CC BY
160
СТАТИСТИЧЕСКИЙ АНАЛИЗ ПАТЕНТНОЙ АКТИВНОСТИ РОССИЙСКОЙ ИННОВАЦИОННОЙ СИСТЕМЫ НА УРОВНЕ ТЕРРИТОРИАЛЬНЫХ ОБРАЗОВАНИЙ
Титов В.А., к.т.н., Российская экономическая академия им. Г.В. Плеханова
Статья содержит результаты анализа показателей патентной активности национальной инновационной системы на уровне федеральных округов. Выявлена значительная территориальная дифференциация уровня и динамики патентной активности, разработана классификация федеральных округов по показателям патентной активности.
Ключевые слова: национальная инновационная система, патентная активность, федеральный округ, территориальная дифференциация показателей.
STATISTICAL ANALYSIS TO PATENT ACTIVITY RUSSIAN INOVATION SYSTEMS AT A RATE OF TERRITORIAL FORMATION
Titov V., Ph. D, The Russian Economic Academy of the name G.V. Plekhanov
The article contains the results of the analysis of the factors to patent activity national innovation system at a rate offederal county. Will revealed significant territorial differences level and speakers to patent activity, is designed categorization federal county on factor of the patent activity.
Keywords: national innovation system, patent activity, federal county, territorial differences factors.
В работе [1] методами сравнительного статистического анализа показателей патентной активности национальных инновационных систем России и ряда развитых стран мира нами были выявлены проблемы и тенденции развития российской инновационной системы. В условиях получения субъектами Российской Федерации значительной самостоятельности в реализации хозяйственной и научно-технической политики, формирование децентрализованной национальной инновационной системы стало зависеть, прежде всего, от того, насколько эффективны регионы в строительстве своих региональных инновационных систем.
Однако следует признать, что на данный момент российские регионы не имеют развитой инновационной системы. Одна из причин - непонимание вопроса разделения функций между федеральной и региональной властями в области совместного стратегического развития региональной и национальной инновационных систем, при этом особенно сказывается недостаточность аналитической, координирующей и консалтинговых функций [2]. Другая причина - в значительной дифференциации российских регионов, которая, с одной стороны, способствует выявлению лидеров - «локомотивов» развития инновационных процессов, с другой стороны, препятствует диффузии инноваций [3].
Рассмотрим этот вопрос на примере развития патентной деятельности в федеральных округах и некоторых субъектах РФ. В табл. 1 приведена статистика по патентным заявкам на изобретения, поданным отечественными заявителями в период 2000-2007 гг., а на рис. 1 представлено распределение заявок по федеральным округам.
Из табл. 1 и рис. 1 видно, что число патентных заявок на изобретения значительно варьирует по федеральным округам: по дан-
ным 2000 г., от 9994 заявок в Центральном федеральном округе (42,6% от общего числа) до 692 заявок в Дальневосточном округе (3,0%), а по данным 2007 г. - еще больше - от 13473 заявок в ЦФО (почти половина от общего числа - 49,0%) до 518 заявок в ДФО (1,9%).
Сравнивая распределение по федеральным округам числа патентных заявок в 2002 г. и в 2007 г. (рис. 1), можно заключить, что со временем концентрация патентной активности усилилась. Это подтверждается расчетом коэффициента вариации: если, по данным 2002 г., этот показатель вариабельности составлял 91,8%, то по данным 2007 г. - 111,4%.
Существенно различается и динамика создания патентных заявок на изобретения в федеральных округах, г. Москве и г. Санкт-Петербурге: если в Центральном федеральном округе, г. Москве, г. Санкт-Петербурге, Сибирском и Приволжском федеральных округах динамика патентной деятельности положительная, то в Северо-Западном округе наблюдается стабилизация числа патентных заявок, а в Уральском, Дальневосточном и Южном федеральных округах - даже спад патентной деятельности (территориальные общности перечислены в порядке убывания показателя), хотя в целом в РФ в рассматриваемый период наблюдался рост патентной деятельности.
Наряду с объемным показателем патентной активности территориальных образований - федеральных округов, субъектов РФ, -необходимо также рассмотреть удельный показатель - число патентных заявок, поданных отечественными заявителями, в расчете на млн. населения, тем самым будет учтен масштаб территориальных образований.
