Разработка статистической оценки когнитивной асимметрии регионов Сибирского федерального округа по уровню человеческого капитала Текст научной статьи по специальности «Экономика и бизнес»

УДК 330.101.541

Д. Д. ЦЫРЕНОВ Г. Д. БИЛИКТУЕВА

Бурятский государственный университет, г. Улан-Удэ Бурятский республиканский институт образовательной политики,

г. Улан-Удэ

РАЗРАБОТКА

СТАТИСТИЧЕСКОЙ ОЦЕНКИ КОГНИТИВНОЙ АСИММЕТРИИ РЕГИОНОВ СИБИРСКОГО ФЕДЕРАЛЬНОГО ОКРУГА ПО УРОВНЮ

ЧЕЛОВЕЧЕСКОГО КАПИТАЛА

На основе статистического анализа уровня когнитивного потенциала регионов Сибирского федерального округа выявлена асимметрия их развития, оценено качество региональной экономики знаний с помощью методов эконометриче-ского моделирования.

Ключевые слова: асимметрия регионов, когнитивный потенциал, эконометри-ческое моделирование, экономика знаний, человеческий капитал.

Процессы реформирования и регионализации экономики приводят к территориальной дифференциации, являющейся предметом региональной диагностики [1]. Усиление неоднородности, в основе которой лежит дифференциация регионов по уровню развития человеческого капитала, затрудняет проведение единой государственной политики в области экономики знаний. Это обусловливает настоятельную необходимость развития методологии оценки когнитивной асимметрии на уровне регионов. Асимметрия связана с дифференциацией в уровне социального и экономического развития регионов страны.

Для анализа территориальной дифференциации в развитии экономики знаний в субъектах будем использовать понятие когнитивной асимметрии. Под ней понимаются устойчивые разрывы в условиях и результатах развития объектов экономики знаний в регионах относительно нормативно-установленной системы стандартов, т.е. асимметрия — это такое состояние региональных систем, в котором принятие решений по перераспределению доходов между регионами с целью ликвидации диспропорций улучшает в долгосрочном плане положение страны и не ухудшает положение ни одного из регионов [2].

Исследование когнитивной асимметрии регионов проведено по следующим направлениям:

1. Классификация регионов СФО по основным параметрам когнитивного потенциала при помощи кластерного и факторного анализа.

2. Оценка взаимосвязи величины валового регионального продукта (ВРП) с концентрацией когнитивного потенциала на основе эконометрического моделирования.

Для классификации регионов по уровню когнитивного потенциала, характеризующего возможности региональной экономики продуцировать знания и использовать интеллектуальные ресурсы общества, была построена матрица в 11-мерном пространстве следующих количественных показателей: x1 — внутренние затраты на исследования и разработки, руб./чел.;

x2 — объем инновационной продукции, руб./чел.; x3 — объем экспорта инновационной продукции, руб./чел.;

x4 — затраты на ИКТ, руб./чел. x5 — удельный вес объема отгруженной инновационной продукции в общем объеме отгруженной продукции, %;

x6 — удельный вес организаций, использующих Интернет, в общем числе организаций, использующих ИКТ, %;

x7 — удельный вес числа компьютеров с доступом в Интернет в общем числе компьютеров в организациях, %.

x8 — численность персонала, занятого исследованиями и разработками, в расчете на 10000 занятых в экономике;

x9 — численность исследователей в расчете на 10000 экономически активного населения;

x10 — затраты на технологические инновации в расчете на одного занятого в экономике, руб./чел.;

x11 — число патентов на изобретения, выданных в отчетном году на 100 исследователей.

Многомерный кластерный анализ данных проводился с использованием пакета Statistica 6.0 по иерархической схеме методом Уорда (Ward's method) по первым главным компонентам.

Таблица 1

Матрица факторных нагрузок по методу главных компонент (2013 г.)

