Изучением вопросов инновационного развития как хозяйствующего субъекта, так и региона занимаются многие отечественные ученые, статьи которых посвящены анализу, мониторингу и оценке инновационного потенциала региональных экономических систем [4, 5]. Исследуются качественные и количественные методы оценки состояния инновационной деятельности в регионах [3], разрабатываются и применяются различные методики рейтингования для оценки инновационного статуса регионов [7, 10].
К настоящему моменту в экономической литературе представлен широкий спектр сущностных и смысловых интерпретаций инновационного потенциала. Так, в соответствии со словарем «Экономика и финансы» (Глоссарий.ру): «Инновационный потенциал – это совокупность различных видов ресурсов, необходимых для осуществления инновационной деятельности». Или «Инновационный потенциал – это возможность и способность региона формировать и использовать инновационные ресурсы, необходимые для инновационного развития, что позволяет региону создавать, распространять и использовать различные виды новшества (новые виды товаров и услуг)» [4].
На наш взгляд, из имеющегося понятийного многообразия для этой цели наиболее приемлемо рассматривать инновационный потенциал как с точки зрения ресурсной компоненты, характеризующей возможности отдельных ресурсов для осуществления инновационной деятельности в регионе, так и результативной компоненты, отражающей результат реализации использования ресурсных возможностей [5].
Актуальность проблемы оценки ресурсов инновационного потенциала имеет большое значение для регионов, которые не обладают высокими показателями инновационной активности. К таким регионам относится и Республика Бурятия, имеющая определенный потенциал для успешного инновационного развития. Кроме того, республика занимает особое положение, обусловленное близостью к озеру Байкал, что налагает определенные обязательства по сохранению уникальной экосистемы озера. Приоритеты инновационного развития республики определены в Программе социально-экономического развития Республики Бурятия на период до 2020 года, принятой законом Республики Бурятия от 14.03.2011 г. № 1903-IV. Целью государственного управления процессом активизации инновационной деятельности в Республике Бурятия является повышение конкурентоспособности экономики на основе создания развитой республиканской инновационной инфраструктуры, сбалансированного и эффективного использования ресурсов, научно-технического и образовательного потенциала республики [6].
В данной работе представлена методика оценки инновационного потенциала Республики Бурятия, позволяющая выявить факторы, влияющие на производство инновационной продукции. Республика Бурятия занимает 41 место в рейтинге по значению российского регионального инновационного индекса (РРИИ) за 2012 год, представленного институтом статистических исследований и экономики знаний «Высшей школы экономики» [7]. В Сибирском федеральном округе по объему отгруженной инновационной продукции Республика Бурятия занимает 8 место, в Байкальском регионе – 2 место после Иркутской области. На рисунке представлена динамика основных показателей инновационной деятельности в Республике Бурятия, характеризующая достаточно стабильную ситуацию в области финансирования науки и инновационной активности. Так, показатель наукоемкости не претерпел практически никаких изменений, а удельный вес затрат на технологические инновации снизился с 1,7 % в 2006 году до 1,4 % в 2012 году. В то же время за этот период произошло увеличение предприятий, осуществляющих технологические инновации.
Динамика показателей инновационного развития в Республике Бурятия за 2006–2012 гг., %
Для оценки инновационного потенциала в работе применен метод главных компонент факторного анализа с построением регрессионного уравнения [1]. Данный метод предназначен для сжатия большого массива информации с одновременным выделением максимальной дисперсии. В основе метода лежит корреляционная матрица. Статистические методы факторного, компонентного, регрессионного анализов широко применяются исследователями для изучения взаимосвязи социально-экономических явлений. Так, статистические методы применялись в исследовании управления развитием инновационной системы региона [2], для диагностики инновационного развития Сибири [3] и др.
В исследовании использовались официальные статистические данные территориального органа Росстата по Республике Бурятия. Из множества показателей были отобраны 7 параметров, характеризующих ресурсную и результативную составляющие инновационного потенциала за период с 2000 по 2012 гг., сформированных в три главных компоненты, с суммарной дисперсией 86,83 % (табл. 1). Отбор главных компонент был осуществлен на собственные значения корреляционной матрицы. Для выделения достаточного числа факторов также был использован «критерий каменистой осыпи» Кэттеля. Этот критерий показал то, что для решения поставленной задачи необходимо выделить три фактора.
