Научная статья на тему 'ВОЗДЕЙСТВИЕ ИННОВАЦИОННОЙ АКТИВНОСТИ НА РЕГИОНАЛЬНЫЙ УРОВЕНЬ КОНКУРЕНТОСПОСОБНОСТИ ОРГАНИЗАЦИЙ'

ВОЗДЕЙСТВИЕ ИННОВАЦИОННОЙ АКТИВНОСТИ НА РЕГИОНАЛЬНЫЙ УРОВЕНЬ КОНКУРЕНТОСПОСОБНОСТИ ОРГАНИЗАЦИЙ Текст научной статьи по специальности «Экономика и бизнес»

CC BY
42
17
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
УРОВЕНЬ ИННОВАЦИОННОЙ АКТИВНОСТИ / ДОЛЯ ПЛАНИРУЮЩИХ ИННОВАЦИИ / КОНКУРЕНТОСПОСОБНОСТЬ РЕГИОНА / ПРОСТРАНСТВЕННАЯ РЕГРЕССИЯ / МОДЕЛЬ ДАРБИНА

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Полянская Евгения Сергеевна

Данная статья посвящена анализу факторов, влияющих на уровень региональной конкурентоспособности. Предполагается, что существует значимая и положительная связь межу уровнем инновационной активности организаций регионов и региональным уровнем конкурентоспособности. В рамках исследования анализируются данные за 2018-2020 гг. представленные НИУ ВШЭ в рамках сборника «Индикаторы инновационной деятельности» и данные Консорциума Леонтьевского центра в рамках исследования «Конкурентоспособности регионов». Выборка исследования представляет собой пространственную панель по 85 регионам за три года, формируя 255 наблюдений. Используются методы корреляционно-регрессионного анализа в лице моделирования пространственной регрессионной модель Дарбина. В результате, в рамках исследования была подтверждена гипотеза о том, что существует положительная пространственная взаимосвязь между уровнем инновационной активности организаций и уровнем конкурентоспособности региона. Другими словами, чем выше уровень инновационной активности региональных компаний, тем выше конкурентоспособность региональной экономики. При этом регионы территориально положительно коррелируют друг с другом по показателю уровня инновационной активности, предполагается, что это происходит из-за совместных проектов по выполнению исследований и разработок.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по экономике и бизнесу , автор научной работы — Полянская Евгения Сергеевна

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

THE IMPACT OF INNOVATION ACTIVITY ON THE REGIONAL LEVEL OF COMPETITIVENESS OF ORGANIZATIONS

This article is devoted to the analysis of factors affecting the level of regional competitiveness. It is assumed that there is a significant and positive relationship between the level of innovation activity of regional organizations and the regional level of competitiveness. The research analyzes data for 2018-2020 presented by the HSE in the framework of the collection “Indicators of Innovation activity” and data from the Consortium of the Leontief Center in the framework of the study “Competitiveness of regions”. The study sample is a spatial panel for 85 regions over three years, forming 255 observations. The methods of correlation and regression analysis are used in the face of modeling the spatial regression model of Darbin. As a result, the study confirmed the hypothesis that there is a positive spatial relationship between the level of innovation activity of organizations and the level of competitiveness of the region. In other words, the higher the level of innovation activity of regional companies, the higher the competitiveness of the regional economy. At the same time, the regions are geographically positively correlated with each other in terms of the level of innovation activity, it is assumed that this is due to joint research and development projects.

Текст научной работы на тему «ВОЗДЕЙСТВИЕ ИННОВАЦИОННОЙ АКТИВНОСТИ НА РЕГИОНАЛЬНЫЙ УРОВЕНЬ КОНКУРЕНТОСПОСОБНОСТИ ОРГАНИЗАЦИЙ»

Воздействие инновационной активности на региональный уровень конкурентоспособности организаций

Полянская Евгения Сергеевна,

руководитель центра технологической аренды ПАО «МТС» E-mail: polyanskayaes@mail.ru

