Экономико-статистическое исследование инновационной активности региона

Короткий опис

Год:

2007

Автор научной работы:

Путилина, Вероника Юрьевна

Ученая cтепень:

кандидат экономических наук

Место защиты диссертации:

Екатеринбург

Код cпециальности ВАК:

08.00.12

Специальность:

Бухгалтерский учет, статистика

Количество cтраниц:

189

Оглавление диссертациикандидат экономических наук Путилина, Вероника Юрьевна

ВВЕДЕНИЕ
ГЛАВА 1. ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКИЕ ВОПРОСЫ ИССЛЕДОВАНИЯ ЭФФЕКТИВНОСТИИННОВАЦИОННОГОРАЗВИТИЯ
1.1. Теория развитияинновационнойдеятельности
1.1.1. Концептуальные подходы кинновационномуразвитию
1.1.2. Ключевые понятия инновационной деятельности
1.1.3.Инновационнаяактивность как базовая экономическая категория
1.2. Методы оценки эффективности инновационной деятельности
1.2.1. Анализ существующих способов оценки эффективностинововведений
1.2.2. Измерение инновационнойактивностив экономико-статистическом исследовании
1.2.3. Паллиативный измеритель эффективности инновационной деятельности
1.3. Инновационная активность как фактор обеспечения устойчивого идинамичногоразвития региона
ГЛАВА 2. КОМПЛЕКСНЫЙ СТАТИСТИЧЕСКИЙ АНАЛИЗ ИННОВАЦИОННОЙ АКТИВНОСТИРЕГИОНА
2.1.Межрегиональныйинтегральный рейтинговый анализ инновационной активности
2.1.1. Идентификация комплексного статистического анализа инновационной активности региона
2.1.2. Комплексная оценка инновационной активности регионов по совокупности показателей-индикаторов
2.1.3. Проведениемежрегиональногоинтегрального рейтингового анализа
2.1.4. Оценка влияния уровня инновационной активности нарезультативныепоказатели хозяйственной деятельности в регионе
2.2. Применение межрегиональногорейтинговогоанализа для выявления резервов инновационной активности
2.2.1. Приемы выявлениярезервовинновационной активности региона
2.2.2. Определениеприоритетныхнаправлений использования резервов инновационной активности в ближайшей перспективе
2.3. Оценка уровня инновационной активности предприятий и отраслей
2.3.1. Методы выявления тенденций инновационной активности предприятий региона
2.3.2. Особенности статистической оценки инновационной активности в отрасляхпромышленностирегиона
2.4. Особенности анализа инновационной активности вузов региона
2.4.1. Идентификация научно-инновационной активности вуза
2.4.2. Система показателей научно-инновационной активности вуза
ГЛАВА 3. МЕТОДОЛОГИЧЕСКИЕ ПРИНЦИПЫ
СТАТИСТИЧЕСКОГО ПРОГНОЗИРОВАНИЯ РОСТА
ИННОВАЦИОННОЙ АКТИВНОСТИ
3.1. Методы прогнозирования роста инновационной активности региона
3.2. Принципы статистического прогнозирования при разработке инновационной стратегии региона

Введение диссертации (часть автореферата)На тему "Экономико-статистическое исследование инновационной активности региона"

