предполагается как рост валового внутреннего продукта (далее -ВВП), так и наиболее эффективное применение, модернизация совокупного социально -экономического потенциала. Как следствие, необходимой представляется смена формы социально - экономического развития, в рамках которой выдвигается возможность повышения конкурентоспособности России во многих отраслях деятельности в долгосрочной перспективе. В настоящее время любые изменения подобного характера необходимо реализовывать, прежде всего, на уровне регионов, что, в свою очередь, обусловлено различной степенью их социально -экономического развития. Как следствие, цель исследования раскрывается посредством прогнозирования инновационного развития в ряде субъектов РФ под воздействием ряда факторов образовательной среды и финансовых аспектов деятельности в исследуемых регионах [6].

Как правило, исследования, проводимые в области прогнозирования инновационного развития, а также инновационного потенциала регионов страны проводятся в форме применения рейтинговой модели, позволяющей выстраивать ранжирование регионов в соответствии с показателями их конкурентоспособности в указанной области, однако такого рода разработки не предполагают использования прогностических и

аналитических методов. В отличие от рейтинговой модели необходимой

представляется реализация попытки

прогнозирования инновационного развития регионов России под влиянием ряда характеристик образовательных систем в исследуемых регионах и финансовых аспектов развития. Следовательно, важно выявить факторы, действие которых нацелено на

реализацию единой стратегии развития национальной экономики с позиции инновационной составляющей.

В рамках проведения исследования в разрезе ряда регионов России необходимо иметь в виду неравномерность их развития, с точки зрения природно - климатической составляющей, уровня обеспеченности сырьевыми ресурсами, а также, прежде всего, с позиции различий образовательных систем, функционирующих в исследуемых регионах. Кроме того, особенности инновационного развития регионов могут быть обусловлены политикой местных властей, выражающейся в возможности управления социально - экономическим потенциалом того или иного субъекта. При этом именно различия в социально - экономическом развитии регионов формируют уровень их восприимчивости к инновационного развитию. В разрезе каждого из субъектов в рамках построения стратегии инновационного развития необходимо принимать во внимание специфику, приоритеты социально - экономического развития, а также уровень возможностей в контексте функционирования в контексте тех или иных наукоемких отраслей, что необходимо иметь в виду при проведении анализа [7].

Как известно, на уровень инновационного развития конкретного региона оказывает воздействие степень финансовой поддержки в направлении расширения инновационной и научно - исследовательской активности. Это подтверждается выделением на развитие субъектов того или иного объема финансовых средств, однако потенциал инновационного развития определяется не только финансовыми аспектами, но и факторами, связанными с численностью студентов, преподавателей, исследователей в числе профессорско -преподавательского состава, то есть множеством факторов, характеризующих образовательную среду в регионах. Значимым представляется выделение объясняющих факторов, отражающих уровень коммерциализации тех или иных научно - исследовательских разработок. [8]

Обзор литературы

В настоящее время теоретико -методологическую основу в области выявления парадигм инновационного развития составляют теоретические и практические разработки ряда исследователей. В частности, исследователь Авраменко Ю. С. выявляет некоторые основополагающие факторы, оказывающие прямое и косвенное воздействие на инновационную активность. В частности, им выделяются образовательные, финансовые, социальные аспекты соответствующего развития. При этом, что закономерно, автор выдвигает положение о том, что указанные факторы необходимо эффективно учитывать при разработке мер по повышению финансовой устойчивости государства и отдельных регионов. Заметим, что автор представляет два основных направления, в рамках которых следует реализовывать соответствующие меры: изобретения технологических инноваций, их активная финансовая поддержка, а также получение лицензий в рамках указанных изобретений. [6]

При этом рядом авторов отмечается значимый фактор - уровень монополизации того или иного рынка. В частности, известно, что в рамках того, что мировой рынок характеризуется высоким уровнем конкуренции, реализуется необходимость активного и регулярного улучшения предлагаемой продукции. В качестве примера следует привести рынок Китая, где транснациональные корпорации в связи с высоким уровнем монополизации рынка не реализуют каких - либо активных изменений в области инновационного развития. Как следствие, показатель получения результата от внедрения инноваций в отношении указанных крупных компаний во многом ниже в сравнении с результативностью мелких предприятий.