Данная статья посвящена анализу факторов, влияющих на уровень региональной конкурентоспособности. Предполагается, что существует значимая и положительная связь межу уровнем инновационной активности организаций регионов и региональным уровнем конкурентоспособности. В рамках исследования анализируются данные за 2018-2020 гг. представленные НИУ ВШЭ в рамках сборника «Индикаторы инновационной деятельности» и данные Консорциума Леонтьевского центра в рамках исследования «Конкурентоспособности регионов». Выборка исследования представляет собой пространственную панель по 85 регионам за три года, формируя 255 наблюдений. Используются методы корреляционно-регрессионного анализа в лице моделирования пространственной регрессионной модель Дарбина. В результате, в рамках исследования была подтверждена гипотеза о том, что существует положительная пространственная взаимосвязь между уровнем инновационной активности организаций и уровнем конкурентоспособности региона. Другими словами, чем выше уровень инновационной активности региональных компаний, тем выше конкурентоспособность региональной экономики. При этом регионы территориально положительно коррелируют друг с другом по показателю уровня инновационной активности, предполагается, что это происходит из-за совместных проектов по выполнению исследований и разработок.

Ключевые слова: уровень инновационной активности, доля планирующих инновации, конкурентоспособность региона, пространственная регрессия, модель Дарбина.

LQ S Ое

см см о см

Актуальность исследования. Ранее в отечественной академической литературе ещё не проводилось эмпирическое исследование, исследующее влияние уровня инновационной активности региональных организаций Российской Федерации на уровень региональной конкурентоспособности. Если наличие прямой и значимой связи между ростом инновационной активности предприятия и ростом конкурентоспособности предприятия на микро-уровне не подвергается сомнению в отечественной периодике [1, 2], то качественных эмпирических исследований, посвященных оценке данного взаимодействия на макро-уровне, фактически не проводилось.

Актуальность данного исследования также подтверждается научной и практической значимостью для академического сообщества и практиков в области управления конкурентоспособностью предприятий и инновационной деятельности организаций, позволяющей использовать результаты данного проектного исследования. В части научной новизны, данное исследование направлено на устранение малого количества исследований в исследовательской литературе по данному вопросу. Также стоит отметить, что в присутствующих исследованиях практически не проводится тестирования детальных теоретических моделей, а имеющиеся модели либо критически малы по выборке, либо неадекватны с эконометриче-ской точки зрения. Фактически впервые вопрос влияния уровня инновационной активности организаций регионов на региональный уровень конкурентоспособности исследуется под призмой оценки пространственного взаимовлияния регионов-соседей друг на друга.

Практическая значимость исследования позиционируется исходя из эмпирического обоснования наличия макро влияния уровня конкурентоспособности на уровень инновационной активности. Практики в данной области, специалисты по конкурентоспособности предприятий и по инновационной деятельности, а также сотрудники прикладных министерств и госструктур, смогут обоснованно заявлять, что рост уровня инновационной активности ведёт к росту конкурентоспособности на региональном уровне.

Цель данного исследования - провести экономико-статистический анализ влияния уровня инновационной активности организаций регионов на региональный уровень конкурентоспособности.

Для достижения данной цели ставятся ряд исследовательских задач:

• Описать понятие конкурентоспособности региона и привести исследование, оценивающее данный параметр на региональном уровне.

• Формализовать основные зависимости между факторами и региональным уровнем конкурентоспособности в виде гипотез.

• Обосновать выбор эконометрического инструментария, релевантного для проверки поставленных гипотез и исследовательских вопросов и провести обоснование выбора переменных для анализа.

• Описать основные результаты исследования и полученные выводы при проверке основных исследовательских гипотез и исследовательских вопросов.

Региональная конкурентоспособность. Конкурентоспособность является понятием многоаспектным, так как обуславливается различными факторами деятельности хозяйствующего субъекта. Более того, данный термин может трактоваться по-разному в соответствии с преследуемыми целями. В общем смысле, конкурентоспособность определяет возможность производить товары или услуги, которые пользуются спросом у потребителей, а также привлекать для этой цели ресурсы. Таким образом, конкурентоспособность региона -это «фактическая способность территории конкурировать за ресурсы и рынки сбыта» [3].

