Формирование региональной инновационной среды как детерминанты повышения конкурентоспособности предприятий
| Вид материала | Документы |
- Формирование кластеров как механизм территориальной самоорганизации и партнерства для, 70.86kb.
- Формирование инновационной среды в региональной энергетической системе, 420.73kb.
- На современном этапе развития экономики уровень конкурентоспособности страны зависит, 62.08kb.
- Оценка конкурентоспособности регионов и инструментов повышения региональной конкурентоспособности, 55.79kb.
- Жиделева В. В. Обобществление региональной образовательной сферы как фактор повышения, 254.74kb.
- Повышение конкурентоспособности предприятий транспортной отрасли на основе развития, 431.83kb.
- Отмечает: Конференция посвящена рассмотрению актуальных вопросов технологической модернизации, 115.2kb.
- Программа дисциплины "Маркетинг в инновационной сфере" Рекомендуется Министерством, 129.62kb.
- Атегий региональной конкурентоспособности, направленных на комплексное решение задач, 216.93kb.
- Технология формирования инновационной среды предприятий обрабатывающих производств, 422.43kb.
ФОРМИРОВАНИЕ РЕГИОНАЛЬНОЙ ИННОВАЦИОННОЙ СРЕДЫ КАК ДЕТЕРМИНАНТЫ ПОВЫШЕНИЯ КОНКУРЕНТОСПОСОБНОСТИ ПРЕДПРИЯТИЙ
Иванова О.П.
Государственный университет - Высшая школа экономики, Пермский филиал
Аннотация: В условиях усиливающейся конкуренции и неопределенности способность фирмы создавать и использовать инновации становится важным фактором ее выживания и развития. Во многом способность фирмы осуществлять инновационную деятельность зависит от условий окружающей среды. Эта идея была воплощена в концепции региональных инновационных систем (РИС). Целью нашего исследования является проверка гипотезы о влиянии региональной инновационной системы на инновационную активность предприятий, а также выявление факторов - детерминантов влияния.
Ключевые слова: инновации, региональная инновационная система, эффективность, инновационная активность, оценка.
В условиях усиливающейся конкуренции и неопределенности способность фирмы создавать и использовать инновации становится важным условием ее выживания и развития. Британскими учеными было проведено исследование, проверяющее гипотезу о влиянии инноваций на успех фирмы. Результаты показали, что инновации положительно влияют на такие показатели как доход и производительность труда, а также приводят к увеличению прибыли в долгосрочном периоде [Heunks, 1996]. Анализ, проведенный в 2008 году исследователями в Словении, также подтвердил наличие положительной зависимости между инновационной активностью фирмы и такими показателями как прибыль, объем продаж, рыночная доля и рентабельность инвестиций [Milfelner, Snoj, 2008].
Во многом способность фирмы осуществлять инновационную деятельность зависит от окружающей среды. Анализ 8635 предприятий, расположенных на территории ЕС подтвердил, что вероятность инноваций у предприятий, вовлеченных в региональные инновационные сети, выше по сравнению с фирмами которые не участвуют во взаимодействии [Sternberg, Arndt, 2001]. Исследование, проводившееся среди 169 европейских предприятий, подтвердило идею о том, что фирмы, взаимодействующие внутри региона, получают преимущества от связей с другими организациями, и участие в таких взаимодействиях стимулируют их инновационную активность [Camagni, Ccapello, 2005]. В целом рассмотренные исследования подтверждают необходимость тесного взаимодействия для успешного инновационного развития как предприятий, так и региона в целом. Эта идея была воплощена в концепции региональных инновационных систем (РИС).
Понятие региональной инновационной системы впервые было введено Ф. Куком (1996), который определял РИС как «группу географически близко расположенных предприятий, научно-исследовательских институтов и университетов, которые осуществляют и поддерживают инновационную деятельность» [Cooke, 1996]. Позже это определение было расширено и дополнено другими исследователями. Однако ключевой чертой концепции является то, что РИС это не просто совокупность участников, а их тесное взаимодействие, эффект от которого и оказывает влияние на инновационное развитие предприятий и региона в целом [Fritsch, 2002].