Актуальность темы исследования. В «Основах политики Российской Федерации в области развития науки и технологий на период до 2010 года и дальнейшую перспективу» и в посланиях Президента России Федеральному Собранию переход кинновационномуразвитию определен как основная цель государственной политики на ближайшую идолгосрочнуюперспективу.
Тем самым признано, что обеспечениединамичногои устойчивого развития экономики страны, отвечающего потребностям настоящего времени и сохраняющего потенциал жизнедеятельности для будущих поколений, невозможно без ускорения перехода наинновационныйпуть развития.
Основной векторконкурентоспособностинационального и регионального хозяйства также лежит в областидинамичноменяющихся преимуществ, основанных на научно-техническом потенциале иинновацияхна всех стадиях от созданиятоварадо продвижения его отпроизводителяк потребителю. Новейшие технологии и обеспечиваемый ими ростпроизводительностипозволяют добиваться главного условия национальной, региональной иотраслевойконкурентоспособности: производства товаров и услуг, которые соответствуют требованияммировыхрынков.
Опыт наиболее развитых стран показывает, что высокий уровень экономического развития обеспечивается целым рядом условий, главными из которых являются: накопленный научно-технический, промышленный и инвестиционный потенциал,институциональныефакторы технологического прогресса и государственнаяподдержкаинновационных преобразований.
В настоящее время удельный вес России на международном рынке высоких технологий составляет всего 0,3-0,5%, а объемэкспортаотечественных технологий ниже, чем в Италии в 10 раз, ниже, чем в Германии в 66 раз, чем в Великобритании в 73 раза. Вместе с тем,численностьисследователей в нашей стране больше, чем их численность в перечисленных выше странах, соответственно в 6,9 раза, в 1,8 раза и в 3,1 раза. Стоимость же накопленного в стране интеллектуальногокапиталазападными экспертами оценивается примерно в 400 млрд.долларовСША.
Однако этот потенциал не находит достойного применения в реальномсектореэкономики. Продолжается снижение интереса кинновациямсо стороны хозяйствующих субъектов. Как показывают опросыРосстата, среди тех предприятий, которые остаютсяинновационнопассивными, примерно треть промышленных предприятий не видит необходимости осуществлятьинновационнуюдеятельность. При этом более 60% из них объясняют свою пассивность наличием значительных сложностей в осуществленииинновационнойдеятельности. Одна из главных причин пассивности и инертности очевидна - недооценка государством и обществом ролиинноваций.
Между тем поддержка инновационной деятельности в развитых странах стала широко распространенным и эффективнымвложениемсредств. Так, доходы США от операций с интеллектуальнойсобственностьюна сегодня превышают объем нефтяного экспорта нашей страны. Россия же, вследствие неумения эффективно использовать свой научный потенциал, ежегодно теряет до 5 млрд. долларов из-за выполнения нашими учеными зарубежныхзаказови теневой продажи за рубеж современных технологий и ноу-хау.
Уровень инновационной активности (доля предприятий, которые осуществляют разработку и внедрение новых либо усовершенствованных продуктов и технологических процессов), составляет впромышленностиРоссии лишь 11%, тогда как вСША, Германии, Японии, Франции уровень инновационной активности (далее ИА) достигает 70-82%, что обеспечивает этим странам прочныеконкурентныепозиции на мировом рынке.
Анализ региональных различий показывает, что относительно высоким уровнем ИА обладают не так много субъектов РФ: гг. Москва и Санкт-Петербург, Московская, Томская, Новосибирская и некоторые другие области. Большинство же российских регионов имеет весьма низкий уровень ИА. Во многом это обусловленонеэффективнойинновационной политикой, проводимой в ряде субъектов РФ. Она должна формироваться при активном участии экономической науки: ведь обеспечение экономического роста на основе инноваций требует применения особой методологии в определении ИА, новой стратегииинновационногоразвития, методики оценки эффективности государственнойподдержки, что обеспечивается далеко не в полной мере.
Степень изученности проблемы. Теоретико-методологические исследования проблем инновационного развития велись (и ведутся в настоящее время) по следующим основным направлениям: о классическому направлению (А.Смит, Д. Рикардо и неоклассики Р.Солоу, А. Янг, Н. Калдор); о «комбинаторному» подходу Й.Шумпетераи его последователей; о исследования в рамках школы русского циклизма, начатые Н.Кондратьевым, В. Вернадским, А. Чижевским, А. Богдановым; о в соответствии с теорией эндогенного роста (П.Ромери Дж. Хикс); о на основе эволюционного подхода к инновациям (Р. Нельсон, С. Винтер).
Различные аспекты проблемы совершенствования экономики и управленияинновациямирассматриваются в работах следующих ученых:
- зарубежных: В. Митчерлиха, В. Зомбарта, Г.Менша, С. Цуру, Б. Твисс, Дж. Брайт, Р.Фостер, П. Друккер, Д. Ридз, Б.Санто, Й. Пиннингс, А. Бьюитендам, JI. Мор, Дж. Чайлд;
- отечественных: А.Абалкина, А. Анчишкина, JI. Бляхмана, Т. Бунина, Н.Гапоненко, JI. Гатовского, С. Глазьева, В.Кушлина, Е. Майминаса, Д. Львова, Ю. Осипова, К.Таксира, В. Фальцмана, А. Фонотова, А.Юданова, Ю. Яковца и др.
Вопросам активизации инновационной деятельности в регионах, проблемамстимулированияинновационной активности на региональном уровне посвящены работы А. Авдулова, И. Головой, В. Любовного, И. Макаровой, А. Суховей, А.Татаркина, М. Филатова, Л. Шайбаковой и др.
Учетно-аналитические и статистические проблемы инноваций и научно-технического прогресса исследовались в трудах российских и зарубежных ученых: Б.Альстрэнда, И. Ансоффа, В. Астахова, А. Бакаева, М.Баканова, И. Богатой, К. Боумена, В. Гетьмана, Э. Гильде, С.Глазьева, М. Гордонова, П. Дойля, Д.Ендовицкого, Ф. Завьялова, А. Идрисова, А.Илышеваи Н. Илышевой, С.Ильенковой, Э. Кемпбелла, Р. Коха, Г.Крохичевой, М. Мельник, Ф. Риполь-Сарагоси, В. Рябикина, Л.Саммерса, В. Тереховой, Е. Тихомировой, А.Шереметаи др.
Вместе с тем представляются недостаточно исследованными ряд статистических и аналитических проблем, имеющих большое значение для совершенствования методологии экономико-статистического изучения инновационной деятельности. Среди них могут быть выделены следующие проблемы:
- развитие теоретических основ статистики инноваций и инновационной активности;
- совершенствование методов измерения эффективности инновационной деятельности;
- отсутствие методологии проведения комплексного статистического анализа инновационной активности региона;
- адаптация специальных статистических методов к анализу инновационной активности на региональном уровне;
- совершенствование концептуальных подходов к статистическому прогнозированию роста инновационной активности региона.