Один из ключевых показателей, лежащих в основе данного исследования - это индекс конку-

рентоспособности регионов, рассчитывающийся согласно методике Консорциума Леонтьевский центр - AV Group (далее - LC-AV). Методология, которая использовалась для оценки конкурентоспособности региона, основывается на таких факторах, как продукт, производимый регионом, и его рынки сбыта, действующие в регионе институты, человеческий капитал, финансовый капитал, информационный и технологический капитал, реальный капитал, природно-ресурсный капитал. Индекс региональной конкурентоспособности основывается на публикуемых статистических данных в отношении показателей деятельности регионов, в частности, на данных Госкомстата.

Таким образом, исследование LC-AV и формирование индекса конкурентоспособности регионов проводится для всех регионов (субъектов) Российской Федерации на основе публикуемых официальных статистических данных. Индикаторы, характеризующие конкурентоспособность регионов, оцениваются в баллах от 0 (минимум) до 5 (максимум). В заключение анализа данные оценки в соответствии с их влиянием на ключевой показатель (индекс конкуренции регионов) взвешиваются.

Составляющие факторов, входящих в состав индекса конкурентоспособности регионов, представлены на рис. 1.

Рис. 1. Факторы, на основе которых рассчитывается индекс конкурентоспособности регионов Источник: Методика AV Group [3].

сз о

со £

m Р

сг

от А

о. в

еч и?

В результате 5-ти бальная оценка уровня региональной конкурентоспособности формирует зависимую переменную данного исследования.

Уровень инновационной активности региональных предприятий. В рамках определения уровня инновационной активности, стоит сформировать понятие «инновационной деятельности», в рамках приказа № 818 Федеральной службы государственной статистики (далее Рос-стат) [4]. Инновационная деятельность, это вся исследовательская (исследования и разработки), финансовая и коммерческая деятельность, направленная на создание новых или усовершенствованных продуктов (товаров, услуг), значительно отличающихся от продуктов, производившихся ранее и предназначенных для внедрения на рынке; новых или усовершенствованных бизнес-процессов, значительно отличающихся от соответствующих бизнес-процессов, используемых ранее.

Показатель «Уровень инновационной активности организаций» рассчитывается за отчетный год как отношение числа инновационно-активных организаций к общему числу обследованных организаций [4].

Расчет осуществляется по следующей формуле (1):

Окончание

I = N

N0

(1)

где Z - уровень инновационной активности, в процентах; N1 - число инновационно-активных организаций;

N0 - число обследуемых организаций.

Данная переменная формирует основную независимую переменную данного исследования, а также главную исследовательскую гипотезу исследования: Ж. Уровень инновационной активности организаций регионов прямо и положительно воздействует на региональный уровень конкурентоспособности.

Прочие контрольные переменные исследования. Контрольные переменные в данном исследовании сформированы на основе основных социально-экономических показателей регионов Российской Федерации, собранных на основе сборников Росстата «Регионы России. Социально-экономические показатели» за 2018-2020 гг. [5, 6, 7]. Они представлены в таблице 1.

Таблица 1. Описание переменных исследования

Код Описание переменной Принимаемые значения

ЗАВИСИМЫЕ ПЕРЕМЕННЫЕ

Y Оценка уровня региональной конкурентоспособности AV Group Количественная, от 0 до 5 ед.

НЕЗАВИСИМЫЕ ПЕРЕМЕННЫЕ: КАТЕГОРИЯ ОСНОВНЫЕ

Z Уровень инновационной активности организаций (в процентах от 100) Количественная, от 0 до 100 ед.

НЕЗАВИСИМЫЕ ПЕРЕМЕННЫЕ: КАТЕГОРИЯ КОНТРОЛЬНЫЕ

Код Описание переменной Принимаемые значения

XI Численность населения на 1 января Количественная,

Х2 Среднегодовая численность занятых тыс. чел.