В рамках такого подхода, в качестве одной из основных задач для органов региональной власти может рассматриваться формирование условий для осуществления инновационной деятельности предприятий. Поэтому исследование региональных инновационных систем необходимо для определения эффективности их работы, выявлении сильных и слабых сторон, что в конечном итоге может помочь в разработке региональной инновационной политики [Doloreux, Parto, 2003]. Множество исследований, просвещенных этой теме, не позволяют дать однозначного и исчерпывающего ответа на то, как следует формировать инновационную политику.
Целью нашего исследования является проверка гипотезы о влиянии региональной инновационной системы на инновационную активность предприятий, а также выявление факторов - детерминантов влияния.
Методы оценки состояния инновационного развития.
Существует множество способов оценки уровня инновационного развития. К ним можно отнести построение эконометрических моделей, составление интегральных индексов, а также анализ совокупности отдельных показателей. Каждый из этих методов имеет ряд достоинств и недостатков, но при этом все они используются в качестве инструментария при исследовании поведения компаний.
Одним из наиболее основательных исследований в области инновационной активности, является работа М. Портера, связанная с построением эконометрических моделей, проводившаяся среди 17 стран ОСЭР в период с 1973 по 1993 [Porter, 1999]. В качестве зависимой переменной было выбрано количество патентов, зарегистрированных в Патентном ведомстве США. В результате была обнаружена статистически значимая зависимость между зависимой переменной и такими показателями как численность занятых в сфере НИОКР и затраты на НИОКР.
Результаты, которые были получены М. Фритшем, проводившим исследования среди 11 регионов Европы, также подтвердили наличие положительных зависимостей между количеством зарегистрированных патентов и показателями: затраты на НИОКР и количество занятых в сфере НИОКР [Fritsch, 2002].
Аналогичные исследования встречаются и в работах российских ученых. Анализ инновационной активности в регионах России (2010) выявил, что показатель «патентная активность» положительно зависит от затрат на технологические инновации, численности студентов вузов и численности персонала, занятого исследованиями и разработками, и отрицательно – от внутренних затрат на исследования и разработки [Сердюкова, 2010]. Исследование, проведенное в 2006 году, показало наличие тесной связи между затратами на технологические инновации и объемом продукции, подвергшимся значительным технологическим изменениям [Амосенок, Бажанов, 2006].
Достаточно распространенным способом оценки уровня инновационного развития является построение интегрального индекса. Существует целый ряд подобных методик.
Одной из наиболее популярных является методика «Европейской шкалы инноваций» (EIS - European Innovation Scoreboard), разработанная Европейской Комиссией для оценки и сравнения инновационной деятельности членов Евросоюза. Интегральный инновационный индекс (SII - Summary Innovation Index) состоит из 29 индикаторов, охватывающих различные стороны инновационной деятельности, такие как человеческие ресурсы, финансирование в сфере инноваций, финансовый результат и т.д. Согласно результатам, представленным в отчете 2009 года, средний темп роста инновационной активности стран ЕС составил 1,8%. Анализ показал, что в большей степени такой рост был обусловлен увеличением финансирования (6,5%) и производительности (3,8%) [Innovation Scoreboard, 2009]. Экспертами Мирового экономического форума также был разработан интегральный показатель, определяющий национальный уровень конкурентоспособности (Global Competitiveness Index - GCI). Показатель состоит из 3-х субиндексов: основные требования, показатель эффективности и инновации и состояние рынка [The Global Competitiveness Report 2010–2011]. Цель такого анализа – выявление ключевых факторов, определяющих экономический рост. В США для оценки уровня инновационного развития штатов и страны в целом был разработан индекс Новой экономики (State New Economy Index – SNEI), который включает 29 показателей, разбитых по следующим направлениям: квалифицированная рабочая сила, глобализация, экономический рост и конкуренция, цифровая экономика, инновационный потенциал. Результаты исследования 2008 года показали, что самый высокий индекс, а, следовательно, и уровень инновационного развития, соответствует штатам с высоким уровнем высококвалифицированной рабочей силы [New Economy Index, 2008].
Кроме представленных, существует также ряд методик, позволяющих оценить уровень инновационного развития посредством анализа показателей: сравнения в динамике, составления рейтингов. Важно, что такие системы показателей не являются статичными, набор показателей постоянно обновляется, реагируя на изменения в мире.
