Научный журнал

Фундаментальные исследования

ISSN 1812-7339

"Перечень" ВАК

ИФ РИНЦ = 1,674

• Авторы
• Резюме
• Файлы
• Ключевые слова
• Литература

Шанин И.И. 1 Лысыч М.Н. 1 Анисимов М.В. 1

---

1 ФГБОУ ВО «Воронежский государственный лесотехнический университет имени Г.Ф. Морозова»

В процессе исследования проводилось моделирование инновационных подходов на основе проведенного экономического анализа с построением эконометрической модели, сформированной посредством систем уравнений регрессий, определяющих зависимость влияния того или иного фактора на результативный показатель. Полученные результаты зависят от качества исходной информации. При проведении моделирования на основе систем уравнений регрессий прежде всего определяется тип информационно-аналитической функции, характеризующей систему оценки показателей-критериев инновационного развития предприятий лесопромышленного комплекса, сформированной на основе расчетов с использованием многомерного детерминированного факторного анализа. Отбор исходных данных проводился по признаку однородности количественными и качественными составляющими. Отбор исходных данных на основе качественной составляющей предполагает однородность необходимых условий при формировании факторно-аналитических и результативных признаков. Отбор исходных данных на основе количественной составляющей заключается в сосредоточении единиц эмпирического наблюдения, отличных по своим числовым параметрам от имеющегося массива данных. Определение факторов, влияющих на уровень инновационного развития, проводилось с применением качественного, математического анализа с одновременным использованием сформированных показателей-критериев. Определение факторов проводилось в несколько этапов. На первом этапе факторы, включаемые в систему оценки показателей-критериев инновационного развития предприятий лесопромышленного комплекса, не имеют особых ограничений. На втором этапе необходимо проведение сравнительной оценки и отбор необходимых факторов. Определение факторов проводилось с применением сочетания качественного математического анализа посредством расчетов индексов корреляции и парных коэффициентов, а также оценкой их по критерию методом статистической проверки гипотез. На третьем заключительном этапе определения факторов проводится построение различных вариантов регрессионных уравнений по степени значимости их параметров.

Статья в формате PDF

0 KB

моделирование

инновационное развитие

лесопромышленный комплекс

предприятия

факторы

корреляция

уравнение регрессии

1. Доклад о целях и задачах Минпромторга России на 2018 год и основных результатах деятельности за 2017 год [Электронный ресурс]. URL: http://minpromtorg.gov.ru/docs/#!doklad_o_celyah_i_zadachah_minpromtorga_rossii_na_2018_god_i_osnovnyh_rezultatah_deyatelnosti_za_2017_god (дата обращения: 22.10.2018).

2. Кириллова С.С., Черных А.С., Зубахина Е.Р., Плетенская В.В. Методика формирования интегрированных структур науки, образования и производства в лесопромышленном бизнесе // Актуальные направления научных исследований XXI века: теория и практика. 2014. Т. 2. № 1 (6). С. 361–366.

3. Морковина С.С., Корчагин О.М., Иванова А.В. Инновации в лесном хозяйстве: особенности создания и перспективы // Лесотехнический журнал. 2013. № 3 (11). С. 189–199.

4. Морковина С.С., Денисова Ю.Г. Детерминанты развития предпринимательства в лесном хозяйстве // Социально-экономические явления и процессы. 2012. № 9 (43). С. 112–116.

5. Безрукова Т.Л., Борисов А.Н., Шанин И.И. Основные показатели системы управления инновационной деятельности мебельных предприятий // Вопросы инновационной экономики. 2012. № 3 (13). С. 13–26.

6. Безруков Б.А., Безрукова Т.Л., Иванов А.А. Управление, моделирование и прогнозирование инновационной активности предприятий: научно-методический аппарат, бизнес-модели, прогнозы: монография. М.: «КноРус», 2013. 116 с.

Сдерживающими факторами экономического роста в лесопромышленном комплексе являются: неразвитость транспортной инфраструктуры лесоразработок, низкое качество лесных ресурсов из-за экстенсивного лесопользования, а также высокий объем незаконно заготавливаемой древесины и истощение ее запасов. Неустойчивое финансовое положение предприятий комплекса обусловлено высокой материало- и энергоемкостью производства при опережающем росте цен и тарифов на услуги естественных монополий. Учитывая высокую капиталоемкость и длительные сроки окупаемости проектов в лесопромышленном комплексе, необходимо обеспечить действенные механизмы инновационного развития, направленные на создание инновационной лесной инфраструктуры, техническое перевооружение предприятий и на формирование адекватных объемов межсезонных запасов сырья и материалов. Представляется также целесообразным создание эффективно функционирующей системы сбора и подготовки достоверной информации, необходимой для обоснования инновационных подходов по развитию лесопромышленного комплекса.

