Научный журнал

Вестник Алтайской академии экономики и права

Print ISSN 1818-4057

Online ISSN 2226-3977

Перечень ВАК

Инновационная деятельность на ресурсе Федеральной службы государственной статистики определяется как деятельность, которая «направлена или приводит к созданию новых или усовершенствованных продуктов (товаров, услуг), значительно отличающихся от продуктов, производивших организацией ранее, предназначенных для внедрения на рынке» [1].

Экономика РФ, которая еще не преодолела последствия пандемии, испытывает санкционное давление западных стран, которое, в частности, выражается в запрете на продажу в РФ ряда товаров. В этих условиях повышение эффективности инновационной деятельности будет способствовать снижению негативных воздействий введенных санкций. Оценка эффективности инновационной деятельности будет способствовать выбору оптимальных мер поддержки.

Цель исследования:

● выполнить кластеризацию субъектов Федерации по критерию схожести условий инновационной деятельности;

● оценить эффективность инновационной деятельности субъектов Федерации.

Материал и методы исследования

Информационная база исследования построена на основе данных Федеральной службы государственной статистики и аналитических материалов Министерства экономического развития РФ, Федеральной службы государственной статистики и Высшей школы экономики за 2021 год [1, 2]. В качестве объектов исследования рассматриваются субъекты РФ. В связи с тем, что по ряду субъектов данные не публикуются в целях обеспечения конфиденциальности первичных статистических данных, полученных от организаций в соответствии с Федеральным законом от 29.11.07 № 282-ФЗ «Об официальном статистическом учете и системе государственной статистики в Российской Федерации» (п. 5, ст. 4; п. 1, ст. 9) из исследования исключены ряд субъектов Федерации. Таким образом, в исследовании было рассмотрено 68 субъектов Федерации.

Для построения модели исследования в качестве параметров, характеризующих инновационную деятельность выбраны следующие:

● объем инновационных товаров, работ и услуг (млн. рублей);

● удельный вес затрат на инновационную деятельность в общем объеме отгруженных товаров ( %);

● затраты на инновационную деятельность (млн руб.);

● численность исследователей, имеющих ученую степень (чел.);

● внутренние затраты на научные исследования и разработки (млн руб.);

● внутренние затраты на оплату труда (млн руб.);

● внутренние затраты на приобретение оборудования (млн руб.);

● другие материальные затраты (млн руб.):

● прочие текущие затраты (млн руб.).

Структура исходных данных для построения модели приведена в табл/ 1.

Объединение субъектов Федерации по критерию схожести условий инновационной деятельности проведем с применением метода кластеризации [3]. Число кластеров, на которое будем разбивать множество субъектов Федерации, определим методом точки перегиба. Для построения зависимости суммы квадратов внутрикластерных расстояний от числа кластеров, была разработана программа на языке R (рис. 1).

Источник: получено авторами.

Из приведенной зависимости следует, что при числе кластеров большем 5 сумма квадратов внутрикластерных расстояний практически не меняется, поэтому 5 есть оптимальное число кластеров.

Подход к оценке эффективности бизнес-единиц, основанный на оценивании имеющихся у них производственных возможностей, предложил Фарелл (Farell) [4]. Базовым понятием подхода является граница производственных возможностей. Деятельность бизнес-единицы описывается или минимизацией затрат на выпуск заданного объема продукции, или максимизацией выпуска продукции при заданном уровне затрат.

В данной работе используется модель Data Envelopment Analysis (DEA), предложенная Чарнсом (CHARNES), Купером (COOPER) и Родесом (RHODES), которая получила название CCR-модель [5,6].

Рассмотрим модель национальной инновационной системы как пару

M = {Sf, P},

где Sf – множество субъектов РФ, содержащее m элементов;

P – индикаторы, описывающие ресурсы и результаты деятельности инновационной системы.

Р может быть представлено в виде матрицы размерности m×n:

где Zij – индикатор, характеризующий затраты ресурса j субъектом Федерации i;

Rij – индикатор, характеризующий результаты выпуска «продукта» j субъектом Федерации i.