Достаточно эффективно исследования инновационного типа могут быть реализованы в рамках деятельности мелких организаций, что обосновано высоким уровнем качества обратной связи, реализуемой ими в отношении

незначительных колебаний спроса и предложения. В том числе, указанное положение реализуется в связи с тем, что менеджеры предприятий указанного размера в большей степени нацелены на принятие риска, связанного с разработкой и коммерциализацией тех или иных научно - исследовательских разработок.

Обращаясь к опыту Кореи, следует заметить, что удельный вес нерезидентов влияет на возможности инновационного развития. В частности, в указанной стране замечено, что по мере увеличения доли иностранных организаций в той или иной компании способствует повышению финансовой устойчивости соответствующей организации. [7] Методы исследования

В данном исследовании было рассмотрено множество факторов, способных

охарактеризовать указанные направления воздействия на парадигмы инновационного развития ряда регионов.

Для проведения эконометрического анализа было применено эконометрическое

моделирование, в рамках которого в качестве результирующей переменной было выбрано значение объема инновационных товаров, работ, услуг (У). Объясняющими переменными были выбраны:

х1 - численность студентов, обучающихся по образовательным программам высшего образования на 10000 человек населения;

х2 - затраты на инновационную деятельность организаций, по субъектам Российской Федерации;

х3 - используемые передовые производственные технологии по субъектам Российской Федерации;

х4 - удельный вес организаций, осуществлявших технологические инновации;

Х5 - внутренние затраты на научные исследования и разработки;

х6- численность исследователей х7 - общее количество публикаций организации в расчете на 100 НПР;

х8 - численность профессорско -преподавательского состава;

х9 - число малых и средних предприятий; х10 - количество бизнес - инкубаторов; х11 - специальные затраты, связанные с экологическими инновациями;

х12 - количество выданных патентных заявок;

х13 - численность персонала, занятого научными исследованиями и разработками;

х14 - количество предприятий, выполняющих научные исследования и разработки;

х15 - использование объектов интеллектуальной собственности. [10]

В рамках работы проанализировано 39 субъектов РФ. Остальные регионы не были включены в анализируемую выборку, в связи с отсутствием данных по ряду показателей, что, прежде всего, выполняется в отношении субрегионов, входящих в состав других регионов. В частности, не были рассмотрены ряд регионов, в том числе, Московская область, исключенная из анализа на этапе «Проверка на однородность выборки», имеющих аномальные значения по объясняющим переменным. Данные по анализируемым переменным были взяты за период с 2016 по 2019 год с сайта Федеральной государственной статистики. Результаты

1. Корреляционный анализ. Прежде всего, необходимым представляется выделение объясняющих факторов, не характеризующихся наличием

мультиколлинеарности. Это, в свою очередь, связано с тем, что включение мультиколлинеарных факторов может привести к работе с непригодными для построения множественной линейной эконометрической модели факторами. Как правило, в целях проверки факторов на наличие

мультиколлинеарности используется показатель VIF. Автор реализует указанную проверку с учетом того, что, если величина VIF<10, то исследуемый фактор оказывается эффективным и пригодным в рамках проведения дальнейших операций исследования. В отношении выбранных факторов исследование на наличие мультиколлинеарности с применением

программы MSExcel показало следующие результаты, см. табл.1.[1]

Таблица 1. Показатель VIF

vif1 = 1,25 vifg = 15,3

vif2 = 5,03 vif10 = 11,2

vif3 = 9,29 vifn = 10,1

vif4 = 1,25 vif12 = 13,2

vif5 = 3,73 vifi3 = 10,4

vif6 = 7,5 vifi^ = 12,5

vif7 = 16,4 v1fi5 = 16,3

vif8 = 11,4

В соответствии с полученными результатами необходимо выявить факторы XI Х2, Х3, Х4, Х5, Х6, для которых не является характерным наличие мультиколлинеарности. Далее была реализована проверка влияния указанных факторов на результирующую переменную. Результаты названной проверки представлены в табл. 2.

