CC BY
42
Стимулирование инновационной деятельности предприятий в российских регионах на основе учета факторов регионального развития
Stimulation of innovative activity of the enterprises in the Russian regions based on the factors of regional development
Мариев Олег Святославович,
к.э.н., доцент, зав. кафедрой Эконометрики и статистики Высшей школы экономики и менеджмента «Уральский Федеральный Университет им. первого Президента России Б.Н.Ельцина»
E-mail: [email protected]
Набережнева Елена Павловна
к.ф.-м.н., доцент, зав. кафедрой Естественнонаучных и гуманитарных наук Уральский филиал ФГБОУ ВПО «Государственный университет морского и речного флота имени адмирала С.О. Макарова» E-mail: [email protected]
Аннотация
В статье рассмотрены региональные факторы инновационного развития и оценено их влияние на российскую экономику. Проведена классификация региональных факторов в несколько групп и протестирована значимость ряда переменных внутри каждой группы для регионального инновационного развития. Выявлен ряд факторов, оказывающих положительное влияние на объем
инновационных товаров, работ и услуг организаций в регионе, инвестиционную активность и финансовое состояние региона.
Summary
The article describes the development of innovative regional factors and to assess their impact on the Russian economy. The classification of regional factors in several groups and tested the significance of a number of variables within each group for regional innovation. A number of factors have a positive impact on the volume of innovative products and services organizations in the region, investment activity and financial condition of the region.
Ключевые слова: инновации, инновационное развитие, региональные факторы, ресурсозависимость, эконометрическое моделирование
Keywords: innovation, innovative development, regional factors, resource-dependent, econometric modeling
Введение
Актуальность темы исследования связана с тем, что инновационное развитие производительных сил в современных условиях является основным источником экономического роста, что обусловливает необходимость совершенствования подходов к моделированию и анализу факторов, обусловливающих данное развитие. Выбор наиболее существенных факторов является непростой задачей. В реальной действительности эти факторы переплетены и взаимосвязаны, и для оценки их влияния на инновационное развитие производительных сил необходимо решать проблемы их агрегирования и группировки.
Результаты существующих эмпирических исследований факторов инновационной деятельности, отраженные в экономической литературе, нередко противоречат друг другу. Одной из причин тому может служить в известном смысле «интуитивный» (произвольный) выбор факторов, включаемых в эмпирическую модель исследования. В рамках проведенного исследования мы
2
используем современные методы составления и тестирования эконометриче-ских моделей, позволяющие получать более обоснованные результаты.
Можно согласиться с мнением ряда исследователей, что применительно к современным российским условиям основной фактор экономического роста -региональный [12], что обусловливает целесообразность использования для оценки факторов инновационного развития производительных сил показателей, агрегированных на региональном уровне.
В экономической литературе в качестве инновационных свойств производительных сил, от которых зависит объем и динамика производства инновационной продукции, выделяются инновационная способность и инновационная восприимчивость. От уровня инновационной восприимчивости производительных сил, которая выражается в возможности большего вовлечения в производство новых ресурсов, зависит скорость и масштаб распространения инноваций. Инновационная способность зависит от того, насколько полно работники способны использовать возможности новых средств производства, модернизировать, совершенствовать и обновлять производство. Таким образом, главным элементом инновационного развития производительных сил является совокупный работник с его знаниями и опытом [1].
Моделирование факторов стимулирования инновационного развития
производительных сил
В качестве информационной основы исследования влияния региональных факторов на инновационное развитие производительных сил нами были использованы показатели Федеральной Службы Государственной Статистики по 75 регионам за 2000-2007 гг., опубликованные в официальных изданиях [5], а также содержащиеся в базах данных Росстата. Для выявления основных факторов и оценки их влияния на инновационное развитие производительных сил нами выдвинут ряд гипотез, согласно которым показатели, характери-
зующие инновационное развитие производительных сил, были разделены на следующие группы:
1. Уровень конкуренции на региональном рынке инновационной продукции.
Согласно последним исследованиям, конкуренция, являясь одним из главных факторов восприимчивости предприятий к инновациям, способствует внедрению современных технологий и освоению новых видов продукции и услуг в соответствии с потребностями рынка, а научно-техническое превосходство новой продукции становится основной формой конкуренции в инновационной сфере [4].
Ряд авторов указывает на «перевернутую» зависимость инновационной зависимости уровня инновационной активности предприятий от уровня конкуренции [8], которая заключается в том, что «умеренная» конкуренция способствует ускорению процесса внедрения инноваций, однако с усилением конкурентной борьбы ресурсы предприятий истощаются, а инновационный процесс замедляется или прекращается вовсе [6]. Известны результаты эмпирических исследований на базе российских данных, подтверждающих данную гипотезу [21].
