CC BY
13J
<
о
Сравнительный стратегический анализ инновационной эффективности российской экономики
Comparative Strategic Analysis of the Innovative Efficiency of the Russian Economy
УДК 338.2
Гаврилина Дарья Николаевна
ассистент кафедры Московской школы экономики МГУ им. М. В. Ломоносова
119991, Москва, Ленинские горы, д. 1, корп. 61 Dar'ya N. Gavrilina
Moscow School of Economics of Moscow State University named after M. V. Lomonosov
Leninskie Gory 1, Bld. 61, Moscow, Russian Federation, 119991
Цель. Провести сравнительный анализ уровня инновационного развития России с зарубежными странами.
Задачи. Оценить степень инновационного развития российской экономики на глобальном уровне и смоделировать региональную структуру России по уровню инновационной активности, которая позволит выявить точки роста рынка инноваций, специфичные для регионов, сгруппированных согласно используемой в работе методологии, так как субъекты РФ демонстрируют неравномерное развитие различных факторов инновационных процессов. Методология. В процессе исследования были использованы общие методы научного познания, сравнительный анализ, модель смеси вероятностных распределений и регрессионный анализ.
Результаты. Проведен сравнительный анализ уровня инновационного развития России с зарубежными странами, на основании которого были выявлены слабые и сильные стороны в сфере инновационной деятельности. В работе была смоделирована региональная структура России по уровню инновационной активности, позволяющая выявить точки роста рынка инноваций, специфичные для регионов. Ключевые слова: инновации, малые инновационные предприятия, инновационная экономика, параметрические методы классификации, региональная структура, индикаторы инновационной деятельности
Aim. The aim is to performed a comparative analysis of innovative development in Russia compared to foreign countries. Task. Subjects of the Russian Federation show uneven development of various innovative process factors. This study assesses the level of innovative development of the Russian economy at a global scale and simulates the regional structure per the level of innovative activity, which makes it possible to identify growth areas in the innovation market specific to regions grouped per our methodology.
Methods. The study uses general epistemolo-gies, comparative analyses, mixed probability distribution models, and regression analyses. Results. Comparative analysis of the level of innovative development in Russia compared to foreign countries revealed innovation strengths and weaknesses. The study simulated the regional structure of Russia per the level of innovative activity, making it possible to identify growth areas in the regional innovation markets.
Keywords: innovation, small innovative enterprises, innovative economy, parametric classification methods, regional structure, innovative activity indicators
Создание и эффективное внедрение результатов научных исследований и разработок — одно из важнейших условий роста благосостояния населения России и повышения конкурентоспособности отечественного производства. Одним из индикаторов оценки инновационного потенциала экономики является доля организаций, осуществляющих все виды инноваций, характеризующих способность предприятий создавать и реализовывать научные исследования и разработки, кооперироваться в совместных научных проектах, учитывать возможности и угрозы, возникающие на отечественных и глобальных рынках.
Показатель совокупного уровня инновационной активности российских предприятий, который рассчитывается как отношение всех компаний, осуществляющих все виды инноваций (технологические, маркетинговые и организационные), к общему числу организаций, составил в 2014 г. 9,9%, а в 2015 г. — 9,3%, в то время как в развитых странах он колеблется в пределах 40-75% (рис. 1) [1]. Заметно опережают Россию по уровню инновационной активности предприятий и менее развитые
Израиль ЮАР Германия Люксембург Канада Ирландия Италия Швеция Бельгия Португалия Австрия Франция Финляндия Греция Нидерланды Дания Мальта Великобритания Турция Япония Эстония Сербия Словения Новая Зеландия Норвегия Чешская Республика Австралия Кипр
Республика Корея Хорватия Словакия Испания Литва Венгрия Латвия Болгария Польша Беларусь Румыния Чили Украина Россия Казахстан
10
20
30
40
50
I 75,2 I 73,9 I 66,9
I 66,1
I 63,5
] 58,7
56,1 55,9 55,6 54,6 54,4 53,4 52,6
52.3
51.4 51,1 51,1 50,3
48.5
48.5
47.6 47,5
46.5
46.1
44.7 43,9
42.2
42.1
38.3 37,9 34,0
33.6 32,9 32,5
30.4 27,4 23,0 24,4
20.7
19.2
16.8 9,9
_8,0
I I г-"""
60 70 80
Уровень активности, %
<
о
Рис. 1. Совокупный уровень инновационной активности организаций разных стран мира в 2014 г., % Источник: [2].
§ страны, такие как Беларусь, Чили, Болгария, § Литва и т. д. Если рассмотреть данный пока-
2 затель в динамике по России и в разрезе техно-
ш
^ логических инноваций в 2008-2014 гг., можно
^ сделать вывод о низких темпах роста (8-8,8%)
3 инновационной активности предприятий [2]. ^ Одним из основополагающих условий раз-^ вития инновационной системы в стране яв-| ляется ресурсное обеспечение инновационной ^ деятельности, характеризующееся объемами | затрат на всевозможные виды инноваций, вы-о! раженные в денежном эквиваленте. По пока-
ш
^ зателю затрат на исследования и разработ-з ки в процентах к ВВП, который характеризует уровень национального финансирования НИОКР, Россия занимает позиции ниже среднемирового уровня (рис. 2). Однако по абсолютным значениям затрат на исследования и разработки Россия (39 865 млн долл. США [3]) уступает лишь таким ведущим странам мира, как Германия (108 827 млн долл.), Великобритания (441 174 млн долл.), Франция (58 750 млн долл.), Китай (368 732 млн долл.), Республика Корея (72 267 млн долл.), Япония (166 861 млн долл.) и США (456 977 млн долл.).