Таблица 1. Патентные заявки на изобретения, поданные в России отечественными заявителями. Источник: Г41
Т ерриториальные образования Год
2000 2001 2002 2003 2004 2005 2006 2007
Всего 23377 24777 23712 24969 22985 23644 27884 27505
ЦФО 9954 9818 9875 11718 9885 10410 13983 13473
из него Москва 5576 5734 5492 6869 5640 6318 7393 8317
СЗФО 2503 2620 2248 2157 2359 2250 2423 2442
из него Санкт-Петербург 1751 1973 1690 1600 1763 1689 1794 1876
ЮФО 2046 3135 3256 2592 2284 2227 2552 2555
ПФО 4351 4577 4244 4230 4140 4436 4403 4436
УФО 1544 1587 1390 1338 1400 1434 1425 1476
СФО 2287 2520 2230 2399 2316 2367 2528 2591
ДФО 692 520 469 535 572 494 542 518
Рис. 1. Распределение числа патентных заявок, поданных отечественными заявителями, по федеральным округам: а - 2000 г.; б - 2007 г.
Соответствующие данные представлены в наглядной графической форме на рис. 2.
Из диаграмм рис. 1 следует, что г. Москва значительно превышает среднероссийский уровень как по числу патентных заявок на млн. населения (618,7 против 172,8 в РФ), так и по среднему темпу прироста показателя в период 2000-2007 гг. - 5,4% в год против 2,8% в год в РФ. На втором месте по удельному числу патентных заявок на изобретения - г. Санкт-Петербург, далее следуют Центральный и Северо-Западный федеральные округа. Это - территориальные образования, в которых уровень патентной активности в 2000-2007 гг. превосходил средний по России. В остальных федеральных округах - Приволжском, Сибирском, Уральском, Южном и Дальневосточном - уровень патентной активности в 2000-2007 гг. был ниже среднероссийского.
В отличие от странового уровня, динамика удельного числа патентных заявок на изобретения в федеральных округах характеризуется наличием значительной по величине стохастической составляющей. В качестве примера на рис. 3 приведены графики временных рядов показателя патентной активности в РФ в целом, Центральном, Северо-Западном и Южном федеральных округах. Видно, что стохастическая составляющая особенно ярко выражена для Центрального и Южного федеральных округов.
В теории временных рядов существует такая операция, как выделение случайной (стохастической) составляющей [5]. Применим эту операцию, рассчитав разность между фактическими и расчетными значениями удельного числа патентных заявок на изобретения, полученными в результате аппроксимации рассматриваемого показателя экспоненциальным трендом.
Полученные результаты представлены на рис. 4 а в виде временных рядов стохастической составляющей и на рис. 4 б в виде диаграммы «ошибок» (соответствующая графическая процедура имеется в пакете анализа данных общественных наук SPSS Base [6]).
Из диаграммы ошибок, представленной на рис. 4 б, видно, что амплитуда стохастической составляющей особенно велика для ЦФО, несколько меньше - для ЮФО. Амплитуда стохастической составляющей для СЗФО примерно такая же, как и для РФ, что объясняется практически нулевым трендом удельного числа патентных заявок на изобретения в этом федеральном округе.
Сильное влияние стохастической составляющей временных рядов удельного показателя патентной активности - числа патентных заявок на изобретения, поданных отечественными заявителями в территориальных образованиях, не позволяет, как в случае стран, «свернуть» информацию о динамике патентной активности
Рис. 2. Ранжирование федеральных округов и некоторых субъектов РФ по показателям патентной активности в 2000-2007 гг.: а -среднее число патентных заявок на млн. населения; б - средний темп прироста показателя
а
б
400
300
100
200'
/
1 с;
t ф т
к /
м 1 лн сл о
/ \ J J 05 I г *■‘"4 / \
О СО / \
а; 1 \
ГО со / N
х 1 ^ У
Ъ 100 ■ 1
у ~ X F
X
Р
1=
РФ о
с,
О
ЦФО $ 50
СЗФО
ЮФО
2000 2001 2002 2003 2004 2005 2006 2007
2000 2001 2002 2003 2004 2005 2006 2007
Год Год
Рис. 3. Динамика числа патентных заявок на млн. населения в 2000-2007 гг.: а - РФ ЦФО; б - СЗФО и ЮФО
Рис. 4. Стохастическая составляющая удельного показателя патентной активности в 2000-2007 гг. (а) и 90%-ная амплитуда стохастической составляющей (б) для РФ в целом и некоторых федеральных округов
в виде параметров соответствующих трендовых моделей. Можно, однако, рассчитать средние уровни временных рядов и средний темп роста показателя, воспользовавшись аппаратом линейной регрессии. Полученные результаты сведены в табл. 2.