Недостаточная степень разработанности вышеперечисленных проблем обусловила выбор темы, цели, задач, объекта и предмета исследования.
Цель и задачи исследования. Цель диссертационной работы состоит в разработке наиболее важных теоретико-методологических вопросов экономико-статистического исследования инновационной активности в регионе.
Реализация поставленной цели потребовала решения следующих задач •
• выполнить терминологическое исследование основных понятий инновационной деятельности: «инновации» и «инновационная активность»;
• разработать критерий приемлемости существующих и предлагаемых измерителей инновационной активности как показателя эффективности инновационной деятельности;
• разработать и реализовать методологический подход к проведению комплексного статистического анализа инновационной активности региона;
• адаптировать специальные статистические методы (дисперсионный и корреляционный анализ) к специфике анализа инновационной активности региона;
• усовершенствовать концептуальный подход к статистическому прогнозированию роста инновационной активности региона.
Объектом исследования являетсяинновационнаяактивность хозяйственного комплекса региона.
Предмет исследования - процессы измерения, оценки, анализа и прогнозирования инновационной активности региона.
Области исследования:
- методология построенияучетныхи статистических показателей, характеризующих социально-экономические совокупности (1.2);
- методы статистического измерения и наблюдения социально-экономических явлений, обработки статистической информации, оценка качества данных наблюдений; организация статистических работ (3.1);
- методы обработки статистической информации: классификация и группировки, методы анализа социально-экономических явлений и процессов, статистического моделирования, исследования экономическойконъюнктуры, деловой активности, выявления трендов и циклов, прогнозирования развития социально-экономических явлений и процессов (3.3);
- методология экономико-статистических исследований, направленных на измерение эффективности функционирования организаций (3.6).
Теоретической и методологической основой диссертационного исследования являются системный подход и базовые положения статистической методологии изучения социально-экономических явлений.
В диссертации использованы многие положения современной экономической и статистической теории, обобщен зарубежный и отечественный опыт анализа инновационной сферы. Проведен анализ научных позиций российских и иностранных ученых, работающих в этой области.
Информационную базу диссертационной работы составили материалы сборников Федеральной и областной службы государственной статистики, результаты исследований российских и зарубежных ученых, действующее федеральное законодательство и нормативные акты региональных органов власти. Была также использована информация, содержащаяся в массовых периодических изданиях, сети Интернет, электронныхСМИ.
Наиболее важные научные результаты, полученные лично автором и их новизна:
1. Выполнено терминологическое исследование основных понятий инновационной деятельности, в результате чего предложена: во-первых, уточненная трактовка инноваций, под которыми понимаются преимущественно результаты внедрения техники, технологии и продукции, отвечающие современным представлениям о пятом и более высоких технологических укладах, во-вторых, новая интерпретация понятия «инновационная активность» как свойства организации постоянно генерировать соответствующиеновшества.
2. Разработан критерий приемлемости существующих и предлагаемых измерителей инновационной активности как показателя эффективности инновационной деятельности, что позволяет дополнить традиционные расчеты экономической эффективности адекватными оценками уровней инновационной активности и идентифицировать уровень инновационной активности в качестве результата инновационного развития, а также фактора устойчивого и динамичного развития региона.
3. Разработан иреализованметодологический подход к проведению комплексного статистического анализа инновационной активности региона, включающий в себя внешний статистический анализ (межрегиональныйи конкурентный для рассматриваемого региона), а также внутренний анализ (организаций производственной и научно-инновационной сфер). Разработана система обобщающих и локальных показателей оценки инновационной активности региона, позволяющая осуществлять межрегиональный интегральныйрейтинговыйанализ.
4. Адаптированы специальные статистические методы (дисперсионный и корреляционный анализ) к специфике анализа инновационной активности в регионе, что позволяет обеспечить более эффективное управление егоинновационнымразвитием.
5. Усовершенствован концептуальный подход к статистическому прогнозированию роста инновационной активности региона путем прямого включения системного подхода в совокупность общеметодологических принципов прогнозирования развития региональной инновационной системы и ее декомпозиции, что дает возможность повысить качество разработки инновационной стратегии региона.
Достоверность полученных результатов обусловлена системным подходом, использованием апробированной методологии комплексного анализа, применением количественных и качественных методов и моделей анализа, информационным массивом данных по субъектам РФ за последние семь лет, данные мониторинга инновационной активности предприятий Челябинской области.
Практическая значимость исследования заключается в следующем: о уточнение состава инноваций путем исключения продукции, подвергшейся усовершенствованиям, и соответствующаякорректировкапоказателя инновационной активности позволяет повысить достоверность измерения уровня инновационного развития на всех иерархических уровнях управления и научную обоснованность результатов анализа; о применение методики комплексного статистического анализа инновационного развития региона дает возможность регулярно осуществлять всестороннюю оценку и диагностику состояния инновационной активности организаций производственной и научно-инновационной сфер региона; о проведениемежрегиональногоинтегрального рейтингового анализа позволяет выполнить сравнения уровней ИА субъектов РФ, выявить имеющиесярезервыи определить приоритетные направления их использования.
Апробация результатов диссертации. Положения диссертационного исследования докладывались на шести научных и научно-практических конференциях межрегионального, общероссийского и международного уровня.
Структура и объем. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы из 170 наименований и 11 приложений. Основное содержания изложено на 175 страницах машинописного текста, работа включает 11 рисунков и 27 таблиц.