Примером такого метода является методика, разработанная ОЭСР (Организацией экономического сотрудничества и развития). Еще в 2003 году оценка осуществлялась по таким направлениям как создание и распространение знаний, информационная экономика, глобальная интеграция, производительность и структура экономики. Однако влияние мирового кризиса привело к тому, что в 2009 году оценка была сосредоточена на других ключевых областях: влияние экономического кризиса, определение поиск новых областей роста, конкуренция в мировой экономике, взаимодействии в области исследований, инвестиции в экономику знаний. [The OECD Science, Technology and Industry Scoreboard, 2009].
Такие страны как, Австралия, Новая Зеландия и страны Европы разрабатывают собственные системы индикаторов для оценки инновационной деятельности. Основное различие этих моделей заключается в выборе набора включаемых показателей.
Как мы выяснили, существует множество способов, позволяющих оценить уровень инновационного развития. Каждый способ связан с рядом достоинств и недостатков.
Использование эконометрических моделей полезно при определении важнейших индикаторов уровня инновационного развития, а также в области прогнозирования. Однако основной недостаток заключается в определении результирующего показателя. К преимуществам интегральных индексов можно отнести возможность производить сравнительный анализ уровня инновационного развития, выявлять сильные и слабые стороны. Тем не менее, использование интегральных индексов также связано с рядом недостатков. Во-первых, это проблема выбора набора показателей, которые войдут в индекс. Во-вторых, определение весов показателей в интегральном индексе. Анализ системы показателей позволяют проследить динамику изменения уровня инновационной активности, производить анализ сильных и слабых сторон отдельных стран и делать вывод о степени разрыва между ними, но такие методы способны дать лишь обобщенное представление об уровне инновационного развития.
Таким образом, несмотря на разнообразие существующих методик, выделить единственную, позволяющую дать наилучшую оценку методику практически невозможно. Выбор того или иного способа оценки будет завесить от целей и задач исследования.
Проверка гипотезы о влиянии элементов РИС на инновационную активность предприятий региона.
Целью нашего исследования является проверка гипотезы влияния регионального инновационного окружения на инновационную активность предприятий.
В качестве инструмента для проверки гипотезы систем мы использовали построение эконометрических моделей. Как мы выяснили, использование данного метода сопровождается рядом проблем. Одна из них связана со сложностью выбора факторов, характеризующих РИС, и результирующей переменной, отражающей «инновационный выпуск».
При выборе независимых переменных нашей модели мы опирались на опыт предыдущих исследований, а также были ограниченны набором показателей доступным в российских статистических базах данных.
Источниками для расчета показателей послужили статистические данные сборника «Регионы России» за 2007 г. Для построения модели использована выборка, составленная по данным официальной статистики. В связи с отсутствием информации по ряду регионов, она была сокращена до 72 наблюдений.
В качестве описательных переменных, которые представляют собой набор факторов призванных отразить состояние инновационной системы региона, были выбраны следующие показатели:
Таблица 1
Система показателей, характеризующих инновационную деятельность в регионе
| Наименование показателя | Значение показателя |
| Per | Численность персонала, занятого исследованиями и разработками (в расчете на 10 000 человек населения региона) |
| Res | Численность исследователей с учеными степенями (в расчете на 10 000 человек населения региона) |
| Incost | Внутренние затраты на исследования и разработки (в % от ВРП) |
| Teccost | Затраты на технологические инновации (в % от ВРП) |
| Infcost | Затраты на информационные и коммуникационные технологии (в % от ВРП) |
| Orgrd | Число организаций, выполнявших исследования и разработки (в % от общего числа организаций в регионе) |
| Orgin | Число организаций, осуществлявших инновационную деятельность (в % от общего числа организаций в регионе) |
| Tec | Число использованных передовых производственных технологий |
Выбор зависимой переменной, характеризующей уровень инновационной активности, как правило, становится ключевым вопросом при составлении моделей. Существует ряд исследований, авторы которых в качестве зависимой переменной используют количество патентов или поданных заявок на изобретения [Porter, 1999]. Однако, на наш взгляд, использование таких показателей для исследования российской экономики некорректно, так как под инновационной деятельностью подразумевается, прежде всего, внедрение инноваций на рынок, в то время как регистрация патента далеко не всегда означает его активное использование. Поэтому в нашей модели в качестве зависимой переменой был выбран объем инновационной продукции - Q (в % от общего объема выпущенной продукции), поскольку именно этот показатель на наш взгляд наилучшим образом отражает уровень инновационной активности.
