Scientific journal
Fundamental research
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,674

MULTIFACTOR MODEL OF COST-EFFECTIVENESS ASSESSMENT FOR STATE INNOVATION PROJECTS

Gusarova О.М. 1 Kondrashov V.M. 1 Ganicheva Е.V. 1
1 Finance University under the Government of the Russian Federation branch
Small and medium enterprises are a sphere of domestic economy that has a multifunctional significance being an economic constituent and contributing to a social adaptation and population employment. The state takes efforts in offering incentives for developing small and medium enterprises through implementing a number of National programs for business support. These projects offer direct and indirect funding for business entities. The cost-effectiveness assessment of the state support for business entities can be provided in different directions depending on the study objectives. As an effectiveness parameter for the state support of business innovation projects the following factors can be used: the number of entities of small and/or medium business, turnover of business entities, number of people working in small and medium enterprises, and some others. As a result of the study aimed at cost-effectiveness assessment of small and medium enterprises support state projects, a multifactor regression model has been created. The model shows the relationship between the turnover of small enterprises and the amount of the budget appropriations for the development of small and medium enterprises, average number of people involved in these spheres, amount of investment for small and medium enterprises. The authors have performed an economic and statistic assessment of the created multifactor model using the tools of correlation-regression analysis. The trend analysis of the multifactor parameter dynamics has been conducted. The article contains recommendations for using the multifactor model to assess the cost-effectiveness related to the state support of small and medium enterprise development innovation projects. The study conducted is of a practical importance since the created multifactor model can be used in cost-effectiveness assessment of the state business support.
state support of small and medium enterprises
national projects
state cost-effectiveness assessment multifactor model

В условиях инновационного развития всех сфер экономики России расширению сфер малого и среднего предпринимательства и поддержке субъектов предпринимательства оказывается большое внимание [1]. В ряде зарубежных стран малое и среднее предпринимательство занимает значительные удельные доли в структуре экономики стран. В России на данный момент доля малого и среднего предпринимательства пока не столь существенная, однако, помимо чисто экономической составляющей, малое и среднее предпринимательство выполняет важную государственную функцию, связанную с созданием рабочих мест и трудоустройством незанятого населения, развитием конкуренции, предоставлением услуг в сферах, где создание крупного бизнеса не является целесообразным. Отличительной особенностью малого и среднего предпринимательства является высокая динамичность и адаптация к быстро изменяющимся условиям внешней среды.

С целью развития малого и среднего предпринимательства в 2019 г. осуществляется реализация ряда государственных программ, направленных на поддержку субъектов предпринимательства. В рамках Национального проекта «Малое и среднее предпринимательство и поддержка индивидуальной предпринимательской инициативы» [2] одними из целевых ориентиров являются:

– «увеличение численности занятых в сфере малого и среднего предпринимательства, включая индивидуальных предпринимателей, до 25 млн чел.» [2, c. 2] к концу 2024 г.;

– «увеличение доли малого и среднего предпринимательства в ВВП до 32,5 %» [2, c. 2] к концу 2024 г.;

– «увеличение доли экспорта субъектов малого и среднего предпринимательства, включая индивидуальных предпринимателей, в общем объеме несырьевого экспорта до 10 %» [2, c. 2] к концу 2024 г.

Цель исследования: построение мультифакторной модели оценки эффективности государственных затрат на инновационные проекты развития малого и среднего предпринимательства.

Материалы и методы исследования

Исходя из установок Национального проекта поддержки малого и среднего предпринимательства, для построения мультифакторной модели оценки эффективности государственной поддержки предпринимательской инициативы, носящей высокорискованный характер, для исследования предварительно были выбраны следующие показатели:

– количество предприятий малого и среднего предпринимательства (далее МСП);

– обороты субъектов МСП;

– показатель «среднесписочная численность работников предприятий МСП (без внешних совместителей)» [3];

– показатель «объемы инвестиции в основной капитал» МСП;

– объемы бюджетных ассигнований подпрограммы «Малое и среднее предпринимательство и поддержка индивидуальной предпринимательской инициативы».

После предварительного сбора статистической информации за временной интервал 2000–2018 гг., характеризующей динамику развития малого и среднего предпринимательства, было выявлено, что за некоторые интервалы времени статистические данные отсутствуют, поэтому с целью восполнения недостающего объема информации были использованы данные Федеральной налоговой службы. В силу обозначенных причин временной интервал анализа был скорректирован и составил 2005–2018 гг. Статистические данные, полученные по результатам официальных источников Федеральных органов статистики и налоговой службы, представлены в табл. 1 [3, 4].