Как видно из последней графы табл. 2, только четыре линейные модели из 10 оказались статистически значимыми (двусторонний уровень значимости меньше нормативного значения 0,05), но и они объясняют, в лучшем случае, только 62,5% общей дисперсии. Тем не менее, средние показатели временных рядов, приведенные в этой таблице, могут быть использованы в дальнейшем анализе. Задача при этом формулируется следующим образом: выполнить типологизацию федеральных округов по комплексу средних показателей патентной активности.
Визуально по диаграмме рассеяния средних показателей временных рядов для всех федеральных округов (рис. 5 а) можно идентифицировать Центральный федеральный округ как макрорегион с экстремально высокими значениями уровня и прироста удельного показателя патентной активности: здесь в среднем за период 20002007 гг. ежегодно отечественные заявители подавали 296,2 заявок на изобретения, а среднегодовой прирост составлял 14,6 заявок. Внутри ЦФО, в свою очередь, выделяется г. Москва с высокими показателями - средний уровень патентной активности 618,7 патентных заявок в год; среднегодовой прирост - 20,5 заявок.
Здесь необходимо заметить, что высокая корреляция средних показателей патентной активности федеральных округов по их полной совокупности (с коэффициентом корреляции Я=0,934) - это так называемая ложная или псевдокорреляция [7], обусловленная неоднородностью выборки. После исключения из полной совокупности макрорегионов Центрального федерального округа коэффициент корреляции уменьшается до статистически незначимого значения Я=0,436 (р-уровень 0,388 значительно больше нормативной величины 0,05) - рис. 5 б.
По диаграмме рассеяния средних показателей патентной активности федеральных округов после «ремонта» выборки достаточно трудно выделить типологические синдромы (терминология Г.Г Татаровой [8]), и для типологизации здесь следует применить методы объективной классификации. Нами принята следующая технология объективной классификации: вначале с помощью иерархического кластерного анализа постулируется кластерное решение, т.е. число кластеров и отнесение к ним федеральных округов, затем в целях проверки устойчивости найденного кластерного решения проводится итеративный кластерный анализ по методу к-средних, где к - число кластеров, принимаемое по результатам иерархического кластерного анализа. Такая технология объективной классификации предложена в работе [9] и неоднократно показала свою эффективность.
Таблица 2. Средние показатели временных рядов числа патентных заявок на изобретения, поданных отечественными заявителями в территориальных образованиях (МНК-оценки)
Т ерриториальные образования Код Средние показатели временных рядов Характеристики качества линейной регрессии
средний уровень, ед. на млн. чел. средний абсолютный прирост, ед. на млн. чел. в год коэффициент детерминации R2 критерий Фишера F двусторонний уровень значимости Р
Всего 1000 172,8 4,29 0,533 6,8 0,0398
ЦФО 1 296,2 14,60 0,625 10,0 0,0195
из него Москва 8 618,7 20,50 0,621 9,8 0,0202
СЗФО 2 172,0 0,27 0,004 0,0 0,8799
из него Санкт-Петербург 9 382,0 2,23 0,048 0,3 0,6031
ЮФО 3 113,1 -1,41 0,035 0,2 0,6563
ПФО 4 141,2 0,96 0,214 1,6 0,2487
УФО 5 117,6 -0,71 0,078 0,5 0,5038
СФО 6 121,0 2,19 0,512 6,3 0,0460
ДФО 7 81,8 -1,16 0,093 0,6 0,4628
Иерархический кластерный анализ проводили по рекомендуемому в экономических исследованиях методу Уорда с квадратичной евклидовой метрикой на z-преобразованных переменных [10] (z-преобразование проводится в целях выравнивания весов показателей динамики; оно сводится к центрированию показателей к значениям средних арифметических, с последующим нормированием на величины стандартного отклонения; эта процедура выполняется в пакете SPSS Base в автоматическом режиме). Метод Уорда, как правило, приводит к образованию кластеров примерно равного размера, применение же квадратичной евклидовой метрикой повышает «контрастность» дендрограммы, отражающей последовательность формирования кластеров [9].