2. Развитие малого предпринимательства.
Вопрос о роли малого предпринимательства в увеличении объема выпуска инновационной продукции в регионе также является предметом дискуссии в экономической литературе. Размер фирмы влияет на ее способность концентрировать финансовые и человеческие ресурсы для проведения НИОКР и осуществления инноваций. С одной стороны, чем крупнее фирма, тем у нее больше возможностей для перераспределения производственных ресурсов в инновационную сферу, а, следовательно, увеличения объема инновационной продукции [6]. С другой стороны, малые предприятия с большей готовностью идут на риск и быстрее перестраиваются к изменениям предпочтений потребителей [22]. Малые предприятия обеспечивают организационную и экономическую гибкость всего производственного комплекса региона, что обеспе-
4
чивает более высокую инновационную активность малых наукоемких предприятий по сравнению с крупными корпорациями [9, с. 51-52].
3. Инвестиционная активность в регионе.
Инвестиционная составляющая играет важную роль в инновационных процессах, и инновационное развитие производительных сил во многом определяется инвестиционной активностью в регионе. Для оценки этого влияния необходимо учитывать не только объем инвестиций, но также их структуру по формам собственности, источникам финансирования и видам экономической деятельности. Каждая из составляющих инвестиционных ресурсов играет определенную роль в инновационном развитии производительных сил, и только взаимодействие в сфере финансирования НИОКР государства, корпоративного сектора и научного сообщества призвано обеспечить прирост объема производства инновационной продукции. При этом государство играет организующую и регулирующую роль в финансировании инновационной деятельности [10].
Прямые иностранные инвестиции являются не только источником, но и одним из каналов трансфера технологий, наряду с покупкой лицензий, внешней торговлей, сотрудничеством с зарубежными специалистами. Поэтому прямые иностранные инвестиции должны быть объектом тщательно продуманного регулирования со стороны государства, лишь в этом случае они становятся источником инновационного развития [8].
4. Финансовое состояние предприятий региона.
Финансовое положение и финансовая устойчивость предприятий и организаций, функционирующих на территории региона, определяют размеры и стабильность финансовых ресурсов для осуществления инноваций. Рядом авторов финансовые трудности предприятий рассматриваются в качестве дополнительного стимула для внедрения инноваций [18], поскольку это позволит им в ближайшей перспективе добиться конкурентных преимуществ, увеличить объем выпуска инновационной продукции и повысить свою платежеспособность. Однако чем лучше финансовые показатели деятельности пред-
5
приятий, тем выше возможности для привлечения собственных средств в инвестирование инноваций. От финансовой устойчивости деятельности предприятий зависят возможность и масштабы привлечения заемных средств в инвестирование инноваций и увеличение объема инновационного выпуска в регионе.
5. Уровень развития инфраструктуры.
Инфраструктура региона играет важную роль в инновационном развитии производительных сил, поскольку от уровня ее развития зависит размер тран-сакционных издержек и рыночная эффективность производства инновационной продукции. Для характеристики «инфраструктурного» фактора обычно используют показатели развития транспортной, телекоммуникационной, а также финансовой инфраструктуры [16], которые мы тестируем в данном исследовании.
6. Условия для генерации, восприятия и адаптации новых знаний.
В данном исследовании мы тестировали ряд индикаторов, характеризующих способность предприятий и организаций регионов создавать, воспринимать и адаптировать новые знания и технологии для производства инновационной продукции. Как отмечается в экономической литературе, восприимчивость предприятий к новым знаниям и готовность к их использованию для производства инновационного продукта зависит от уровня образования населения и уровня торговой активности региона [14].
7. Форма собственности на средства производства.
Форма собственности на средства производства определяет характер экономических интересов хозяйствующих субъектов, а, следовательно, и стимулы для развития эффективного инновационного бизнеса. В экономической литературе в качестве наиболее эффективного собственника инновационных предприятий рассматривается местный частный капитал [19]. В данном исследовании исследуется взаимосвязь между долей приватизированных государственных и муниципальных организаций и объемом выпуска инновационной продукции в регионе.
8. Уровень инновационной активности в соседних регионах.
Для характеристики уровня инновационной активности в соседних регионах мы использовали средние арифметические значения показателей инновационной активности предприятий в регионах, непосредственно граничащих с каждым из исследуемых регионов, хотя в экономической литературе предлагаются также и другие способы оценки факторов данной группы (например, посредством «матриц смежности» или «функций длины распада» [20]).