Высокие показатели затрат на исследования и разработки и низкий уровень инновационной активности организаций могут объясняться тем, что основные затраты на инновационную деятельность осуществляют наиболее крупные, экономически состоятельные предприятия, количество которых относительно невелико (рис. 3 и 4). Совокупный уровень инновационной активности таких предприятий, по сравнению с менее крупными организациями, является очень высоким (рис. 5). Малый и средний бизнес демонстрирует очень низкие значения как затрат на инновации, так и уровня инновационной активности, хотя доля таких предприятий среди обследуемых организаций, осуществляющих все виды инноваций, составляет 45,6% (см. рис. 3).
Главным фактором, препятствующим созданию высокотехнологичных, прорывных и качественных инноваций малыми инновационными предприятиями, являются дефицит собственных денежных средств и недостаточная финансовая поддержка со стороны государства, обусловленная слабой системой институтов финансирования.
Одним из качественных индикаторов инновационных затрат является показатель интенсивности расходов на все виды инноваций, рассчитываемый как отношение издержек на технологические, маркетинговые, организационные инновации к общему объему отгруженных товаров, выполненных работ, услуг. Чем больше значение данного показателя, тем соответственно больше затрат осуществляется
на реализацию инноваций. На наш взгляд, результат расчета этого индикатора инновационной деятельности можно интерпретировать с двух сторон.
С одной стороны, оценка затрат на все виды инноваций осуществляется ежегодно и статистически неизвестно, являются ли учитываемые инновации завершенными в отчетном году или их реализация переходит на следующий год. Поэтому высокие значения показателя интенсивности затрат на инновации можно интерпретировать так, что высокие расходы на нововведения в отчетном году формируют инновационной потенциал предприятия в долгосрочной перспективе. С другой стороны, использовать данный показатель в качестве оценки инновационного потенциала предприятия не совсем целесообразно, так как остается неизвестным влияние роста затрат на инновации на выручку и чистую прибыль организации.
Россия демонстрирует достаточно высокие показатели интенсивности затрат на инновационные технологии по сравнению со многими зарубежными странами (рис. 6). Максимальные значения индикатора достигаются в высокотехнологичных отраслях (6%) [1]. Лидерами в данном случае являются предприятия, выпускающие электронные компоненты, аппаратуру для радио, связи и телевидения (9,4%), медицинские изделия (6,6%) и летательные аппараты (5,5%).
В России наиболее высокие значения индикатора интенсивности затрат на инновации демонстрируют крупные предприятия (рис. 7). Как уже упоминалось, это связано с тем, что создание технологий, требующих высоких затрат, могут позволить себе в основном только крупные компании. Это обусловлено необходимостью крупных вложений собственных средств для реализации исследований и разработок и высоким уровнем риска.
Для осуществления межстранового сопоставления и оценки уровня инновационного потенциала России на глобальном уровне может использоваться международный индекс The Global Innovation Index. При расчете данного показателя для каждой из стран учитывается большая совокупность индикаторов инновационной деятельности, характеризующих уровень инновационного потенциала и степень динамизма. В 2017 г. Россия заняла в данном рейтинге 45-е место, потеряв два пункта в сравнении с 2016 г. [4]. Наша страна все еще уступает таким государствам, как США (4-е место), Канада (18-е место), Япония (14-е место), Австралия (23-е место), и большинству стран, входящих в ЕС. Согласно классификации Всемирного банка, в 2016 г. Россия относилась к странам «с высоким уровнем до-
Республика Корея Израиль Япония Финляндия Швеция Австрия Дания Германия Бельгия Словения Франция Австралия Нидерланды Чешская Республика Норвегия Великобритания Канада Ирландия Эстония Венгрия Италия Португалия Люксембург Испания Новая Зеландия Россия Турция Литва Польша Словакия Мальта Греция Хорватия Болгария ЮАР Латвия Беларусь Украина Кипр Румыния Казахстан
4,29 4,11 3,59 3,17 3,16 3,07 3,05 2,90 2,47 2,39 2,26 2,11 2,00 2,00 1,71 1,70 1,61 1,49 1,44 1,37 1,29 1,29 1,26 1,23 1,15 1,09 1,01 1,01 0,94 0,89 0,85 0,84 0,81 0,80 0,73 0,69 0,67 0,66 0,48 0,38 0,17
<
о
0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0
Доля затрат от ВВП, %
Рис. 2. Внутренние затраты на исследования и разработки в разных странах мира в 2014 г., % от ВВП Источник: [3].
5000-9999, 2,2%
10 ООО и более, 0,9%
<
о
Рис.3. Распределение в 2015 г. российских организаций, осуществляющих все виды инноваций (по величине)
Источник: [1].
До 99, 1oo-24Q 2,0% 1UU
4,0%
Рис. 4. Распределение затрат на все виды инноваций в российских организациях (по величине) в 2015 г., %
Источник: [1].
До 50, 1%
50-99, 2%
100-199,
4%
200-249,
5%
250-499, 6%
Рис. 5. Совокупный уровень инновационной активности российских организаций (по их величине) в 2015 г., %
Источник: [1].