Х3 Валовой региональный продукт Количественная,

Х4 Инвестиции в основной капитал млрд рублей

Х5 Основные фонды в экономике (по полной учетной стоимости)

Х6 Добыча полезных ископаемых

Х7 Обрабатывающие производства

Х8 Обеспечение электрической энергией, газом и паром; кондиционирование воздуха

Х9 водоснабжение; водоотведение, сбор и утилизации отходов, ликвидация загрязнений

Х10 Продукция сельского хозяйства -всего

Х11 Оборот розничной торговли,

Х12 Сальдированный финансовый результат (прибыль минус убыток) деятельности организаций

Х13 Среднедушевые денежные доходы (в месяц) Количественная, рублей

Х14 Потребительские расходы в среднем на душунаселения (в месяц)

Х15 Среднемесячная номинальная начисленная заработная плата работников организаций

Х16 Ввод в действие жилых, общей пло- Количественная,

щади жилых помещений тыс. м2

Источник: методика автора на основе данных [3]; [5]; [6]; [7].

Также в рамках исследования тестируется вспомогательная гипотеза: H2. Регионы территориально положительно коррелируют друг с другом по показателю уровня инновационной активности.

Обоснование выбора эконометрического инструментария. Выбор эконометрического инструментария проводится в рамках ответов на основную исследовательскую гипотезу. Необходимо выбрать правильный эконометрический инструментарий для построения моделей, получения оценок и тестирования гипотез. Чтобы определить тип регрессионных моделей, нужно установить и изучить форму исследуемых зависимых переменных [5]. Так как форма данных является панельной и имеет пространственную структуру -принято решение использовать пространственную модель Дарбина (по схеме «Ферзя» для матрицы регионов) на основе панельной регрессионной модели со случайными эффектами.

В итоге мы получаем модель для оценки в рамках уравнения (2):

У я =« + Р/г '4 + Р^ 1=1

Мц

к=1

АЯк

(2)

е

я

где i = 1,... ,851 = 1,... ,3 ; W - матрица пространственной связи, с - пространственная корреляция регрессо-ров и X представляет собой матрицу самих регрессоров (X1-X16).

В рамках данной модели форма данных задается в панельном виде и требует использования регрессионных моделей в рамках моделирования панельных данных. В данной ситуации используется три типа моделей, которые представим в более упрощённом виде по отношению к модели в уравнении (2) [9, стр. 28-31]:

1) Классическая линейная регрессионная модель (сквозная регрессия):

Ytt =р.Xit +а + е№,i = 1,... ,N;t = 1,...T. (3)

где: а - общая для всех регионов константа; Yit - зависимая переменная (2 основные и 4 вспомогательных) где i - регион, t - год; Xlt - вектор-строка значений независимых переменных (см. раздел 2.3); Р - вектор-столбец коэффициентов регрессии при независимых переменных, одинаковых для разных регионов; еit - независимые одинаково распределённые случайные величины (остаточные возмущения).

2) Регрессионная панельная модель с фиксированными эффектами:

Yit =р-Xt + аi +ек,i = 1,... ,N;t = 1,...T. (4)

где: ai (i = 1,..., n) - это неизвестная константа для

каждого региона (N неизвестных констант), она измеряет индивидуальную гетерогенность, которая вероятно коррелирует с регрессорами; Yit - зависимая переменная (2 основные и 4 вспомогательных) где i - регион, t -год; Xlt - вектор-строка значений независимых переменных; Р - вектор-столбец коэффициентов регрессии при независимых переменных, одинаковых для разных регионов; eit - независимые одинаково распределённые случайные величины (остаточные возмущения).

3) Регрессионная панельная модель со случайными эффектами:

Yit = р- X'it + Uit;Uit = а,- + eit ;i = 1,. ,N;t = 1,...T. (5)

где: аi - неизвестная константа; Yit - зависимая пере-

ний независимых переменных; Р - вектор-столбец коэффициентов регрессии при независимых переменных, одинаковых для разных регионов; и1( - случайные индивидуальные эффекты, независимые от ; - независимые одинаково распределённые случайные величины (остаточные возмущения).