Результаты исследования и их обсуждение

Из массива показателей, подлежащих исследованию, на предварительном этапе построения мультифакторной модели были выбраны следующие показатели:

Y (результативный признак, обозначим ОСМП) – обороты субъектов малого предпринимательства, млрд руб.;

факторные признаки:

Х1 (КСМП) – количество субъектов малого предпринимательства, тыс.;

Х2 (СРЧ) – показатель «среднесписочная численность работников МП (без внешних совместителей)», тыс. чел.;

Х3 (ОБА) – объем бюджетных ассигнований (государственные затраты) на поддержку субъектов малого и среднего предпринимательства, млрд руб.;

Х4 (ИОК) – показатель «инвестиции в основной капитал МП», млрд руб.

С целью выявления степени взаимного влияния выбранных для анализа показателей осуществим построение матрицы коэффициентов парных корреляций обозначенных признаков (рис. 1).

Таблица 1

Показатели динамики субъектов малого предпринимательства, 2005–2018 гг.

Годы

Оборот МП, млрд руб.

Кол-во МП, тыс.

Ср. числ. раб., тыс. чел.

V бюдж ас., млрд руб.

Инвестиции,

млрд руб.

2005

9612,600

979,300

8045,200

1,47896

120,469

2006

12099,200

1032,800

8582,800

3,00415

171,322

2007

15468,900

1137,400

9239,200

3,79546

224,800

2008

18727,600

1347,700

10436,900

3,86731

314,700

2009

16873,100

1602,500

10247,500

18,63824

486,200

2010

15116,322

1644,300

9790,200

17,76469

520,300

2011

22610,239

1836,432

10421,942

17,78921

431,551

2012

23463,701

2003,038

10755,715

19,80138

521,545

2013

24781,609

2063,126

10775,192

21,84500

574,934

2014

26392,219

2103,780

10789,471

21,56976

664,432

2015

44124,300

2222,372

10377,600

20,97825

764,684

2016

38877,027

2770,562

10055,893

12,43340

801,623

2017

48459,178

2754,577

10854,685

20,61398

998,497

2018

53314,227

2659,943

10719,939

15,95445

1057,404

 

gusar1.tif

Рис. 1. Матрица коэффициентов парных корреляций

По итогам построения матрицы парных корреляций можно оценить степень влияния выбранных факторных признаков на результативный признак – обороты субъектов малого предпринимательства [5]:

  • наибольшее влияние на величину оборотов МП оказывают два фактора:

– количество субъектов МП (фактор Х1), что подтверждается величиной коэффициента корреляции результативного признака с данным фактором gus01.wmf;

– инвестиции в основной капитал МП (фактор Х4), коэффициент корреляции gus02.wmf;

  • среднюю степень влияния на результативный признак Y (обороты МП) оказывают следующие факторы:

– Х2 (СРЧ) – показатель «среднесписочная численность работников МП (без внешних совместителей)», соответствующий коэффициент парной корреляции равен gus03.wmf, что свидетельствует о наличии умеренной прямой связи между оборотом МП и среднесписочной численностью работников, что вполне логично согласовывается с точки зрения содержательного экономико-статистического анализа;

– Х3 (ОБА) – объемы бюджетных ассигнований, выделяемых на инновационные проекты в рамках подпрограммы поддержки малого и среднего предпринимательства. Коэффициент корреляции данного фактора и результативного признака gus04.wmf, что свидетельствует о наличии между оборотами МП и объемами бюджетных ассигнований прямой корреляционной связи умеренной величины.

Кроме того, необходимо отметить, что между факторными признаками Х1 (количество МП) и Х4 (инвестиции в основной капитал МП) существует тесная взаимная корреляция, о чем свидетельствует коэффициент парной корреляции gus05.wmf, превышающий величину 0,8.

Данная тесная взаимосвязь факторных признаков свидетельствует о наличии в массиве анализируемых данных такого явления, как мультиколлинеарность, что приведет к получению недостоверных оценок параметров регрессионной мультифакторной модели и снижению ее прогностических качеств. Для устранения данного явления был осуществлен сравнительный анализ влияния факторов Х1 (количество МП) и Х4 (инвестиции) на результативный признак Y (обороты МП):

gus06.wmf превосходит gus07.wmf, следовательно, фактор Х4 (инвестиции) по сравнению с фактором Х1 (количество МП) оказывает большее влияние на результативный признак Y (оборот МП).

На основании данного сравнения для устранения явления мультиколлинеарности и с целью повышения достоверности получения оценок параметров мультифакторной модели исключим из рассмотрения фактор Х1 (количество МП).

Анализируя данные расчетов, полученных с использованием встроенной функции «Регрессия» пакета «Анализ данных» стандартного офисного пакета MS Excel, можно утверждать, что мультифакторная модель наряду с неплохими показателями общего качества, характеризуемыми коэффициентом детерминации R2 = 0,924 и показателем статистической значимости уравнения модели критерия Фишера F = 27,418, дает неприемлемые значения t-статистики Стьюдента, свидетельствующие о статистической незначимости факторных признаков, введенных в рассмотрение [6]. Только для фактора Х4 (инвестиции) t – статистика находится на грани статистической значимости в сравнении с табличной величиной t-статистики Стьюдента, равной 2,262. Данный факт еще раз свидетельствует о необходимости устранения мультиколлинеарности факторных признаков и исключения из рассмотрения факторного признака Х1 (количество МП).