Способность экономики каждого региона к восприятию и адаптации новых знаний, а также уровень инновационной активности в соседних по отношению к нему регионов, определяют возможность и масштабы диффузии знаний и технологий. Роль последней в инновационном развитии производительных сил исключительна важна, особенно для России, экономика которой характеризуется технологическим отставанием от экономически развитых стран в целом ряде отраслей.
9. Индикаторы социально-экономических условий для инновационной деятельности в регионе («контрольные переменные»).
В рамках данной группы мы тестировали ряд переменных, оказывающих влияние на инновационное развитие производительных сил, характеризующие «внешние эффекты» или условия социально-экономической среды в регионе. В частности, нами рассматривались такие показатели, как уровень ВРП на душу населения, доходы консолидированных бюджетов субъекта РФ, объем накопленного основного капитала, уровень безработицы, уровень преступности и другие индикаторы.
Полный перечень тестируемых переменных приведен в таблице 1.
Таблица 1
Список тестируемых переменных
Группы факторов Показатели
1 2
Уровень конкуренции на рынке инновационной продукции Доля организаций, осуществляющих инновационную деятельность в общем числе организаций.
Логарифм внутренних затрат на исследования и разработки (в то числе, по видам затрат).
Доля организаций, выполнявших научные исследования и разработки в общем числе организаций.
Логарифм количества поданных заявок на выдачу патентов на изобретения.
Логарифм количества выданных патентов на изобретения.
Логарифм числа используемых передовых производственных технологий.
Развитие малого предпринимательства Доля малых предприятий в регионе.
Доля выпуска малых предприятий в валовом региональном продукте (ВРП).
Инвестиционная активность Логарифм объема инвестиций в основной капитал организаций.
Доли инвестиций в основной капитал организаций по различным видам деятельности.
Доли инвестиций в основной капитал организаций по формам собственности (государственная, муниципальная, частная смешанная).
Логарифм объема прямых зарубежных инвестиций.
Логарифм объема портфельных зарубежных инвестиций.
Логарифм объема прочих зарубежных инвестиций.
Доли инвестиций в основной капитал организаций по источникам финансирования (собственные и привлеченные средства, включая кредиты банков и средства бюджетов).
Финансовое состояние предприятий Логарифм сальдированного финансового результата деятельности организаций
Доля прибыли организаций в ВРП
Логарифм задолженности организаций по кредитам (в рублях).
Логарифм задолженности организаций по кредитам (в иностранной валюте).
Развитие инфраструктуры Логарифм густоты железнодорожных путей общего пользования (км путей на 10000 кв. км территории).
Логарифм густоты автомобильных дорог путей общего пользования с твердым покрытием (км дорог на 1000 кв. км территории).
Логарифм объема отправления грузов железнодорожным транспортом общего пользования (млн т).
Логарифм объема перевозки грузов автомобильным транспортом общего пользования (млн т).
Логарифм доходов от услуг связи населению в расчете на одного жителя.
Логарифм числа телефонных аппаратов сети общего пользования на 1000 человек населения.
Доля абонентов сотовой связи в общей численности населения региона.
Доля кредитных организаций в общем числе организаций в регионе.
Доля филиалов кредитных организаций в общем числе организаций в регионе.
Форма собственности Доля приватизированных государственных и муниципальных организаций в общем числе организаций в регионе.
Условия для генерации, восприятия и адаптации новых знаний и технологий Доля выпускников государственных и муниципальных вузов в общей численности населения региона. Доля выпускников негосударственных вузов в общей численности населения региона. Доля выпускников государственных и муниципальных средних специальных учебных заведений в общей численности населения региона.
Продолжение таблицы 1
1 2
Условия для генерации, восприятия и адаптации новых знаний и технологий Доля выпускников негосударственных средних специальных учебных заведений в общей численности населения региона.
Доля выпускников государственных и муниципальных вузов в общем выпуске специалистов вузами.
Доля выпускников государственных и муниципальных средних специальных учебных заведений в общем выпуске специалистов средними специальными учебными заведениями.
Логарифм численности сотрудников организаций, занятых исследованиями и разработками.
Логарифм приема и выпуска из аспирантуры в регионе.
Логарифм приема и выпуска из докторантуры в регионе.
Доля экспорта в страны дальнего зарубежья в ВРП.
Доля импорта из стран дальнего зарубежья в ВРП.
Доля экспорта в страны СНГ в ВРП.
Доля импорта из стран СНГ в ВРП.
