Scientific journal

Fundamental research

ISSN 1812-7339

"Перечень" ВАК

ИФ РИНЦ = 1,674

В текущей экономической ситуации развитие инноваций становится все более актуальным. Сегодня мы переходим к новой модели развития экономики, связанной с внедрением новых технологий и предложением конкурентоспособных продуктов. Тема развития инновационной политики неотделима от темы единой промышленной политики, основной целью которой становится импортозамещение.

Участие предприятий в государственной программе импортозамещения заключается, прежде всего, в решении задач повышения конкурентоспособности производимой продукции – снижении её себестоимости при повышении качества, поиск новых направлений и форм её реализации. Достижение этих целей возможно в первую очередь за счет внедрения инноваций [2].

Инновации, инновационная деятельность являются сегодня стратегическими факторами устойчивого роста и играют фундаментальную роль в экономическом развитии стран и регионов. На развитие сферы НИОКР и инноваций направляется все большая доля материальных и кадровых ресурсов, что соответственно порождает объективную потребность эффективного управления и использования этой части производительных сил [6].

Особая актуальность проблемы управления инновационной деятельностью для России подтверждается анализом результатов исследований. По показателю уровня развития инноваций по версии международной бизнес-школы INSEAD первое место в 2014 году занимала Швейцария (64,8), на втором месте – Великобритания (62,4), на третьем – Швеция (62,3). Далее располагались Финляндия (60,7), Нидерланды (60,6) и США (60,1). Россия в данном рейтинге занимала 49 место со значением индекса 39,1 среди 143 стран ‒ участников рейтинга [4]. Страны ‒ лидеры по уровню инновационного развития одновременно относятся к странам с очень высоким уровнем индекса человеческого развития и занимают высокие места в мировом рейтинге по уровню образования [3, 10]. Конкурентоспособность современной инновационной экономики региона в значительной степени определяется качеством профессиональной подготовки молодежи. Россия не в состоянии поддерживать свои конкурентные позиции в мировой экономике за счет экономии на развитии образования [7].

Гипотеза исследования, сформулированная с учетом мировых тенденций, заключается в том, что уровень образования в стране оказывает существенное положительное влияние на создание инновационной продукции.

Для проверки гипотезы используются инструменты оценки степени развития системы образования и достигнутых инновационных результатов, обеспечивающие возможность их сравнения с другими объектами, а также возможность постоянного контроля динамики ключевых показателей. В отечественной науке и практике на сегодняшний день не существует какой-либо целостной и общепринятой методики оценки инновационного потенциала и инновационной конкурентоспособности экономических систем [12].

В известных методиках в качестве основной характеристики уровня инновационного развития региона используют индекс инновативности [1]. Он является интегральным показателем, в основу формирования которого положены различные факторы, отбираемые по тем или иным критериям, подходящим для оценки с точки зрения авторов, характеризующим инновации, инновационные процессы. Большое число методик, оценивающих инновационные процессы, основано на рейтинговых оценках. Рейтинги регионов учитывают инвестиционный климат субъектов РФ, их кредитоспособность, уровень инновативности, готовность регионов к информационному обществу и другое. Рейтинги позволяют через количественные оценки в агрегированном виде представить качественное состояние изучаемых объектов.

Для оценки уровня образования, уровня развития образовательных систем применяются альтернативные модели, которые позволяют оценивать уровень знаний на территории различных субъектов, уровень образованности и т.п. [12].

Для анализа инновационной деятельности и системы образования регионов применяются различные методы:

1) метод массовых наблюдений;

2) метод статистических группировок и таблиц;

3) метод изучения изменения явления (статистические показатели рядов динамики);

4) метод сравнения (сопоставление одноименных показателей);

5) метод анализа с помощью обобщающих показателей [8].

Для обеспечения надежности и статистической значимости результатов исследований необходимо обеспечивать соответствие исходной статистической информации ряду требований.

1. Релевантность. Это свойство означает, что используемые данные должны отражать именно анализируемые стороны деятельности и должны быть «привязаны» к нужным объектам и соответствующим моментам времени.

2. Надежность и достоверность. Это свойство исходных данных достигается с помощью различных методов проверки надежности используемых источников, соблюдения принятой методологии измерений.

3. Сопоставимость. Сами данные должны сопровождаться такими комментариями и пояснениями, которые позволили бы сохранить возможность их сопоставления в ситуациях, характеризующихся изменениями в методологии измерений и корректировкой состава анализируемых переменных.

4. Представительность (репрезентативность). Соблюдение этого свойства достигается таким способом организации выборки, при котором она полно и адекватно представляет изучаемые свойства всей анализируемой совокупности [5].

В России существуют огромные объемы информационных ресурсов. Проблемы их использования обусловлены тем, что эти ресурсы слабо скоординированы, хранятся в разных структурах с разной ведомственной подчиненностью, имеют разные форматы, что затрудняет как информационный обмен, так и концентрацию информации для решения конкретной проблемы.