хода», однако в 2017 г. наша страна показала более низкие показатели, соответствующие группе государств «с доходами выше среднего уровня».
The Global Innovation Index учитывает не только инновационный потенциал той или иной страны, но и наличие благоприятных условий в экономической и политической сферах для создания и реализации инноваций. По данным рейтинга, политическая обстановка в России очень нестабильна, что особенно препятствует формированию и развитию более рисковых предприятий, осуществляющих инновационную деятельность. Слабой стороной инновационного климата в стране является область финансирования инновационной деятельности, особенно осуществление венчурных инвестиций, направленных на финансирование малых инновационных предприятия (рис. 8).
В России слабо развиты связи, способствующие развитию взаимодействий в сфере инноваций, такие как кластеры, затруднено привлечение иностранных инвесторов для инвестирования в НИОКР. Например, в 2015 г. в стране насчитывалось всего 98 иностранных или совместных российских и иностранных организаций, выполнявших исследования и разработки (2,35% от общего количества организаций в данной области) [7]. Сильной стороной является сфера образования в России. Например, по доле всех выпускников вузов, занятых в научной, производственной, технической и строительной областях, Россия занимает 11-е место в мире, опережая практически все развитые страны.
Наша страна занимает довольно высокие позиции по количеству заявок на патент и экспорту культурных и творческих услуг (в 2015 г. было подано 45 517 патентных заявок) [Там же]. Если сравнивать позиции России по данному показателю со странами Европы, то она занимает почетное 2-е место, уступая только Германии (65 965). Однако Россия все еще отстает от таких передовых стран, как Китай (928 177), Республика Корея (210 292), США (578 802) и Япония (325 989 патентных заявок).
По мнению нобелевского лауреата Э. С. Фелп-са, одним из основных источников динамизма в экономике и появлению инноваций является «приток (предложение) новаторского таланта» [8]. «Исчезновение созидательной и творческой активности приводит к снижению национальных инноваций и одновременно к снижению инвестиционной активности и спроса на труд» [9]. Однако, согласно проведенному опросу о пользе или вреде науки, технологий и техники, количество респондентов, негативно относящихся к данному вопросу, в 2015 г. резко выросло в сравнении
Швеция Германия Россия Финляндия Франция Литва Австрия Словения Дания Бельгия Хорватия Чешская Республика Норвегия Польша Эстония Великобритания Нидерланды Венгрия Италия Испания Португалия Греция Болгария Словакия Латвия Мальта Румыния Люксембург Кипр
3,86 2,92 2,66 2,30 2,29 2,29 2,02 1,96 1,90 1,75 1,71 1,59 1,59 1,55 1,46 1,40 1,36 1,34 1,14 1,13 1,11 1,11 1,04 0,85 0,69 0,63 0,43 0,41 0,25
<
о
0,5 1,0 1,5 2,0 2,5
3,0 3,5 4,0 4,5 Интенсивность затрат, %
Рис. 6. Интенсивность затрат на технологические инновации в разных странах мира в 2015 г., %
Источник: [1].
с периодом 2003-2014 гг. [7]. Одно из статистических исследований восприимчивости населения к инновациям показало, что в России запрос на инновации в области информационных технологий по сравнению с европейскими странами пока невысокий и составляет 17% против 43% соответственно [10].
Таким образом, уровень инновационной активности в России остается довольно низким. Однако нельзя упускать тот факт, что «регионы России демонстрируют разнообразие в развитии различных аспектов инновационных процессов и влияющих на них факторов» [11]. Равномерное инновационное развитие
наблюдается лишь в небольшом количестве регионов страны.
Мы поставили перед собой задачу смоделировать региональную структуру России по уровню инновационной активности, взяв за основу параметрические методы классификации (основанные на построении теоретического закона распределения генеральной совокупности, выборкой из которой являются наблюдения величины значения выбранного признака для каждого региона), предложенные в работе В. П. Сиротина и М. Ю. Архиповой [12].
Для создания классификации регионов по уровню их инновационной активности был
к
6
i 7 a
S
CO
л frl и о к
И к
к О о
к
a1 н
и 4
□ — 2014 г.
□ — 2015 г.
0,6
0,9
0,4
6,2
4,2
3,4
2,6
2,1
2,0
1.4 1 ч
1,5
1,0
1,3
5,0
2,5
2,0
До 50 100-199 250-499 1000-4999 10 ООО и более
50-99 200-249 500-999 5000-9999
Величина организации, чел.
Рис. 7. Интенсивность затрат на все виды инноваций в России по величине организаций в 2014-2015 гг., %
Источник: [1].
Япония (354 сделки) Канада 0,800 (197 сделок)
Израиль (211 сделок) 2,600
Индия (528 сделок) 8,000
Европа Россия
(1598 сделок) (180 сделок) 14,400 / 0,233
США (3916 сделок) 79 япп
Рис. 8. Объем венчурных сделок в России и в мире в 2015 г., млрд долл. США
Составлено по: [5] и [6].
выбран показатель объема отгруженных инновационных товаров, работ, услуг, который был нормирован по численности населения (руб./1000 чел.). Использовались данные Рос-стата по регионам России. Выборка варьируется от 78 до 82 регионов в зависимости от наличия данных в конкретном году за 20112015 гг. Выбранный показатель был прологарифмирован, так как зачастую распределение выбранной нами переменной не носит характер нормального распределения.