21 22 23 24

Х1 0,908 0,159 0,304 -0,121

Х2 -0,009 0,780 -0,001 0,194

Х3 0,055 0,717 0,154 0,024

Х4 0,164 0,173 0,684 -0,258

Х5 0,331 0,840 -0,152 0,055

Х6 0,197 0,009 0,825 0,080

Х7 0,406 0,071 0,709 0,159

Х8 0,952 0,162 0,181 -0,104

Х9 0,941 0,068 0,270 -0,087

Х10 0,101 0,680 0,363 -0,166

Х11 -0,171 0,132 0,006 0,928

На основе синтеза различных критериев выделены 4 главные компоненты. Интерпретация главных компонент осуществлялась по матрице коэффициентов корреляции исходных показателей с выделенными главными компонентами 21-24 (табл. 1).

Из вида матрицы нагрузок (табл. 1) следует, что первая главная компонента 21 тесно связана с показателями х1, х8, х9 (согг(21; х1) = 0,908; согг(21; х8) = 0,952; согг(21; х9) = 0,941). Поэтому, первая главная компонента может быть интерпретирована как производство знаний в смысле ресурсного аспекта.

Вторая главная компонента 22 тесно связана с показателями х2, х3, х5, х10, (сотг(22; х2) = 0,780; сотг(22; х3) = 0,717; согг(22; х5) = 0,840;согг(22; х10) = 0,680). Компонента 22 характеризует инновационную составляющую экономики знаний и может быть интерпретирована как применение знаний.

Третья главная компонента 23 коррелирует с показателями х4, х6, х7(согг(23; х4) = 0,684; согг(23; х6) = 0,825; согг(23; х7) = 0,709) и может быть интерпретирована как распространение знаний.

Последнюю главную компоненту, связанную с показателем х11 (согг(24; х11) = 0,928), можно интерпретировать как обмен знаниями. Поэтому данные блоки показателей можно рассматривать для изучения процесса воспроизводства экономических благ (в нашем случае товаров, содержащих в себе новые знания) в системе «производство — распределение — обмен — потребление» [3].

В процессе классификации субъектов СФО по названным факторам была получена следующая ден-дрограмма (рис. 1). На дендрограмме выделяются три многомерные типические группы.

Первый кластер А образуют 3 региона: Алтайский край, Новосибирская область, Томская область. Данный кластер характеризуется высоким уровнем когнитивного потенциала, способного решать задачи экономики, ориентированной на инновационное развитие. Данные регионы СФО можно назвать лидерами в развитии экономики знаний.

Второй кластер Б состоит из 4 регионов: Иркутская область, Кемеровская область, Красноярский край, Омская область. Кластер, состоящий из регионов, где развита промышленность, также характеризуется достаточным уровнем когнитивного потенциала.

В состав третьего кластера В входят Забайкальский край, Республика Алтай, Республика Бурятия, Республика Тыва, Республика Хакасия. Состояние когнитивного потенциала характеризуется низким уровнем, но для его развития и использования необходимо эффективное функционирование региональной инновационной системы.

Для дальнейшего анализа взаимосвязи величины валового регионального продукта (ВРП) с концентрацией когнитивного потенциала на основе эконо-метрического моделирования рассчитаем значения коэффициента локализации (концентрации) когнитивного потенциала по формуле:

ч = 1тГ ,

где 1д. — коэффициент локализации когнитивного потенциала для 1-ого субъекта СФО; 2. — количество занятых в регионе, имеющих послевузовское профессиональное образование .-ого субъекта СФО; ^ — количество занятых во всех отраслях

Метод Уорда Евклидово расстояние

Рис. 1. Дендрограмма процедуры кластеризации регионов Сибирского федерального округа по когнитивному потенциалу, 2013 г.

1-ого субъекта СФО; Ъ — количество занятых, имеющих послевузовское профессиональное образование в целом по СФО; Л — количество занятых во всех отраслях в СФО.

Необходимо отметить, что при расчете коэффициентов локализации будем исходить из предположения, что лица, имеющие ученые степени (получившие послевузовское профессиональное образование) наиболее полно определяют величину когнитивного потенциала.