Список літератури

Заключение диссертациипо теме "Бухгалтерский учет, статистика", Путилина, Вероника Юрьевна

Выводы из главы 2
1. Методы комплексного анализа, хорошо разработанные и широко применяемые на уровнехозяйствующегосубъекта, не используются на региональном уровне. Между тем в основутерриториальногоделения нашей крупнейшей по территории страны мира положено понятие «региональныйхозяйственныйкомплекс», что предопределяет целесообразность проведения комплексного статистического анализаинновационнойактивности региона. Однако возможности практического осуществления такого анализа препятствует ряд причин: о чрезвычайная сложность экономических связей в региональномхозяйственномкомплексе - наличие внутренних и внешних взаимосвязей,контрагентовв ближнем и дальнем окружении и т.д.; о многообразие сфер, отраслей и видов деятельности (сферы услуг, производственной сферы, инновационно-инвестиционной сферы и др.); о отсутствие детально проработанной и апробированной научной методологии проведения комплексного статистического анализа региональной экономики по наиболее важнымсекторами направлениям ее деятельности; о недостаточное информационное обеспечение для осуществления такого рода анализа (отсутствие многих данных в региональной статистики, необходимых для реализации апробированных международных методикмежстрановогоанализа).
2. Идентификация комплексного статистического анализа инновационной активности региона позволила установить, что он включает в себя следующие разновидности: а) Внешний статистический анализ:
-межрегиональныйстатистический анализ;
- рассматриваемого региона среди других регионов. б) Внутренний статистический анализ:
- организаций производственной сферы;
- организаций научно-инновационной сферы.
3. Обобщение весьма разнородной информации о различных сторонах и факторах инновационной активности регионов может быть осуществлено на основерейтинговогоанализа, получающего все большее международное признание. Основными целями, которые преследует предлагаемый методмежрегиональногоинтегрального рейтингового анализа, являются:
- комплексная оценка инновационной активности (ИА) каждого региона по совокупности показателей-индикаторов;
- проведение межрегионального интегрального рейтингового анализа для оценки различий в уровнях ИА по субъектам РФ;
- установление влияния уровня ИА нарезультативныепоказатели хозяйственной деятельности в регионе;
- разработка приемов выявлениярезервовИА и определение приоритетных направлений использования выявленных резервов в ближайшей перспективе;
- выработка научных рекомендаций по расширению применения методов рейтингового анализа наотраслевоми региональном уровнях.
4. При выборе системырейтингуемыхпоказателей в качестве шести групп локальных характеристик внутренних и внешних подсистем инновационной сферы региона, выражающих и обеспечивающихинновационнуюактивность региона, были выделены следующие группы, в которые входят 22 показателя:
I группа: показатели экономического развития региона;
II группа: показатели инновационной потенциалапромышленности;
III группа: показателинаукоемкостирегиона;
IV группа: показатели участия региона в международном технологическом обмене;
V группа: показателиобеспеченностикадрами высшей категории в научно-инновационной сфере региона;
VI группа: показатели степени информатизации региона.
5. В процессе реализации метода межрегионального интегрального рейтингового анализа каждый из 22 локальных показателей ИЛ подлежитрейтингованиюс последующим обобщением и представлением в виде интегральногорейтингаинновационной активности региона. При этом обобщение с последующим усреднением может быть выполнено по формуле средней арифметической либо средней геометрической (последний способ предпочтительней).
6. Использование разработанных в диссертационном исследовании приемов позволяет, во-первых, выявить и проранжировать наиболее существенные по уровню значимостирезервыповышения инновационной активности, во-вторых, определить главные направления использования резервов инновационной активности в ближайшей перспективе, в-третьих, найти оптимальноеуправленческоерешение по мобилизации резервовинновационногоразвития региона.
7. При применении вуправленческойпрактике методики межрегионального интегрального рейтингового анализа ИА, необходимо учитывать в конечных выводах несовершенство, приближенный характер факторных ирезультативныхпоказателей, используемых в статистическом анализе, которые обусловлены следующими обстоятельствами:
- в состав инновационной продукции согласно действующим методическим указаниямРосстатавключается продукция весьма разной степени новизны. Это порождает неэквивалентность одного и того же объема инновационной продукции в разных регионах. При обосновании региональной стратегии инновационного развития целесообразно особо выделять производство принципиально новой продукции и исследовать зависимость ростаВРПи объемов промышленного производства отскорректированногопоказателя уровня инновационной активности, т.е.исчисленноготолько по принципиально новой продукции;
- при расчетедушевогообъема ВРП целесообразно повысить полнотудосчетаместными статистическими органами результатов деятельности в сфере неформальной экономики (особенно в основныхсекторахкриминальной деятельности, розничной торговли, а также продуктов, производимых в личныхподсобныххозяйствах населения);
- при определениидушевыхобъемов промышленного производства, также необходимо повысить полноту досчета общего объема продукции промышленности путемпривлеченияданных контролирующих и судебных органов понеучтеннойпродукции и услугам промышленного характера.
8. Методика рангового корреляционного анализа может быть усовершенствована путем:
- расширения состава результативных показателей, на изменение уровня которых потенциально может оказывать влияние повышения уровня инновационной активности (сальдированныйфинансовый результат деятельности организаций региона,производительностьтруда, фондоотдача, материалоотдача, энергоемкость, такие социальные результаты, какдушевойуровень доходов, средняя заработнаяплата, обеспеченность благоустроенным жильем, экологическая эффективность и др.);
- применения метода группировки для дифференцированного подхода к регулированию инновационной деятельности регионов: успешно использующихинновационныйфактор в социально-экономическом развитии; регионов, в которых наблюдается определенный прогресс в использовании инновационного фактора в социально-экономическом развитии; регионов,стагнирующихна определенном достигнутом уровне инновационного развития; регионов, неблагополучных в отношении использования инновационного фактора.