Прежде чем приступить к построению моделей, рассмотрим выборку. Ее основные характеристики представлены в таблице 2:
Таблица 2
Описательные статистики переменных
| Показатель | Среднее | Медиана | Максимум | Минимум | Станд. откл. |
| Объем инновационной продукции (%) | 4,65 | 2,85 | 37,30 | 0,10 | 6,00 |
| Численность персонала, занятого ИР (в расч. на 10 тыс. чел.) | 33,75 | 20,53 | 246,41 | 1,97 | 42,13 |
| Численность исследователей с учеными степенями (в расч. на 10 тыс. чел.) | 4,11 | 2,14 | 42,51 | 0,32 | 6,36 |
| Внутренние затраты на исследования и разработки (%) | 0,86 | 0,51 | 4,27 | 0,03 | 0,91 |
| Затраты на технологические инновации (%) | 0,90 | 0,74 | 3,51 | 0,01 | 0,72 |
| Затраты на информационные и коммуникационные технологии (%) | 1,07 | 0,99 | 2,80 | 0,12 | 0,46 |
| Число организаций, выполнявших исследования и разработки (%) | 0,09 | 0,09 | 0,19 | 0,03 | 0,03 |
| Число организаций, осуществлявших инновационную деятельность (%) | 0,11 | 0,10 | 0,26 | 0,01 | 0,05 |
| Число использованных передовых производственных технологий (шт.) | 2499,53 | 1346,50 | 27479,00 | 8,00 | 4227,76 |
Высокие значения среднеквадратичного отклонения, а также значительные разбросы между максимальными и минимальными значениями, свидетельствуют о неоднородности выборки. Столь значительные разницы можно объяснить разными уровнями инновационной развитости регионов РФ, что достаточно характерно для экономики России.
Для того чтобы избежать двойного учета влияния факторов на результирующую переменную нами была построена корреляционная матрица и произведена проверка на наличие мультиколлинеарности в модели.
В ходе работы было построено множество спецификаций. В итоге была выбрана модель с наибольшей объясняющей способностью:
Таблица 3
Характеристики модели объем инновационной продукции – элементы РИС
| Результирующий показатель - объем инновационной продукции | ||
| Независимая переменная | Коэф. | t-стат. |
| Свободный член | 1,172 | 1,133 |
| Численность персонала, занятого исследованиями и разработками | 0,153** | 2,732 |
| Численность исследователей с учеными степенями | -0,704** | -2,875 |
| Внутренние затраты на исследования и разработки | -1,929 | -1,509 |
| Затраты на технологические инновации | 4,376** | 5,239 |
| Число использованных передовых производственных технологий | -0,001* | -2,051 |
| R-квадрат | 0,403 | |
| Скоррект. R-квадрат | 0,358 | |
| F-статистика | 8,903 | |
| Значимость модели | 0,000 | |
* Статистически значим на уровне 5%
** Статистически значим на уровне 1%
Итоговое уравнение регрессии выглядит следующим образом:
Объясняющая способность модели составила 36%. Наличие положительной зависимости между объемом инновационной продукции и численностью персонала, занятого исследованиями и разработками, свидетельствует о том, что чем выше занятость в секторе науки и научных исследований, тем выше способность фирм в регионе создавать, производить и распространять инновационные продукты. Также положительная взаимозависимость была обнаружена между затратами на технологические инновации и результирующей переменной, что позволяет сделать вывод о высокой эффективности инвестиций в разработку и внедрение технологически новых продуктов.
Обратная зависимость была выявлена между численностью исследователей с учеными степенями и зависимой переменной. Такой результат можно объяснить в первую очередь тем, что достижения исследователей в подавляющем большинстве случаев оказываются невостребованными на внутреннем рынке научно-технических инноваций, особенно в этом же регионе, что подтверждают и другие российские работы [Амосенок, Бажанов, 2006]. Зачастую это происходит из-за неразвитости внутреннего рынка инноваций.