Основной результат иерархического кластерного анализа - дендрограмма - приведен на рис. 6.
Кластерное решение, принимаемое по дендрограмме, зависит от выбора уровня сходства объектов кластеризации (в данном случае, федеральных округов) внутри кластеров и, соответственно, уровня различия кластеров друг от друга. В работе [7] рекомендуется уровень сходства не хуже 80%, которому соответствует метка
5 шкалы с максимальным значением шкалы «расстояний» 25 на рис.
6. В этом случае мы получаем три кластера, в один из которых входят три округа - Южный, Уральский и Дальневосточный, в другой
- два округа - Приволжский и Сибирский, а Северо-Западный федеральный округ образует самостоятельный кластер. Выполненный затем итеративный кластерный анализ по методу к-средних, где к=3, показал идентичные результаты, и на этом основании найденное трехкластерное решение можно считать устойчивым.
Заключительный этап типологизации - идентификацию кластеров федеральных округов - проводим по ящичковым диаграммам (диаграммам Тьюки), представленным на рис. 7.
Из этих диаграмм видно, что кластеры федеральных округов существенно различаются по уровню и приросту патентной активности. Федеральные округа кластера 2, в который входят ОЭСР Южный, Уральский и Дальневосточный ФО, характеризуются наименьшими средними значениями показателей патентной активности. Это - кластер аутсайдеров. Кластер 3, к которому отнесены Приволжский и Сибирский федеральные округа, - кластер центральной тенденции по уровню и приросту патентной активности. Кластер 1, образуемый Северо-Западным федеральным округом, характеризуется достаточно высоким значением числа патентных заявок на млн. населения, наряду с близким к нулю среднегодовым приростом этого удельного показателя.
Таким образом, поставленная задача решена: выявлена дифференциация уровня и динамики патентной активности по федераль-
а
б
СС
си
а.
О
0
& -2
СФО
□
ПФО -□
СЗФО ^ ^ □
УФО
\ о £ \ □
D ЮФО □
400
60
100
120
140
160
180
Среднее число патентных заявок на млн. чел.
Среднее число патентных заявок на млн. чел.
Рис. 5. Взаимосвязь средних показателей патентной активности федеральных округов: а - полная совокупность округов;
б - выборка округов без ЦФО. Пунктир - уровень РФ
Рис. 6. Дендрограмма кластерного анализа федеральных округов по средним показателям патентной активности (метод Уорда, квадратичная евклидова метрика на z-преобразованных переменных)
Рис. 7. Распределение кластеров федеральных округов, однородных по средним показателям патентной активности: а - расчетному уровню затрат на НИОКР в 2000 г.; б - среднегодовому темпу роста затрат. Пунктир - уровень РФ
ным округам, разработана их классификация по показателям патентной активности. Полученные результаты могут быть полезны при разработке программ развития патентной деятельности как составной части российской инновационной системы.
Литература:
1. Титов В.А. Анализ показателей национальных инновационных систем: международные сравнения // Инновации и инвестиции. 2010. В печати.
2. Тихонова С.А. Сравнительный анализ уровней использования инновационных потенциалов субъектов Российской федерации // Электронный ресурс. Режим доступа: http://www.riep.ru.
3. Николаева Л.А., Лайчук О.В. Формирование интеллектуально-информационного сектора экономики и проблемы оценки его потенциала: монография. Владивосток: Изд-во ВГУЭС, 2007.
4. Национальная инновационная система и государственная
инновационная политика Российской федерации. Базовый доклад к обзору ОЭСР национальной инновационной системы Российской Федерации. М., 2009.
5. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.
6. SPSS Base 8.0 для Windows. Руководство по применению. Перевод-Copyright 1998 СПСС Русь.
7. Доугерти К. Введение в эконометрику. М.: ИНФРА-М, 1997.
8. Татарова Г.Г. Типологический анализ в социологии. М., 1993.
9. Шуметов В.Г. Кластерный анализ в региональном управлении: учебное пособие. Орел: ОРАГС, 2001.
10. Олдендерфер М.С., Блэшфилд Р.К. Кластерный анализ // Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989.