Таблица 2. Уровень корреляции между результирующим показателем и объясняющими факторами

Y

(«Объем инновационных

товаров, работ, услуг»)

X1 -0,023

X2 0,741

X3 0,451

X4 0,096

X5 0,641

X6 0,451

Следовательно, выявлено, что за анализируемый период на результирующий показатель имели влияние факторы, характеризующие затраты на инновационную деятельность, численность исследователей, а также факторы, указывающие на образовательную составляющую

инновационного развития и параметры используемых технологий на производстве.

В рамках проведения регрессионного анализа, прежде всего, была построена исходная множественная линейная модель (длинная регрессия). Исходнаямодвида:

у = ао+а1Х1+а2Х2+азХэ+а4Г4+а5Х5+а5Хб+е (1)

На основании методов подбора существенных объясняющих факторов в отношении имеющихся статистических данных

и в рамках использования методик, таких как метод анализа вектора и матрицы коэффициентов корреляции, метод показателей информационной емкости, была построена короткая регрессия, состоящая из меньшего числа значащих объясняющих факторов вида: у = ао + a\X\ + a2X2 +aзXз + a^5+ e (2)

Следовательно, выявлено, что для рассматриваемой эконометрической модели следует выбрать основные объясняющие переменные, такие как х1, х2, х3, х5.

Далее, посредством применения тестов Чоу, Аканке, Шварца и получения по итогам их проведения закономерных результатов, было выявлено, что из двух моделей предпочтительной является короткая модель[2]/

Таблица 3. Проведение тестов Чоу, Аканке, Шварца

Проверка Значения Результаты

Тест Чоу ^ = 1,623; Fкрит = 3,30 Наблюдаемая F-статистики меньше Fкрит - принимается гипотеза о том, что спецификация короткой эконометрической модели лучше длинной.

Тест Аканке А1С (длинная регрессия) = 27,08486573 А1С (короткая регрессия) = 27,07650884 Так как из двух моделей предпочтительной считается та, у которой меньшее значение статистики критерия Акаике, а такой является короткая модель, то ее и выбираем.

Тест Шварца В1С (длинная регрессия) = 27,15292334 В1С (короткая регрессия) = 27,4350055 Так как из двух моделей предпочтительной считается та, у которой меньшее значение статистики критерия Шварца, а такой является короткая модель, то ее и выбираем.

В отношении рассматриваемой модели были проведены проверки условий теоремы Гаусса -Маркова. проведена проверка выполнения равенства нулю математического ожидания случайной компоненты. Выявлено, что проверка дает положительный результат. Кроме того,

реализована проверка. Проверка случайных остатков на гетероскедастичность предполагает использование теста Голдфелда - Квандта, в рамках выведения результатов по которому выяснено, что в отношении анализируемых факторов выполняется гипотеза о гомоскедастичности остатков, то есть постоянстве дисперсий случайных ошибок модели регрессии, поскольку GQ (1,116) < Fкрит (2,978) и GQ-\ (0,896) < Fкрит (2,978).

Кроме того, рассчитана статистика Дарбина -Уотсона по формуле:

£(^ - б,-\)2 DW = -

(3)

Л

г =\

В рамках проведения проверки остатков на автокорреляцию было выявлено, что значение статистики DW составляет 1,56, что свидетельствует о необходимости принятия гипотезы об отсутствии автокорреляции.

Отметим, что в отношении случайных остатков была осуществлена проверка на их нормальное распределение с использованием теста Шапиро - Вилька, результаты которого закономерно указывают на нормальность распределения. [2]

По итогам реализации указанных этапов, получена линейная множественная модель, имеющая следующий вид:

у = 961938,26 - 487\,72 х\ + 55,376 Х2 -58,\44хз+ 138,997x5 (4)

Далее в отношении параметров указанной модели была осуществлена их проверка на адекватность и качество, по результатам которой выявлено, что рассматриваемые факторы качественны и адекватны при 1;крит равном 2,03224. Подтверждается статистическая значимость указанных факторов. Следовательно, вид линейной множественной модели не изменяется. Значение Я2 = 0,75.

