Курсовая №3883 Статистический анализ расходов на НИОКР в России и развитых странах мира

Содержание
Введение 3
Глава 1. Теоретические основы научных исследований и опытно-конструкторских разработок 6
1.1 Расходы на НИОКР как объект статистического исследования 6
1.2 Система показателей характеризующие расходы на НИОКР 10
1.3 Обзор литературы по тематике исследования 13
Глава 2. Анализ современного состояния расходов на научные исследования и опытно-конструкторские разработки в России и развитых странах 17
2.1 Динамика затрат на исследования и разработки в России и зарубежных странах 17
2.2 Исследование взаимосвязи признаков расходов на НИОКР 21
2.3 Кластеризация регионов по показателям характеризующим расходы на НИОКР 30
Глава 3. Моделирование кооперационной активности и прогнозирование расходов на исследования и разработки 34
3.1 Моделирование кооперационной активности в научной сфере 34
3.2 Прогнозирование динамики расходов на НИОКР 36
Заключение 41
Список литературы 46
Приложения

Работа № 3883. Это ОЗНАКОМИТЕЛЬНАЯ ВЕРСИЯ работы, цена оригинала 1000 рублей. Оформлен в программе Microsoft Word.

Оплата. Контакты

Введение
Характерной чертой современного мирового экономического развития является переход страны к новому этапу формирования инновационного общества — построению экономики базирующейся преимущественно на генерации распространении и использовании научных знаний. Как свидетельствует мировой опыт уникальные навыки и способности умение адаптировать их к постоянно изменяющимся условиям являются одним из главных факторов становления страны на траекторию экономического роста также способствующим преодолению кризисных явлений. В промышленно развитых странах доля инноваций воплощаемых в производстве товаров и услуг составляет практически 80 прироста валового внутреннего продукта ВВП). Поэтому в современном мире экономическое развитие страны идет рука об руку с научно-техническим прогрессом и интеллектуализации производственных процессов.
Роль научных исследований и опытно-конструкторских разработок НИОКР возрастает по мере того как основная часть добавленной стоимости в бизнесе замещается с этапа производства этапом исследований и разработок. На основе результатов НИОКР принимаются ключевые решения различных вопросов в высокотехнологичном бизнесе. Особенно значимы исследования и разработки ИиР в маркетинге где компании наблюдают последние достижения конкурентов и пытаются наладить производство вследствие постоянно изменяющихся потребностей общества. Также ИиР важны для менеджмента в функции которого входит создание и воплощение в реальность программы НИОКР разработка этапов инновационного развития организации. Как известно НИОКР – одна из наиболее сложных областей с точки зрения менеджмента ведь отличием от большинства исследований является трудная предсказуемость итоговых результатов исследований и непосредственно сложность финансирования ИиР. Поэтому в настоящей курсовой работе будут анализированны факторы влияющие на расходы на НИОКР и предложены меры по увеличению инновационной активности отечественных предприятий.
Цель настоящей работы- анализ текущего состояния инновационной активности отечественных предприятий путем изучения расходов на НИОКР.
В соответствии с целью исследования в работе определены следующие задачи
1. Рассмотреть научную и инновационную деятельность как объект статистической науки
2. Провести анализ динамики показателей расходов на НИОКР в России и странах мира
3. Выявить взаимосвязь между расходами на ИиР и влияющими на них факторами
4. Провести кластеризацию регионов по показателям характеризующих расходы на НИОКР
5. Осуществить моделирование кооперационной активности в научной сфере
6. Провести анализ временных данных с построением прогнозных значений
7. Предоставить методы по повышению инновационной активности в России.
Объектом данного исследования являются расходы организаций на научные исследования и опытно-конструкторские разработки в России за 2012 и 2013 гг., предметом исследования – количественные характеристики расходов на НИОКР и факторов на них влияющие.
Информационной базой являются официальные данные с сайта Федеральной службы государственной статистики формы 4 – инновации и формы 2 – наука. Были взяты показатели по 83 субъектам Российской Федерации за 2012 и 2013 гг.. Теория построена на трудах отечественных и зарубежных ученых в области научной и инновационной деятельности.
Данная работа состоит из введения трех глав заключения списка использованной литературы и приложений с изложенными расчетными таблицами. В первой части курсовой работы изложена теоретическая основа научных исследований и опытно-конструкторских разработок их роль в производственном процессе предприятий и рассмотрены факторы на них влияющие. Также осуществлен обзор литературы по тематике исследования.Вторая глава посвящена анализу динамики результирующих показателей в России и зарубежных странах и статистическому анализу количественных данных расходов на НИОКР и их характеризующих факторов. В третьей части исследования представлены моделирование кооперационной активности в научной сфере и статический анализ рядов динамики с построением прогноза.
При решении поставленных задач использовались различные общенаучные и статистические методы корреляционный регрессионный и кластерный анализы построение модели бинарного выбора logit-модели), анализ остатков с помощью критериев Жарке-Бера исследование мультиколлинеарности с расчетом показателей VIF тест Спирмена на гомоскедастичность анализ временных рядов метод скользящей средней с построением прогноза.
Для написания настоящей работы использовались 26 источников литературы.
Обработка данных проводилась с использованием персонального компьютера на базе пакетов прикладных программ «Statistica» «SPSS» «Microsoft Excel» «Eviews».
Глава 1. Теоретические основы научных исследований и опытно-конструкторских разработок
1.1 Расходы на НИОКР как объект статистического исследования
Статистическое наблюдение – это массовое планомерное научно-организованное статистическое наблюдение за явлениями социальной и экономической жизни которое заключается в регистрации отобранных признаков у каждой единицы совокупности .
Под объектом статического наблюдения понимается некоторая статическая совокупность в которой протекают исследуемые социально-экономические явления и процессы. Объектом наблюдения в данной работе является расходы на НИОКР Российской Федерации и развитых странах мира.
В первую очередь необходимо предоставить общее определение научных исследований и опытно-конструкторских разработок.Данная информациясодержится в Части 2 Разделе VIII. Федеральные налоги Главе 25«Налог на прибыль организации» статье 262 «Расходы на научные исследования и или опытно-конструкторские разработки» Налогового кодекса РФ НК РФ).Согласно НК РФ расходами на научные исследования и или опытно-конструкторские разработки признаются расходы относящиеся к созданию новой или усовершенствованию производимой продукции товаров работ услуг), к созданию новых или усовершенствованию применяемых технологий методов организации производства и управления.
К расходам на научные исследования и или опытно-конструкторские разработки относятся
1. суммы амортизации по основным средствам ОС и нематериальным активам за исключением зданий и сооружений), используемым в ИиР начисленные за период определяемый как количество полных календарных месяцев в течение которых ОС и нематериальные активы были использованы только для исследований и разработок
2. суммы расходов на оплату труда работников выполняющих научные исследования и опытно-конструкторские разработки правила расчета которых предусмотрены пунктами 1 3 16 и 21 части второй статьи 255 НК РФ за период выполнения этими работниками ИиР
3. материальные расходы предусмотренные подпунктами 1 — 3 и 5 пункта 1 статьи 254 НК РФ непосредственно связанные с выполнением научных исследований и или опытно-конструкторских разработок
4. прочие расходы понесенные при выполнении НИОКР в сумме которые составляют не более 75 процентов от суммы расходов на оплату труда указанных в пп. 2 п. 2 ст.262 НК РФ
5. стоимость работ и услуг выполненных по договорам в целях проведения исследований разработок и технологических работ — для налогоплательщика выступающего в качестве заказчика научных исследований и или опытно-конструкторских разработок
6. отчисления на формирование фондов поддержки научной научно-технической и инновационной деятельности созданных в соответствии с Федеральным законом О науке и государственной научно-технической политике», в сумме не более 15 процента доходов от реализации определяемых в соответствии со статьей 249 НК РФ.