Логарифм числа соглашений на экспорт технологий и услуг технического характера (млн руб.).
Логарифм стоимости предмета соглашений на экспорт технологий и услуг (млн руб.).
Логарифм поступления средств от экспорта технологий и услуг (млн руб.).
Логарифм числа соглашений на импорт технологий и услуг (млн руб.).
Логарифм стоимости предмета соглашений на импорт технологий и услуг (млн руб.).
Логарифм поступления средств от импорта технологий и услуг (млн руб.).
Инновационная активность в соседних регионах Логарифм объема инновационной продукции в соседних регионах.
Логарифм внутренних затрат на исследования и разработки в соседних регионах.
Доля организаций, выполнявших научные исследования и разработки в общем числе организаций в соседних регионах.
Логарифм количества выданных патентов на изобретения в соседних регионах.
Логарифм числа используемых передовых производственных технологий в соседних регионах.
Доля выпускников государственных и муниципальных вузов в общей численности населения в соседних регионах.
Логарифм численности сотрудников организаций, занятых исследованиями и разработками организаций в соседних регионах.
Индикаторы социально-экономической среды в регионе («контрольные переменные») Логарифм ВРП.
Логарифм ВРП на душу населения.
Логарифм валового накопления основного капитала.
Логарифм доходов консолидированного бюджета субъекта РФ.
Доля численности занятого населения в общей численности населения региона.
Доля городского населения в общей численности населения региона.
Доля безработных в общей численности экономически активного населения.
Логарифм потребности в работниках, заявленной в органы государственной службы занятости.
Логарифм числа зарегистрированных преступлений на 100000 чел. населения.
Несмотря на существование множества подходов, опирающихся на те или иные факторы инновационного развития, вряд ли можно говорить о существовании единой модели, включающей в себя весь комплекс факторов и основные инструменты стимулирования инновационного развития. Однако в научной литературе можно встретить ряд неотъемлемых характеристик по-
добной модели. В частности, данная модель должна быть нелинейной; объясняющие и объясняемая переменные должны быть «измеримы»; в модели должны учитываться «внешние эффекты», о которых говорилось выше; кроме того, модель должна учитывать неоднородность исследуемых регионов [3].
Для разработки модели мы использовали модифицированную «функцию генерирования знаний» типа Кобба-Дугласа [17] и трансформировали ее в логарифмическую форму, замещая некоторые переменные регрессорами из рассмотренных выше гипотез:
1п Yl = а + Д 1п РМСг + Д21п SMEl + Д31п FOi + /341п ЕРг + (1) + Д51п 1п/га{ + Д61п EFi + Д 1п SAbsi + Д81п SNi + Д91п СУ1 + и1,
где:
Yi - объем инновационной продукции региона I;
а - константа;
РМСг - показатели уровня конкуренции на рынке инновационной продукции в регионе I;
SMEi - показатели развития малого предпринимательства в регионе I;
¥Ог - переменные инвестиционной активности в регионе I;
ЕРг - показатели финансового состояния организаций в регионе I;
1п/гаг - показатели уровня развития инфраструктуры в регионе I;
ЕГг - показатели формы собственности в регионе I;
SAbsi - показатели, характеризующие способность региона I к восприятию и адаптации новых знаний и технологий;
SNi - показатели уровня инновационной активности в соседних регионах;
С¥г - «контрольные» переменные.
Поскольку модель (1) является логарифмической, коэффициенты регрессии представляют собой эластичности - процентное изменение Yi в ответ на
процентное изменение в соответствующей переменной. Так как подобное преобразование применимо только к положительным данным, часть переменных выражена в процентных отношениях (долях) или в виде средних величин.
Для получения неискаженных эмпирических оценок эффективности интересующих нас факторов и преодоления проблемы «эндогенности регрессо-ров» мы применили метод инструментальных переменных в контексте динамической спецификации модели. Кроме того, протестировав имеющиеся данные с помощью теста Хаусмана, мы нашли эмпирическое подтверждение значимости «фиксированных эффектов» на уровне регионов. В результате, эмпирическому тестированию подвергалась следующая обобщенная форма представленной выше модели:
Уи = fyi t-1 + Xit р + Z мМ + vit. (2)
где i - номер региона; t - период времени;
Z^ - матрица региональных дамми-переменных; - фиксированные эффекты;
X - матрица размером kxN для k переменных и их значений для N регионов;
в - вектор коэффициентов размером kxl;
v - вектор остатков размером Nх 1.