Данный вид гистограммы подтверждает высказанное выше предположение о логарифмически нормальном распределении для отдельной группы объектов, а также о наличии
в исследуемой выборке нескольких однородных групп. Таким образом, можно сделать вывод, что данная совокупность представляет собой смесь однородных совокупностей, имеющих логарифмически нормальное распределение.
Благодаря полученным максимально правдоподобным оценкам параметров смеси распределений (табл. 1) в результате оптимизации в программе «Excel» через функцию «Поиск решения» нам удалось смоделировать региональную структуру регионов России по уровню инновационной активности, разделив регионы на три страты (рис. 9-11).
«При строгом решающем правиле условные границы классов для отнесения произвольно-
го наблюдения к одной из выделенных страт определим как абсциссы точек пересечения взвешенных плотностей вероятности соседних страт» [12]. Таким образом, в 2011 г. регионы, у которых значение логарифма оказался меньше 13,8, следует отнести к инновационно слаборазвитым (1-я страта), значение логарифма от 13,8 до 16,25 — к инновационно развитым (2-я страта) и при значениях больше 16,25 — к регионам-лидерам (3-я страта).
В последующие годы наблюдается динамика увеличения порогового значения для отнесения региона к лидирующей страте. Например, границы страт в 2015 г. составили: 1пх < 13,4 для 1-й, 13,4 < 1пх < 17,01 — для 2-й и 1пх > 17,01 — для 3-й. Таким образом, количество лидирующих регионов сократилось к 2015 г., а количество регионов, относящихся ко 2-й страте, возросло (рис. 12).
Далее были взяты несколько показателей инновационной деятельности, которые, на наш взгляд, хорошо дополняют и характеризуют
о! Ен
О Н 30
ез
аз V 25
20
15
10
5
0
Ч)-
П , II
д
п
7 9 10 11 12 14 15 16 18 1л1(х)
Рис. 9. Гистограмма логарифма объема отгруженных инновационных товаров, работ, услуг на 1000 человек в 2011 г.
основной признак, а также проведенное нами моделирование:
х1 — внутренние затраты на научные исследования и разработки, млн руб.; х2 — количество патентных заявок на изобретения и полезные модели; х3 — численность персонала, занятого научными исследованиями и разработками;
о о
о о со
<
о
Таблица 1
Результаты расчета максимально правдоподобных оценок параметров смеси распределений в 2011 г.
№ страты р (математическое ожидание) ст (стандартное отклонение) д (доля регионов, входящих в страту)
1 12,88102 1,880094 0,258721
2 15,30265 0,772397 0,447863
3 16,79929 0,639177 0,293416
Уровень инновационной активности
Рис. 10. Результаты моделирования региональной структуры России по уровню инновационной активности в 2011 г.
0,25
<
о
0,20
0,15
0,10
0,05
— 1-я страта
— 2-я страта
— 3-я страта
— общая функция плотности
14 15 16 17 18 19 20 Уровень инновационной активности
Рис. 11. Результаты моделирования региональной структуры России по уровню инновационной активности в 2015 г.
2011г. 2015 г.
Рис. 12. Динамика структуры страт по объему отгруженных инновационных товаров, работ, услуг
на 1000 человек в 2011 г. и 2015 г.
х4 — используемые передовые производственные технологии; х5 — удельный вес малых предприятий, осуществлявших технологические инновации в общем числе обследованных малых предприятий (данные только за 2011, 2013 и 2015 гг.).
Для дальнейшего анализа и понимания, насколько тот или иной показатель действительно взаимосвязан и наилучшим образом объясняет основной признак, нами была построена линейная модель множественной регрессии, где объясняемая переменная (У) — объем отгруженных инновационных товаров, работ, услуг на 1000 человек, а х1-х5 — объясняю-
щие переменные. Все переменные были прологарифмированы. Для оценки был применен метод наименьших квадратов. В приведенных ниже таблицах (табл. 2-3) представлена информация по построенной нами модели.
Корреляционный анализ показал, что на протяжении всего периода показатель численности персонала, занятого научными исследованиями и разработками (х3), очень сильно коррелирует с другими объясняющими переменными, поэтому он был исключен из модели. Оценка регрессии показала очень высокую эластичность используемых передовых производственных технологий (х4). Увеличение х4 на 1% способствует росту У на 1,24%. Ко-
Таблица 2
Динамика регионов-лидеров, входящих в 3-ю страту, полученная в результате моделирования
в 2011-2015 гг.
Год
2011 2012 2013 2014 2015
Владимирская обл. Москва Санкт-Петербург Санкт-Петербург Ростовская обл.
Вологодская обл. Санкт-Петербург Липецкая обл. Пермский край Ульяновская обл.
Магаданская обл. Нижегородская обл. Нижегородская обл. Москва Республика Башкортостан
Тверская обл. Республика Татарстан Москва Липецкая обл. Пермский край
Москва Самарская обл. Пермский край Нижегородская обл. Московская обл.
Забайкальский край Сахалинская обл. Самарская обл. Вологодская обл. Санкт-Петербург
Республика Башкортостан Республика Татарстан Самарская обл. Республика Мордовия
Московская обл. Архангельская обл. Республика Татарстан Тульская обл.
Калужская обл. Сахалинская обл. Сахалинская обл. Липецкая обл.