Коэффициент локализации когнитивного потенциала в субъектах Сибирского федерального округа показывает, во сколько раз концентрация потенциала в конкретном регионе больше или меньше, чем в целом по СФО.

Значения коэффициента локализации варьируются в пределах трех возможных состояний: 1д.<1 означает, что уровень когнитивного потенциала .-ого региона меньше, чем в среднем по СФО, что свидетельствует об импорте наукоемких технологий; 1^=1 — свидетельствует о том, что уровень когнитивного потенциала .-ого региона сопоставим с уровнем в целом по СФО; 1д>1 — показывает, что уровень когнитивного потенциала .-ого региона выше, чем в среднем по СФО. Регионы с высоким коэффициента локализации являются экспортерами когнитивного потенциала в другие регионы и за рубеж.

Для регионов Сибирского федерального округа величина коэффициента локализации когнитивного потенциала представлена в табл. 2.

Далее оценим влияние величины коэффициента локализации когнитивного потенциала на социально-экономическое положение субъекта РФ. Рассмотрим в качестве показателя, характеризующего социально-экономическое положение субъектов РФ, валовой региональный продукт на душу населения.

Тогда регрессионная модель, описывающая влияние коэффициентов локализации когнитивного потенциала на социально-экономическое положение регионов, запишется в виде:

BPni = /(lqi) + ei

где ВРП. — валовой региональный продукт на душу населения i-ого субъекта СФО (i = 1,2,...,12), руб.; lqi — коэффициент локализации для i-ого субъекта РФ; е. — случайная составляющая регрессионной модели, характеризуемая условием М(е) = 0.

Результаты параметризации эконометриче-ской модели по данным официальной статистики РФ за 2013 год на основе метода наименьших квадратов для ряда аналитических форм связи приведены в табл. 3. Расчеты выполнены в пакете прикладных программ MS Excel 2007 c использованием надстройки «Анализ данных».

Анализ показателей качества для различных форм связи факторного и результативного признаков, приведенные в табл. 3, показывает, что оптимальной для описания влияния коэффициента локализации когнитивного потенциала на величину ВРП на душу населения является степенная модель (6 степеней). Полученные результаты вполне объяснимы для экономики знаний, находящейся на раннем этапе развития, что соответствует результатам эмпирических исследований в этой области, опубликованным в научной литературе. Результаты эконометрического моделирования позволяют утверждать, что увеличение концентрации когнитивного потенциала в российских регионах дает эффект в виде прироста душевого валового регионального продукта.

Найденная зависимость подтверждает высказанное положение о том, что проникновение экономики знаний в регионы повышает их асимметрию.

Таблица 2

Коэффициент локализации когнитивного потенциала в разрезе регионов СФО, 2013

Регион Коэффициент локализации когнитивного потенциала ВРП на душу населения, тыс. руб.

Алтайский край 1,19 139,4

Забайкальский край 0,85 188,8

Иркутская область 1,06 258,8

Кемеровская область 1,01 268,8

Красноярский край 1,50 419,5

Новосибирская область 0,91 215,5

Омская область 1,06 227,1

Республика Алтай 0,84 127,6

Республика Бурятия 0,61 159,2

Республика Тыва 0,58 109,4

Республика Хакасия 1,53 217,3

Томская область 0,61 320,7

Таблица 3

Зависимость валового регионального продукта от величины коэффициента локализации

субъектов РФ, 2013 г.

Показатель Аналитическая форма связи факторного и результативного признаков

Линейная (ВРЦ = 99,47 + + ^24,1*lqi) Степенная (ВРП = = -26092 Ц 6 + 2E + 06 lq 5 --4E + 06 lqi'4 + 5E + 06 lq,'3 --4E + 06 lqi 2 + 2E + 06 lqi -23473) Экспоненциальная (ВРП = = 119,8*e 0 552"lqi)

Коэффициент корреляции 0,198 0,82 0,199

Библиографический список

1. Трофимов, В. М. Определение подходов к разработке метода оценки инновационной активности региона / В. М. Трофимов // Вестник Бурятского государственного университета. Экономика и менеджмент. - 2013. - Вып. № 1. -С. 71-77.