Здесь i = 1, 2, 3, ..., m; j = 1, 2, 3, ..., p; k = 1, 2, …, r; p + r = n. Таким образом, m субъектов Федерации, затрачивают p видов ресурсов на выпуск r видов инновационных «продуктов».

Инновационная модель развития экономики предполагает в том числе эффективное использование имеющихся ресурсов. И поэтому в данной работе рассматривается модель, ориентированная «выход», т. е. максимизирующая выпуск при заданном объеме входных ресурсов:

Эvc → max

при условии

λj ≥ 0;

Обработка данных информационной базы исследования проведена с применением программного обеспечения MaxDEA Software [7].

Из указанных выше параметров, характеризующих инновационную деятельность субъектов Федерации, в качестве выходного параметра взят объем инновационных товаров, работ и услуг, все остальные рассматриваются как входные ресурсы.

Результаты исследования и их обсуждение

Разбиение исследуемого множества субъектов Федерации на 5 кластеров было выполнено с использованием пакета IBM SPSS Statistics версия 26. Результаты разбиения представлены в табл. 2, где приведены конечные центры кластеров, которые могут быть рассмотрены в качестве усредненного «портрета» кластера, и количество субъектов в каждом из кластеров

Субъекты Федерации распределены по кластерам неравномерно: в кластере 2 – два субъекта, в кластерах 3 и 4 по одному. Эти центры этих кластеров характеризуются высокими значениями всех показателей, в том числе и объемом инновационных товаров, работ и услуг. В кластер 1, который можно охарактеризовать средними значениями показателей, вошли 10 субъектов большинство могут быть отнесены к категории промышленно развитых (области Ростовская, Белгородская, Тульская, Нижегородская, Самарская, Свердловская, Тюменская, Омская, Мурманская и республика Башкортостан). Но если рассчитать объем инновационных товаров, работ и услуг на рубль затрат на инновационную деятельность, то значение этого показателя для кластера 1 уступают только значению этого показателя для кластера 4. Самые низкие значения показателей соответствуют кластеру 5, куда вошли 54 субъекта Федерации.

Результаты расчетов эффективности инновационной деятельности по модели CCR приведены в табл. 3. Для удобства анализа, субъекты Федерации были упорядочены в порядке возрастания эффективности.

Как видно из таблицы, значительное количество субъектов Федерации неэффективно используют имеющиеся ресурсы. Чтобы оценить количество таких субъектов, распределим их по диапазонам эффективности (рис. 2). Из 68 исследованных субъектов 50 имеют эффективность инновационной деятельности менее 0,5.

Отметим, что субъекты, отнесенные к кластеру 1, в основном имеют высокую эффективность инновационной деятельности (Белгородская и Мурманская области – 1, Тюменская область – 0,95, Омская и Тульская области – 0,8). И если единичная эффективность республики Татарстан объяснима, то причины низкой эффективности инновационной деятельности Москвы, Санкт-Петербурга, Московской области нуждаются в дополнительном исследовании. Отметим также, что некоторые регионы с весьма скромными возможностями и отнесенные к кластеру 5, имеют весьма высокие значения показателя эффективности, а Брянская, Новгородская, Оренбургская, Тверская области, республика Мордовия и Хабаровский край достигли единичного значения эффективности.

Полученные результаты позволяют оценить объем инновационных товаров, работ и услуг, который экономика РФ получала бы, если бы все субъекты Федерации вышли на единичную эффективность. Это сумма по последнему столбцу таблицы, и она равна 22 672 596 млн руб., при том что за 2022 год объем инновационных товаров, работ и услуг составил 6 003 342 млн руб. При тех же затратах можно было бы обеспечить рост в 3,77 раза.

Заключение

Была проведена кластеризация субъектов Федерации по методу К-средних на 5 кластеров. Кластеризация показала, что условия инновационной деятельности в регионах довольно схожи: 50 из 68 исследуемых субъектов были отнесены к одному кластеру.

На втором этапе исследования была проведена оценка эффективности инновационной деятельности методом DEA. Для каждого из субъектов, значение эффективности инновационной деятельности которых меньше единицы, были рассчитаны значения показателей, «выводящие» регион на единичный уровень. Полученные результаты могут быть использованы для разработки региональных программ повышения эффективности инновационной деятельности.