Исследования и разработки как и любая другая научная работа имеют свои задачи а именно
• получение инновационных знаний в области развития природы и общества и поиск новых областей для их применения
• проведение теоретической и экспериментальной проверок возможности материализации в сфере производства разработанных на стадии стратегического маркетинга нормативов конкурентоспособности товаров предприятия
• воплощение в жизнь полученного портфеля новшеств.
При условии реализации вышеперечисленных задач предприятиями вырастут эффективность использования ресурсов конкурентоспособность организаций и условия жизни общества.
Далее целесообразно перейти к основным принципам научных исследований и опытно-конструкторских разработок. Для получения успешных результатов ИиР необходимо выполнение уже рассмотренных научных подходов функций и методов менеджмента при решении различного рода проблем разработке рациональных и экономически значимых управленческих решений. Количество применяемых компонентов научного менеджмента определяется сложностью стоимостью объекта управления и другими факторами. Также при создание инноваций предприятия должны ориентироваться на продвижение и развитие человеческого капитала.
При учете вышеперечисленных принципов научные организации выделяют несколько стадий процесса выполнения исследований и разработок. Каждый этап содержит определенный объем работ характеризующихся самостоятельным планирование и финансированием и является самостоятельным результатом интеллектуальной деятельности независящим от окончания работы в целом. В основном процесс выполнения НИОКР делится на 5 этапов теоретическое исследование разработка поставка продукции на производство и эксплуатация ремонт и снятие с производства.
Важно рассмотреть данные этапы отдельно. На этапе теоретического исследования организация проводит исследования и разрабатывает технические предложения. То есть происходит открытие новых принципов создания изделий и технологий новых неизвестных ранее свойств материалов и их соединений методов менеджмента. В поисковых исследованиях обычно уже известна цель намечаемой работы более или менее ясны теоретические основы но отнюдь не конкретные направления.
Далее следует переход непосредственно к разработке технического задания на опытно-конструкторские технологические работы. В ходе таких исследований находят подтверждение теоретические предположения и идеи хотя они иногда могут быть отвергнуты или пересмотрены. Таким образом завершаются теоретическое исследование.
На следующем этапе проводятся прикладные исследования разработка эскизного и технического проектов и рабочей конструкторской документации на изготовление образца. Затем выполняется изготовление и испытание полученного опытного образца. Документация полученных результатов проходит дальнейшую обработку и затем предприятие утверждает рабочую конструкторскую документацию для организации серийного производства продуктов и услуг. При поставке продукции на конвейер корректируются скрытные недостатки конструкторской документации после этого производится окончательная разработка данных документов. К тому же предприятие должно учитывать что продукт может быть поломан или бракован для чего разрабатывается дополнительная документация по проведению ремонтных работ и на утилизацию.
Таким образом цель исследований и разработок является создание принципиально новых образцов новой или модернизация старой техники которые в дальнейшем могут быть переданы после соответствующих экспериментальных исследований в серийное производство или непосредственно конечному потребителю. На стадии разработок осуществляется окончательная проверка результатов теоретических исследований разрабатывается техническая документация и согласно ей изготавливаются образцы новой продукции. Далее происходит широкомасштабное распространение технических новшеств в производстве и насыщении рынка потребителей готовыми изделиями.
Как и любая деятельность научные исследования и проектно-конструкторские разработки регулируются законодательством в основном Налоговым кодексом Российской Федерации и Федеральным законом от 23.08.96 127-ФЗ «О науке и государственной научно-технической политике».Расходы на НИОКР и технологические работы также признаются в бухгалтерском учете на основании национального стандарта — ПБУ 1702 \»Учет расходов на научно-исследовательские опытно-конструкторские и технологические работы\», утвержденного Приказом Минфина России от 19.11.2002 N 115н которое было введено в действие с 1 января 2003 г. Это ПБУ 1702 применяют организации которые выполняют НИОКР собственными силами или являются по договору заказчиком указанных работ. Организация НИОКР базируется на следующих межотраслевых системах документации
• Государственной системе стандартизации FCC);
• Единой системе конструкторской документации ЕСКД);
• Единой системе технологической документации ЕСТД);
• Единой системе технологической подготовки производства ЕСТПП);
• Системе разработки и постановки продукции в производство СРПП);
• Государственной системе качества продукции
• Государственной системе «Надежности в технике»
• Системе стандартов безопасности труда ССБТ и др.
Обозначив основные понятия расходов на ИиР следует рассмотреть факторы которые прямым или косвенным образом на них влияют. Это поможет выявить как сильные так и слабые стороны инновационного развития России.
1.2 Система показателей характеризующие расходы на НИОКР
Процесс создания инновационного продукта осуществляется путем прохождения нескольких стадий начиная от фундаментальных научных исследований и заканчивая непосредственно разработкой прототипа продукта для дальнейшего движения товара прямиком к потребителю. Весь этот путь базируется на использовании целого комплекса ресурсов наличие и эффективное использование которых приведет к росту конкурентоспособности предприятия как на российском рынке так и на мировом уровне.
Для того чтобы оценить инновационную активность предприятий в целом необходимо представить факторы в виде системы входа и выхода где входом считаются факторы ее определяющие а выходом – технологическая конкуренция на рынке товаров и услуг. Таким образом работа будет посвящена исследованию характеристик влияющих непосредственно на научные исследования и опытно-конструкторские разработки. Поскольку именно через них можно оказывать управляющее воздействие на эффективность различных процессов.
Среди наиболее значимых факторов можно выделить следующие
• способы финансирования ИиР
• численность рабочих выполнявших научные исследования и опытно-конструкторские разработки
• число охранных документов на изобретения патенты);
• количество предприятий осуществляющих процесс создания инновационного продукта
• количество передовых производственных технологий с помощью который осуществляются ИиР
• уровень кооперации между предприятиями
• полная учетная стоимость объектов интеллектуальной собственности.
Необходимо более подробно рассмотреть вышеперечисленные факторы.
Как хорошо известно для проведения научных исследований и опытно-конструкторских разработок предприятие должно обладать средствами. Есть два пути спонсирования ИиР внутреннее и внешнее. К внутренним относятся денежные вложение самих предприятий. К внешним – поддержка со стороны государства. Необходимость государственного финансирования фундаментальных исследований всегда стояло на первом месте. Ведь процессы глобализации в области ИиР как показывает опыт не уменьшили важность и значимость развития национальных баз знаний во всех странах. Чужие заслуги трудно воплотить в жизнь что приводит к необходимости проводить собственные исследования пытаясь финансировать их всеми существующими способами.
