Построение рейтинговой системы для оценки инновационной активности регионов Российской Федерации

ПОСТРОЕНИЕ РЕЙТИНГОВОЙ СИСТЕМЫ ДЛЯ ОЦЕНКИ ИННОВАЦИОННОЙ АКТИВНОСТИ РЕГИОНОВ РОССИЙСКОЙ ФЕДЕРАЦИИ

1, 2, 1, 1.

1Национальный исследовательский университет «Высшая школа экономики»

2Казанский Национальный Исследовательский Технологический Университет

Инновационное развитие общества в целом и такая его важнейшая часть как научно-техническая сфера, является сегодня приоритетом государственной экономической политики Российской Федерации.

Однако следует отметить, что в ряде регионов инновационная деятельность сталкивается со значительными трудностями. Заключаются они не только в отсутствии или слабой собственной научно-исследовательской и опытно-конструкторской базе, но и в отсутствии квалифицированных кадров, недостаточном финансировании и т. д.

Целью данной работы было провести анализ и оценить текущее состояние инновационной деятельности в регионах, рассчитать рейтинг регионов по ряду показателей, характеризующих инновации, в том числе по интегральному инновационному индексу, проверить полученные результаты методом кластерного анализа, а также дать прогноз развития инноваций в регионах.

Для расчёта рейтинга по технологической инновационной составляющей была выбрана методика, разработанная институтом статистических исследований и экономики знаний Национального исследовательского университета «Высшая школа экономики» [1]. Эта методика опирается на результаты многолетних исследований и отвечает статистическим стандартам, которые применяются как в России, так и в ведущих зарубежных странах. В её состав также входят индикаторы, используемые в аналогичных разработках Европейской комиссии. Рейтинг инновационного развития регионов России, рассчитанный по данной методике, собрал большое количество отзывов, которые подтвердили адекватность предложенной методики и полученных результатов реальной ситуации, сложившейся в регионах [1].

Данная методика расчёта российского регионального инновационного индекса, охватывает 36 показателей, обеспечивающих возможность расчёта соответствующих подиндексов: «Социально-экономические условия инновационной деятельности», «Научно-технический потенциал», «Инновационная деятельность», «Качество инновационной политики» [2].

Следуя вышеуказанной методике в данной работе рейтинг российского инновационного индекса – был сформирован как среднее арифметическое нормализованных значений всех включённых в рейтинг показателей.

Входными данными для анализа являлись показатели инновационной деятельности семидесяти девяти регионов, представленные в ежегодных сборниках Федеральной службой государственной статистики России за 2014 г [3].

В итоге было выбрано пятнадцать показателей, характеризующих различные аспекты инновационной деятельности регионов. Это количество организаций, осуществляющих технологические инновации, количество созданных разработок и используемых передовых производственных технологий, затраты на технологические инновации, объем инновационных работ, количество выданных патентов, численность научных кадров, занятых научными исследованиями и разработками, объем поступлений от экспорта технологий и услуг и т. д.

По смысловому содержанию показатели были разбиты на 4 блока.

Блок 1 – Научные исследования и разработки;

Блок 2 – Кадры науки;

Блок 3 – Результативность научных исследований и разработок;

Блок 4 – Инновационная деятельность.

Затем, для обеспечения устойчивости модели рейтинга, был проведён анализ корреляционных связей между выбранными показателями в рамках каждого тематического блока.

По каждому тематическому блоку рассчитаны значения четырёх подиндексов, включённых в состав интегрального технологического инновационного индекса, а также выполнен расчёт итоговых значений технологического инновационного показателя по каждому субъекту РФ. За счет перехода от абсолютных величин к нормированным значениям была достигнута однородность и сопоставимость отобранных показателей.

Перед выполнением процедуры нормализации проводилась оценка степени асимметрии распределения относительно среднего значения.

Если характер распределения имел асимметричный характер, то для сглаживания влияния максимальных значений на конечный результат рейтинга, величина показателя трансформировалась следующим образом:

, (1)

- трансформированное значение -го показателя в -ом регионе;

- исходное значение -го показателя в -ом регионе;

- степень трансформации (принимает значения от 2 до 6 в зависимости от коэффициента асимметрии).