9. Наиболее важной особенностью дисперсионного анализаотраслевыхразличий в уровнях инновационной активности предприятий и региона является возможность и целесообразность использования упрощенного дисперсионного анализа (на основе невзвешенных величин) и валидного дисперсионного анализа (на основе взвешенных величин). Упрощенный дисперсионный анализ ускоряет и облегчает расчеты, но понижает их точность; валидный дисперсионный анализ дает более точный и корректный ответ на поставленную задачу, но более трудоемок.
10. При проведении корреляционного анализа инновационной активности в отраслях поставлены и решены следующие задачи: во-первых, определено влияние уровня инновационной активности на интенсивные, или качественные показатели развития промышленных предприятий региона; во-вторых, выполнена оценка влияния интенсивных факторов, обусловленных ростом инновационной активности, на динамику промышленного производства. При этом было установлено, что если из года в год (на протяжении достаточно длительного периода) происходит нарастание значимости корреляционной связи, то это свидетельствует о наличии определенной тенденции, действие которой происходит с возрастающей силой.
11. Развитие процессов концентрации, дифференциации,специализациии интеграции интеллектуальной деятельности современный университет представляет собой конгломерат образовательной, научной и инновационной деятельности. Из трех основных подходов к идентификации научно-инновационной деятельности вуза (дезинтегрированного, «монистического»,интегрированного) в настоящее время наиболее адекватным условиям периода перехода нашей страны к инновационной экономике являетсяинтегрированныйподход. При этом в качестве основнойинституциональнойединицы сферы интеллектуальной деятельности, ныне едва начавшей длительный процесс своего формирования, является современный университет. В первую очередь, именно на его основе необходимо, возможно и следует интенсивно развивать научную и инновационную деятельность, не противопоставляя их друг другу.
12. В качестве предмета анализа научно-инновационных процессов в современном университете выступает его научно-инновационная активность (НИА). Она представляет собой модифицированную форму выражения результата собственной научно-инновационной деятельности (т.е. процесса проведения фундаментальных и поисковых научно-исследовательских работ, создания и внедренияинновацийс целью их использования внутри организации и/или эффективной реализации на внутреннем и/или внешних рынках), а также участия вуза в технологическом обмене на рынках всех уровней.
13. В систему показателей научно-инновационной активности вуза, комплексно характеризующих анализируемую подсистему, входят:
• показатели-характеристики уровня научно-инновационной активности вуза и его дифференциации: уровень активности вуза и его изменение, коэффициент вариации активности вуза (в динамике), коэффициент вариации его активности (в совокупности вузов региона);
• показатели-характеристики дифференциации вузов по типаминновационностистратегий развития: стратегия, ориентированная на опережающий рост собственного научно-инновационного потенциала,коммерчески(рыночно) ориентированная стратегия, инерционная стратегия (экстраполяция стихийно сложившейся динамики);
• структурные показатели-характеристики вузов по:отраслевомупрофилю (технические, гуманитарные и др. вузы);численностипреподавателей и научных сотрудников; уровню патентной активности вузов; насыщенности элементами инновационнойинфраструктуры; доле фундаментальных, прикладных исследований и разработок;
• финансовые показатели-характеристики научно-инновационной деятельности вуза: уровень финансовой обеспеченности научно-инновационной деятельности вуза,темпыроста общей финансовой обеспеченности этой деятельности, структура источников еефинансирования.
14. Общим подходом к формированию системы оценочных показателей научно-инновационной деятельности вуза является морфологический подход - экспертный метод изучения всех возможных комбинаций развития отдельных элементов исследуемой системы. Использование принципов системного подхода и методов морфологического анализа дает возможность разработать морфологическую таблицу признаков НИА в вузе, применение которой позволяет выделить совокупность параметров системы (ресурсных, затратных, результативных, ресурсо- изатратоотдачи) и идентифицировать возможные показатели, различающихся степенью обобщения на разных иерархических уровнях и стадиях НИА. Иными словами, морфологическая таблица обеспечивает системный подход к построению и практическому использованию совокупности оценочных показателей.
15. Включение совокупности региональных вузов в экономико-статистический анализ инновационной активности обеспечивает практическую реализацию комплексного подхода к объекту исследования (сфере инновационной деятельности региона) в силу следующих причин: научно-образовательные учреждения - важная составная часть инновационной сферы региона; в условиях незначительного числавысокотехнологичныхпредприятий и кризисных явлений в отраслевых научных учреждениях роль вузов в ускорении инновационного развития значительно возрастает; применение морфологического подхода позволяет обеспечить более полное выявление, а также мобилизациюнеиспользуемыхвозможностей и резервов внутривузовской системы и отдельных вузов.
ГЛАВА 3. МЕТОДОЛОГИЧЕСКИЕ ПРИНЦИПЫ СТАТИСТИЧЕСКОГО ПРОГНОЗИРОВАНИЯ РОСТА ИННОВАЦИОННОЙ АКТИВНОСТИ
3.1. Методы прогнозирования роста инновационной активности региона
Прогнозирование (с греч. Prognosis - предвидение) представляет собой опережающее отражение будущего либо вид познавательной деятельности, направленный на определение тенденций динамики конкретного объекта или события на основе анализа его состояния в прошлом и настоящем [26]. Его характеризуют также как специальное научное исследование, предметом которого выступают перспективы развития явления. При этом указывается, что прогнозирование несводимо к созданию определенной картины будущего и предполагает учет многосторонней детерминации развития исследуемых явлений, а также наличия ряда возможных вариантов [26].
Известный отечественный статистик И.И. Елисеева [34] считает, что прогнозирование - это оценка будущего на основе глубокого анализа тенденций развития социально-экономических явлений и их взаимосвязей, а процесс прогнозирования предполагает выявление возможных альтернатив развития в перспективе для обоснованного их выбора и принятия оптимального решения.