Материалы и методы исследования

При моделировании основных показателей, влияющих на инновационную деятельность предприятий и основной результативный показатель деятельности, рассчитывались данные на основе полученной финансово-статистической информации по Российской Федерации с 2010 по 2017 г. За основу модели была взята рекурсивная система регрессионно-эконометрических уравнений. Определение в качестве модели данной рекурсивной системы регресионно-эконометрических уравнений (рекурсивно-регрессионная модель) обосновано тем, что в процессе исследования производственной деятельности и разработки инновационной продукции в сложившейся системе предприятий лесопромышленного комплекса, исследований в области функционирования их механизма и построения простых регрессионных уравнений недостаточно. Это связано с тем, что простое регрессионное уравнение из всей системы уравнений множественной регрессии не определяет имеющуюся структурно-функциональную взаимозависимость отдельных влияний и факторов.

Результаты исследования и их обсуждение

На рисунке представлены индексы производства к предыдущему году по видам деятельности лесопромышленных предприятий:

По данным Минпромторга России в 2017 г. продолжилось проведение мероприятий по реализации механизма приоритетных инвестиционных проектов в области освоения лесов в рамках постановления Правительства Российской Федерации от 30 июня 2007 г. № 419 (далее – Постановление 419) [1].

По состоянию на 1 марта 2018 г. в перечне приоритетных инвестиционных проектов находился 141 инвестиционный проект с общим объемом заявленных инвестиций 512 млрд руб. (фактически инвестировано 401,7 млрд руб.), размером расчетной лесосеки 81,8 млн м3. В табл. 1 представлены показатели структуры производственных предприятий лесопромышленного комплекса.

По данным Министерства экономического развития Российской Федерации значение сальдированного финансового результата по направлениям «Обработка древесины и производство изделий из дерева и пробки, кроме мебели, производство изделий из соломки и материалов для плетения» за период январь – август 2017 г. снизилось на 34,4 млрд руб. в сравнении с аналогичным промежутком предыдущего периода и значение финансового результата составило 2,3 млрд руб. (на 180 предприятиях лесопромышленного комплекса наблюдается прибыль в общем размере 20,5 млрд руб., а на 107 предприятиях наблюдается убыток в размере 18,1 млрд руб.).

Значение сальдированного финансового результата по направлению «Производство бумаги и бумажных изделий» за период январь-август 2017 г. снизилось на 26,41 млрд руб. в сравнении с аналогичным промежутком предыдущего периода и значение финансового результата составило 51,4 млрд руб. (на 143 предприятиях лесопромышленного комплекса наблюдается прибыль в общем размере 56,1 млрд руб., а на 40 предприятиях наблюдается убыток в размере 4,6 млрд руб.).

Для проведения моделирования рекурсивной системой регресионно-эконометрических уравнений в качестве эндогенных (внутренних) переменных использовались следующие показатели [2]:

Y1 – объём произведенной инновационной продукции на предприятиях лесопромышленного комплекса, млн руб.;

Y2 – совокупный финансовый результат на предприятиях лесопромышленного комплекса страны, млн руб.;

Y3 – затраты на инновационную деятельность, млн руб.;

Y4 – рентабельность инновационной продукции, млн руб.

На всю совокупность исследуемых показателей оказывают влияние различные факторы. Так, на уровень инновационного развития предприятий лесопромышленного комплекса страны влияет состояние основных фондов предприятий, а именно применяемого оборудования и используемых машин, инвестиции в науку и инновации в виде капитальных вложений, а также финансирование в развитие трудовых ресурсов и высококвалифицированных сотрудников, способных внедрять и создавать инновационные продукты. В связи с этим факторными показателями выступают:

X1 – показатель степени износа основных производственных фондов предприятий, %;

X2 – инвестиции в науку и инновации в форме капитальных вложений, тыс. руб.;

X3 – показатель произведенной продукции, товаров ЛПК, млрд руб.;

X4 – Число трудовых ресурсов и высококвалифицированных сотрудников, способных внедрять и создавать инновационные продукты, чел.