При построении рейтинга за 2014г. процедура сглаживания данных была применена одиннадцать раз. Далее сглаженные данные нормировались. Для нормировки базовых показателей использовались два различных способа.

Первый способ - традиционный таксономический метод стандартизации, в котором стандартизованные переменные рассчитываются как отношение отклонений индивидуальных значения показателей от средней по показателю к среднеквадратическому отклонению показателя :

= ; (2)

Второй способ - метод линейного масштабирования, в котором нормализация значений показателей по каждому региону проводится по следующей формуле:

, (3)

где -сглаженное значение показателя для региона ;

- минимальное значение показателя за рассматриваемый год;

- максимальное значение показателя за рассматриваемый год.

Проведён сравнительный анализ инновационного развития - ранжирование регионов по подиндексам и по интегральному индексу и выделены десять регионов-лидеров. Лидерами по интегральному индексу являются: г. Москва, г. Санкт-Петербург, Нижегородская область, Томская область, Новосибирская область, Магаданская область, Московская область, Ивановская область, Калужская область, Республика Татарстан.

С целью получения адекватной картины инновационного развития регионов РФ, выявления общих закономерностей, а также выявления различий в уровнях развития, был проведён кластерный анализ по всем рассматриваемым регионам.

Кластеризация произведена по всем 79 рассматриваемым регионам. В качестве группировочных признаков были использованы 4 подиндекса, отражающих эффективность технологической инновационной деятельности регионов. В качестве метода кластерного анализа использован метод k-средних. При применении кластерного анализа решалась задача классификации данных, а также выявления соответствующей структуры.

По итогам проведённого анализа регионы были разделены на пять кластеров в соответствии с полученными показателями инновационной деятельности. По каждому кластеру был выполнен анализ проблем и предложены способы их устранения. На рисунке 1 представлено графическое изображение средних для каждого кластера.

Рисунок 1 – График средних для кластеров

В первый кластер вошли 13,9 % включенных в анализ регионов (таблица 1).

Таблица 1 - Регионы, вошедшие в первый кластер

№	Регион	Iблок1	Iблок2	Iблок3	Iблок4
1	Белгородская область	0,458	0,384	0,215	0,390
2	Республика Адыгея	0,401	0,305	0,056	0,354
3	Республика Дагестан	0,452	0,467	0,125	0,476
4	Кабардино-Балкарская Республика	0,504	0,537	0,130	0,405
5	Оренбургская область	0,374	0,366	0,227	0,499
6	Республика Алтай	0,397	0,281	0,131	0,524
7	Республика Бурятия	0,405	0,616	0,118	0,339
8	Республика Хакасия	0,127	0,386	0,109	0,366
9	Алтайский край	0,352	0,390	0,192	0,418
10	Камчатский край	0,500	0,362	0,133	0,465
11	Еврейская автономная область	0,235	0,586	0,102	0,215

Регионы, вошедшие в первый кластер, характеризуются самым низким результатом по индексу в первом блоке (научные исследования и разработки), и показывают низкий результат по третьему блоку (результативность НИР), незначительно опережая при этом второй кластер. В итоге можно сделать вывод, что этим регионам необходимо повышать количество научных организаций, уровень их финансового обеспечения, вкладывать средства в новое оборудование и технологии, а также создавать условия для повышения патентной и изобретательской активности населения, увеличивая долю экспорта технологий региона в формировании ВРП.

Второй кластер (таблица 2) содержит 12,7 % анализируемых регионов.

Таблица 2 – Регионы, вошедшие во второй кластер

№	Регион	Iблок1	Iблок2	Iблок3	Iблок4
1	Брянская область	0,367	0,142	0,200	0,295
2	Республика Карелия	0,457	0,469	0,186	0,143
3	Республика Коми	0,536	0,499	0,130	0,248
4	Республика Калмыкия	0,309	0,368	0,057	0,129
5	Республика Ингушетия	0,268	0,332	0,000	0,000
6	Карачаево-Черкесская Республика	0,485	0,460	0,092	0,107
7	Республика Северная Осетия - Алания	0,489	0,445	0,171	0,158
8	Чеченская Республика	0,354	0,431	0,061	0,000
9	Республика Тыва	0,588	0,330	0,041	0,266
10	Забайкальский край	0,431	0,226	0,154	0,149

Регионы, вошедшие сюда, сильно отстают в инновационной деятельности и в результативности НИР, показывая в этих блоках наихудшие результаты. По первому (научные исследования и разработки) и второму блоку (кадры науки) показатели средние.