2. Хохлова, О. А. Статистическая оценка социально-экономической асимметрии муниципальных образований региона / О. А. Хохлова // Вопросы статистики. - 2006. - № 2. -С. 32-38.

3. Цыренов Д. Д. Экономика знаний в Республике Бурятия: факторный анализ / Д. Д. Цыренов // Вестник Бурятского государственного университета. - 2013. - Вып. № 2. -С. 25-27.

ЦЫРЕНОВ Даши Дашанимаевич, кандидат экономических наук, старший преподаватель кафедры экономики, заместитель директора института экономики и управления Бурятского государственного университета.

БИЛИКТУЕВА Галина Дамбаевна, кандидат экономических наук, заведующая кафедрой государственного и муниципального управления Бурятского республиканского института образовательной политики.

Адрес для переписки: b.g.d@1ist.ru

Статья поступила в редакцию 25.02.2014 г. © Д. Д. Цыренов, Г. Д. Биликтуева

УДК 36405 А. А. ЗУБАКИН

А. В. КАРПУНИНА

Омский государственный технический университет

СОЦИАЛЬНО ОТВЕТСТВЕННЫЕ ЭНЕРГЕТИЧЕСКИЕ КОМПАНИИ КАК ОБЪЕКТ ФАНДРЕЙЗИНГА

В данной статье энергетические компании впервые рассмотрены с точки зрения фандрейзинга, дана их социально-экономическая характеристика в сфере организации социальной ответственности бизнеса. Основываясь на анализе положений теории фандрейзинговой деятельности и исходя из практического опыта организации социальной ответственности, авторы дают рекомендации фандрейзерам при обращении в крупные компании с просьбами об оказании помощи.

Ключевые слова: социальная ответственность, фандрейзинг, энергетические компании.

Энергетические компании играют значительную роль в современной экономике, являясь одним из динамично развивающихся ее секторов. К энергетическим компаниям относятся объекты тепло-и электрогенерации, объекты, занимающиеся транспортировкой и сбытом теплоэлектроэнергии и т.д. По итогам 2012 года в России было произведено 1064 млрд кВт/ч электроэнергии (в 2011 — 1055) [1, с. 22].

В настоящее время российские энергетические корпорации активно реализуют программы корпоративной социальной ответственности, под которой понимается добровольное участие компаний в улучшении социально-экономической жизни общества и защите окружающей среды [2, с. 28].

К основным направлениям социальной ответственности бизнеса относят следующие направления:

1. Программы, направленные на решение системных социальных, экономических, экологических и правовых проблем или направленные на разработку технологий решений таких проблем, при этом бизнес сам определяет основные задачи и корректирует их в процессе реализации социально ориентированных программ.

2. Благотворительные акции — краткосрочные проекты и разовые акции, направленные на улуч-

шение жизненной ситуации определенной социальной группы населения.

3. Спонсорские проекты в сфере культуры, науки и спорта — программы в основном направленные на создание образа современной компании как субъекта социальной ответственности, но не направленные на решение каких-либо конкретных социально значимых проблем местного сообщества.

4. Благотворительность, ориентированная на маркетинг — проекты, внешне построенные как благотворительные, но в основном ориентированные на увеличение объемов продаж продукции компании-благотворителя.

5. Социально ориентированные программы, направленные только на персонал компании или предприятия [3, с. 33 — 38].

Направления социально ответственной деятельности компаний во многом определяются Стандартом «Guidance on Social Responsibility — Руководство по социальной ответственности» (ISO 26000), Стандартом «Социальная отчетность предприятий и организаций, зарегистрированных в Российской Федерации. Методические рекомендации», коллективным трудовым договором или положениями о корпоративной социальной ответственности в рамках одной определенной компании. Т. е. социально