CC BY
86
НАМ ПИШУТ
УДК 31:37
Глухова С.М., Чернов А.Ю.
СТАТИСТИЧЕСКИЙ АНАЛИЗ ИННОВАЦИОННОГО ПОТЕНЦИАЛА РЕГИОНА НА ПРИМЕРЕ КОСТРОМСКОЙ И КИРОВСКОЙ ОБЛАСТЕЙ
Величина инновационного потенциала является параметром, позволяющим региону оценить возможности его инновационной деятельности и определить стратегию инновационного развития. Прагматической целью мобилизации инновационного потенциала региона является увеличение благосостояния конкретной территории. Особенно это важно для регионов, не отличающихся хорошими экономическими показателями. Для анализа были взяты Костромская и Кировская области, во многом, похожие климатическим и ресурсным потенциалом.
Ключевые слова: инновационный потенциал, статистический анализ, Костромская область, валовой региональный продукт, элементы инновационного потенциала.
Величина инновационного потенциала является параметром, позволяющим региону оценить возможности его инновационной деятельности и определить стратегию инновационного развития. От состояния инновационного потенциала зависят управленческие решения по выбору и реализации инновационной стратегии, вследствие чего необходима его комплексная оценка.
Термин «инновационный потенциал» получил распространение с начала 1980-х годов, уточнялся в ходе теоретических, эмпирических и методологических исследований и не потерял своей актуальности на современном этапе. В отечественной экономической науке сложилось несколько подходов к раскрытию содержания данной категории. Существующие трактовки разделяются на шесть различных подходов.
Первый подход интерпретирует инновационный потенциал как совокупность научного, научно-технического, интеллектуального и творческого потенциалов.
Второй подход (ресурсный) рассматривает инновационный потенциал как упорядоченную совокупность ресурсов, обеспечивающих осуществление инновационной деятельности.
Третий подход основан на разделении ресурсов инновационного потенциала на реализованные и скрытые ресурсные возможности, которые могут быть приведены в действие для достижения конечных целей экономических субъектов. Данный подход уточняет ресурсный подход и пытается разделить имеющие ресурсные возможности инновационного развития экономической системы.
В рамках четвертого подхода инновационный потенциал рассматривается как мера способности и готовности экономического субъекта осуществлять инновационную деятельность.
Пятый подход называется результативным. В
нем инновационный потенциал раскрывается через анализ «выхода» инновационной деятельности и является отражением конечного результата реализации имеющихся возможностей. В то же время в нем не учитывается наличие и сбалансированность структуры компонентов инновационного потенциала и достаточность уровня развития потенциала для формирования инновационной активности экономики.
Шестой подход является комбинацией ресурсного и результативного подходов, представляет собой совокупность инновационных ресурсов, предоставляемых в виде продукта инновационной деятельности, производственной сферы [4].
Бухвостов Ю.В., Волков А.А. предлагают рассматривать инновационный потенциал как совокупность следующих элементов:
- институты, генерирующие новшества (научно-исследовательские организации региона, занятые фундаментальными исследованиями и прикладными разработками);
- институты, использующие новшества в своей производственной деятельности (предприятии и организации реального сектора экономики региона, активно применяющие новшества в своей деятельности);
- институты, выполняющие роль посредников между разработчиками новшеств (экономико-правовые отношения и организации, способствующие передаче новшеств от научно-исследовательских организаций в реальный сектор экономики региона) [1].
По нашему мнению, инновационный потенциал региона следует рассматривать не только как совокупность инновационных ресурсов, необходимых для осуществления инновационной деятельности, но и как возможность и способность региона создавать и использовать результаты инновационной де-
© Глухова С.М., Чернов А.Ю., 2015
Экономика образования ♦ № 2, 2015
141
ятельности. Инновационный потенциал следует рассматривать как совокупность различных потенциалов: материального, трудового, финансового, организационно-управленческого и интеллектуального. Результатом использования инновационного потенциала будут различные новшества - новые технологии, новые виды товаров и услуг.