В рамках выбора из трёх моделей используется пошаговый метод оценки наилучшей модели. В рамках объективной оценки предлагается пошагово доказать, что панельные регрессионные модели с фиксированными и случайными эффектами лучше обычной линейной регрессии (далее в исследовательском проекте это «сквозная регрессия», игнорирующая панельную форму данных), полученной с помощью МНК объясняют наши зависимые переменные. После предлагается выбрать наилучшую из двух панельных регрессионных модели для оценки наших зависимых переменных.

Определим оптимальную спецификацию для наших уравнений с помощью, предложенной выше трёхшаговой процедуры (на основе [8, стр. 2526]):

1) Регрессионную модель с фиксированными эффектами сравним со сквозной регрессией (тест Вальда).

2) Регрессионную модель со случайными эффектами сравним со сквозной регрессией (тест Бройша-Пагана).

3) Регрессионную модель со случайными эффектами сравним с регрессионной моделью с фиксированными эффектами (тест Хаусмана).

Исходя из теоретического анализа, предполагается, что итоговой моделью оценки панельных данных будет определена модель с фиксированными эффектами.

Приступим к первичной оценке данных в рамках исследования. Рассмотрим описательную статистику по выборке в таблице 2. Исходные данные обладали ненормальным распределением, если анализировать значения эксцесса и асимметрии, было принято решение логарифмировать все параметров, кроме показателя Y и Z.

менная где i - регион, t - год; Xit Таблица 2. Описательная статистика

■ вектор-строка значе-

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Перем. мин. сред. ст.откл. медиана макс. асиммет. эксцесс

Y 0 1.803 0.942 1.720 5 0.607 3.557

Z 0.200 9.971 5.308 9.400 33.80 1.090 5.206

LNX1 3.804 3.843 0.0244 3.837 3.932 1.092 4.187

LNX2 3.346 3.672 0.0787 3.684 3.777 -1.757 6.671

LNX3 9.144 10.03 0.301 10.02 10.95 -0.147 3.965

LNX4 10.13 10.58 0.346 10.49 11.70 1.319 4.129

LNX5 3.797 6.213 1.105 6.211 9.887 0.246 3.385

LNX6 -1.609 1.924 0.749 2.015 3.148 -1.703 8.439

LNX7 -2.303 -0.144 1.449 -0.357 3.314 0.420 2.481

сз о

со £

m Р

сг

от А

Окончание

Перем. мин. сред. ст.откл. медиана макс. асиммет. эксцесс

LNX8 0.405 2.482 0.570 2.610 3.174 -1.443 5.019

LNX9 3.786 4.420 0.157 4.405 4.877 -0.244 5.211

LNX10 4.621 4.646 0.0112 4.646 4.676 0.00122 2.383

LNX11 -1.609 3.226 1.377 3.367 7.180 -0.467 4.215

LNX12 3.135 3.475 0.159 3.456 3.944 0.573 3.082

LNX13 3.780 7.049 0.964 7.057 9.448 -0.708 4.749

LNX14 2.350 4.759 1.085 4.700 8.180 0.228 2.883

LNX15 3.440 6.269 0.972 6.244 9.091 -0.336 3.972

LNX16 9.655 10.30 0.343 10.22 11.41 1.295 4.777

Источник: расчёты автора на основе данных [3]; [5]; [6]; [7].

Дополнительно, в рамках оценки корреляций между зависимой и независимыми переменными построена таблица 3 и выделены значимые на 5% уровне значимости связи между факторами, на основе этих факторов проводится построение пространственной модели Дарбина.

Таблица 3. Корреляционная матрица

Переменные Y Z

Z 0.371* 1.000

LNX1 -0.176* -0.334*

LNX2 0.245* 0.466*

LNX3 0.582* 0.231*

LNX4 0.316* 0.048

LNX5 0.896* 0.306*

LNX6 -0.515* -0.218*

LNX7 -0.023 -0.298*

LNX8 0.221* 0.385*

LNX9 -0.181* -0.039

LNX10 -0.071 0.113

LNX11 -0.097 0.018

LNX12 0.150* 0.067

LNX13 0.757* 0.274*

LNX14 0.849* 0.232*

LNX15 0.820* 0.314*

LNX16 0.401* 0.120

Примечание: * р<0.05.