Карачаево-Черкесская Республика Нижегородская обл.
Свердловская обл. Магаданская обл.
Ярославская обл. Москва
Тюменская обл. Самарская обл.
Ульяновская обл. Вологодская обл.
Тульская обл. Республика Татарстан
Республика Мордовия Сахалинская обл.
Санкт-Петербург
Пермский край
Липецкая обл.
Республика Коми
Нижегородская обл.
Республика Татарстан
Самарская обл.
Сахалинская обл.
о о
CD
J
<
О
Таблица 3
Результат построения модели множественной регрессии
Dependent Variable: Y
Method: Least Squares
Date: 09/06/17 Time: 11:50
Sample: 1 82
Included observations: 82
Variable Coefficient Std. Error t-Statistic Prob.
x1 0,044351 0,143736 0,30856 0,7585
x2 -0,19257 0,191197 -1,00719 0,317
x4 1,241111 0,16918 7,336022 0
x5 0,090912 0,231108 0,393372 0,6951
C 7,123379 0,81522 8,737979 0
^-squared 0,606423 Mean dependent var 15,41909
Adjusted ^-squared 0,585977 S.D., dependent var 2,329331
S.E. of regression 1,498799 Akaike info criterion 3,706243
Sum squared resid 172,9727 Schwarz criterion 3,852994
Log likelihood -146,956 Hannan-Quinn criter. 3,765161
F-statistic 29,66033 Durbin-Watson stat 1,847483
Prob (F-statistic) 0
О 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Верхняя граница интервала значений удельного веса малых предприятий,
осуществляющих технологические инновации, %
Рис. 13. Кумулята регионального распределения доли малых предприятий, осуществлявших технологические инновации, в общем числе обследованных малых предприятий в 2013 г.
эффициенты при показателях х1, х2, х3, х5 оказались незначимы. Показатель удельного веса малых предприятий, осуществляющих технологические инновации, в общем числе обследованных малых предприятий (х5) демонстрирует очень низкую связь с основным признаком. Это подтверждает тот факт, что роль малых инновационных предприятий в России в производстве инновационных товаров является малозначимой.
По нашим подсчетам, доля регионов европейской части России, имеющих удельный вес малых предприятий, осуществлявших технологические инновации, в общем числе обследованных малых предприятий ниже среднего, составила 60% в 2013 г., а в азиатской части — 62,2% (рис. 13).
Качество подгонки модели достаточно низкое. Коэффициент детерминации варьируется в диапазоне 50-60%. Это объясняет тот факт, что большинство показателей оказались незначимы и имеют слабую связь с объясняемой переменной.
Единственным значимым в модели является показатель объема используемых передовых производственных технологий. Это подтверждает тот факт, что регионы, входящие в 3-ю страту, имеют высокий уровень инновационной
активности, несмотря на их относительно небольшое количество в группе (рис. 14).
Региональное распределение институтов финансирования инновационной деятельности, таких как венчурные фонды и фонды прямых инвестиций, подтверждает полученные результаты моделирования региональной структуры России по уровню инновационной активности. Фонды прямых инвестиций в основном сконцентрированы в Центральном федеральном округе, а венчурные фонды распределяются относительно равномерно.
По объемам вложений фондов прямых инвестиций лидируют Центральный, СевероЗападный и Дальневосточный федеральные округа. Центральный, Северо-Западный, Приволжский федеральные округа занимают ведущие позиции по объему инвестиций венчурных фондов (табл. 4).
На данный момент существует несколько рейтингов регионов РФ по уровню инновационного развития. При рейтинговании учитывается большой набор показателей и факторов, характеризующих инновационное развитие регионов. В этой связи сравнение результатов данных рейтингов с региональной структурой, которую мы получили в результате параметрического метода классификации на основании
140 120 100 80
□ —2011г.
□ —2015 г.
60 40
<
о
20
1-я страта
2-я страта
3-я страта
Рис. 14. Объем используемых передовых производственных технологий по стратам в 2011 и 2015 гг.
Таблица 4
Объемы и количество венчурных фондов и фондов прямых инвестиций в России по федеральным
округам в 2015-2016 гг.
Округ Объемы венчурных фондов и фондов прямых инвестиций, млн долл. США Количество венчурных фондов и фондов прямых инвестиций
Фонды прямых инвестиций Венчурные фонды Фонды прямых инвестиций Венчурные фонды
2015 г. 2016 г. 2015 г. 2016 г. 2015 г. 2016 г. 2015 г. 2016 г.
Центральный 17 556 15 358 3527 3661 80 73 150 151
Северо-Западный 488 300 86 26 2 1 6 3
Приволжский 100 0 170 92 0 0 15 14
Южный 0 0 14 0 0 0 1 0
Северо-Кавказский 0 0 0 0 0 0 1 1
Уральский 0 0 7 6 0 0 2 2
Сибирский 0 0 42 7 0 0 6 3
Дальневосточный 509 464 4 4 1 1 4 4
Итого 18 654 16 121 3849 3795 84 75 184 178
Источник: [13].
одного признака, было не совсем корректно. Однако мы можем провести параллель между стратами, которые были получены в ходе моделирования, и классами регионов по результатам рейтингования.