Автором реализуется расчет средней ошибки аппроксимация по формуле:

п

А = 1У 1 Уг Уг 1 • 100% (5)

П Уг

По результатам проведенных расчетов, показано, что значение указанного показателя составляет 1,97% и, следовательно, попадает в коридор требуемых пределов (12-15%). Выявленное значение позволяет утверждать, что рассматриваемая модель адекватна.

Fмод (38,514)^крит(3,259). Результат указывает на статистическую значимость регрессии [5].

Представленные результаты могут быть проанализированы, с точки зрения выявления возможностей дальнейшего инновационного развития регионов, а именно практического применения полученных результатов. Следует заметить, что прогноз расширения либо сужения инновационного потенциала тех или иных регионов может определяться факторами, приведенными в множественной линейной эконометрической модели, характеризующимися качеством и адекватностью, то есть статистической значимостью. На основе выявленных утверждений автором

сформирована гипотеза о том, что дальнейшее повышение инновационного потенциала может быть основано преимущественно (в соответствии с показателями приведенной модели) на увеличении степени

коммерциализации научных разработок, что соотносится с характеристиками фактора Х3 (используемые передовые производственные технологии). При этом значение имеют финансовые вопросы поддержки

инновационного развития, что соотносится с объясняющими факторами Х2, Х5.

При этом в разрезе финансовой поддержки инновационного развития регионов необходимо заметить, что одной из мер в данном направлении следует считать не только выделение дополнительных финансовых ресурсов, нацеленных на покрытие расходов по реализации тех или иных технологических инноваций, но и налоговое стимулирование инновационного развития, это представляет собой поддержку финансовой устойчивости [4].

Заключение

Результаты проведенного эконометрического анализа свидетельствуют о наличии ряда факторов, оказывающих наибольшее

воздействие на показатель, характеризующий инновационное развитие регионов России. В частности, было определено, что используемые передовые производственные технологии, финансовая поддержка регионов и объем реализуемых внутренних затрат на соответствующую деятельность, а также образовательная среда тех или иных регионов в совокупности оказывают воздействие на дальнейшие перспективы инновационного развития России в целом в прогнозном периоде. В частности, в разрезе эконометрического моделирования выявлена возможность улучшения координации в отношении аспектов повышения инновационного потенциала регионов.

Значимым и возможным в рамках проведенного эконометрического

моделирования представляется выбор тех аспектов инновационного развития, в рамках которых следует реализовать наиболее активные меры. В частности, необходимой указать на направление улучшения системы образования, поскольку было выявлено, что данный фактор коррелирует с результирующим показателем инновационного развития. Следовательно, следует признать эффективными в указанной области проекты, нацеленные повышение уровня конкурентоспособности в отдельно взятых регионах. Это, прежде всего, поддержка талантливых студентов, нацеленной на выработку новых механизмов устройства современных экономических процессов, в частности, в сфере бизнеса, где, как правило, коммерциализируются те или иные инновационные разработки.

Что касается бизнеса, способного использованием технологических инноваций в производстве, активизировать процессы экономического роста, заметим, что в государствах с высоким уровнем экономического развития именно, прежде всего,

крупные предприятия оказываются

задействованными в финансовой поддержке конкретных инновационных стартапов либо практических разработок, находящихся на этапе тестирования и обработки. Необходимым представляется усиление указанной сферы, в рамках построения механизма мотивации, ориентированного на топ - менеджмент компаний. Следовательно, предполагается вовлечение высшего руководства в совокупные процессы инновационного развития. Другим аспектов их мотивации следует признать необходимость их переориентации на вложения в персонал, задействованный в системе реализации научных исследований и разработок. Важными представляются меры в данном направлении, связанные с мотивацией иностранных инвесторов на вложения в крупные исследовательские проекты, реализуемые внутри страны, ведь было замечено, что используемые передовые производственные технологии прямо влияют на уровень инновационного развития, что предполагает формирование

высокотехнологичных отраслей производства.