В первый фактор (F1) вошли показатели с максимальными факторными нагрузками: Х1 – доля собственных средств на технологические инновации, Х4 – число использованных передовых технологий, Х6 – число передовых технологий, приходящихся на 100 предприятий, которые характеризуют научно-технологический ресурс. Во второй фактор (F2) вошли показатели: Х2 – отдача с 1 руб. затрат на технологические инновации, Х5 – удельный вес организаций, осуществляющих технологические инновации, Х7 – число инновационно активных предприятий, характеризующее инфраструктурный ресурс. Третий результирующий фактор (F3), включающий Х3 – объем инновационной продукции, произведенный на 1 предприятие, обозначен как уровень инновационной активности.
Таблица 1
Матрица факторных нагрузок
Исходные показатели |
Ед. изм. |
Обозначение |
Главные компоненты |
||
F1 |
F2 |
F3 |
|||
Доля собственных средств на технологические инновации |
% |
Х1 |
0,617234 |
–0,502632 |
–0,000840 |
Отдача с 1 руб. затрат на технологические инновации |
руб. |
Х2 |
0,539626 |
0,726824 |
0,349269 |
Объем инновационной продукции, произведенный на 1 предприятие |
тыс. руб. |
Х3 |
0,571024 |
–0,383651 |
0,685351 |
Число использованных передовых технологий (ед.) |
Ед. |
Х4 |
–0,848411 |
–0,323690 |
0,245489 |
Удельный вес организаций, осуществляющих технологические инновации |
% |
Х5 |
–0,026268 |
–0,872479 |
0,160215 |
Число передовых технологий, приходящихся на 100 предприятий |
Ед. |
Х6 |
–0,946564 |
–0,227825 |
0,149522 |
Число инновационно активных предприятий |
Ед. |
Х7 |
0,568714 |
–0,661299 |
–0,396141 |
Вклад компонент |
48,34 |
37,57 |
14,09 |
||
∑ дисперсии в % |
41,97 |
32,62 |
12,24 |
Для оценки влияния совокупных факторов на обобщающий показатель построено и проанализировано уравнение регрессии на главных компонентах. Преимущество уравнения в том, что свободный член уравнения характеризует среднее значение объема инновационной продукции за анализируемый период:
Y = 1449,54 + 944,67F1 – 642,07F2 + 1073,04F3. (1)
Уравнение регрессии статистически значимо, т.к. индекс множественной корреляции R = 0,965, коэффициент детерминации R2 = 0,931, скорректированный индекс детерминации Ŕ2 = 0,908; F-критерий (Фишера) Fрасч(3,9)40,71 > Fтабл(3,9)0,98; t-критерий Стьюдента t(9)расч10,63 > t(9)табл2,26, а также все полученные значения по факторам tрасч > tтабл.
Уравнение регрессии позволяет определить изменение объема производства инновационной продукции за счет отдельных главных компонент, а также их совместное влияние. Из анализа коэффициентов этого уравнения видно, что увеличение объема инновационной продукции за анализируемый период составило 1375,64 млн руб. Это произошло за счет положительного влияния факторов, характеризующих научно-технологический ресурс (F1) и уровень инновационной активности (F3), которые нивелировали отрицательное действие фактора, характеризующего инфраструктурный ресурс (F2).
Для выявления закономерностей и факторов развития кадрового научного ресурса также проведен компонентный анализ. Отбор показателей был произведен на основе ресурсно-составляющих, ресурсно-образующих и ресурсно-воспроизводственных факторов развития научных кадров на основе данных за 2000–2012 гг. Для оценки кадрового научного ресурса в качестве Y был взят показатель общей численности исследователей. В качестве основных факторов приняты следующие: X1 – численность докторов наук, чел.; X2 – численность кандидатов наук, чел.; Х3 – численность аспирантов, чел.; Х4 – численность выпуска аспирантов, чел.; Х5 – удельный вес внутренних текущих затрат, %; Х6 – удельный вес аспирантов, выпущенных с защитой, %; Х7 – численность исследователей на 10 тыс. занятых в экономике чел.; Х8 – удельный вес исследователей, имеющих ученую степень, %.
На основе полученных результатов компонентного анализа, по матрице исходных данных определены три главных компоненты, на которые приходится 87,9 % суммарной дисперсии. Вклад первой компоненты составляет 56,2 %, второй – 28,3 %, третьей – 15,5 % (табл. 2).