Прогнозирование трактуют также как вид познавательной деятельности человека, направленной на формирование прогнозов развития объекта на основе анализа тенденций его развития [32]. Прогнозирование должно отвечать на два вопроса: что вероятнее всего можно ожидать в будущем? Каким образом нужно изменить условия, чтобы достичь данного состояния? Прогнозирование является важным связующим звеном между теорией и практикой во всех областях жизни общества.
По нашему мнению, социально-экономический прогноз носит, как правило, стохастический (а не жестко детерминированный) характер и может быть идентифицирован как научно обоснованное суждение о возможных состояниях объекта в будущем, альтернативных вариантах развития, вероятности и сроках осуществления имеющихся альтернатив1.
В зависимости от степени конкретности и характера воздействия на ход исследуемых процессов и явлений различают три формы предвидения: гипотезу (общенаучное предвидение); собственно прогноз;долгосрочныйплан развития.
Эти формы предвидения, тесно связанные в своих проявлениях друг с другом и с исследуемым объектом в общей системе управления ипланирования, представляют собой последовательные ступени познания поведения объекта в будущем.
Гипотеза - интерпретируется как научно обоснованное предположение
0 структуре объекта, характере элементов и связей, образующих этот объект, механизме его функционирования и развития. На уровне гипотезы дается качественная характеристика объекта, выражающая общие закономерности его поведения. Хотя гипотеза носит наиболее общий характер, без нее не возможно никакое научное управление ипланирование. Гипотеза оказывает воздействие на этот процесс через прогноз; являясь важным источником информации для его составления.
Прогноз в сравнении с гипотезой имеет большую определенность и достоверность, поскольку основывается не только на качественных, но и на количественных характеристиках и поэтому позволяет всесторонне охарактеризовать будущее состояние объекта. Прогноз выражает предвидение на уровне конкретно-прикладной теории, так как связан с будущим, которое всегда стохастично. Будущее зависит от многих
1 Под прогнозированиемЧетыркинЕ М [2] понимает (и с этим следует согласиться) научное, т е основанное на системе фактов и доказательств, установленных причинно-следственных связей, выявление вероятностных путей и результатов предстоящего развития явлений и процессов, оценку показателей, характеризующих эти явления и процессы для более или менее отдаленного будущего И далее прогнозирование - это научная деятельность, направленная на выявление и изучение возможных альтернатив будущего развития и структуры его вероятных траекторий Причем каждая альтернативная траектория развития связывается с наличием комплекса внешних относительно исследуемой системы условий случайных факторов, сложное переплетение которых практически учесть невозможно. Отсюда все прогнозы носят вероятностный характер.
При исследовании сущности прогноза предстоит определить методологические аспекты соотношения прогноза и плана. Каждый из них должен знать определенное место в системе управленияинновационнымразвитием страны либо региона.
План (программа, концепция, стратегия инновационного развития) представляет собой систему взаимосвязанных, направленных на достижение единой целиплановыхзаданий, определяющих порядок, сроки и последовательность осуществления отдельных мероприятий. В нем фиксируются пути и средства развития в соответствии с поставленными задачами, обосновываются принятыеуправленческиерешения.
План и прогноз представляют собой взаимно дополняющие друг друга стадиистратегическогопланирования. При этом прогноз выступает как фактор, ориентирующий существующую практику на возможности развития в будущем, а прогнозирование - какинструментразработки планов (программ, концепций, стратегий). Формы сочетания прогноза и плана могут быть различными: прогноз может предшествовать разработке плана, следовать за ним или производиться в процессе разработки плана. Существенное различие между ними состоит в том, что план - отражение и воплощение уже принятого хозяйственно-политического решения, а прогноз - это поиск реалистического,экономическиверного пути. Прогнозирование представляет собой исследовательскую базу планирования, имеющую собственную методологическую основу, отличающуюся во многом от планирования.
Таким образом, задачи статистического прогнозирования таковы: выявление перспектив ближайшего или более отдаленного будущего в области инновационного развития на основе реально протекающих процессов в этой сфере: выработка оптимальных тенденций и перспективных планов с учетом составленного прогноза и оценки принятого решения с позиций его последствий в прогнозируемом периоде.
Прогнозы роста инновационной активности региона могут быть классифицированы по следующим критериям:
1. В зависимости от целей прогноза (по функциональному признаку) можно выделить два типа: поисковый и нормативный прогнозы.
Поисковый прогноз (исследовательский,трендовый, генетический) -это прогноз определения возможных состояний явления в будущем. Он отвечает на вопрос: что вероятнее всего произойдёт при условии сохранения действующих тенденций. Иными словами поисковый прогноз рассматривает возможные направления будущего развития прогнозируемого объекта (его будущего состояния). Здесь основным методом прогнозирования является экстраполяция.
Нормативный прогноз (программный,целевой) выполняется с целью определения путей и сроков достижения возможных состояний объекта прогнозирования в будущем, принимаемых в качестве цели. Например, если наша страна в качестве одной из важнейшихстратегическихзадач считает необходимость войти в пятерку ведущихмашиностроительныхдержав мира, то долговременный прогноз развития этой отрасли носит целевой, нормативный характер. При этом используется метод интерполяции (постепенного, поэтапного приближения к поставленной цели).
Таким образом, поисковый прогноз отталкивается при определении будущего состояния объекта от его прошлого и настоящего, нормативный же прогноз осуществляется в обратном порядке: от заданного состояния в будущем к существующим тенденциям и их изменениям в составе поставленной цели. При этом оба прогноза выступают на практике одновременно в качестве направлений и подходов к прогнозированию и используются совместно.