Однако отечественная экономика неохотно соглашается на финансирование инноваций и новых технологий на предприятиях. Основными факторами такого нежелания является глубокое разрушение цикла создания и внедрения инноваций в 1990-х годах. Неоднократно предприниматели пытались выстроить новую систему создать инновационные фонды возродить отдельные элементы из прошлой системы заимствовать зарубежные образцы), что так и не дало плодов. В 2013 году удельный вес организаций способных осуществлять инновационную деятельность составляло около 9 процентов. В прошлом году разработку и внедрение инноваций осуществляют лишь 97 организаций что в несколько раз ниже чем в развитых странах в Германии и Франции – 66 и 46 соответственно). Можно сказать что показатели имеют отрицательную тенденцию. Отсюда следует умозаключениеисследования и разработки нуждаются в финансировании не только за счет частных сбережений организаций но и за счет российских властей.
Следующими не наименее важными показателями являются число работников осуществляющих НИОКР и стоимостьинтеллектуальной собственности. Затраты на создание инновационного научного продукта также включают в себя затраты на оплату труда занятых в сфере исследований и разработок. Поэтому следует заложить в модель показатель численности занятых в сфере исследований и разработок. Как показывает практика количество научных сотрудников сокращается с каждым годом что свидетельствует об увеличении уже существующего разрыва между Россией и странами ОЭСР. Как правило причиной ухода из научной сферы является низкая заработная плата. В результате интеллектуальные способности оценены не полностью и из науки уходят практически все кто способен заработать в других отраслях гораздо большие суммы. Поэтому проблема ротации кадров является одной из наиболее важных проблем российской экономики.
Непременное условие активизации инновационного процесса заключается в создании необходимых правовых норм стимулирующих организации к созданию и освоению инновационных видов продукции. Наиболее значимыми и необходимыми являются льготы в области налогов информационное обеспечение защита интеллектуальной собственности. При установлении прочной системы юридической защиты увеличится количество желающих создавать новые продукты и услуги. Однако в России данная сфера малоразвита что свидетельствует о крайне низкой инновационной активности предприятий.
К тому же для каждого инновационного продукта требуется своя система новых передовых производственных технологий. Невозможно создать принципиально новый продукт используя отсталые и низкоэффективные технологии того времени.
Также важно отметить что в большинстве случаев предприятиям или малоразвитым регионам бывает трудно встать на путь инновационного развития. Здесь важную роль играет кооперация. В этой связи усиливается роль локальных научно-технических кластеров где происходит смещение конкуренции от соперничества отдельных компаний в сторону формальных и неформальных межфирменных союзов. Создание региональных и локальных инновационных сетей вызвано необходимостью снижения негативных последствий промышленного производства повышением эффективности расходов на НИОКР и расширения участия иностранного капитала в финансировании данной сферы.
Таким образом все вышеперечисленные факторы нуждаются в статистическом исследовании чтобы выделить из них наиболее значимые для инновационного развития российской экономики.
1.3 Обзор литературы по тематике исследования
В последнее десятилетие все больше исследователей уделяют внимание проблеме низкой инновационной активности в России развиваются различные подходы к моделированию инновационной региональной системы. Среди них есть как зарубежные так и российские ученые занимающиеся построением разного рода моделей.
Наиболее известны работы академика МАОН профессора Голиченко О.С., посвященной научной и инновационной активности в России. Например в своей статье «Взаимосвязь патентной и инновационной деятельности компаний в регионах РФ» совместно с м.н.с., аспиранткой Балычевой Ю.Е. профессор использует кластерный анализ с помощью которого выявлены и исследованы три типа поведения предприятий при использовании патентов на изобретения в течение 2000-2009 годов. Исследование достаточно значимо для науки так как оно доказывает что изменчивость поведения предприятий оказывает отрицательное воздействие на эффективность процессов создания интеллектуальной собственности что и ухудшает экономическое положение предприятий в целом. Также профессор использовал динамический подход в анализе предприятий российских регионов и некоторых европейских стран согласно которому ролевые функции в создании инноваций у предприятий меняются со временем. Выявив определенные тенденции касающихся низкой инновационной активности регионов РФ Голиченко О.Г. предложил множество вариантов решений данной проблемы в следующих работах книге «Основные факторы развития национальной инновационной системы» статье «Возможности и альтернативы инновационного развития России» статье «Провалы рынка и государства. Стратегии инновационного развития РФ на период до 2020 г.» и др. Моделированием инновационных систем также занимались и другие ученые Штерцер 2005 Макаров Бахтизин и др., 2009 Марков и др., 2011 Kaneva Untura 2013 Халимова 2014).
Насущный вопрос о повышении инновационной активности и степени влияния отраслевой структуры освящен в научно-практическом журнале «Современные научные исследования и инновации». К примеру статья Якимовой Т.Б. «Влияние отраслевой структуры национальной экономики на инновационную активность российских предприятий» посвящена исследованию российских показателей с другими странами. В работе также изучаются факторы инновационной активности предпринимательского сектора среди которых наиболее значимый в исследовании – это отраслевая структура национальной экономики. Основные тенденции инновационной активности исследуются также в работе Широковой Е.С., опубликованной в научном журнале «Фундаментальные исследования».
Существуют также несколько направлений в моделировании выделенные зарубежными исследователями Carlsson et al., 2002 Uriona-Maldonado 2007 Uriona-Maldonado 2011), среди которых наибольшее распространение получили концептуальные дескриптивные модели описывающие основные структуры и функции региональной инновационной системы и связи между ними Etzkowitz & Leydesdorff 2000 Leydesdorff 2010), эконометрические модели Walwyn 2007 Fagerberg et al., 2014), позволяющие оценить влияние отдельных параметров инновационной системы на региональное развитие агенто-ориентированные модели Broström 2008 Beckenbach et. Al 2007), а также модели эволюционной динамики позволяющие в определенной степени прогнозировать развитие системы Lee & von Tunzelmann 2005).В некоторых работах отмечается что инновационные возможности региона служат важной детерминантой регионального развития в целом Beckenbach et. al 2007 Castellacci F., Natera J.M. 2011). Также необходимо отметить что в исследованиях Audretch &Feldman 2003 используется производственная функция Кобба-Дугласа с помощью которой в разрезе отраслей рассматривается функция труда и капитала необходимые для проведения исследований и разработок в создании инновационного продукта. О значимости труда в становлении постиндустриального общества свидетельствует и модель эндогенного роста Р. Лукаса и П. Ромера.
Рассмотрев теоретические аспекты исследуемой темы и тщательно изучив работы других научных исследователей целесообразно перейти к статистическому анализу показателей расходов на НИОКР и характеризующих их факторовв разрезе регионов Российской Федерации.
Глава 2. Анализ современного состояния расходов на научные исследования и опытно-конструкторские разработки в России и развитых странах
2.1 Динамика затрат на исследования и разработки в России и зарубежных странах
Как известно еще с 90-х годов динамика расходов на научные исследования и опытно-конструкторские разработки имела противоречивый характер с одной стороны постепенно снижался показатель инновационной продукции с другой – росла доля предприятий осуществляющих инновационную деятельность в общем числе обследованных.
Согласно данным официального сайта OECD Россия занимает 30-е место в сравнении с развитыми странами мира по относительному показателю затрат на исследования и разработки. Динамика расходов на НИОКР в разных странах представлен на рис.1.
Рис. 1. Динамика расходов на НИОКР в процентах к ВВП в разных странах 1996-2013 гг.