Первая компонента (F1) включает показатели Х1, Х3, Х5, Х7, Х8, что можно определить как уровень состояния научного кадрового ресурса. Вторая компонента (F2) состоит из показателей Х2, Х4, которые характеризуют факторы воспроизводства научного кадрового ресурса. Третья компонента (F3) включает показатель Х6 – фактор качества развития научного кадрового ресурса.
Таблица 2
Матрица факторных нагрузок
Исходные показатели |
Ед. изм. |
Обозначение |
Главные компоненты |
||
F1 |
F2 |
F3 |
|||
Численность докторов наук |
чел. |
Х1 |
0,789646 |
0,377068 |
0,397692 |
Численность кандидатов наук |
чел. |
Х2 |
0,129848 |
0,910547 |
–0,101459 |
Численность аспирантов |
чел. |
Х3 |
0,854902 |
0,087627 |
–0,355666 |
Численность выпуска аспирантов |
чел. |
Х4 |
–0,158541 |
0,825910 |
0,354422 |
Удельный вес внутренних текущих затрат |
% |
Х5 |
0,871117 |
0,002727 |
0,022828 |
Удельный вес аспирантов, выпущенных с защитой |
% |
Х6 |
–0,522655 |
–0,238000 |
0,735967 |
Численность исследователей на 10 тыс. занятых в экономике |
чел. |
Х7 |
–0,794274 |
0,524963 |
–0,239675 |
Удельный вес исследователей, имеющих ученую степень |
% |
Х8 |
0,946360 |
–0,073712 |
0,247043 |
Вклад компонент |
d |
56,2 |
28,3 |
15,5 |
|
∑ дисперсии в % |
49,4 |
24,9 |
13,6 |
В процессе анализа построено уравнение на главных компонентах. В качестве Y взят показатель общей численности исследователей. Полученная модель значима по критериям, позволяет определить, как в среднем за анализируемый период и под влиянием каких компонент происходит изменение численности исследователей. Уравнение регрессии имеет следующий вид:
Y = 754 – 102F1 + 70F2 – 34F3; (2)
R = 0,974, Ŕ2 = 0,933,
Fрасч(3,9)57,15 > Fтабл (3,9)0,98;
t(9)расч80,04 > t(9)табл2,26.
За счет отрицательного влияния фактора состояния научного кадрового ресурса (F1) и фактора качества развития научного кадрового ресурса (F3) происходит снижение численности исследователей, связанное, скорее всего, с проводимыми реформами в системе образования и науки. В то же время повышается качество научных кадров, увеличивается численность аспирантов, кандидатов и докторов наук, что говорит о высоком образовательном потенциале республики.
Таким образом, проведенное исследование позволило выявить основные группы факторов, оказывающих наибольшее влияние на инновационное развитие Республики Бурятия, и круг проблем, решение которых позволит эффективно использовать имеющиеся ресурсы инновационного потенциала и повысить инновационную активность организаций. Главными направлениями в усилении развития инновационно-ресурсного потенциала являются следующие: необходимо создать инновационную инфраструктуру и повысить качество уровня технологической базы инновационно активных предприятий; развивать институциональные структуры инновационной деятельности Республики Бурятия; создать условия для того, чтобы процессы инновационного развития стали реальным механизмом эффективного экономического воздействия и рычагами управления развитием общества.
Рецензенты:
Михеева А.С., д.э.н., заведующая лабораторией экономики природопользования, ФГБУН «Байкальский институт природопользования» СО РАН, г. Улан-Удэ;
Антохонова И.В., д.э.н., заведующая кафедрой «Макроэкономика, экономическая информатика и статистика», ФГБОУ ВПО «Восточно-Сибирский государственный университет технологий и управления», г. Улан-Удэ.
Работа поступила в редакцию 27.12.2014.
Библиографическая ссылка
Садыкова Э.Ц., Очирова Г.Ю. ОЦЕНКА РЕСУРСОВ ИННОВАЦИОННОГО ПОТЕНЦИАЛА РЕГИОНА // Фундаментальные исследования. – 2014. – № 12-8. – С. 1712-1716;URL: https://fundamental-research.ru/ru/article/view?id=36427 (дата обращения: 17.08.2024).