2. По критерию природы объекта среди прогнозов инновационной активности возможно выделение ресурсных прогнозов (природных, материальных, трудовых, финансовых), прогнозов развития фундаментальных исследований (перспективы развития науки и влияния ее достижений на технику, производство), прогнозов общественных и личных потребностей (спросна принципиально новые товары и продукты, потребность в объектах сферы интеллектуальной деятельности образования, науки, здравоохранения, культуры и др.)
3. По критерию времени для прогнозирования роста инновационной активности целесообразно различатькраткосрочные, среднесрочные, долгосрочные, дальнесрочные прогнозы.Краткосрочныйпрогноз составляется на период до 1 года;среднесрочный- от 1 года до 5 лет; долгосрочный - от 5 до 15 лет;дальнесрочный- на период свыше 15 лет.
Перечисленные виды прогнозов отличаются друг от друга по своему содержанию и характеру оценок исследуемых процессов. Краткосрочный прогноз предполагает оценку только количественных изменений. Среднесрочный и долгосрочный прогнозы исходят как из количественных, так и из качественных изменений. При этом всреднесрочномпрогнозе дается количественно-качественная оценка событий (количественные изменения преобладают над качественными), а вдолгосрочномкачественно-количественная оценка (т.е. качественные изменения преобладают над количественными).
Временем упреждения при прогнозировании называет отрезок времени от момента, для которого имеются последние статистические данные об изучаемом объекте, до момента, к которому относится прогноз. Иногда его называют прогнозируемым периодом.
Продолжительность периода зависит от специфики объекта прогноза, в частности от времени функционирования объекта прогнозирования, от интенсивности роста показателей, от продолжительности действия выявленных тенденций и закономерностей.
4. По критерию сложности могут быть выделены простой, сложный и сверхсложный прогнозы роста ИА. Эти прогнозы различаются наличием взаимосвязанных переменных в их описании: в простом отсутствуют множественность факторов, в сверхсложном прогнозе - присутствует множественность ивзаимопереплетениефакторов, связи между ними зачастую тесные (с коэффициентом корреляции близким к единице).
5. По степени детерминированности прогнозы инновационной активности могут быть: детерминированными, т.е. без существенных потерь информации в описании условий, стохастическими, в которых требуется учёт случайных величин, а также смешанными, включающими характеристики двух вышеуказанных прогнозов.
6. По критерию характера развития инновационный процесс во времени различают дискретные прогнозы, для которых характерентрендсо скачкообразными изменениями в фиксированные периоды времени и апериодические прогнозы, для которых характерна периодическая функция времени.
7. По критерию количественной опенки выделяются интервальные и точечные прогнозы роста ИА. Интервальный прогноз представлен результатом в виде доверительного интервала. Точечный прогноз выражается результатом в виде единственного значения характеристики объекта в будущем.
8. По критерию масштабности развитияинновационныхпроцессов прогнозы могут идентифицироваться как локальные (уровень хозяйствующего субъекта),суперлокальные(отраслевые, региональные) и глобальные прогнозы роста ИА.
Для прогнозирования роста инновационной активности предприятия либо объединения предприятий в большей степени распространены первые три вида прогноза, а для региона, отрасли и страны (нескольких стран) более характерны три последних вида прогноза.Инновационноеразвитие на всех иерархических уровнях управления, как правило, лучше описывается стохастическими моделями.
К методам прогнозирования целесообразно отнести совокупность способов и приемов, которые обеспечивают научно обоснованное предвидение будущего: экстраполирование, экспертные оценки, моделирование, применение аналогий.
Более развернутое определение методов социально-экономического прогнозирования дает Е.М. Четыркин [141], который характеризует их как совокупность приемов мышления, позволяющих на основе анализа ретроспективных внешних и внутренних связей, присущих объекту, а также их измерений в рамках рассматриваемого явления или процесса вынести суждения определенной достоверности относительно его будущего развития.
Таким образом, если методологической основой прогнозирования (в том числе прогнозирования роста ИА) служит теория развития объекта, которая раскрывает существо закономерностей, содержание основных причинно-следственных связей рассматриваемого процесса, то методы прогнозирования позволяют найти меру влияния отдельных закономерностей и причин развития, представить объект прогноза как динамическую систему измеренных с определенной степенью достоверности взаимодействий реальных явлений, факторов, сил и тем самым дать возможность воспроизвести с определенной степенью вероятности поведение инновационной системы в будущем.
Метод экстраполяции Экстраполяция (лат. extra - сверх, вне и polio -выправляю, изменяю) представляет собой метод научного прогнозирования, состоящий в распространении выводов, получаемых из наблюдения над одной частью явления на другую его часть.
Экстраполяция может быть охарактеризована также как логико-методологическая процедура распространения (переноса) выводов, сделанных относительно какой-либо части объектов или явлений на всю совокупность данных объектов или явлений, а также на их другую какую-либо часть. Она трактуется и как распространение выводов, сделанных на основе настоящих и прошлых состояний явления или процесса на их предполагаемое состояние [26].
В статистике же экстраполяция - это продолжение динамического ряда данных по определенным формулам. В настоящее время большинство отечественных статистиков под статистическими методами прогнозирования понимают именно методы экстраполяции. При этом последние классифицируются следующим образом (рис. 3.1).
Рис. 3.1. Группы методов экстраполяции тенденций |34|
Упрощенные приемы экстраполяции целесообразно использовать при явно недостаточной информации о характере развития явления в прошлом: отсутствует достаточно длинный динамический ряд либо информация задана только двумя точками - за базисный иотчетныйгод. К упрощенным приемам особенно часто целесообразно прибегать при прогнозировании НА в сфере военных технологий либо технологий двойного назначения, где сохраняются ограничения на исходную информацию.
Аналитические методы экстраполяции базируются на применении к динамическому ряду метода наименьших квадратов и на представлении закономерности развития явления во времени в виде уравнениятренда, т.е. математической функции уровней динамического ряда (Y) от фактора времени (t): у = f (t). Используя соответствующую кривую роста, можно разработать прогноз (чаще всего краткосрочный, а в случае с прогнозированием изменения уровня инновационной активности также и среднесрочный).