Для тестирования модели (2) использовался метод оценки инструментальными переменными, взятыми с лагом, по отношению к самому периоду эмпирической оценки t («системный обобщенный метод моментов», «system GMM» [15]). Данный подход наиболее предпочтителен для панельных данных с небольшим периодом наблюдений (в нашем случае - восемь лет) и широко применяется в исследованиях. Более детальное описание этого метода можно найти в научной литературе [24].
В данном исследовании параллельно рассматривались два возможных сценария применения «системного обобщенного метода моментов»: в первом
случае регрессоры рассматривались как эндогенные (подверженные влиянию инновационной активности предприятий непосредственно в период осуществления инноваций); во втором случае, делалось допущение о том, что регрессоры предопределены (подвержены влиянию с лагом в 1 период). В зависимости от этого, нами использовано различное количество инструментальных переменных. Проверка правильности использования того или иного числа инструментальных переменных осуществлялась с помощью теста Саржана (Sargan test).
Перед непосредственным тестированием модели (2) требовалось определить, какие переменные должны быть включены в регрессионное уравнение. Процесс определения этих переменных имеет ключевое значение для результатов эмпирического анализа: включение слишком большого количества рег-рессоров приводит к нестабильности результатов эмпирической оценки модели, а исключение важных переменных может привести к «смещенным», искаженным оценкам.
Рассмотрим проблему оптимизации структуры регрессионной модели в общем случае:
У; = а + Pxtopt + u, (3)
где u - вектор остатков, а xt=(x1>t, ..., xk,t) - это вектор k-переменных с xtopt в качестве оптимальной структуры модели, которую мы стремимся определить. Мы можем получить xtopt как произведение матрицы Х из уравнения (2) и вектора ш, составленного из единиц и нулей, указывая, соответственно, какие из переменных включены в модель, а какие нет.
За последнее десятилетие в научной литературе предложен ряд стратегий по формированию оптимальных регрессионных моделей на основе больших баз данных. Среди них методы определения модели «от общего к частному» (general-to-specific) и альтернативный ему метод, идущий «снизу вверх» (bottom-up) [23]. Если говорить кратко, оба метода основаны на критериях R и t-статистики с пошаговой процедурой регрессии. Тем не менее, применение
этих методов не приводит к единой регрессионной модели, а значит, не может считаться надежным методом определения модели. Еще одним методом одновременного определения и оценки регрессионной модели является метод «Лассо» (Lasso), активно применяемый на сегодняшний день в научных исследованиях, однако дающий асимптотическое искажение получаемой оценки [26]. Следует также сказать о возможности использования информационного критерия (IC) для отбора модели согласно ее объясняющей способности и дополнительному «штрафу» за количество включенных в нее регрессоров [25].
В данном исследовании мы использовали информационные критерии Ба-эза (BIC) и Хэннан-Куинна (HQIC), имеющих схожую структуру:
IC = ln(v2) + f ( h, n ), (4)
2 " " где v - оценка остаточной суммы квадратов, а второе слагаемое в правой
части уравнения - «штраф» за количество включенных переменных (h). Данный «штраф» зависит от количества наблюдений (n), которое в нашем случае составляет 600 - число регионов (75), умноженное на число лет (8).
Качество эмпирической оценки модели, представленной в уравнениях (12), критически зависит от определения общего минимума целевой функции (4). Известно, что близкие по значению информационные критерии могут приводить к абсолютно противоположным моделям и выводам. Минимизировать функцию (4) относительно сложно, поскольку область поиска модели дискретна, и классические градиентные методы в данном случае не применимы. Полный перебор всех возможных решений невозможен для нашей модели даже с использованием современных компьютеров по причине большого количества потенциальных регрессоров.
Результаты эмпирического исследования значимости факторов инновационного развития производительных сил представлены в таблице 2 по двум сценариям использования инструментальных переменных. Тот факт, что полученные результаты весьма схожи, свидетельствует о стабильности полученных оценок. Три из девяти гипотез - о значимом влиянии развития малого
предпринимательства (размера предприятий), формы собственности предприятий и «контрольных» переменных на выпуск инновационной продукции региона - не нашли эмпирического подтверждения в рамках данного исследования.