Затраты Российской Федерации на НИОКР в 2013 г. составили 11 ВВП. Однако судя по графику показатель затрат на исследования и разработки неуклонно снижается например в 2002 г. расходы Российской Федерации на НИОКР составляли 127 к ВВП. Сравнивая показатели государства — члены Европейского союза на НИОКР тратят в среднем 197 ВВП страны — члены ОЭСР —24 ВВП что выше значений России. Тройка лидеров в 2012 году — Швеция Финляндия и Израиль — расходуют на НИОКР 341 355 и 393 ВВПсоответственно.Повышательный тренд увеличения расходов Китая не менялся даже в кризисный период в то время как в России заметны постоянные колебания уровня расходов и отставание по объёмам затрат на НИОКР от большинства развитых стран. В результате в начале 21 века расходы на НИОКР в процентах от ВВП выросли в Китае с почти в 2 раза а в России только с 105 до 125%.
Причин для столь бесперспективной картины достаточно. В основном в России наблюдается низкий спрос на инновационные товары а также его неэффективная структура – российские власти стремятся к закупке готовых товаров за рубежом взамен созданию разработок. К примеру степень влияния Российской Федерации в мировом наукоемком секторе катастрофически мала и колеблется около 03%. Наибольший вклад вносит США с показателем в 36%, Япония – 30%, Германия 17%, что превышает российский показатель в несколько раз. Экспорт инновационной отечественной продукции также не достигает высот и составляет приблизительно 2 всего экспорта промышленности. Показатели США и Китая превозносят этот показатель в 16 раз.
Вторым важным критерием отставания России от других стран – тенденция к заимствованию готовых передовых технологий в ущерб созданию собственных инноваций. Страны намного опережают Россию в инновационной битве становясь на стабильную траекторию экономического роста. Отток кадров из-за низкой заработной платой недостаток средств недостаток информации о новых технологиях о рынке сбыта о возможностях кооперирования с другими предприятиями неэффективная правовая защита – все это препятствует созданию новых технологий в России и их внедрению на мировой рынок.
Для того чтобы понять к какой группе стран относится Россия необходимо провести кластеризацию показателей расходов на ИиР по 38 развивающимся и развитым странам.
Алгоритм кластеризации заключается в том что некое множество объектов распределяется на группы кластеры), объединенные определенной степенью связности. Есть различные способы разбиения показателей на группы классификация методом k-средних и иерархический метод. В настоящей работе был выбран метод k-средних с использованием Евклидовой метрики определяемой следующей формулой
где pиq – точки в пространстве.
Наилучший из методов нахождения количества кластеров – метод Варда. Метод Варда определяется приростом суммы квадратов расстояний объектов до центров объединенных кластеров. Выбран этот метод не случайноосновной предпосылкой является то что дендрограмма построенная на основе данного метода наиболее четко и наглядно выделяет 4 кластера необходимых для разбиения выборки. Кластерный анализ проводится с помощью программы SPSS.
Таким образом были получены 4 достаточно равным по объему наблюдений кластера. В первый кластер входят 10 стран Колумбия Куба Кипр Румыния Болгария Латвия Греция Хорватия Республика Словакия Мальта. Во второй кластер входят 8 стран США Словения Австралия Германия Дания Швеция Финляндия Израиль. В третий – 11 стран Норвегия Великобритания Ирландия Канада Чешская республика Китай Сингапур Нидерланды Эстония Бельгия и Франция. В последнюю четвертую группу входят 9 стран Польша Литва Сербия Россия Италия Испания Люксембург Португалия и Венгрия. Наглядно деление выборки на кластеры представлено на рис. 2.
Итак судя по показателям расходов на НИОКР в разрезе стран мира самая высокая инновационная активность наблюдается в кластере 2 состоящего из восьми стран. При этом Россия попадает в третью по уровню развитости в научной сфере группу что также подтверждает вышеперечисленные выводы.
Рис.2. Кластеризация стран мира по расходам на НИОКР в %, 2012 год
На данном этапе развития инновационной системы создание новых передовых производственных технологий в целях повышения конкурентоспособности страны затруднено и требует неотложных решений со стороны российской экономики.
2.2 Исследование взаимосвязи признаков расходов на НИОКР
Далее необходимо рассмотреть расходы на НИОКР и вышеупомянутые факторы на них влияющие в региональном разрезе. Необходимо оценить влияние каждого фактора на результирующую переменную по 83 регионам России с помощью корреляционно-регрессионного анализа.
Для этого необходимо ввести следующую гипотезу. 1. Необходимо подтвердить или опровергнуть гипотезу о том что в региональном разрезе объясняющие переменные статистически значимы и положительно влияют на динамику развития инновационной активности за счет расходов на исследования и разработки. Количественная оценка степени влияния показателей поможет понять что следует изменить и насколько чтобы повысить научный потенциал отечественной экономики.
Были взяты показатели по 83 субъектам Российской Федерации за 2012 год
• Y – расходы на НИОКР рублей
• X1 — среднесписочная численность работников выполнявших научные исследования и разработки без совместителей и лиц выполнявших работу по договорам гражданско-правового характера), человек
• Х2 — число действующих охранных документов на изобретения патенты), единиц
• Х3 — полная учетная стоимость объектов интеллектуальной собственности учитываемых в составе основных фондов рублей
• Х4 — объем инновационных товаров услуг рублей
• Х5 — число организаций осуществлявших технологические инновации выполнявших исследования и разработки в том числе НИОКР единиц
• Х6 — используемые передовые производственные технологии по субъектам Российской Федерации единиц.
Для начала были исключены субъекты которые не имели полных данных по всем 7 показателям. Ими являются Ненецкий автономный округ Республика Адыгея Республика Калмыкия Республика Ингушетия Республика Северная Осетия-Алания Чеченская Республика Республика Алтай Сахалинская область Еврейская автономная область Чукотский автономный округ.
Таким образом напротив выделенных 10 субъектах будет поставлено значение «0». В итоге для дальнейшего анализа будут участвовать 73 субъекта РФ.
Начальным этапом является работа с аномальными явлениями. Аномальные явления или выбросы влияют на нормальность распределения данных. Их наличие можно проверить с помощью графика «ствол-листья» ящичковой диаграммы. Отдельное рассмотрение выбросов после их исключения из общей выборки осуществляется с помощью критерия Титьена-Мура межквартильной разнице IQR и правилу трех сигм. На рисунке ниже представлен график «ствол-листья».
Рис. 3. График «ствол-листья» по показателю Y
Значения сильно отличающиеся от остальных помечаются как Extremes внизу самого графика. Таким образом ситуация наблюдается у всех переменных но для наглядности наличия выбросов представлен один график по результирующей переменной – расходов на НИОКР. Количество выбросов – 8.
По многим переменным выбросами оказались г. Москва Московская область г. Санкт-Петербург и Нижегородская область. Поэтому данные регионы будут проверены с помощью вышенаписанных критериев.
Проведя анализ с анормальными явлениями было выявлено что ни один регион не удовлетворяет всем трем критериям с помощью которых выброс можно исключить из выборки и рассмотреть его отдельно. Также полученный результат не повлияет отрицательно на экономическую интерпретацию в целом что в дальнейшем даст наиболее точные результаты по регионам РФ.
Далее необходимо проверить данные на их принадлежность к нормальному закону распределения так как это необходимое условие для проведения регрессионного анализа. При этом существует несколько способов проверки сравнение средних величин построение графика «ящик-усы» и тест Колмогорова-Смирного возможно использование критерия Пирсона).
