Научный журнал

Фундаментальные исследования

ISSN 1812-7339

"Перечень" ВАК

ИФ РИНЦ = 1,674

• Авторы
• Резюме
• Файлы
• Ключевые слова
• Литература

Сизьунго Муненге 1

---

1 Белгородский государственный национальный исследовательский университет

В статье университетская инфраструктура рассматривается как часть инновационной инфраструктуры, состоящей из инновационных объектов различного вида (производственно-технологические, экспертно-консалтинговые, кадровые, информационные и финансовые организации и компании). В качестве эмпирической основы для установления регрессионной взаимосвязи между количествами объектов инновационной и университетской инфраструктуры мы взяли базы данных Национального информационно-аналитического центра по мониторингу инновационной инфраструктуры научно-технический деятельности и региональных инновационных систем и Портала информационной поддержки инноваций и бизнеса «Инновации и предпринимательство», а также базу данных Webometrics по рейтингам всех университетов России. Данные по первым двум инновационным базам данных были собраны на конец декабря 2014 г., а распределение университетов по регионам России было осуществлено по данным Webometrics (июль 2015 г.) и сайтам университетов. Первоначально высокие коэффициенты детерминации (R2), полученные при поиске связей между количествами университетов и организаций инновационной инфраструктуры по двум базам данных для всех регионов России, резко уменьшались при исключении данных по Москве и Сакнт-Петербургу. При аналогичном регрессионном анализе взаимосвязей между количествами организаций инновационной инфраструктуры по двум базам данных такого резкого уменьшения коэффициента детерминации не наблюдалось. Полученные результаты, в случае их сопоставления с региональным валовым продуктом и численностью населения регионов, позволяют планировать размещение университетской и инновационной инфраструктуры по регионам России.

Статья в формате PDF

0 KB

региональный инновационный потенциал

региональная инновационная инфраструктура

университетская инфраструктура

регионы РФ

корреляция

регрессионная взаимосвязь

коэффициент детерминации

бенчмаркинговая методология

матрица парных корреляций

линейное регрессионное уравнение

1. Московкин В.М., Крымский И.А. Матрично-аналитический инструментарий для бенчмаркинга российской региональной инновационной инфраструктуры // Бизнес Информ. – 2007. – № 9 (2). – С. 32–38.

2. Московкин В.М., Крымский И.А. Бенчмаркинг российской региональной инновационной инфраструктуры // Региональная экономика: теория и практика. – 2008. – № 4 (61). – С. 2–9 .

3. Московкин В.М., Крымский И.А. Региональный бенчмаркинг российской инновационной инфраструктуры // Инновации. – 2008. – № 5(115). – C. 76–83.

4. Московкин В.М., Cизьунго М. Динамика объектов российской региональной инновационной инфраструктуры // Научный результат. Сер. Экономические исследования. – 2015. – № 3(5). – С. 64–85.

5. Информационная поддержка инноваций и бизнеса «Инновации и предпринимательство»: Портала / НДП «Альянс Медиа». – М., 2003–2016. – URL: http:// http://innovbusiness.ru/ (дата обращения: 30.12.14).

6. Национальный центр по мониторингу инновационной инфраструктуры научно-технической деятельности и региональных инновационных систем: портал / ФГБНУ НИИ РИНКЦЭ. – М., 2011–2016. – URL: http://www.miiris.ru/.(дата обращения: 28.12.14).

7. Cизьунго М. Корреляционная взаимосвязь между региональными макроэкономическими показателями и количеством университетов по регионам России // сборник научных трудов IX Международной научно-практической конференции, посвященной празднованию 140-летия НИУ «БелГУ» (Белгород, 3 марта 2016 г.). – Белгород: ИД «Белгород» НИУ «БелГУ», 2016. – С. 22–29.

8. Cooke P. The new wave of regional innovation networks: Analysis, characteristics and strategy // Small Business Economics. – 1996. – Vol. 8. – № 2. – P. 159–171.

9. Cooke P. Regional innovation systems: Competitive regulation in the new Europe // Geoforum. 1992. – Vol. 23. – № 3. – P. 365–382.

10. Cooke P. Regional innovation systems: an evaluation of six European cases.Urban & Regional Development in the New Europe, Athens // Topos New Series. – 1993. – Vol. 6. – P. 1–30.

11. Harman D. A practical approach to new technology in local government // Cities. – 1985. – Vol. 2. – № 3. – P. 218–222.

12. Moskovkin V.M., Sizyoongo M. Correlation Relationship Between Regional Macroeconomic Indicators and the Number of Universities in the Russian Regions // International Business Management. – 2015. – Vol. – № 7. – P. 91775–1779.

13. Rothwell R. The role of technology in industrial change: implications for regional policy // Regional Studies. – 1982. – Vol. 16. – № 5. – P. 361–369.

14. Rothwell R. Creating a Regional Innovation-Oriented Infrastructure: The Role of Public Procurement // Annals of Public and Cooperative Economics. – 1984. – Vol. 55. – № 2. – P. 159–172.

15. Rothwell R. Technology-Based Small Firms and Regional Innovation Potential: The Role of Public Procurement // Journal of Public Policy. – 1984. – Vol. 4. – № 4. – P. 307–332.

В данной статье университетская инфраструктура рассматривается как часть инновационной инфраструктуры, состоящей из инновационных объектов различного вида (производственно-технологические, экспертно-консалтинговые, кадровые, информационные и финансовые организации и компании). Такая инфраструктура, привязанная к различным регионам страны, называется региональной инновационной инфраструктурой. Этот термин (regional innovation infrastructure) мы впервые встречаем в работе R. Rothwell [13], опубликованной в 1982 г. В дальнейшем он развивает это понятие в работах [14, 15], причем в последней работе он использует термин «региональный инновационный потенциал».