Третий кластер является самым многочисленным. Он содержит 51,9 % анализируемых регионов.

Все показатели находятся примерно на одном уровне. В первом блоке они уступают четвертому кластеру, незначительно превышая первый кластер. Во втором блоке показывают низкий относительно других кластеров результат, опережая лишь пятый кластер.

Четвертый кластер содержит 16,5 % от выборки (таблица 3).

Таблица 3 – Регионы, вошедшие в четвертый кластер

№	Регион	Iблок1	Iблок2	Iблок3	Iблок4
1	Ивановская область	0,456	0,607	0,526	0,417
2	Калужская область	0,581	0,418	0,542	0,423
3	Московская область	0,557	0,503	0,568	0,354
4	Ярославская область	0,431	0,454	0,615	0,440
5	г. Москва	0,474	0,814	0,660	0,558
6	г. Санкт-Петербург	0,608	0,651	0,636	0,500
7	Нижегородская область	0,649	0,424	0,702	0,466
8	Свердловская область	0,462	0,453	0,543	0,439
9	Иркутская область	0,469	0,562	0,366	0,467
10	Новосибирская область	0,500	0,760	0,491	0,313
11	Томская область	0,626	0,578	0,521	0,434
12	Хабаровский край	0,396	0,449	0,317	0,577
13	Магаданская область	0,575	0,514	0,384	0,560

Вошедшие сюда регионы являются абсолютными лидерами по всем показателям, уступая только пятому кластеру в инновационной деятельности. По всем остальным блокам четвертый кластер заметно опережает другие кластеры.

В пятый кластер вошло всего 5% регионов (таблица 4).

Таблица 4 – Регионы, вошедшие в пятый кластер

№	Регион	Iблок1	Iблок2	Iблок3	Iблок4
1	Липецкая область	0,176	0,233	0,527	0,768
2	Республика Мордовия	0,461	0,208	0,411	0,621
3	Республика Татарстан	0,454	0,344	0,556	0,684
4	Чувашская Республика	0,519	0,145	0,424	0,592

Эти регионы ушли далеко вперед в инновационной деятельности, они взяли курс на внедрение технологических инноваций, увеличение затрат на новые технологии. Немного уступают четвертому кластеру в результативности НИР и отстают по уровню квалифицированных кадров науке.

В результате рассмотрения всех семидесяти девяти исследуемых регионов, был сделан вывод, что инновационное развитие российских регионов происходит крайне неравномерно: регионы, которые показывали хорошие результаты по одному рассматриваемому показателю, заметно отстали в других показателях. Так, значение обобщённого индекса лидирующего в рейтинге региона превосходит значение замыкающего рейтинг региона в 3,48 раза, а для отдельных блоков – эта разница ещё больше.

Таким образом, в результате проделанной работы выявлены сильные и слабые стороны каждого отдельного субъекта РФ. Результаты анализа позволили определить, на что нужно сделать акцент в каждом отдельном регионе и дали возможность рассмотреть дальнейшую стратегию инновационной деятельности регионов.

Результаты проведённого анализа особенностей и динамики инновационного развития регионов могут быть полезны как органам федеральной власти, так и властям субъектов Российской федерации.

Все расчеты проводились с помощью MS Excel и SPSS Statistics.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1.  Индикаторы инновационной деятельности: 2014: статистический сборник. – М.: Национальный исследовательский университет «ВШЭ», 2014. – 472 с.

2.  Рейтинг инновационного развития субъектов РФ. Выпуск 2 / под ред. , - Москва: Национальный исследовательский университет «Высшая школа экономики», 2014. – 88 с.

3.  Российский статистический ежегодник.

URL: http://www. gks. ru/bgd/regl/b14_13/Main. htm (дата обращения: 03.10.2015)