Для совокупности подчиняющейся нормальному закону распределения средняя медиана и мода по каждому показателю должны быть приблизительно равны. Однако согласно результатам значения очень сильно различаются поэтому выборка неоднородна. Считается что распределение с эксцессом и асимметрией в диапазоне от -1 до +1 приблизительно соответствует нормальному распределению. В большинстве случаев вполне допустимо считать нормальным распределением с асимметрией и эксцессом по модулю не превосходящими 2. Значения по всем 7 показателями не попадают в этот интервал что доказывает неоднородность выборки.
Статистика Z Колмогорова-Смирнова вычисляется как максимум модуля разности между эмпирической и теоретической функциями распределения. Для начала вводится гипотеза Н0 что выборка подчиняется нормальному закону распределения при конкурирующей гипотезе Н1 о ненормальности. Работа проделана снова в программе SPSS и снова гипотеза Н0 отвергается на уровне значимости 005. График «ящик-усы» также доказал ненормальность распределения всех переменных.
Итак принято решение привести данные к нормальному закону распределения. Стандартизация показателей то есть получение новых наблюдений путем деления на их среднюю также не привела к желаемому результату. Поэтому необходимо использовать нелинейные преобразования переменных и перейти к проверке на их принадлежность лог-нормальному закону распределения. Для этого необходимо прологарифмировать данные и проверить их на нормальность. Таким образом если распределение логарифмов наблюдений принадлежит нормальному закону распределения то фактические данные – лог-нормальному.
Таким образом была произведена проверка на нормальность уже логарифмов наблюдений аналогичными способами. Намеченная цель была достигнута. Об этом свидетельствуют ящичковые диаграммы построенные с помощью программы SPSS и представленные на рисунке ниже.
Рис. 4. Ящичковые диаграммы по показателям У Х1 Х2 Х3 Х4 Х5 Х6
Также необходимо отметить что одновыборочный критерий Колмогорова-Смирнова доказал что гипотеза Н0 о нормальности выборки не отвергается на уровне значимости 005. Заключаем что логарифмы данных подчиняются нормальному закону распределения а исходные – лог-нормальному.
Следующим этапом будет проверка ошибок на нормальный закон распределения и гомоскедастичность. Проверка осуществляется для того чтобы понять насколько качественной является регрессионная модель. Если ошибки распределены ненормально то это повлияет на скошенность распределения. Анализ на нормальность осуществляется с помощью критерия Жарке-Бера по следующей формуле
— остатки модели n– количество наблюдений ML – обозначение метода максимального правдоподобия.
Статистика имеет распределение хи-квадрат с двумя степенями свободы. Результаты представлены в таблице ниже.
Таблица 1
Тест Жарке-Бера в программе Excel
Таким образом критерий Жарка-Бера меньше значения критического значения следовательно H0 не отвергается на уровне значимости 005. Ошибки распределения расходов на НИОКР подчиняются нормальному закону распределения что в дальнейшем положительно отразится на качестве выбранной модели.
Следующим этапом является проверка остатков на гетероскедастичность. Для регрессионной модели необходимо гомоскедастичность остатков то есть чтобы наблюдения были однородны и характеризовались равными дисперсиями ошибок регрессии. Проверяется с помощью следующих тестов Бреуша-Пагана-Годфри Уайта Парка Глезера Голдфельда-Квадта Спирмена Бартлетта. Для анализа есть возможность выбрать один из них. Итак произведена проверка остатков на гомоскедастичность с помощью критерия Спирмена.
Критерий Спирмена показывает связь дисперсии ошибки с фактором гетероскедастичности и измеряется в форме коэффициента ранговой корреляции Спирмена по следующей формуле
где — разность рангов переменных и .
Таким образом было получено что р00543 t набл0458354 t крит19939. Заключается что на уровне значимости 005 гипотеза Н0 об отсутствии гетероскедастичности не отвергается.
Таким образом можно отметить следующие выводы. Наличие гомоскедастичности случайных ошибок приводит к эффективности МНК-оценок свидетельствует о несмещенности и состоятельности ковариационной матрицы МНК-оценок. Следовательно статистические выводы о качестве полученных оценок становятся адекватными что дает полное право перейти к построению качественной регрессионной модели.
Необходимым этапом для построения регрессионной модели также является корреляционный анализ. Корреляционный анализ вводится для того чтобы выявить наличие взаимосвязи выбранных объясняющих переменных с результирующей – расходами на НИОКР а также выявить знак зависимости возможную ложную корреляцию между переменными.
Построение матрицы парных коэффициентов корреляции показало наличие положительной взаимосвязи между объясняющими переменными и расходами на НИОКР. То есть при увеличении какого-либо из показателей значение результирующей также будет увеличиваться.
При построении матрицы частных коэффициентов между переменными была выявлена ложная корреляция. Результаты представлены в таблице ниже.
Таблица 2
Матрица частных коэффициентов корреляции
Значимости данных переменных обозначенных *, меньше 005 а значимости переменных с двумя **, то меньше 001. Сравнив матрицу частных коэффициентов корреляции с матрицей парных убрав влияние остальных признаков можно заметить что в ячейках залитым красным цветом появилась ложная корреляция. Под ложной корреляцией понимается формальная связь между явлениями не находящая логического объяснения и основана на количественном соотношении между ними. Отрицательная взаимосвязь наблюдается между расходами на НИОКР и полной учетной стоимости объектов интеллектуальной собственности учитываемых в основных фондах. С точки зрения экономической интерпретации зависимость должна быть практически функциональной однако анализ показал обратный результат. Также отрицательно зависят расходы на НИОКР и объем инновационных товаровуслуг. Данная зависимость экономически неверна так как чем больше расходов на инновационные товарыуслуги тем вероятно больше их количество. Аналогичная взаимосвязь отслеживается между числом организаций осуществлявших технологические инновации выполнявших исследования и разработки в том числе и НИОКР и непосредственно самими расходами на НИОКР. Очевидно что и это ложная корреляция. Поэтому данные показатели будут исключены из дальнейшего анализа.
Важно заметить что при анализе матрицы парных коэффициентов корреляции была замечена высокая зависимость между переменными Х6 и Х2 – значение 0767. Вводим предположение о том что присутствует мультиколлинеарность между числом действующих охранных документов на изобретения патенты и используемых передовых производственных технологий. Для этого необходимо использовать фактор роста дисперсии VIF). Мультиколлинеарность необходимо исследовать так как следствиями ее наличия является неустойчивость оценок к изменению выборки и числа регрессоров незначимость параметров при высоком коэффициенте детерминации и неадекватность значений оценок в частности неправильные знаки. Значение VIF обратно значению ).
Полученный VIF равен 2429. Это небольшое значение то есть меньше 4 что означает отсутствие мультиколлинеарности между переменными что также не повлияет отрицательно на регрессионную модель.
Выполнив все промежуточные этапы есть возможность перейти к непосредственному регрессионному анализу. Регрессионный анализ – метод исследования зависимости признака Y характеризующего результат или эффективность функционирования анализируемой экономической системы показателей от нескольких переменных X1 X2 … Xn описывающих условия ее функционирования и определяющие процесс формирования значений результирующих переменных. Существует несколько способов получения итоговой регрессионной модели метод пошагового исключения переменных и метод пошагового включения переменных. Используем 2 метода и сравним значения.
Перед использованием регрессионных моделей необходимо произвести верификацию модели и ее регрессоров.