Основными источниками информации по инновационной деятельности и развитию системы образования регионов являются:

1) данные Федеральной службы государственной статистики;

2) статистические данные о состоянии и уровне развития научного и инновационного потенциала России, системы образования, публикуемые в ежегодных статистических сборниках Высшей школы экономики, Центра исследований и статистики науки, докладах и отчетах министерств и ведомств, региональных служб государственной статистики;

3) результаты исследований рейтингового агентства «Эксперт РА», Организации экономического сотрудничества и развития, Еврокомиссии и Евростата;

4) справочно-статистические и аналитические материалы федеральных министерств и ведомств;

5) материалы научных исследований различного уровня.

Проблема отсутствия адекватной статистической информации в инновационной сфере стоит еще острее, чем в других сферах экономической деятельности, в частности в силу относительной новизны самого понятия. Большинство показателей Росстата и Министерства образования, характеризующих инновационную деятельность в регионах, являются некачественными, поэтому не отражают объективно существующую ситуацию. Прежде всего, это связано с отсутствием стандартов определения того, какая продукция может называться инновационной.

Также следует отметить, что существующая информационная инфраструктура не обеспечивает надежного и качественного информационного сопровождения всего инновационного цикла от возникновения идеи до внедрения и реализации результата инновационной деятельности, то есть не в полной мере соответствует требованиям инновационной экономики [12]. Совершенствование существующей информационной инфраструктуры научной, научно-технической и инновационной деятельности является одной из главных задач, решение которой создаст одно из необходимых условий для активизации инновационной деятельности в стране.

Для получения связи между системой образования и объемом инновационной продукции воспользуемся методами корреляционно-регрессионного анализа.

Сущность корреляционного анализа заключается в установлении связи, измерении тесноты между случайными величинами наблюдения, выбранными из совокупности, распределенной по многомерному нормальному закону и оценки факторов, оказывающих наибольшее влияние на результативный признак. Регрессионный анализ заключается в установлении аналитического выражения стохастической зависимости между исследуемыми признаками. Благодаря этим двум методам решается несколько задач:

1) установка существования связи между параметрами;

2) прогнозирование поведения одного параметра, т.к. известно поведение другого параметра, коррелирующего с первым;

3) подбор группы независимых признаков для классификации;

4) планирование;

5) разработка нормативной базы.

Практическое применение корреляционно-регрессионного анализа включает семь этапов (табл. 1).

Исходными данными в исследовании послужили данные официального сайта Федеральной службы государственной статистики за 2010–2013 гг. [9].

В исследовании определены показатели, зависимость между которыми подлежит оценке, с целью изучения влияния системы образования на инновационную деятельность. В качестве зависимого показателя (У) установлен объем инновационных товаров, работ и услуг (млн руб./год), сформирован массив признаков (Х) (табл. 2). Оценка связи между факторами (Х) и результативным признаком (У) осуществляется с помощью парных коэффициентов корреляции. Определено, что с 2010 по 2013 гг. объем инновационных товаров, работ, услуг увеличился на 282,05 % (на 2264153,2 млн руб.), что является существенным ростом в инновационной деятельности РФ [9].

Таблица 1

Этапы корреляционно-регрессионного анализа

Таблица 2

Показатели для корреляционно-регрессионного анализа

Таблица 3

Матрица парных коэффициентов корреляции за 2013 год

По данным матрицы парных коэффициентов корреляции все факторы (Х₁ – Х₁₀) в разной степени оказывают влияние на результативный признак (табл. 3).

Коэффициенты корреляции, которые по модулю меньше 0,5, говорят о слабой связи, поэтому показатели Х₈ и Х₉ целесообразно исключить из исследования (табл. 4).

Плотность распределения объема инновационных товаров, работ, услуг и численности образовательных организаций высшего образования по регионам РФ представлена на рис. 1, значение коэффициента парной корреляции составило r_yx = 0,810, коэффициент детерминации r² = 0,656, что говорит о сильной связи (рис. 1).

Коэффициент парной корреляции абсолютных величин объема инновационных товаров, работ, услуг и выпуска бакалавров, специалистов, магистров составил r_yx = 0,803, а коэффициент детерминации r² = 0,644, что также свидетельствует о тесной связи (рис. 2).

Многофакторная модель имеет вид

Y = –238,454 – 11,54·Х₁ + 120,56·Х₂ – 195,01·Х₃ + 709,6·Х₄ – – 2950,36·Х₅ + 3455,83·Х₆ + 4,77·Х₇ + 2,18·Х₁₀.