В рейтинге инновационного развития субъектов Российской Федерации НИУ ВШЭ регионы были поделены на четыре класса [11]. Согласно нашему моделированию регионы, относящиеся к 3-й страте (регионы-лидеры), занимают высокие позиции и в рейтинге. В основном субъекты РФ из этой страты вошли в первые два класса рейтинга. Такая же ситуация наблюдается и в рейтинге инновационных регионов, подготовленном Ассоциацией инновационных регионов России (АИРР), где все регионы РФ были поделены на пять групп [14]. Регионы, относящиеся к 3-й страте, бы-
ли отнесены к группам рейтинга «сильные инноваторы» и «среднесильные инноваторы».
В 3-ю страту закономерно входят Москва и Санкт-Петербург, так как они являются ведущими экономическими и образовательными центрами, занимая лидирующие позиции по базовым показателям инновационной деятельности (табл. 5).
Республика Татарстан, Самарская и Московская области являются субъектами с развитой системой высшего образования. Из табл. 5 видно, что по численности образовательных организаций высшего образования и числу выпускников бакалавров, специалистов и магистров данные регионы входят в первую десятку. Несмотря на меньшее количество образовательных учреждений высшего образования, Ростовская область и Республика Башкорто-
Таблица 5
Значения базовых показателей инновационного потенциала регионов, вошедших в 3-ю страту
в 2015 г.
Регионы, вошедшие в 3-ю страту в 2015 г. Количество образовательных организаций высшего образования Выпуск бакалавров, специалистов, магистров, тыс. чел. Доля персонала, занятого научными исследованиями и разработками, от всех занятых по субъектам РФ, % Коэффициент изобретательской активности (число отечественных патентных заявок на изобретения, поданных в России в расчете на 10 000 человек населения) Количество разработанных передовых производственных технологий Внутренние затраты на научные исследования и разработки, млн руб. Совокупный уровень инновационной активности организаций, % Объем инновационных товаров, работ, услуг (добывающие, обрабатывающие производства, производство и распределение электроэнергии, газа и воды), % от общего объема отгруженных товаров, выполненных работ и услуг
Ростовская обл. 18 45,0 0,627398609 1,77 22 13 682,2 11,9 13,9
Ульяновская обл. 5 11,0 0,846700938 2,00 1 8891,0 6,0 13,5
Республика Башкортостан 11 34,7 0,436375213 1,63 8 8329,7 10,8 11,0
Пермский край 12 17,1 0,899827060 1,37 24 12 944,6 13,3 6,9
Московская обл. 34 30,1 2,254582632 2,05 68 111 318,2 8,0 8,3
Санкт-Петербург 76 82,2 2,721796899 3,32 160 109 711,5 15,7 6,8
Республика Мордовия 3 7,3 0,231732947 0,52 10 823,1 19,7 28,3
Тульская обл. 8 10,1 0,539446154 1,23 6 4224,7 16,3 12,7
Липецкая обл. 6 7,6 0,122600231 0,75 1 410,5 25,0 12,4
Нижегородская обл. 13 27,4 2,366583873 1,13 64 65 584,1 13,9 13,1
Магаданская обл. 1 1,2 0,712345343 0,27 0 729,5 18,8 10,9
Москва 203 224,8 3,449986365 10,28 259 322 785,1 18,5 19,8
Самарская обл. 25 28,6 0,747921639 1,72 25 17 353,3 6,9 19,7
Вологодская обл. 4 19,1 0,095060016 0,72 9 377,3 6,1 22,1
Республика Татарстан 25 43,8 0,641764987 2,09 58 12 202,2 24,3 21,3
Сахалинская обл. 2 1,9 0,338912789 0,27 6 1399,0 3,8 14,5
Примечание: белым цветом выделены регионы, входящие в первую десятку по тому или иному показателю, темно-серым цветом — в двадцатку. Составлено по: [1] и [15].
стан входят в десятку регионов по количеству выпускников высших учебных заведений. Помимо Москвы и Санкт-Петербурга такие регионы, как Московская и Нижегородская области, занимают высокие позиции по доле персонала, занятого научными исследованиями и разработками, среди всех занятых в регионе. Немного уступают им Ульяновская, Магаданская, Самарская области и Пермский край.
Высокие значения коэффициента изобретательской активности, который «отражает изобретательскую и рационализаторскую инновационную способность населения и организаций страны, характеризует уровень нормативной правовой базы и права применения в сфере защиты авторских и имущественных прав» [16], наблюдаются в Ульяновской, Московской областях и Республике Татарстан. Ростовская, Тульская, Самарская области, Пермский край и Республика Башкортостан входят в двадцатку лидирующих регионов по данному показателю.
Оценить результативность научных исследований и разработок позволяет показатель численности разработанных передовых производственных технологий. Московская, Нижегородская области и Республика Татарстан создают наибольшее количество передовых технологий. Стоит обратить внимание, что до 2015 г. высокие показатели демонстрировала и Ульяновская область.
Такие регионы, как Нижегородская, Московская, Самарская области, характеризуются высокой степенью финансовой обеспеченности научной и технологичной сферы. Ульяновская, Ростовская области, Пермский край, республики Татарстан и Башкортостан также занимают высокие позиции по объему затрат на исследования и разработки.