Адаптивные методы экстраполяции применяются в условиях значительнойколеблемостиуровней динамического ряда, что особенно характерно для ранних фаз развития новых научно-технических направлений. Эти методы дают возможность при изучении тенденции инновационного развития учитывать степень влияния предыдущих уровней на последующие значения динамического ряда. К адаптивным методам относятся методы скользящих и экспоненциальных средних, метод гармонических весов и методы авторегрессионных преобразований.
К упрощенным приемам прогнозирования относятся, во-первых, прогнозирование на основе стационарного ряда динамики и, во-вторых, прогнозирование на основе средних показателей динамики.
Как известно, временной ряд называется стационарным, если в нем отсутствует тенденция развития. Такой тип динамики характерен для фазы стабилизации волновой экодинамики инновационной системы, а также для медленно эволюционирующих ее подсистем (здесь отклонения от среднего уровня динамического ряда представляют собой случайнуюколеблемость). В условиях же высокой турбулентности инновационного развития стационарные процессы являются скорее исключением из правил. Поэтому для прогнозирования роста инновационной активности российских регионов, абсолютное большинство которых являютсяинновационномало активными, прогнозирование на основе стационарного ряда неадекватно ситуации.
При прогнозировании на основе средних показателей динамики скорость изменения уровней динамического ряда за определенный отрезок времени характеризуется средним абсолютнымприростом. Предполагая его стабильным, экстраполяционный прогноз роста ИА может быть выполнен по следующей формуле:
Yp=Yh+ AL (3.1), где Yp - прогнозируемый уровень ИА; Yb - уровень ИА, принятый за базу для экстраполяции; Д - средний абсолютныйприростуровня И А в единицу времени; L - период упреждения.
Применение среднего абсолютногоприростадля экстраполяции уровня ИА предполагает, что инновационное развитие происходит по арифметической прогрессии. Поэтому формула прогнозирование на основе средних показателей динамики принимает вид:
- Y -Y
А = ——— (3.2), п где {Y„-Y0) - базисный абсолютный прирост уровня ИА.
Использование в экстраполяции прогнозирование уровня ИА на основе средних показателей динамики относится в статистическом прогнозировании к классу так называемых «наивных» моделей, т.к. чаще всего инновационное развитие идет по иному пути, чем арифметическая прогрессия. Поэтому такого родапрогнозныйрасчет может трактоваться в лучшем случае как первую итерацию прогнозируемого уровня ИА. Кроме того, при использовании для получения прогноза абсолютного прироста итемпароста получаются лишь точечные прогнозы.
Аналитические методы экстраполяции. При наличии тенденции в ряду динамики уровни ИА можно рассматривать как функцию времени (t) и случайные компоненты (£•). В этом случае модель уровня динамического ряда имеет следующий вид:
3.3), где Y - средний уровень ИА в динамическом ряде (является теоретическим уровнем ИА при отсутствии тенденции); Ц - теоретический уровень ИА динамического ряда, связанный с действием основной тенденции развития.
В данной модели {£,-y) представляет собой эффект тенденции, а (у,- случайную составляющую е . Так как У + данную модель можно представить следующим образом:
3-4),
Предельно ясно, что практическая значимостьпрогнозноймодели будет тем выше, чем меньше будут остаточные колебания Таким образом, результаты прогноза роста ИА зависят от принятой математической функциивыравнивания, т.е. кривой тренда. При этом наиболее часто используются полиномы К-й степени, экспоненты, кривые с насыщением. В общем виде полином К-й степени представляет собой выражение: =а0 + a,t+a2t2+.+aktk (3.5).
При К= 1 получаем линейный тренд: a0+a,t (3.6).
По содержанию линейный тренд означает, что уровни динамического ряда изменяются с одинаковой скоростью.
Чтобы выбрать наилучшее уравнение тренда при прогнозировании роста уровня ИА для каждого уравнения нужно определить коэффициент детерминации (R2), F-критерий Фишера, также критерий Дарбина-Уотсена. Чем выше R2, тем выше вероятность того, что вариация уровней динамического ряда описывается именно данным уравнением тренда. Влияние случайного фактора оценивается как (1- R2). Чем больше величина F-критерий Фишера, тем предпочтительнее данное уравнение тренда.
На основе уравнения тренда определяются доверительные интервалы прогноза. При этом следует от точечной оценки прогноза перейти к интервальной оценке, поскольку полное совпадениефактическогои прогнозируемого уровней ряда практически невозможно. Алгоритм такого перехода содержится в специальной литературе [34]. Адаптивные методы экстраполяции.
Метод скользящих средних Это достаточно простой, наглядный и широко распространенный способ выявления тенденций развития явления, который дает возможность учитывать степень влияния предыдущих уровней на последующие значения динамического ряда. Скользящая средняя представляет собой подвижную динамическую среднюю, которая подсчитывается по временному ряду при последовательном передвижении на один интервал. Применение метода скользящих средних для выявления тенденции изменения доли затрат наНИОКРв ВВП нашей страны показано в табл. 3.1.
ЗАКЛЮЧЕНИЕ
Таким образом, все вышеизложенное в диссертационном исследовании дает возможность сделать следующие выводы и предложения.
1. Ретроспективное рассмотрение эволюции взглядов и подходов кинновационномуразвитию дает возможность выделить шесть основных направлений экономической мысли: о классическое направление (А.Смити Д. Рикардо); о «комбинаторный» подход И.Шумпетераи его последователей; о исследования в рамках школы русского циклизма (Н. Кондратьев, В. Вернадский, А. Чижевский, А. Богданов); онеоклассическаятеория (Р. Солоу, А. Янг, Н.Калдор); о теория эндогенного роста (П.Ромери Дж. Хикс); о эволюционный подход кинновациям(Р. Нельсон и С. Винтер).
Современные взгляды на закономерности развития инноваций вобрали в себя позитивные моменты всех направлений экономической мысли.
2. На основе изучения работ представителей эволюционного и других подходов, в настоящее время разработан ряд методологических принципов в исследовании инноваций:
1) признание особой роли знания в экономическом развитии;
2) рассмотрениеконкуренции, основывающейся на инновациях, в качестве главного фактора экономической динамики;
3) идентификация инновационного процесса как интерактивного, сложного, социального, создающего знания и по