Таким образом, инновационный потенциал региона - это возможность и способность региона формировать и использовать инновационные ресурсы, необходимые для инновационного развития, что позволяет создавать, распространять и использовать различного вида новшества.
В мировой практике существуют различные показатели, оценивающие уровень развития инновационной деятельности: оценка человеческого капитала; показатели, измеряющие знания, научно-технический прогресс; отдельные показатели фондового рынка, ВРП и т.д. Оценка инновационного потенциала предполагает наличие статистической базы. Показатель инновационного потенциала предопределяет дальнейшее развитие региона, характеризует степень готовности региона к созданию, освоению и распространению разного типа нововведений, к реализации результатов инновационной деятельности.
Прагматической целью мобилизации инновационного потенциала региона является увеличение благосостояния конкретной территории, поэтому в качестве результативного фактора использования инновационного потенциала нами был определен такой макроэкономический показатель как валовой региональный продукт (ВРП) и его динамика. Проведем статистическое исследование инновационного потенциала Костромской области. Для формаль-
ного экономико-статистического анализа воздействия отдельных факторов инновационного потенциала на ВРП (у) нами были отобраны следующие параметры, имеющие числовую оценку и учитываемые статистическими органами региона:
1. Число организаций, выполняющих научные исследования и разработки ( x)
2. Численность персонала, занятого научными исследованиями и разработками ( x2 );
3. Затраты на научные исследования и проектные разработки ( x3 );
4. Число выданных патентов ( x4);
5. Затраты на технологические инновации (x5 );
6. Число используемых в производстве инновационных технологий ( x6 ).
Первые три фактора были включены в модель в силу того, что они позволяют эмпирически пронаблюдать динамику ВРП Костромской области в зависимости от готовности региона к осуществлению инновационной деятельности. Два последних фактора демонстрируют готовность предприятий и организаций области использовать в своей деятельности инновационные разработки, что является основой причиной их анализа в процессе построения многофакторной регрессионной модели. Четвертый фактор был добавлен в регрессионную модель в качестве дополняющего инфраструктурного параметра, связывающего научный и реально-производственный сектора экономики Костромской области.
Используя реальные статистические значения всех вышеуказанных элементов инновационного потенциала Костромской области и динамику его ВРП за период с 2005 по 2013 гг. [по данным 5, 6], и обработав их в Microsoft Ecxel 2010, мы получили данные, приведенные в таблице 1.
Таблица1
Коэффициенты множественной регрессии, описывающие процесс формирования ВРП Костромской области под воздействием отдельных элементов инновационного потенциала региона
Коэффициенты Стандартная ошибка t-статистика P-Значение
Y-пересечение 184809,14 49967,53 3,69 0,066
Переменная X 1 -4609,58 3918,19 -1,18 0,360
Переменная X 2 -512,12 400,67 -1,28 0,329
Переменная X 3 0,91 0,30 3,00 0,095
Переменная X 4 -536,89 440,99 -1,22 0,348
Переменная X 5 -0,03 0,043 -0,79 0,509
Переменная X 6 2,61 32,99 0,08 0,944
Регрессионная статистика Источник: составлено авторами.
Множественный R 0,993
R-квадрат 0,986
Нормированный R-квадрат 0,943
Стандартная ошибка 8071,59
Наблюдения 9
Таблица2
Матрица парных коэффициентов корреляции R
- У Xl Х2 Хз Х4 Х5 Х6
У 1 -0.588 -0.749 0.95 -0.0678 -0.21 0.704
Xl -0.588 1 0.528 -0.522 -0.337 -0.0516 -0.498
X2 -0.749 0.528 1 -0.592 -0.0258 0.187 -0.598
Хз 0.95 -0.522 -0.592 1 0.0191 -0.101 0.781
Х4 -0.0678 -0.337 -0.0258 0.0191 1 -0.171 0.204
Х5 -0.21 -0.0516 0.187 -0.101 -0.171 1 0.317
Хб 0.704 -0.498 -0.598 0.781 0.204 0.317 1
Источник: составлено авторами.