Источник: расчёты автора на основе данных [3]; [5]; [6]; [7].

Рассмотрим результаты исследования. Результаты теста 3-х шаговой процедуры предложены в таблице 4. На первом шаге проходит тест модель с фиксированными эффектами; на втором и на третьем шаге проходит тест модель со слу-„ чайными эффектами. В итоге в таблице 5 оцени-= вается модель со случайными эффектами. ® В таблице 5 представлены результаты оценки й коэффициентов панельной регрессионной модели ~ со случайными эффектами в рамках модели Дар-г бина с учётом пространственного эффекта.

В результате гипотеза Н1 не отвергается: Уровень инновационной активности организаций регионов прямо и положительно воздействует на региональный уровень конкурентоспособности.

Таблица 4. Результаты теста 3-х шаговой процедуры

Тестовая статистика и её P-значение

ШАГ 1 Тест Вальда 97.25

Р^а1ие 0.0000

Результат Модель с фиксированными эффектами

ШАГ 2 Тест Бройша-Пагана 159.82

Р^а1ие 0.00

Результат Модель со случайными эффектами

ШАГ 3 Тест Хаусмана 21.02

Р^а1ие 0.2472

Результат Модель со случайными эффектами

ИТОГ Модель со случайными эффектами

Источник: расчёты автора на основе данных [3]; [5]; [6]; [7].

Также в рамках исследования не отвергается вспомогательная гипотеза: Н2: регионы территориально положительно коррелируют друг с другом по показателю уровня инновационной активности.

Таблица 5. Оценка коэффициентов и стандартных ошибок панельной регрессионной модели со случайными эффектами

Переменные Модель со случайными эффектами Пространственная составляющая

Основные переменные

Z 0.0262*** 0.0139***

(0.00154) (0.00131)

Контрольные переменные

LNX10 1.680*

(1.005)

LNX11 -0.820***

Переменные Модель со случайными эффектами Пространственная составляющая

(0.0962)

LNX14 0.225***

(0.0465)

LNX22 0.569***

(0.0889)

LNX23 0.0107***

(0.00287)

Константа -7.130

(5.568)

Наблюдений 255

Кол-во регионов 85

Количество лет 3

Тест Вальда 167.29

P-value 0.0000

0,979

Примечание: стандартные ошибки в скобках; *** р<0.01, ** р<0.05, * р<0.1.

Источник: расчёты автора на основе данных [3]; [5]; [6]; [7].

Заключение. В результате основная и вспомогательная гипотеза исследования не отвергается на 5% уровне значимости в рамках оценки модели в рамках таблицы 5. Другими словами, удалось эмпирически доказать, что уровень инновационной активности организаций регионов прямо и положительно воздействует на региональный уровень конкурентоспособности, а также доказать наличие пространтсвенной связи между регионами соседями по показателю уровня инновационной активности.

Исходя из результатов таблицы 5, при росте значения уровня инновационной активности организаций регионов на 1 процентный пункт, индекс региональной конкурентоспособности растёт на 0.0262 ед. в рамках прямого влияния и 0.0139 ед. в рамках пространственного влияния регионов-соседей. Итого, общее влияние составляет 0,0401 ед. Это очень значимый прирост в рамках среднего значения данного показателя в всего 1.80 ед.

Литература

1. Трилицкая О.Ю. Инновационная активность как фактор повышения конкурентоспособности предприятия //Вестник Волгоградского государственного университета. Серия 3: Экономика. Экология. - 2013. - № . 1. - С. 155-161.

2. Заводило О.В. Инновационная составляющая конкурентоспособности российских предприятий //Социальные науки. - 2019. - № . 1. -С.26-31.