Таблица 4

Многофакторные статистические модели зависимости объема инновационной продукции от показателей системы образования регионов

Рис. 1. Плотность распределения объема инновационных товаров, работ, услуг и численности образовательных организаций высшего образования по регионам РФ

Рис. 2. Плотность распределения объема инновационных товаров, работ, услуг и выпуска бакалавров, специалистов, магистров

Уравнение выражает зависимость объема инновационных товаров (Y) от численности профессорско-преподавательского состава (Х₁), количества человек, принятых в аспирантуру (Х₂), выпуска из аспирантуры (Х₃), выпуска из докторантуры (Х₄), числа образовательных учреждений высшего профессионального образования (Х₅), выпуска бакалавров, специалистов, магистров (Х₆), численности исследователей, имеющих ученую степень (кандидаты и доктора) (Х₇), и инвестиций в образование (Х₁₀). Коэффициенты уравнения показывают количественное воздействие каждого фактора на результативный показатель при неизменности других.

В нашем случае объем инновационных товаров уменьшается на 11,54 ед. при увеличении численности профессорско-преподавательского состава на 1 ед. при неизменности остальных показателей; объем инновационных товаров увеличивается на 120,56 ед. при увеличении приема в аспирантуру на 1 ед.; объем инновационных товаров уменьшается на 195,01 ед. при увеличении выпуска из аспирантуры на 1 ед.; объем инновационных товаров увеличивается на 709,6 ед. при увеличении выпуска из докторантуры на 1 ед.; объем инновационных товаров увеличивается на 2950,36 ед. при увеличении числа высших учебных заведений на 1 ед.; объем инновационных товаров увеличивается на 3455,83 ед. при увеличении выпуска бакалавров, специалистов, магистров на 1 ед.; объем инновационных товаров увеличивается на 4,77 ед. при увеличении численности исследователей с ученой степенью на 1 ед.; объем инновационных товаров увеличивается на 2,18 ед. при увеличении инвестиций в образование на 1 ед.

Случайное отклонение для коэффициента при переменной Х₁ составляет 14,61; при переменной Х₂ – 118,14; при переменной Х₃ – 125,98, при переменной Х₄ – 1007,4, при переменной Х₅ – 2474,1, при переменной Х₆ – 2985,1, при переменной Х₇ – 10,6, при переменной Х₁₀ – 3,96, для свободного члена – 11151,02.

Коэффициент детерминации R² = 0,6755;

Критерий Фишера F = 18,4751;

Согласно критерию Фишера данная модель адекватна, так как уровень значимости модели меньше 0,00001.

В региональном разрезе показатель объема инновационных товаров, работ, услуг и ранга взаимосвязаны через логарифмическую функцию – кривую ранжирования – вида y = –95635ln(x) + 371008 с высокой величиной аппроксимации (используем коэффициент детерминации R² = 0,752) (рис. 3).

Рис. 3. Объем инновационных товаров, работ, услуг по регионам РФ

Данная модель в полной мере отражает реальную ситуацию в регионах по объему инновационной продукции, работ, услуг. В 2013 году регионом-лидером является г. Москва (686704,6 млн руб.), на втором месте – Республика Татарстан (322319,8 млн руб.), третье место принадлежит Сахалинской области (321867,5 млн руб.) (рис. 4).

Рис. 4. Регионы ‒ лидеры по объемам инновационной продукции в 2013 году

Высокий уровень инновационного развития Сахалинской области объясняется не показателями образования, а является следствием активной разработки и реализации в регионе крупных нефтегазовых проектов.

Увеличение объема инновационной продукции свидетельствует об успешных инновациях прошлых периодов, отражает способность экономики воспринимать инновации. Имеющаяся факторологическая база позволяет подтвердить гипотезу исследования. Наиболее тесно объем инновационной продукции связан с такими абсолютными показателями, как выпуск бакалавров, специалистов, магистров и число образовательных учреждений высшего профессионального образования. Такие факторы, как инвестиции в образование и численность исследователей в регионе, имеющих ученую степень, меньше связаны с объемом инновационной продукции. При этом практически не обнаруживается взаимосвязи между средней заработной платой преподавателей образовательных учреждений высшего профессионального образования, научных сотрудников и объемом инновационной продукции.

Проведенное исследование позволило определить, что современная система образования недостаточно ориентирована на достижение высоких результатов инновационной деятельности, необходимо провести углубленный анализ причин отсутствия существенного положительного влияния некоторых ее факторов на эффективность инновационных процессов. С одной стороны, необходимо совершенствовать систему оценки показателей инновационного развития регионов, с другой – разрабатывать механизмы развития системы образования, которые должны быть направлены на формирование ресурсов, необходимых для инновационного развития.

Исследование выполнено при финансовой поддержке РГНФ в рамках научно-исследовательского проекта РГНФ («Механизм повышения эффективности влияния государственной молодежной политики на региональное развитие»), проект № 15-12-33004а/Ц.

Рецензенты:

Филимонова Н.М., д.э.н., профессор, зав. кафедрой «Менеджмент и маркетинг», ФГБОУ ВПО «Владимирский государственный университет имени А.Г. и Н.Г. Столетовых», г. Владимир;

Гойхер О.Л., д.э.н., профессор кафедры ЭСУ, ФГБОУ ВПО «Владимирский государственный университет имени А.Г. и Н.Г. Столетовых», г. Владимир.