Матрица парных коэффициентов корреляции R представлена в таблице 2:
Для отбора наиболее значимых факторов x. учитываются следующие условия:
- связь между результативным признаком и факторным должна быть выше межфакторной связи;
- связь между факторами должна быть не более 0.7. Если в матрице есть межфакторный коэффициент корреляции r > 0.7, то в данной модели мно-
x хj
жественной регрессии существует мультиколлине-арность;
- при высокой межфакторной связи признака отбираются факторы с меньшим коэффициентом корреляции между ними.
В нашем случае имеют r >0.7, что говорит о мультиколлинеарности факторов и о необходимости исключения одного из них из дальнейшего анализа.
Анализ первой строки этой матрицы позволяет произвести отбор факторных признаков, которые могут быть включены в модель множественной корреляционной зависимости. Факторные признаки, у которых | ry^ | < 0.5 исключают из модели. Можно дать следующую качественную интерпретацию возможных значений коэффициента корреляции (по шкале Чеддока): если |r|>0.3 - связь практически отсутствует; 0.3 < |r| <0.7 - связь средняя; 0.7< |r|< 0.9 - связь сильная; |r| > 0.9 - связь весьма сильная.
Проверим значимость полученных парных коэффициентов корреляции с помощью t-критерия Стьюдента. Рассчитаем наблюдаемые значения t-ста-тистики для rx по формуле
t = r
набл yxt
■Jn - m -1
V
1-r
yx
По таблице Стьюдента находим * рт( п - т -1;«/2 ) = (7;0.025) = 2,3 65 . Коэффициенты, для которых значения Ьстатис-тики по модулю больше найденного критического значения, считаются значимыми. Результаты представим в таблице 3.
Таким образом, связь между факторами (у и х2), (у и х3 ), (у и х6 ), является существенной.
Наибольшее влияние на результативный признак оказывает фактор х3 (г = 0.95), значит, при построении модели он войдет в регрессионное уравнение первым.
Для более ясного представления о ситуации с инновационным потенциалом в Костромской области проведем такой же анализ для Кировской области [по данным 2, 3].
Матрица парных коэффициентов корреляции R в нашем случае имеет вид (Таблица 5):
В нашем случае Гх х , г , г , г , г , г
Л2Л3 Л2Л5 Л2Л6 Л3Л5 Л3Л6 Л5Л6
имеют |г|>0.7, что говорит о мультиколлинеарности факторов и о необходимости исключения одного из них из дальнейшего анализа. Проверим значимость полученных парных коэффициентов корреляции с помощью ^критерия Стьюдента. Результаты представим в таблице 6.
Таким образом, связь между (у и х2), (у и х3), (у и х5), (у и х6) является существенной. Наибольшее влияние на результативный признак оказывает фактор х6 (г = 0.96), значит, при построении модели он войдет в регрессионное уравнение первым.
Проведенное исследование позволяет сделать следующие выводы:
1. Наиболее существенным фактором для роста ВРП при анализе инновационного потенциала являются: для Костромской области - фактор х 3 - затраты на научные исследования и разработки, для Кировской - фактор х - число используемых в производстве инновационных технологий.