Для дальнейшего анализа необходимо проверить коэффициенты регрессионной модели на значимость. Для проверки значимости отдельных коэффициентов регрессии выдвигаются гипотезы H0 βj0 где j12,…k затем используют t-критерий и вычисляют
4
По таблице t-распределения для заданного α и ν n-k-1 находят tкр. Гипотеза H0 о незначимости регрессоров отвергается с вероятностью α если |tнабл| > tкр. Из этого следует что соответствующий коэффициент регрессии βj значим т. е. βj ≠0. С помощью программы SPSS были выявлены наблюдаемые значения превосходящие их критические значения что свидетельствует о значимости всех коэффициентов регрессии на уровне 1%.
Далее необходимо верифицировать регрессионные уравнения для дальнейшего прогнозирования.
Значимость самого уравнения регрессии т. е. гипотеза H0 β0 β0β1=…=βk0), проверяется по F-критерию наблюдаемое значение которого определяется по формуле
Далее по таблице F-распределения для заданных α ν1 k+1 ν2 n−k−1 находят Fкр. Гипотеза H0 отклоняется с вероятностью α если Fнабл>Fкр. Из этого следует что уравнение является значимым т. е. хотя бы один из коэффициентов регрессии отличен от нуля. Результаты представлены в таблице ниже.
Таблица 3
Итоговые результаты для регрессионной модели
Таким образом можно сделать вывод что гипотеза Н0 отвергается на уровне значимости 001 значит все регрессионные модели значимы. На методе пошагового включения переменных была замечена относительно высокая связь между факторными признаками. Поэтому произошло разветвление на 3 уравнения. Так как выбор наиболее подходящего уравнения регрессии зависит от значений коэффициентов детерминации стандартного отклонения и экономической значимости которые вкладываются в анализ модели то исходя из этих критериев подойдет уравнение с факторами Х1 и Х6. Это уравнение описывает около 85 дисперсии и параметр Х6 также имеет наибольшую значимость по сравнению с фактором Х2 при включении в модель. К тому же с точки зрения смысловой нагрузки среднесписочная численность работников и используемые передовые производственные технологии наиболее тесно связаны с расходами на НИОКР. Чем больше работников выполняющих исследования и разработки чем больше использование передовых технологий следовательно тем больше расходы на НИОКР. Исходя из этого прогнозирование данной моделью является наиболее качественным.
С помощью коэффициентов регрессии нельзя сопоставить факторы по степени их влияния на зависимую переменную из-за различия единиц измерения и разной степени колеблемости. Поэтому для выбранного уравнения важно произвести расчет коэффициентов эластичности которые показывают процентное изменение зависимой переменной при однопроцентном изменение объясняющей переменной
Таким образом Э1 4108 и Э6 1923 показывают что при увеличении показателей x1 и x6 на 1 расходы на НИОКР в среднем увеличатся соответственно. Поэтому важно отметить что наибольшее влияние оказывает число персонала выполняющего опытно-конструкторские разработки и исследования при анализе регионального состава России.
2.3 Кластеризация регионов по показателям характеризующим расходы на НИОКР
Следующим этапом статистического анализа расходов на НИОКР является классификация регионов по характеризующим показателям инновационной активности. Типология регионов представляет собой классификационную схему их расположения относительно значений выделяемых признаков. Исследуя изменения параметров в различных регионах можно оценить меру территориальной дифференциации выделить сходные группы регионов.
Территория Российской Федерации неоднородна по инновационной активности. Для получения обобщенной характеристики отдельных групп субъектов Российской Федерации были использованы процедуры кластерного анализа по данным за 2012 год.
Для этого необходимо ввести вторую гипотезу. 2. Необходимо подтвердить или опровергнуть гипотезу о том что деление на кластеры поможет оценить территориальную дифференциацию уровней инновационного развития регионов потенциальные и реальные возможности рассматриваемых территорий и на основе этого выявить слабые и сильные стороны регионов в развитии инновационной активности всей страны.
Кластерный анализ – многомерный метод статистического анализа выполняющая сбор данных содержащих необходимую информацию о выборке объектов а затем их деление их на сравнительно однородные группы объединенным по похожим характеристикам.
В проведении кластерного анализа будут участвовать 6 факторов влияющие на расходы на НИОКР. Для корректной работы необходима однородность единиц измерения факторов. Эта проблема решается при помощи предварительной стандартизации переменных путем получения новой переменной за счет деления наблюдаемого значение на его среднее.
Снова было использован метод Варда при поиске количества кластеров. Таким образом количество кластеров равно четырем. Разбиение на большее число кластеров затруднит интерпретацию результатов в то же время при сокращении числа выделяемых кластеров полученные выводы не будут в полной мере отражать реальную ситуацию. Кластеры получились неоднородными на первом этапе поэтому было выполнено несколько шагов классификации регионов путем исключения единичных значений выделяющихся на один кластер.
Например на первом этапе кластеризации принято решение выделить следующие регионы отдельно и провести дальнейший кластерный анализ без них г. Москва Республика Дагестан. На втором этапе кластеризации отдельно выделен Ставропольский край. Данные регионы не были исключены полностью из анализа а были исследованы отдельно от остальных. Далее аналогичным способом выделялись регионы которые на каждом этапе нарушали однородность выборки. Таким образом было проведено 6 этапов кластеризации с помощью метода k-средних. Ниже представлена схема отбора регионов.
Рис. 5. Схема выявления оптимального состава кластеров
Таким образом можно заметить что на каждом этапе группировки находились классы наблюдений нарушающие однородность выборки. Однако на 6 этапе классификации удалось получить относительно однородные группы. На последнем шаге исследуются 44 наблюдения которые могут быть интерпретированы наиболее корректным образом.
На первом этапе были выделены 3 региона которые являлись аномальными явлениями среди остальных. Республика Дагестан г. Москва и Ставропольский край вносят значительный вклад в создание инновационных товаров и услуг увеличивая долю расходов на НИОКР в ВВП. Это относительно неплохой показатель того что регионы способны самостоятельно реализовать свой научный потенциал на благо российской экономики. Однако данное положение справедливо не для остальных уголков России.
Кластерный анализ показал что на 6 этапе классификации первая группа содержит всего лишь три региона показатели научной и инновационной активности которых выше по сравнению с остальными в Республике Коме Вологодской и Ростовской областях. Наиболее высокие средние наблюдаются по показателям Х2. Регионы обладают достаточным набором охранных документов для того чтобы организации принялись за создание инновационных товаров и услуг. Гораздо многочисленнее является кластер 2 с самими низкими средними значениями факторов влияющих на расходы на НИОКР что свидетельствует об очень слабой развитости практически трети Российской Федерации.Хотя средние по всем показателям также оставляют желать лучшего по Х5 и Х6 можно заметить небольшой разрыв от общего числа значений. Это свидетельствует о том что достаточно крупное число организаций стремятся к инновационной деятельности используя в своих исследованиях и разработках передовые производственные технологии. В третьем кластере 11 наблюдений обладающих также неплохим базисом технологий для создания нового продукта.
Как и следовало ожидать показатель учетной стоимости объектов интеллектуальной собственности оказался наименьшим по сравнению с другими факторами влияющих на расходы на НИОКР. Действительно научный труд сотрудников недооценивается государством заработная плата непривлекательна и как следствие происходит отток капитала в другие сферы деятельности. Это является одной из наиболее значимых вопросов которые требуют тщательного рассмотрения российскими властями.