Наряду с термином «regional innovation infrastructure» с 1985 г. в зарубежной литературе используется термин «regional innovation networks» [8, 11]. Как отмечено в работе [4], выщеуказанные две работы, вместе с широким кластером работ по национальным инновационным системам, способствовали через 10 лет введению в научной оборот концепции «regional innovation systems» [9, 10]. Достаточно большое количество отечественных работ по инновационным инфраструктурам, сетям и системам мало дают нового в методологическом плане по сравнению с зарубежными исследованиями и не имеют преемственности с ними [4]. В то же время в работах [1–3] был намечен систематический подход к изучению динамики объектов региональной инновационной инфраструктуры в рамках бенчмаркинговой методологии, нашедший продолжение в работе [4].

В данной работе мы попытаемся изучить регрессионные взаимосвязи между количествами объектов инновационной и университетской инфраструктуры для всех регионов РФ.

Цель данного исследования заключается в изучении регрессионных взаимосвязей между количествами университетов и организаций инновационной инфраструктуры по всем регионам России.

Материалы и методы исследования

В качестве эмпирической основы для установления регрессионной взаимосвязи между количествами объектов инновационной и университетской инфраструктуры мы взяли базы данных Национального информационно-аналитического центра по мониторингу инновационной инфраструктуры научно-технический деятельности и региональных инновационных систем [6] и Портала информационной поддержки инноваций и бизнеса «Инновации и предпринимательство» [5], а также базу данных Webometrics по рейтингам всех университетов России. Данные по первым двум инновационным базам данных были собраны на конец декабря 2014 г. [4], а распределение университетов по регионам России было осуществлено по данным Webometrics (июль, 2015 г.) и сайтам университетов [7, 12].

После этого регрессионные взаимосвязи между количествами объектов инновационной и университетской инфраструктуры для всех регионов России, как с учетом, так и без учета данных по Москве и Санкт-Петербургу, определялись с помощью стандартной программы регрессионного анализа, реализованной в пакете стандартных программ Excel.

Результаты исследования и их обсуждение

Исходные данные для регрессионного анализа приведены в табл. 1. Рассчитанные на ее основе матрицы парных корреляций между количествами университетов и организаций инновационной инфраструктуры по двух базам данных, как с учетом, так и без учета данных по Москве и Санкт-Петербургу, приведены в табл. 2 и 3.

Tаблица 1

Распределение количества университетов (2015 г.) и организаций инновационной инфраструктуры по первой и второй базам данных (2014 г.) по регионам РФ

Tаблица 2

Матрица парных корреляций (R2) между количествами университетов и организаций инновационной инфраструктуры по двум базам данных для всех 82 регионов РФ

Tаблица 3

Матрица парных корреляций (R2) между количествами университетов и организаций инновационной инфраструктуры по двум базам данных для всех 80 регионов РФ

Графики всех шести линейных регрессионных взаимосвязей, соответствующих табл. 2 и 3, приведены на рис. 1–6. Сравнение табл. 2 и 3 показывает, что исключение из статистической обработки Москвы и Санкт-Петербурга, данные по которым можно рассматривать как статистические выбросы, приводит не к улучшению, а к ухудшению корреляционных связей: коэффициент детерминации R2 при расчете корреляции между количествами университетов и организаций инновационной инфраструктуры по двум базам данных снизился приблизительно с 0,9 до 0,5.

Рис. 1. Линейная регрессионная взаимосвязь количества организаций инновационной инфраструктуры по первой базе данных (2014 г.) с количеством университетов по 82 регионам РФ (2015 г.)

Рис. 2. Линейная регрессионная взаимосвязь количества организаций инновационной инфраструктуры по первой базе данных (2014 г.) с количеством университетов по 80 регионам РФ (2015 г.)

Рис. 3. Линейная регрессионная взаимосвязь количества организаций инновационной инфраструктуры по второй базе данных (2014 г.) с количеством университетов по 82 регионам РФ (2015 г.)

Рис. 4. Линейная регрессионная взаимосвязь количества организаций инновационной инфраструктуры по второй базе данных (2014 г.) с количеством университетов по 80 регионам РФ (2015 г.)

Рис. 5. Линейная регрессионная взаимосвязь количества организаций инновационной инфраструктуры по первой и второй базах данных (2014 г.) для 82 регионов РФ

Рис. 6. Линейная регрессионная взаимосвязь количества организаций инновационной инфраструктуры по первой и второй базе данных (2014 г.) для 80 регионов РФ

В то же время коэффициент детерминации R2 при анализе регрессионной взаимосвязи между количествами объектов инновационной инфраструктуры по двум базам данных уменьшился ненамного (табл. 2, 3, рис. 5, 6).

Заключение

Таким образом, в работе получены линейные регрессионные уравнения между количествами университетов и организаций инновационной инфраструктуры по двум базам данных объектов инновационной инфраструктуры.

Первоначально высокие коэффициенты детерминации R2, полученные при поиске связей между количествами университетов и организаций инновационной инфраструктуры по двум базам данных для всех регионов России, резко уменьшались при исключении данных по Москве и Санкт-Петербургу. При аналогичном регрессионном анализе взаимосвязей между количествами организаций инновационной инфраструктуры по двум базам данных такого резкого уменьшения коэффициента детерминации не наблюдалось. Причины этого эффекта пока остаются для нас открытыми. Полученные результаты, в случае их сопоставления с региональным валовым продуктом и численностью населения регионов, позволяют планировать размещение университетской и инновационной инфраструктуры по регионам России.

Библиографическая ссылка