Таблица 2
Результаты эконометрического моделирования региональных
факторов инновационного развития производительных сил
Сценарии Эндогенные Предопределенные
регрессоры регрессоры
Критерии BIC HQIC BIC HQIC
Выпуск инновационной продукции в предшествующий период ^-1) 0 29*** 0 24*** 0.25*** 0 17***
Логарифм количества выданных патентов 0.26** 0.24** 0.22* 0.18*
Логарифм количества используемых пе-
редовых производственных технологий 0.29** 0.23** 0.25*** 0.33**
Показатели развития малого предпринима-
тельства
Логарифм инвестиций в основной капитал организаций - - 0 49*** 0.50*
Доля частных инвестиций в основной капи- 0.01* 0.01*
тал организаций
Доля инвестиций в здравоохранение Логарифм объема прямых зарубежных - - - 0 04***
инвестиций - 0.05** - 0.05**
Доля прибыли предприятий и организаций в ВРП 0.03*** 0.03*** 0.02*** 0.01*
Логарифм задолженности организаций по 0.01
кредитам (в рублях)
Логарифм густоты железнодорожных путей 0.17** 0.15***
общего пользования
Логарифм объема перевозки грузов авто- 0.15***
транспортом общего назначения
Доля выпускников государственных средних специальных учебных заведений - 0 . 07** -0.05** -0.05*** -0.04*
Логарифм объема выпуска инновационной продукции в соседних регионах 0.31*** 0 29*** 0.25*** 0.24***
Логарифм количества выданных патентов в соседних регионах -0.36*** -0.33*** -0.31* -0.31*
Форма собственности предприятий - - - -
«Контрольные» переменные - - - -
R2-скорректированный 87% 88% 87% 88%
Примечание: ****** - регрессоры статистически значимы, соответственно на уровне 1; 5 и 10 %.
Согласно результатам, представленным в таблице 2, количество выданных патентов и количество используемых передовых производственных технологий оказывает положительное влияние на объем инновационных товаров,
14
работ и услуг организаций в регионе. На основании данного результата можно судить о диффузии знаний внутри региона: новые патенты и технологии, являясь инструментами передачи знаний, способствуют инновационному развитию производительных сил региона. Кроме того, полученный вывод о положительном влиянии количества патентов и технологий свидетельствует о возможности использования данных индикаторов для оценки потенциала инновационного развития производительных сил региона.
Как видно из таблицы 2, положительное влияние инновационного выпуска в соседних регионах соседствует с негативным эффектом от количества выданных в них патентов. Первый из указанных эффектов объясняется тем, что товары и услуги, импортируемые из соседних регионов, являются новых знаний предприятиям данного региона.
Вывод о негативном влиянии на выпуск инновационной продукции в регионе количества выданных патентов в соседних регионах является достаточно неожиданным результатом, хотя он статистически значим и включен в итоговые спецификации моделей в соответствии с обоими информационными критериями, что подчеркивает его важность для проведенного исследования. Примеры проведенных эмпирических исследований в США и Западной Европе указывают на то, что патенты являются средством передачи знаний [13], а значит должен иметь место положительный эффект их влияния на выпуск инновационного продукта.
Одним из объяснений данного вывода может служить наличие административных барьеров, неготовность местных властей способствовать продвижению новых технологий на региональный рынок [2, с. 253]. Другим объяснением может служить тот факт, что определенная часть инновационных предприятий в России сконцентрирована в ряде особых экономических зон (ОЭЗ), где они пользуются определенными налоговыми и другими льготами. Нередко регионы с ОЭЗ на их территории, вместо того чтобы служить источником новых знаний для других регионов, «поглощают» инновационные предприятия соседних регионов.
При тестировании гипотезы о влиянии инвестиционного фактора на выпуск инновационной продукции в регионе положительный эффект был обнаружен для прямых зарубежных инвестиций. Тем не менее, нельзя не отметить, что уровень данного влияния очень мал. Это может объясняться рядом причин, в частности тем, что новые продукты и технологии, получаемые за счет прямых зарубежных инвестиций, не являются принципиально новыми, а представляют собой имитации уже используемых технологий за рубежом, а также недостаточностью объема самих прямых зарубежных инвестиций. В то же время, полученный результат о влиянии прямых зарубежных инвестиций на выпуск инновационной продукции в регионе свидетельствует о том, что их стимулирование может стать важным приоритетом российской программы по стимулированию инновационной деятельности.
Можно также выделить в числе регрессоров по данной группе показатель доли частных инвестиций в основной капитал, хотя его влияние на выпуск инновационной продукции оказалось крайне низким. Данный результат косвенно свидетельствует о том, что форма собственности потенциально оказывает влияние на инновационное развитие производительных сил, а местный частный капитал можно рассматривать в качестве эффективного собственника инновационных предприятий в перспективе.