Глава 3. Моделирование кооперационной активности и прогнозирование расходов на исследования и разработки
3.1Моделирование кооперационной активности в научной сфере
В большинстве случаев организации в регионах России неспособны самостоятельно осуществлять инновационную деятельность. Причин столь плачевного состояния несколько недостаток собственных средств слабая коммуникация устаревшие технологии низкий творческий потенциал. Все это приводит к упадку инновационной активности. Однако поправить ситуацию может кооперация среди предприятий в регионах РФ. Кооперация помогает объединить финансовые социальные экологические и общие экономические интересы предприятий в регионах что повысит эффективность создания инновационного продукта с минимальными издержками. Поэтому было принято рассмотреть модель бинарного выбора где результативному признаку будет присвоено значение «1» если кооперация имеет место значение «0» — предприятия не объединяют усилия при значении превышающем средний уровень расходов на НИОКР.Таким образом получена переменная Y – кооперативная активность. Для актуализации данного исследования переменные были взяты за 2013 год.
При этом в обследовании участвовало 41262 организаций из которых участвовали в совместной разработке всего 1872 что составляет 45 от общего итога. Это свидетельствует о низкой кооперационной активности в России нацеленной в основном на внутренний рынок.
Необходимо ввести третью гипотезу. 3. Допустим что кооперативная активность положительно зависит от всех выбранных факторов. Вследствие этого повышается инновационная активность отечественных предприятий так как объединив усилия эффективность инновационной деятельности научных организаций вырастет в разы.
В модели бинарного выбора существуют различные модели распределения пробит-модель – нормальное распределение логит-модель – логистическое и распределение Гомперца – гомпит-модель. В настоящей работе построены все три модели для выявления наиболее качественной.
Таким образом наибольший коэффициент детерминации был выявлен при построении логит-модели распределение которой выглядит следующим образом
В результате оценки коэффициентов была получена следующая модель состоящая только из значимых регрессоров
7
Регрессионная модель бинарного выбора и ее регрессоры являются значимой на 005 уровне значимости. Объясняющая способность модели около 837%, что свидетельствует высоких прогностических свойствах модели. К тому же существуют информационные критерии также указывающие на качество выбранной регрессии. Ими являются коэффициенты Акаике Шварца и Ханнана-Куинна. Чем меньше значение данных критериев тем модель более предпочтительна что и наблюдается в логит-модели.
Коэффициенты при объясняющих переменных в полученной модели положительно зависят от результирующей переменной и показывают что кооперационная активность увеличивается с ростом количества охранных документов и доли инновационной продукции в предприятиях.
Согласно выбранной модели предприятия в большинстве регионов а именно 85 из них готовы объединить ресурсы с другими организации в проведении научных исследований и опытно-конструкторских разработок если значение расходов на НИОКР больше среднего. Управляющие предприятий понимают что достичь высот в научной деятельности удастся при объединении усилий что положительно влияет на динамику инновационной активности всей страны. Хотя это лишь в рамках модели в реальности кооперативная активность очень низкая.
Последним этапом анализа является построение маржинального эффекта на примере переменной Х2. Маржинальный эффект или эффект прироста показывает изменение результирующей переменной при изменении объясняющего параметра.
Расчет производился по следующим формулам
Рис. 6. Маржинальный эффект расходов на НИОКР по переменной Х2
Интерпретируя полученные значения маржинального эффекта можно сказать что при изменении а именно при увеличении числа охранных документов на изобретения вероятность кооперации среди предприятий увеличится на 0000025. При этом предполагается повышение эффективности научной деятельности что и улучшит инновационную активность всей страны.
3.2Прогнозирование динамики расходов на НИОКР
Будущее России в сфере научной и инновационной деятельности трудно судить лишь по одному году. Для этого необходимо рассмотреть динамику существующих показателей за 18 лет 1996-2013 гг., построив прогноз на 3 года вперед.
По динамике исходных значений достаточно трудно оценить тенденцию расходов на НИОКР см.рис.2). Для этого следует использовать метод скользящей средней который позволит сгладить краткосрочные колебания и выявить тенденцию или цикл во времени. Так как данные используются годовые целесообразно строить скользящую среднюю с периодом 4. Расчет производится по следующей формуле
где – значение простого скользящего среднего в точке t n – количество значений расчета скользящего среднего — значение исходной функции в точке t-i.
В нашем случае n4 так как удобнее рассмотреть временной промежуток по сезонам.
Однако крайние значения по данной формуле не сглаживаются. Поэтому расчет производится путем разности начального периода и среднего значения абсолютного прироста за период. Конечный период суммируется со средним значением за последний период.
Следующим этапом является построение прогнозных значений. Рассчитываются основные показатели динамики такие как средний абсолютный прирост и средний темп роста. Данные этапы необходимы для того чтобы была возможность прогнозировать будущие результаты и сделать необходимые выводы. Расчеты среднего абсолютного прироста и среднего темпа роста выполнялись по формулам 2 и 3 соответственно
Так как данные относительные необходимо конвертировать их в абсолютные. Например 100 — это 100 млрд. рублей это сумма требующаяся на расходы на НИОКР в определенном году. Таким образом были пересчитаны относительные показатели за каждый год. Результаты вычислений представлены на рис.7.
Рис. 7. Динамика расходов на НИОКР в России за 1996-2013 гг., в млрд. рублей
Исходя из графика выше можно сделать следующие выводы. Динамика расходов на ИиР ведет себя достаточно хаотично на всем рассматриваемом периоде. Падения показателей зарегистрированные на всем промежутке 3 раза свидетельствуют о экономических кризисах которые подорвали желание организаций вкладывать финансы в исследования и разработки инновационных продуктов. Прогноз по среднему абсолютному приросту и по среднему темпу роста также доказывает вышенаписанные доводы.
Полученные выводы основаны на реальных показателях. Однако интересно посмотреть как ведет себя динамика расходов в номинальных показателях с учетом инфляции и определить совпала ли прогнозная тенденция или нет. Для этого реальные данные были умножены на уровень инфляции за каждый год и аналогичным образом построена скользящая средняя. Результаты представлены на рисунке ниже.
Рис. 8. Динамика расходов на НИОКР в России с учетом инфляции за 1996-2013 гг., в млрд. рублей
Таким образом можно сделать некоторые выводы. На графике ярко выражен период с наибольшей инфляцией – конец 90-х годов что и объясняет резкое изменение номинальных значений расходов на ИиР. Далее начиная с 2000 года наблюдается стабильное понижение инфляционных показателей что и отрицательно отразилось на расходах на НИОКР значение результирующей переменной колеблется на уровне 1500 млрд. рублей на всем исследуемом промежутке но имеет отрицательную тенденцию к нынешнему году. Прогнозные значения полностью совпали с показателями без учета инфляции.
Поэтому можно заключить что с каждым годом предприятия все менее настроены внедрять в свое производство новые разработки в основном заимствуя инновации других стран.
Заключение
Проделав статистический анализ расходов на НИОКР и факторов на них влияющих можно составить следующее представление об инновационной активности России.