Высокий уровень активности организаций в области всех видов инноваций положительно отражается на инновационном развитии Тульской, Липецкой, Магаданской областей, республик Мордовия и Татарстан. Высокая доля предприятий, осуществляющих органи-
зационно-управленческие и маркетинговые инновации собственными силами, способствует формированию благоприятной инновационной среды в Тульской области, республиках Мордовия и Татарстан. Удивительно, что, несмотря на низкий уровень развития с точки зрения приведенных выше показателей, такие регионы, как Магаданская, Липецкая и Тульская области, демонстрируют высокие показатели инновационной активности организаций.
Сахалинская, Вологодская, Самарская, Нижегородская, Ульяновская, Ростовская области, республики Татарстан и Мордовия являются регионами-лидерами по объему инновационных товаров, работ, услуг в общем объеме отгруженных товаров, работ, услуг. Магаданская, Липецкая, Тульская области и Республика Башкортостан входят в двадцатку по данному показателю.
Довольно необычной выглядит ситуация, когда регионы, демонстрирующие низкие показатели по всем приведенным выше индикатором инновационной деятельности (Сахалинская, Вологодская, Магаданская, Липецкая, Тульская области и Республика Мордовия), показывают высокие значения реализованной инновационной продукции в общем объеме отгруженных товаров, работ, услуг, в то время как такие регионы-лидеры, как Московская область и Санкт-Петербург, реализуют значительно меньшую долю инновационной продукции. Например, в 2014 г. максимальное значение данного показателя (62,4%) было достигнуто в Сахалинской области [2]. На наш взгляд, ее попадание в страту регионов-лидеров на протяжение всего исследуемого периода обусловлено созданием серьезного инновационного потенциала в нефтегазовом секторе («Сахалин-1», «Сахалин-2»). Сахалинская область занимает 4-е место по объему отгруженных товаров, работ и слуг в области добычи полезных ископаемых (709 млрд руб.) и 6,35% от совокупного объема отгруженных товаров, работ и услуг в данной области [15]. В сравнении с другими регионами это очень высокий показатель.
Таким образом, Россия демонстрирует довольно низкие показатели инновационной активности в сравнении с зарубежными странами технологического центра. Нельзя сказать, что по повышению инновационного потенциала в стране не предпринимается никаких мер. Россия обладает высокой степенью финансовой обеспеченности научной и технологичной сферы. По абсолютным показателям затрат на исследования и разработки она опережает многие развитые страны. Однако анализ показал, что большая доля финансирования инновационной деятельности осуществляется за счет крупных предприятий. Дефицит собственных
денежных средств, недостаточная поддержка g со стороны государства, слаборазвитая систе- g ма институтов финансирования препятствуют if
ш
созданию высокотехнологичных, прорывных и ^ качественных инноваций. Поэтому малые ин- ^ новационные предприятия неспособны полно- s стью реализовать свой потенциал и повышать g уровень инновационной активности страны g в целом. Регрессионный анализ также показал, | что малые предприятия, осуществляющие тех- ^ нологические инновации, на данный момент i никак не влияют на производство инноваци- i онных товаров, работ и услуг. g
Поскольку регионы РФ демонстрируют не- s равномерное развитие различных факторов инновационных процессов, способствующих формированию инновационной экономики, нами была смоделирована региональная структура России по уровню инновационной активности, позволяющая выявить точки роста рынка инноваций, специфичные для регионов. Последующий анализ базовых показателей инновационного потенциала регионов, вошедших в лидирующую страту, позволил выявить причины улучшения конечных результатов инновационной деятельности, а точнее роста реализованной инновационной продукции. Исследование показало, что равномерное инновационное развитие наблюдается лишь у некоторых регионов 3-й страты, таких как Москва и Санкт-Петербург, Самарская и Нижегородская области, а также Республика Татарстан. Интересно, что регионы, демонстрирующие низкие значения по анализируемым в работе базовым показателя инновационного потенциала (Сахалинская, Вологодская, Магаданская, Липецкая, Тульская области и Республика Мордовия), оказались лидерами по производству инновационной продукции, в то время как на Московскую область и Санкт-Петербург приходится значительно меньшая доля реализованной инновационной продукции.
Литература
1. Индикаторы инновационной деятельности: 2017: [Электронный ресурс]. Режим доступа: https:// www.hse.ru/primarydata/ii2017.
2. Индикаторы инновационной деятельности: 2016: [Электронный ресурс]. Режим доступа: https:// www.hse.ru/primarydata/ii2016.
3. Россия и страны мира — 2016 г. // Федеральная служба государственной статистики: [Электронный ресурс]. Режим доступа: http://www.gks.ru/bgd/ regl/b16_39/Main.htm.
4. Global Innovation Index 2017 Report Now Available: [Электронный ресурс]. Режим доступа: https:// www.globalinnovationindex.org/.
5. Back to reality: EY global venture capital trends 2015: [Электронный ресурс]. Режим доступа: http://www.ey.com/Publication/vwLUAssets/ey-glo-bal-venture-capital-trends-2015/$FILE/ey-global-venture-capital-trends-2015.pdf.
J
<
6. MoneyTree™: Обзор венчурной индустрии России за 2016 г. // Российская венчурная компания: [Электронный ресурс]. Режим доступа: http://www.rvc. ru/upload/iblock/905/money-tree-rus-2016.pdf.
7. Наука. Инновации. Информационное общество: 2016: [Электронный ресурс]: Режим доступа: https:// www.hse.ru/primarydata/niio2016.