Список использованных источников:

\. Айвазян, С.А. Прикладная статистика и основы эконометрики / С.А. Айвазян, В.С. Мхитарян. - М.: ЮНИТИ, 1998.- 1022 с.

2. Невежин В.П. Эконометрические исследования: Учебное пособие / В.П. Невежин. - М.: Прометей, 2020. - 538 с.

3. Бабешко, Л.О. Основы эконометрического моделирования: учеб. пособие. Изд. 2-е. испр. / Л.О. Бабешко. - М.: КомКнига, 2006, -432 с.

4. Дугужева Э.М. Налоговое регулирование как инструмент повышения финансовой устойчивости Российской Федерации// Сборник статей XXIX Международного научно-исследовательского конкурса. Пенза, 2020. С.81-85 -URL:https://www.elibrary.rц/item.asp?id=42875630(дата обращения 16.12.20)

5. Елисеева И.И. Эконометрика: Учебник, - 2-е изд., перераб. и доп. - 2-е изд., / И.И. Елисеева, С.В. Курышева, Т.В. Костеева и др. / под ред. И.И. Елисеевой. - М.: Финансы и статистика. 2007. - 576 с

6. Мариев О.С., Нагаева К.М., Симонова В.Л. (2020). Управление факторами инновационной активности российских регионов на основе эконометрического моделирования // Управленец. Т. 11. № 1. С. 57-69. [Электронный ресурс]// URL: https://cyberleninka.ru/article/nupravlenie-faktorami-innovatsionnoy-aktivnosti-rossiyskih-regionov-na-osnove-ekonometricheskogo-modelirovaniya(дата обращения 16.12.20)

7. Koo J., Maeng K. (2006). Foreign ownership and investment: Evidence from Korea. Applied Economics, vol. 38, pp. 2405-2414.[Электронный ресурс]// URL: https://www.researchgate.net/publication/24075815(дата обращения 16.12.20)

8. Тошматов М.Н., Мирзорахимов Н.Т. Формирование инновационного климата - основа инновационного О развития национальной экономики // Вестник Институтуэкономики РАН - 2020. -№4. - С. 176-184. [Электронный ресурс]// URL: https://cyberleninka.ru/article/n/stanovlenie-ekonomiki-znaniy-v-rossii-problemy-i-puti-ih-resheniya(дата обращения 16.12.20)

9. Mikhaylov Andrey S., Gorochnaya Vasilisa V., Hvaley Dmitry V., Gumenyuk Ivan S.InnovayivedevelopmentofRussiancoastalregions: North-Southdivergence// Baltic Region.Moscow. 2020 p.105-127 (3rd ed.). -URL:https://cyberleninka.ru/article/n/innovative-development-of-russian-coastal-regions-north-south-divergence(датаобращения 16.12.20)

10. Lyskova

I.Theuniversityextensionmovementasabeginningofself-managementinRussia // The Scientific Heritage. 2020 No 46.Syktyvkar, Russia -

URL:https://cyberleninka.ru/article/n/innovative-development-of-russian-coastal-regions-north-south-divergence(датаобращения 16.12.20)

11. Pylypenko H., Lytvynenko N., Barna T. Socio-cultural context of innovative development// The Scientific Heritage. 2020 No 46.Dnipro, Ukraine. p.98-110-URL:https://cyberleninka.ru/article/n/socio-cultural-context-of-innovative-development(дата обращения 16.12.20)

12. Федеральная служба государственной статистики. Наука и инновации [Электронный ресурс]// URL: http://www.gks.ru/(дата обращения 18.10.20)

13. Жигляева А.В., Невежин В.П. Эконометрическое исследование факторов инновационного развития стран мира // Хроноэкономика. 2019, 2(15). -С. 83-88

14. Козлова Е.С., Невежин В.П. Анализ инвестиционной чувствительности //Хроноэкономика. 2018. № 1 (9). С.49-52.

15. Невежин В.П. Формирование параметров инвестиционной привлекательности муниципальных и региональных образований // Белорусский государственный университет. - Минск: Право и экономика. Сентябрь 2019. С. 493-495

VV