2. Отрицательное значение предиката перед х1 свидетельствует о том, что увеличение числа организаций, выполняющих научные исследования и разработки будет способствовать снижению ВРП Костромской области. Отрицательное значение предиката перед фактором х2 говорит о том, что увеличение численности персонала, занятого научными исследованиями и разработками также говорит о снижении ВРП как Костромской, так и Кировской
2
Таблица3
Значимость коэффициента корреляции
Коэффициент корреляции ^набл Значимость коэффициента корреляции
г УХ1 л/9 -1 -1 Кал = 0,59 ) 2 = 1,93 VI - 0,592 Кабл < 'крит статистически незначим
Г УХ2 л/9 -1 -1 = 0,75 ) 2 = 2,99 л/1 - 0,752 Кабл > ^ Статистически значим
Г УХ л/9 -1 -1 Кабл - 0,95 ; 2 - 8,07 л/1 - 0,952 Кабл > 'крит Статистически значим
г УХ4 л/9 -1 -1 1набл - 0,0678 , 2 - 0,18 д/1 - 0,06782 Кабл < 'крит статистически незначим
г УХ5 л/9 -1 -1 Кабл - 0,21 ; 2 - 0,57 л/1 - 0,212 Кабл < 'крит статистически незначим
г УХ6 „„л/9 -1 -1 „„ Кабл - 0,7 , 2 - 2,63 л/1 - 0,72 Кабл > Крит Статистически значим
Источник: составлено авторами.
Таблица4
Коэффициенты множественной регрессии, описывающие процесс формирования ВРП Кировской области под воздействием отдельных элементов инновационного потенциала региона
Коэффициенты Стандартная ошибка (-статистика Р-Значение
Y-пересечение 163871,36 170978,56 0,96 0,439
Переменная X 1 3705,53 4878,43 0,76 0,527
Переменная X 2 -111,29 88,10 -1,26 0,334
Переменная X 3 78,40 49,71 1,58 0,255
Переменная X 4 156,22 237,24 0,66 0,578
Переменная X 5 9,81 6,69 1,47 0,280
Переменная X 6 18,96 79,34 0,24 0,833
Регрессионная статистика
Множественный R 0,994
R-квадрат 0,988
Нормированный R-квадрат 0,953
Стандартная ошибка 10866,23
Наблюдения 9
Источник: составлено авторами.
Таблица5
Матрица парных коэффициентов корреляции Я:
- Y Х1 Х2 Х3 Х4 Х5 Х6
У 1 0.373 -0.792 0.955 0.591 0.956 0.959
Х1 0.373 1 0.128 0.287 -0.0111 0.346 0.432
Х2 -0.792 0.128 1 -0.737 -0.602 -0.818 -0.792
Хз 0.955 0.287 -0.737 1 0.519 0.951 0.909
Х4 0.591 -0.0111 -0.602 0.519 1 0.465 0.504
Х5 0.956 0.346 -0.818 0.951 0.465 1 0.963
Хб 0.959 0.432 -0.792 0.909 0.504 0.963 1
Источник: составлено авторами.
Таблица6
Значимость коэффициента корреляции
Коэффициент корреляции ^набл Значимость коэффициента корреляции
Г УХ1 ■>/9 -1 -1 Кабл - 0,37 ] 2 -1,06 лД - 0,372 Кабл < ^ статистически незначим
Г Ух2 л/9 -1 -1 Кабл - 0,79 ] 2 - 3,43 л/1 - 0,792 ^набл > ^ Статистически значим
Г Ух3 л/9 -1 -1 Кабл - 0,96 ) 2 - 8,57 л/1 - 0,962 ^набл > ^ Статистически значим
Г Ух4 л/9 -1 -1 ^набл - 0,59 ) 2 -1,94 л/1 - 0,592 ^набл < ^ статистически незначим
Г Ух5 л/9 -1 -1 Кабл - 0,95 ; 2 - 8,6 л/1 - 0,952 ^набл > ^ статистически значим
Г Ух6 л/9 -1 -1 Кабл - 0,96 ) 2 - 8,99 л/1 - 0,962 ^набл > ^ Статистически значим
Источник: составлено авторами.
областей. Это говорит о том, что в настоящий момент времени научные и опытно-конструкторские организации работают недостаточно эффективно. При разработке программ инновационного развития необходимо иметь ввиду, что сокращение численности персонала и количества организаций, производящих новшества, даст краткосрочный экономический результат и принесет ущерб области в будущем.