В качестве значимого регрессора по группе показателей финансового положения предприятий и организаций региона была определена доля их прибыли в ВРП. Однако, как видно из таблицы 2, величина данного эффекта крайне мала. По одному из сценариев также определено незначительное влияние на выпуск инновационной продукции задолженности предприятий и организаций по банковским кредитам (в рублях). Однако данное влияние, хотя оно со знаком «плюс», нельзя назвать позитивным моментом, такт в данном случае оно может быть следствием невозврата кредитов. Для снижения рисков данного невозврата необходима продуманная кредитная и налоговая политика, направленная на снижение стоимости кредитов и стимулирование доходности предприятий.
В группе показателей, характеризующих региональные условия для генерации, восприимчивости и использования новых знаний в производстве инновационной продукции, статистически значимым (но с отрицательным влиянием) определен показатель доли выпускников государственных и муниципальных средних специальных учебных заведений. Неожиданность такого результата состоит в том, что работники - активный элемент производительных сил, а уровень образования и профессиональной подготовки кадров, способных осуществлять НИОКР, осваивать и внедрять новые технологии для производства инновационной продукции, является необходимым условием инновационного развития производительных сил. Одна из возможных причин данного негативного результата, возможно, заключается в «смещении отбора», когда лучшие абитуриенты стремятся в более престижные по своему статусу высшие учебные заведения, преимущественно в столичных городах, а в средние специальные учебные заведения, соответственно, поступают менее активные и мотивированные абитуриенты. Другая причина может заключаться в несоответствии объема и структуры подготовки специалистов средними специальными учебными заведениями потребностям предприятий и организаций региона, осуществляющих выпуск инновационных товаров или услуг.
При формировании направлений государственной поддержки и стимулирования подготовки кадров в соответствии с потребностями инновационного развития производства может быть полезным использование зарубежного опыта. Например, в Германии осуществляется государственная поддержка и стимулирование развития региональной сети образовательных инновационных институтов, ведущих обучение и профессиональную подготовку кадров в соответствии с идеей «долговременного обучения», поддержка таких учебных программ в учебных заведениях, которые направлены на формирование у будущих выпускников навыков, необходимых для освоения современных технологий [12]. В более широком плане решение проблемы повышения уровня и престижности профессионального образования в России невозможно без повышения инновационной культуры населения в целом.
Показатели уровня развития инфраструктуры в регионе не оказались значимыми в рамках обоих сценариев оценивания. Так, в зависимости от конкретных допущений (в рамках одного из использованных сценариев), можно судить о положительном влиянии на выпуск инновационной продукции в регионе уровня развития транспортной инфраструктуры (по показателям густоты железнодорожных путей общего пользования и объема перевозки грузов автомобильным транспортом) и косвенно - уровня развития социальной сферы (по доле инвестиций в основной капитал в здравоохранение). Получение более конкретных выводов о влиянии развития инфраструктуры на объем выпуска инновационной продукции в регионе в рамках данной модели не представляется возможным.
Отсутствие среди наиболее значимых регрессоров показателей развития малого предпринимательства в регионе можно объяснить тем, что малые предприятия с большой осторожностью относятся к инновационному бизнесу из-за высокой степени риска. Для наиболее полной реализации инновационного потенциала малых предприятий необходима государственная поддержка развития малого наукоемкого бизнеса, а также создание условий для частного инвестирования инновационных проектов [9, с. 52]
Заключение
Полученный результат свидетельствует о том, что использование знаний и технологий в России нередко замыкается в рамках отдельных регионов, что обусловливает целесообразность создания в рамках российских венчурных фондов и других организаций, призванных стимулировать инновационную активность, механизмов, способствующих диффузии знаний и технологий. Следует отметить, что при получении данного результата использовалась «географическая» концепция определения «соседства регионов», в соответствии с которой для каждого из исследуемых регионов «соседние» регионы отбирались по признаку географической близости. Однако тестирование данной
гипотезы на основе «экономической» концепции, когда для определения «со-
18
седства регионов» используются экономические критерии, несомненно, может представлять интерес с точки зрения оценки эффекта от диффузии знаний и технологий.
Результаты эконометрического анализа региональных факторов инновационного развития производительных сил региона могут быть использованы при разработке направлений региональной инновационной политики и государственного регулирования инновационной деятельности, а также при обосновании стратегий развития российского инновационного бизнеса.
Библиографический список
1. Инновационная экономика. Информационная технология САПФИР (Раздел 2.1. Фазовый анализ производительных сил) [Электронный ресурс]. Режим доступа: http://mmop.vstu.ra/Khosenkov/?page_id=19.