3. Анализ конкурентной среды (оценка глобальной конкурентоспособности): методика рейтинга AV RCI - 2018-2020 [Электронный ре-

Окончание сурс]. URL: http://av-group.ru/wp-content/up-

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

loads/2016/03/AV_RCI_method.pdf (дата обращения: 25.04.2022).

4. Приказ Росстата от 27.12.2019 N 818 «Об утверждении методики расчета показателя «Уровень инновационной активности организаций»

5. Регионы России. Социально-экономические показатели. 2021: Р32 Стат. сб. / Росстат. - М., 2021. - 1112 с.

6. Регионы России. Социально-экономические показатели. 2020: Р32 Стат. сб. / Росстат. - М., 2020. - 1242 с.

7. Регионы России. Социально-экономические показатели. 2019: Р32 Стат. сб. / Росстат. - М., 2019. - 1204 с.

8. Ратникова Т.А. Анализ панельных данных в пакете STATA //Методические указания к компьютерному практикуму по курсу «Экономе-трический анализ панельных данных». М.: ГУ ВШЭ. - 2005. - Т. 7.

9. Ратникова Т. А. и др. Анализ панельных данных и данных о длительности состояний //Foresight. - 2013.

THE IMPACT OF INNOVATION ACTIVITY ON THE REGIONAL LEVEL OF COMPETITIVENESS OF ORGANIZATIONS

Polyanskaya E.S.

MTS PJSC

This article is devoted to the analysis of factors affecting the level of regional competitiveness. It is assumed that there is a significant and positive relationship between the level of innovation activity of regional organizations and the regional level of competitiveness. The research analyzes data for 2018-2020 presented by the HSE in the framework of the collection "Indicators of Innovation activity" and data from the Consortium of the Leontief Center in the framework of the study "Competitiveness of regions". The study sample is a spatial panel for 85 regions over three years, forming 255 observations. The methods of correlation and regression analysis are used in the face of modeling the spatial regression model of Darbin. As a result, the study confirmed the hypothesis that there is a positive spatial relationship between the level of innovation activity of organizations and the level of competitiveness of the region. In other words, the higher the level of innovation activity of regional companies, the higher the competitiveness of the regional economy. At the same time, the regions are geographically positively correlated with each other in terms of the level of innovation activity, it is assumed that this is due to joint research and development projects.

Keywords: the level of innovation activity, the share of those planning innovations, the competitiveness of the region, spatial regression, the Durbin model.

References

1. Trilitskaya O. Yu. Innovative activity as a factor of increasing the competitiveness of the enterprise //Bulletin of Volgograd State University. Series 3: Economics. Ecology. - 2013. - No. 1. -pp. 155-161.

2. Zavodilo O.V. The innovative component of the competitiveness of Russian enterprises //Social sciences. - 2019. - No. 1. -pp. 26-31.

3. Analysis of the competitive environment (assessment of global competitiveness): AV RCI rating methodology - 2018-2020 [Electronic resource]. URL: http://av-group.ru/wp-content/up-loads/2016/03/AV_RCI_method.pdf (accessed: 04/25/2022).

4. Rosstat Order No. 818 dated 27.12.2019 "On approval of the methodology for calculating the indicator "Level of innovative activity of organizations"

C3

о

CO

от m Р от

от А

IE

5. Regions of Russia. Socio-economic indicators. 2021: P32 Stat. sat. / Rosstat. - M., 2021. - 1112 p.

6. Regions of Russia. Socio-economic indicators. 2020: P32 Stat. sat. / Rosstat. - M., 2020. - 1242 p.

7. Regions of Russia. Socio-economic indicators. 2019: P32 Stat. sat. / Rosstat. - M., 2019. - 1204 p.

8. Ratnikova T.A. Analysis of panel data in the STATA package // Methodological guidelines for a computer workshop on the course "Econometric analysis of panel data". Moscow: Higher School of Economics. - 2005. - Vol. 7.

9. Ratnikova T. A. et al. Analysis of panel data and data on the duration of states //Foresight. - 2013.

a.

e

CM

m

i Надоели баннеры? Вы всегда можете отключить рекламу.