Как показало сравнение российских показателей со значениями других стран инновационная активность РФ остается на достаточно низком уровне. Это связано с тем что отечественные предприятия не стремятся внедрять инновации в свое производство довольствуясь пожитками европейских стран. Также отрицательно сказываетсяслабость правовой защиты изобретений и слабое взаимодействие государства с предприятиями инновационного типа. В дополнение к этому недостаток денежных средств значительно влияет на объем вновь создаваемых продуктов и услуг ведь исследования разработки и новое техническое оборудование требует достаточно большого объема финансов. Кластеризация стран по уровню расходов на НИОКР показала что Россия попадает в третью по уровню развитости в научной сфере группу.
Для того чтобы полностью выявить влияние наиболее значимых переменных на расходы на НИОКР следует рассмотреть данные показатели в региональном разрезе. В исследовании принимали 73 субъекта РФ так как по остальным 10 переменных не было достаточной информации.
Итак предварительным анализом является выявление аномальных наблюдений и проверка данных на нормальный закон распределения. С помощью критерия Титьена-Мура правила трех сигм и межквартильной разницы проведена работа с выбросами. Однако наличие их не утверждено поэтому ни один из регионов не будет исключаться из дальнейшего анализа что отрицательно не повлияло на экономическую значимость настоящей работы.
С помощью критерий Колмогорова-Смирного визуализации ящичковой диаграммы и стемплота было выявлено что данные не подчиняются НЗР. Стандартизация переменных также не привела к желаемому результату поэтому было принято решение использовать нелинейные методы преобразования – логарифмирование наблюдений. Проделав аналогичныеэтапы заключается что логарифмы данных подчиняются нормальному закону распределения а исходные – лог-нормальному.
Важным этапом в статистическом анализе является исследование ошибок на нормальный закон распределения. С помощью Жарке-Бера было доказано данное предположение. В дополнение к этому с помощью критерия Спирмена ошибки показали свойство гомоскедастичности что вследствие не нарушает эффективность полученных в дальнейшем анализа МНК-оценок.
Регрессионный анализ также требует проведение предварительного корреляционного анализа. Построение матрицы парных коэффициентов корреляции показало наличие положительной взаимосвязи между объясняющими переменными и расходами на НИОКР. Однако важно заметить что на этапе исследования частных коэффициентов была замечена ложная корреляция между результативным признаком и переменных Х3 Х4 и Х5. Поэтому данные показатели были исключены из регрессионного анализа.
На основе методов пошагового включения и исключения переменных был произведен выбор наиболее подходящего регрессионного уравнения. Так как это зависит от значений коэффициентов детерминации стандартного отклонения и экономической значимости которые вкладываются в анализ модели то исходя из этих критериев подходит уравнение с факторами Х1 и Х6. Это уравнение описывает около 85 дисперсии и параметр Х6 также имеет наибольшую значимость по сравнению с фактором Х2 при включении в модель. Модель и ее регрессоры в выбранном уравнении значимы на 5-% уровне.
Далее подсчитаны коэффициенты эластичности выбранных переменных.Итак Э1 4108 и Э6 1923 показывают что при увеличении показателей x1 и x6 на 1 расходы на НИОКР в среднем увеличатся соответственно. Важно дополнить что гипотеза поставленная перед непосредственным анализом не отвергается.
Следующим этапом настоящей работы является кластеризация регионов по показателям характеризующим расходы на НИОКР. Так как Российская Федерация неоднородна было произведено 6 этапов отбора оптимального состава кластера.
Итак кластерный анализ показал что на 6 этапе классификации первая группа содержит всего лишь три региона показатели научной и инновационной активности которых выше по сравнению с остальными в Республике Коме Вологодской и Ростовской областях. Наиболее высокие средние наблюдаются по показателям Х2. Регионы обладают достаточным набором охранных документов для того чтобы организации принялись за создание инновационных товаров и услуг. Гораздо многочисленнее является кластер 2 с самими низкими средними значениями факторов влияющих на расходы на НИОКР что свидетельствует об очень слабой развитости практически трети Российской Федерации. Хотя средние по всем показателям также оставляют желать лучшего по Х5 и Х6 можно заметить небольшой разрыв от общего числа значений. Это свидетельствует о том что достаточно крупное число организаций стремятся к инновационной деятельности используя в своих исследованиях и разработках передовые производственные технологии. В третьем кластере 11 наблюдений обладающих также неплохим базисом технологий для создания нового продукта.
Как и следовало ожидать показатель учетной стоимости объектов интеллектуальной собственности оказался наименьшим по сравнению с другими факторами влияющих на расходы на НИОКР. Действительно научный труд сотрудников недооценивается государством заработная плата непривлекательна и как следствие происходит отток капитала в другие сферы деятельности. Важно добавить что введенная вторая гипотеза также подтверждена.
Следующим этапом является моделирование кооперативной активности с помощью модели бинарного выбора – логит-модели. Было выявлено что коэффициенты при объясняющих переменных в полученной модели положительно зависят от результирующей переменной и показывают что кооперационная активность увеличивается с ростом количества охранных документов и доли инновационной продукции в предприятиях.
Последним этапом настоящей работы является прогнозирование. Статистический анализ временных рядов показал что с каждым годом предприятия все менее настроены внедрять в свое производство новые разработки в основном заимствуя инновации других стран.
Таким образом в дополнение к провалам рынка препятствием к экономическому росту для государства является дисфункции национальной инновационной системы. Для регионального строения государства необходимо дифференцировать меры политики и определить области их влияния. Для того чтобы политика в сфере инноваций оказалось эффективной меры политики должны быть сформулированы согласно экономическому этапу развития каждого региона страны.
На этапе развития научной и инновационной сферы власти концентрируют внимание на проведении собственных исследований и разработок и снижение импорта инновационных товаров из-за границы. Пользоваться плодами чужих исследований оказалось плачевной перспективой что толкает отечественную экономику на проведение собственных. России необходимо пройти стадию подхвата технологий или инвестиционную стадию. Как известно прохождение этой стадии направит экономику на траекторию положительного роста.
Также важной частью этой политики является привлечение технологических возможностей путем интеграции в глобальную экономику и распространения глобального знания между организациями то есть снижение технологического разрыва и преодоление недостатка информации о новых технологиях. Особенно важно взаимодействие крупных предприятий с малыми что позволит реструктурировать исследовательские центры и снизить издержки на создание инновационных продуктов разделив обязанности между собой. Развитию в сфере науки и инноваций способствуют и национальные инновационные системы НИС), подразумевающие создание вертикально интегрированных инновационных лифтов в которых государство координирует и управляет инновационной деятельностью.
Научный персонал также не должен оставаться в стороне. Возникает необходимость пересмотра размера поощрения работников за достижения в науке и создание благоприятных условий труда что впоследствии стимулирует повышение инновационной активности предприятия и снижение «утечки мозгов» в другие сферы.
В добавлении к этому в России все еще преобладает слабая система защиты результатов научной деятельности. Чтобы свести риск к минимуму необходимо создать наиболее определенные нормативно-правовые акты охраняющие изобретения российских ученых. Конечно государство не должно вмешиваться прямым образом в экономику что в дальнейшем как показала практика может привести только к пагубным последствиям. Поэтому необходимо сделать акцент на создании косвенных мер регулирования. К примеру стимулирующим эффектом могут обладать смягчающие налоговые базы для небольших предприятий вновь вступивших на инновационный путь развития система льготного кредитования ликвидация корней коррупции отделение на всех уровнях власти от бизнеса. Таким образом средообразующая и информирующая функции государства становятся основами регулирования инновационного развития.
Список литературы