Для построения регрессионных уравнений с учетом факторных и результативных показателей необходимо использование парной и множественной корреляции. Взаимозависимость между исследуемыми показателями измеряется корреляционным соотношением, которое в виде функции прямолинейной зависимости называется корреляционным коэффициентом [3, 4].

Значение коэффициента корреляции может изменяться в пределах [–1;1]. Здесь r = 1 характеризуется как значение идеально положительной регрессионной корреляции, r = –1 характеризуется как значение идеально отрицательной регрессионной корреляции. Значение коэффициента корреляции r = 0 не учитывается, при r > 0 значение линейной регрессионной корреляции положительное, при r < 0 значение линейной регрессионной корреляции отрицательное. Степень взаимозависимости между факторными и результативными показателями заносится в корреляционную матрицу (табл. 4).

Взаимозависимость между факторными и результативными показателями оценивается по шкале Чеддока:

0,1 < r < 0,3 – слабый уровень взаимозависимости;

0,3 < r < 0,5 – умеренный уровень взаимозависимости;

0,5 < r < 0,7 – заметный уровень взаимозависимости;

0,7< r < 0,9 – высокий уровень взаимозависимости;

0,9 < r < 1 – весьма высокий уровень взаимозависимости.

На основе расчетов можно сделать следующие выводы: наибольшая взаимозависимость наблюдается между показателем степени износа основных производственных фондов предприятий и показателем произведенной продукции (взаимозависимость обратная, высокий уровень); между показателем степени износа основных производственных фондов предприятий и инвестициями в науку и инновациями в форме капитальных вложений (наблюдается прямая на заметном уровне взаимозависимость); между показателем степени износа основных производственных фондов предприятий и числом трудовых ресурсов и высококвалифицированных сотрудников, способных внедрять и создавать инновационные продукты (обратная взаимозависимость на заметном уровне).

В процессе расчета корреляционного коэффициента и определении взаимозависимости между теми или иными влияющими факторами и используемыми показателями, решается важнейшая задача по подтверждению значимости полученных значений рассчитанного коэффициента. После расчетов необходимо провести проверку и сделать обоснование возможности применения полученного значения (r), в рамках выборочной совокупности и правильности вывода о допустимости или недопустимости прямолинейной зависимости ко всему массиву данных. Проведение проверки значимости проводилось на основе критерия (t) метода статистической проверки гипотез [5, 6].

По результатам расчетов можно проверить нулевую гипотезу, определяющую положение корреляционного коэффициента в выбранном массиве данных, при значении равном 0. Рассчитанное значение критерия (tрасч) необходимо сравнить с его значением в таблице, выбираемым из расчетной таблицы для числовых значений степеней (n – 2) и имеющейся доверительной вероятности (α). В процессе исследования значение α составило 7 % (0,07). При условии, что tрасч > tтабл, можно утверждать тот факт, что корреляционный коэффициент имеет значение больше 0 и между анализируемыми показателями существует факторная зависимость. При расчетах в исследовании выявлено, что среди отобранных влияющих факторов на показатели с наибольшей взаимозависимостью, tрасч при всех позициях выше tтабл, что можно охарактеризовать как наличие надежной связи между ними, при этом значение корреляционного коэффициента находится на заметном уровне. С применением данного метода проводился расчет корреляционных коэффициентов между влияющими факторами и имеющимися результативными показателями деятельности предприятий (табл. 5).

Выводы

На основе данных табл. 6 видно, что в случае взаимозависимости между результативными финансовыми показателями и влияющим фактором x2 (инвестиции в науку и инновации в форме капитальных вложений) tрасч < tтабл, и взаимозависимость между объёмом произведенной инновационной продукции на предприятиях лесопромышленного комплекса и совокупным финансовым результатом на предприятиях лесопромышленного комплекса и данным влияющим фактором находится статистически на незначимом уровне. Следовательно, в модель на основе рекурсивной системы регрессионно-эконометрических уравнений (рекурсивно-регрессионную модель) отбираются факторы X1, X2, X4. Следует отметить, что в процессе анализа матрицы парных корреляционных коэффициентов не обнаружилась мультиколлинеарность (корреляционный коэффициент r > 0,7 по абсолютному выражению), следовательно, всю совокупность влияющих факторов необходимо использовать в процессе построения регрессионно-эконометрических уравнений (рекурсивно-регрессионная модель).

Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 18-010-00318.

Библиографическая ссылка