3. Число выданных патентов не имеет существенной связи с результативным признаком, так как не все запатентованные технологии и изобретения используются в практической деятельности предприятий и организаций исследуемых регионов.
4. Для повышения величины инновационного потенциала Костромской и Кировской областей необходимо развивать как институты, использующие новшества в производстве, так и посреднические институты.
Библиографический список
анализ инновационного потенциала Орловской области [Текст] / Ю.В. Бухвостов, А.А. Волков // Вестник ОрелГАУ - 2012. - №>5. - С. 109-111.
2. Кировская область в 2010 году: стат. ежегодник в 3 ч. Ч. 2: Экономика. - Киров: Территориальный орган Федеральной службы государственной статистики по Кировской области, 2011. - 256 с.
3. Кировская область в 2013 году: стат. ежегодник в 3 ч. Ч. 2: Экономика. - Киров: Территориальный орган Федеральной службы государственной статистики по Кировской области, 2014. - 244 с.
4. Корнилов, Д.А. Оценка инновационного потенциала региона [Текст] / Д.А. Корнилов, О.Г. Беляев / / Труды Нижегородского государственного технического университета им. Р.Е. Алексеева. - Нижний Новгород. - 2012. - С. 254-261.
5. Костромская область. Статистический ежегодник. В двух частях. Часть 2.: Стат. сб. / Костромастат. - К., 2014. - 293 с.
6. Костромская область. Статистический ежегодник: Стат. сб. / Костромастат. - К., 2011. - 458 с.
1. Бухвостов, Ю.В. Экономико-статистический
Glukhova S., Tchernov A.
STATISTICAL ANALYSIS OF INNOVATION POTENTIAL OF THE REGION ON THE EXAMPLE OF KOSTROMA AND KIROV REGIONS
The value of the innovation capacity is a parameter allowing the region to assess the capabilities of their innovative activity and to define the strategy of innovative development. Pragmatically the mobilization of innovative potential of the region is to increase the wealth ofa particular area. This is especially importantfor regions not characterized by strong economicfundamentals. For analysis were taken Kostroma and Kirov region, in many respects, similar climatic and resource potential.
Keywords: innovation potential, statistical analysis, Kostroma region, gross regional product, the elements of innovative capacity.
УДК 159.942
Пилишина А.В., Иванов Е.А.
СОЦИАЛЬНО-ПСИХОЛОГИЧЕСКИЕ АСПЕКТЫ ЗАВИСТИ В ЗАРУБЕЖНОЙ ПСИХОЛОГИЧЕСКОЙ ЛИТЕРАТУРЕ: К ПОСТАНОВКЕ ПРОБЛЕМЫ ИССЛЕДОВАНИЯ
В статье анализируются современные зарубежные концепции зависти, которые раскрывают особенности зависти и специфику ее проявления в контексте межличностных отношений, приводятся теоретические модели зависти, представленные в зарубежной социальной психологии.
Зависть выступает одной из наиболее острых и актуальных социальных проблем современного общества, сопровождается негативными последствиями, которые оказывают разрушительное влияние, как на личность, так и на общество в целом. В учреждениях казарменного типа возможна внутренняя детерминация феномена зависти, обусловленная такими факторами, как: учебными (переходом от учебно-академической к учебно-профессиональной деятельности); социальными (спецификой внутригрупповых отношений внутри учебного коллектива); личностными (индивидуально-психологическими особенностями личности курсанта).
Отмечается, что проблема зависти носит междисциплинарный характер. В этой связи исследовательский интерес и его содержательная специфика в социальных и гуманитарных науках обусловлен, прежде всего, теоретическими трудностями рассмотрения данного феномена.
В выводах авторов отмечено, что:
Зависть, как один из фундаментальных феноменов человеческой жизни, имеет нравственное, социальное и психо-
146
© Пилишина А.В., Иванов Е.А., 2015