2. Котлярова С.Н. Инновационные барьеры и перспективы развития отраслевых рынков на примере строительной отрасли // Экономика региона. 2010. № 3. С. 250-254.
3. Мариев О.С., Решетова Я.М., Савин И.В. Моделирование региональных факторов развития инновационного потенциала России. Екатеринбург: Институт экономики УрО РАН, 2007. 64 С.
4. Огородникова Ю.Г. Конкурентные отношения в инновационной деятельности// Вестник ТИСБИ. 2000. Выпуск № 2. [Электронный ресурс]. Режим доступа: http://www.tisbi.org/science/vestnik/2000/issue2/11.html.
5. Регионы России. Социально-экономические показатели. 2008: Стат. сб. / Росстат. - М., 2008. - 999 с.
6. Сидоренко В.Г. Факторы развития инновационной активности предприятий [Электронный ресурс]. Режим доступа: http://oad.rags.ru/vestnikrags/issues/issue0307/030715.htm.
7. Симачев Ю.В. Направления и факторы реформирования промышленных предприятий //Экономический журнал ВШЭ. 2001. № 3. С.328-347.
8. Создавать технологии или заимствовать их? Наука и технологии России [Электронный ресурс]. Режим доступа: http://www.strf.ru/materiaLaspx?CatalogId=223&d_no=15442.
9. Суховей А.Ф., Голова И.М. Инновационные возможности саморазвития региона. - Екатеринбург: Институт экономики УрО РАН, 2010. - 200 С.
10. Тюрина А.В. Инновационное финансирование как фактор социально-экономического развития стран//Финансовый менеджмент. 2004. № 3 [Электронный ресурс]. Режим доступа: http://www.finman.ru/articles/2004/3/2299.html.
11. Фадеева В. Национальная инновационная система Германии [Электронный ресурс]. Режим доступа: http://www.povestka.ru/nnovation/n14.htm.
12. Экономический рост России - факторы экономического роста: Мировой кризис. Аналитический портал [Электронный ресурс]. Режим доступа: http ://www.crizis. org/ growup/.
13. Bacchiocchi, E. and F. Montobbio (2009). Knowledge diffusion from university and public research. a comparison between US, Japan and Europe using patent citations. Journal of Technology Transfer 34(2), 169-181.
14. Bilbao-Osorio, B. and A. Rodriguez-Pose (2004). From R&D to innovation and economic growth in the EU. Growth and Change 35(4), 434-455.
15. Blundell R., Bond S. Initial conditions and moment restrictions in dynamic panel data models // Journal of Econometrics. 1998. № 87(1), p. 115-143.
16. Cainelli G., Evangelista R., Savona M. Innovation and economic performance in services: a firm-level analysis // Cambridge Journal of Economics. 2006. № 30(3), p. 435-458.
17. Crescenzi R., Rodriguez-Posa A., Storper M. The territorial dynamics of innovation: a Europe-United States comparative analysis // Journal of Economic Geography. 2007. № 7(6), p. 673-709.
18. Funk M. Business cycles and research investment // Applied Economics. 2006. № 38, p. 1775-1782.
19. Jefferson, G., A. G. Z. Hu, X. Guan and X. Yu (2003). Ownership, performance, and innovation in China's large- and medium-size industrial enterprise sector. China Economic Review 14(1), 89-113.
20. Klotz S. Econometric models with spatial autocorrelation - an introductory survey // Jahrbücher f. Nationalökonomie u. Statistik. 1997. 218(1+2), p. 168-196.
21. Kozlov K., Yudaeva K. Imitations and innovations in a transition economy. Technical report. BOFIT. 2004. [Электронный ресурс]. URL: http://www.bof.fi/bofit/seminar/bofcef05/innovations.pdf
22. Merivate E. J., Pernias J. C. Innovation complementarity and scale of production // Journal of Industrial Economics. 2006. № 54(1), p. 1-29.
23. Perez-Amaral T., Gallo G.M., White H. A flexible tool for model building: The relevant transformation of the inputs network approach (RETINA). Oxford Bulletin of Economics and Statistics. 2003. № 65(1), p. 821-838.
24. Savin I., Winker P. Heuristic optimization methods for dynamic panel data model selection. Application on the Russian innovative performance// Technical Report 27. COMISEF, 2010. (Working Papers Series).
25. Sin C.-Y., White H. Information criteria for selecting possibly mis-specified parametric models // Journal of Econometrics. 1996. № 71(1-2), p. 207225.
26. Tibshirani R. Regression shrinkage and selection via the lasso // Journal of the Royal Statistical Society. 1996. № 58(1), p. 267-288.