На рис. 2 представлены графики совместной динамики показателей, характеризующих данное направление исследования.

Для полноты анализа для результативного признака (обороты МП) осуществим построение трендовой модели двух видов: линейного и полиномиального (рис. 3).

gusar2.tif

Рис. 2. Динамика показателей субъектов малого предпринимательства

gusar3a.tif

gusar3b.tif

Рис. 3. Трендовые модели оборота субъектов малого предпринимательства, 2005–2018 гг.

Таблица 2

Характеристики трендовых моделей оборота МП

Вид трендовой модели оборота МП

Уравнение трендовой модели

Коэффициент детерминации R2

1. Линейный тренд

y = 3151,6x + 2785,9

0,8727

2. Полиномиальный тренд

y = 247,76x2 – 564,84x + 12696

0,9418

 

gusar4.tif

Рис. 4. Результаты регрессионного анализа

Сравнительные характеристики линейного и полиномиального трендов, построенных для показателя «Оборот МП», представлены в табл. 2.

Результаты построения мультифакторной регрессионной модели зависимости результативного признака Y (оборота МП) от следующих факторных признаков Х1 (СРЧ), тыс. чел.; Х2 (ОБА) – объем бюджетных ассигнований, млрд руб.; Х3 (ИОК) – объем инвестиции в основной капитал МСП, млрд руб., представлены на рис. 4.

Уравнение мультифакторной модели зависимости оборота субъектов малого предпринимательства от среднесписочной численности работников МП, объемов бюджетных ассигнований на развитие инновационных проектов малого и среднего предпринимательства, инвестиций в основной капитал МП имеет следующий вид:

Y = –2603,147706 + 0,701068512 X1 –

– 548,5706831 X2 + 54,48020388 X3.

Анализируя параметры полученной мультифакторной модели, можно утверждать, что показатели СРЧ («среднесписочная численность работников МП») и ИОК («инвестиции в основной капитал») свидетельствуют о прямой связи данных факторов с оборотом МП.

Коэффициент регрессии при факторном признаке ОБА («объем бюджетных ассигнований») имеет отрицательную величину, что свидетельствует о наличии во временном ряду данного признака нехарактерных наблюдений, искажающих общую тенденцию, и о необходимости предварительного анализа исходной информации [7]. На рис. 5 представлены совместные графики зависимости оборотов малого предпринимательства и объемов бюджетных ассигнований, выделяемых на его поддержку.

Как видно из графика, в 2016 г. наблюдается снижение объемов бюджетных ассигнований на поддержку малого и среднего предпринимательства, что, наряду с другими факторами, вызвало снижение оборотов МП. В табл. 3 представлены сводные результаты построения мультифакторной модели зависимости оборота субъектов малого предпринимательства от ряда факторных признаков.

Выводы

1. В целом в динамике показателя «Оборот МП» наблюдается устойчивая положительная динамика, что является косвенным подтверждением эффективности государственных затрат (объема бюджетных ассигнований), выделяемых на поддержку малого и среднего предпринимательства.

gusar5.tif

Рис. 5. Динамика оборотов МП и объема бюджетных ассигнований

Таблица 3

Сводные результаты построения мультифакторной регрессионной модели

Показатели качества мультифакторной модели регрессии

Наименование показателя

Символьное обозначение

Численная оценка

Интерпретация значения показателя

Коэффициент детерминации

R2

0,922656316

Высокое качество мультифакторной регрессионной модели

Критерий Фишера

F- критерий

39,76434652

Статистическая значимость построенной мультифакторной регрессионной модели

Критерий Стьюдента

t -статистика

gus08.wmf = 0,2713326

Факторный признак статистически не значим

gus09.wmf = –1,966441

Факторный признак статистически не значим

gus10.wmf = 8,4014406

Факторный признак статистически значим

 

2. Трендовые модели оборота субъектов малого предпринимательства линейного и полиномиального вида, характеризующие поступательную динамику данного показателя, имеют высокие показатели качества, о чем свидетельствуют значения коэффициентов детерминации, достаточно приближенные к 1.

3. Объем бюджетных ассигнований на поддержку субъектов малого и среднего предпринимательства имеет положительную корреляционную зависимость с рядом показателей, характеризующих эффективность государственных затрат на развитие малого и среднего предпринимательства.

4. В мультифакторной модели оборота малых предприятий объем бюджетных ассигнований на поддержку субъектов малого и среднего предпринимательства не является статистически значимым фактором, что свидетельствует о необходимости увеличения объема бюджетных ассигнований на поддержку субъектов малого и среднего предпринимательства.

Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государственному заданию Финуниверситету, по теме «Развитие механизмов финансирования венчурных проектов с участием государства».