8. Фелпс Э. С. Предпринимательство и новаторство в теории национальных инноваций // Экономика и математические методы. 2013. № 4 (49). С. 105110.
9. Фелпс Э. С. Что не так с западными экономика-^ ми? // Управленческое консультирование. 2016. g № 1 (85). С. 7-14.
g 10. Архипова М. Ю., Сиротин В. П. Статистическое s исследование восприимчивости населения к инновациям // Друкеровский вестник. 2015. № 1. С. 147-157.
11. Рейтинг инновационного развития субъектов Российской Федерации. Вып. 4 / Под ред. Л. М. Гох-берга; Нац. исслед. ун-т «Высшая школа экономики». М.: НИУ ВШЭ, 2016. 248 с.
12. Декомпозиция распределений в моделировании социально-экономических процессов / В. П. Сиротин, М. Ю. Архипова. М.: Изд-во МЭСИ, 2011. 146 с.
13. Обзор рынка прямых и венчурных инвестиций за 2016 г. // Российская ассоциация венчурного инвестирования: [Электронный ресурс]. Режим доступа: http://www.rvca.ru/rus/resource/library/ rvca-yearbook/.
14. Рейтинг инновационных регионов России: версия 2016 // Ассоциация инновационных регионов России: [Электронный ресурс]. Режим доступа: http:// www.i-regions.org/images/files/presentations/AIRR_ 26.12.pdf.
15. Регионы России. Социально-экономические показатели — 2016 г. // Федеральная служба государственной статистики: [Электронный ресурс] Режим доступа: http://www.gks.ru/bgd/regl/b16_ 14p/Main.htm.
16. Система показателей Росстата для статистической оценки уровня технологического развития отраслей экономики // Федеральная служба государственной статистики: [Электронный ресурс]. Режим доступа: http://www.gks.ru/wps/wcm/connect/ rosstat_main/rosstat/ru/statistics/economydevelop-ment/.
References
1. Indicators of innovation activity: 2017. Higher School of Economics. Available at: https://www. hse.ru/primarydata/ii2017. (in Russ.).
2. Indicators of innovation activity: 2016. Higher School of Economics. Available at: https://www. hse.ru/primarydata/ii2016. (in Russ.).
3. Russia and the countries of the world — 2016. Federal State Statistics Service. Available at: http://
www.gks.ru/bgd/regl/b16_39/Main.htm. (in Russ.).
4. Global Innovation Index 2017. Available at: https:// www.globalinnovationindex.org/.
5. Back to reality: EY global venture capital trends 2015. London: EYGM Limited, 2016. 16 p. Available at: http://www.ey.com/Publication/vwLUAssets/ ey-global-venture-capital-trends-2015/$FILE/ey-glo-bal-venture-capital-trends-2015.pdf.
6. MoneyTree™: Navigator of the venture market. Overview of the Russian venture industry in 2016. Moscow: Russian Venture Company, 2016. 20 p. Available at: http://www.rvc.ru/upload/iblock/905/mo-ney-tree-rus-2016.pdf. (in Russ.).
7. Science. Innovation. Information Society: 2016. Higher School of Economics. Available at: https://www. hse.ru/primarydata/niio2016. (in Russ.).
8. Phelps E. S. Predprinimatel'stvo i novatorstvo v teorii natsional'nykh innovatsiy [Entrepreneurship and innovatorship in the theory of indigenous innovation]. Ekonomika i matematicheskie metody, 2013, vol. 49, no. 4, pp. 105-110.
9. Phelps E. S. Chto ne tak s zapadnymi ekonomikami? [What is wrong with the West's economies?]. Uprav-lencheskoe konsul'tirovanie, 2016, no. 1 (85), pp. 7-14.
10. Arkhipova M. Yu., Sirotin V. P. Statisticheskoe issle-dovanie vospriimchivosti naseleniya k innovatsiyam [Research of the population receptivity to innovations]. Drukerovskiy vestnik, 2015, no. 1, pp. 147157.
11. Reyting innovatsionnogo razvitiya sub"ektov Ros-siyskoy Federatsii [Rating of innovative development of the subjects of the Russian Federation]. Moscow: Higher School of Economics Publ., 2016, iss. 4, 248 p.
12. Sirotin V. P., Arkhipova M. Yu. Dekompozitsiya ras-predeleniy v modelirovanii sotsial'no-ekonomiche-skikh protsessov [Decomposition of distributions in the modeling of socio-economic processes]. Moscow: MSU of Economics, Statistics and Informatics Publ., 2011. 146 p.
13. Overview of the market of direct and venture investments for 2016. Russian Venture Investment Association. Available at: http://www.rvca.ru/rus/re-source/library/rvca-yearbook/. (in Russ.).
14. Rating of innovative regions of Russia: Version 2016. Moscow: Association of Innovative Regions of Russia, 2017. 36 p. Available at: http://www.i-regions. org/images/files/presentations/AIRR_26.12.pdf. (in Russ.).
15. Regions of Russia. Socio-economic indicators — 2016. Federal State Statistics Service. Available at: http:// www.gks.ru/bgd/regl/b16_14p/Main.htm. (in Russ.).
16. The system of Rosstat indicators for statistical estimation of the technological development level of the branches of the economy. Federal State Statistics Service. Available at: http://www.gks.ru/wps/wcm/ connect/rosstat_main/rosstat/ru/statistics/econo-mydevelopment/. (in Russ.).