Результаты нашей модели в целом совпадают с результатами российских исследований в этой области: выявлено положительное влияние численности персонала, занятого исследованиями и разработками и затрат на технологические инновации на инновационный выпуск. Зарубежные исследования также подтверждают наличие положительного влияния занятости в сфере НИОКР на инновационный выпуск. Однако существенным различием в результатах отечественных и иностранных исследований является характер влияния затрат на НИОКР на инновационную деятельность. В российских исследованиях этот параметр либо оказывал отрицательное влияние [Сердюкова, 2010], либо являлся незначимым, в то время как в иностранных он оказывал положительное влияние на инновационный выпуск. Такие результаты можно объяснить отсутствием тесного взаимодействия между наукой и бизнесом в российской экономике, а также фундаментальным характером самих исследований. Это позволяет сделать вывод о необходимости поиска и развития таких механизмов, которые были бы способны обеспечивать такое взаимодействие.
Выводы
В целом по результатам регрессионного анализа наша гипотеза получила подтверждение. Результаты нашего анализа показали, что статистически значимое влияние на инновационный выпуск оказывают человеческие ресурсы. Это говорит о том, что для повышения конкурентоспособности экономики региона необходимо стимулировать развитие кадрового потенциала, причем как за счет развития собственных кадров, так и привлечения кадров извне. Положительное влияние на инновационный выпуск также показали затраты на инновации, что указывает на необходимость создания условий для вложений в разработку, производство и внедрение на рынок инновационного продукта. Полученные результаты, прежде всего, позволяют сделать вывод о важности поддержки инновационной деятельности фирм в регионах. Однако важно понимать, что любые усилия направленные на развитие инновационной деятельности должны быть обеспечены необходимыми механизмами распространения и обмена инновациями.
Понимание рассмотренных взаимосвязей позволяет помочь построить региональную политику, способствующую успешному развитию регионов и повышению их конкурентоспособности.
Однако следует заметить что, в нашем исследовании не был учтен ряд факторов, являющихся достаточно важными при исследовании инновационной деятельности. Во-первых, совокупность показателей, которые были выбраны для описания региональной инновационной системы, позволяет дать лишь обобщенное представление о состоянии инновационной деятельности в регионах, и не дает возможности проследить важные с точки зрения реальной оценки инновационного потенциала региона показатели, такие как характер налоговой и бюджетной политики, институциональная среда региона и т.д. Второй недостаток связан с характером самих инноваций, так как воздействие многих факторов, например таких как затраты фирм на исследования и разработки, проявляется не мгновенно, а с некоторым лагом, влияние которого не было учтено в нашей модели. Кроме того, в модели не была учтена возможная нелинейность зависимостей.
Поэтому дальнейшее направление исследования может быть направлено на устранение существующих недостатков, посредством расширения базы или использования других методов анализа.
Список использованной литературы
- Амосенок Э.П., Баженов В.А. Интегральная оценка инновационного потенциала регионов России // Регион: экономика и социология. 2006. №2. C. 134-145.
- Сердюкова Ю.С., Валиева О.В. Суслов Д.В., Старков А.В. Инновационная система в регионах России: оценка состояния и развития // Регион: экономика и социология, 2010. №1 С. 179-197
- Andes S. The Information Technology and Innovation Foundation. - Электрон. дан. – Режим доступа к ст.: ссылка скрыта
- Atkinson Robert D., Andes S. The 2008 State New Economy Index: Benchmarking Economic Transformation in the States. [Электронный ресурс]/ Atkinson Robert D., Andes S. The Information Technology and Innovation Foundation. - Электрон. дан. – Режим доступа к ст.: ссылка скрыта
- B. T. Asheim, L. Coenen The role of regional innovation systems in a globalizing economy: comparing knowledge bases and institutional frameworks of Nordic clusters: [Электронный ресурс] – Режим доступа: ссылка скрыта
- Camagni R., Ccapello R. Urban Milieux: from Theory to Empirical Findings// Boschma R.A, Kloosterman R.C. Learning from Clusters: A Critical Assessment. 2005. C.249–274
- Cooke, P, Braczyk, H. J. & Heidenreich, M. Regional innovation systems: the role of governances in the globalized world. London: UCL Press, 1996.
- Doloreux D., Parto S. Regional Innovation Systems: A Critical Review Shu-guang Liu, Cai Chen Regional innovation system: theoretical approach and empirical study of Сhina: [Электронный ресурс] – Режим доступа: ссылка скрыта
- Fritsch M. Measuring the Quality of Regional Innovation Systems: A Knowledge Production Function Approach // International Regional Science Review. 2002. № 25 С. 86-101
- Griffin A. PDMA Research on New Product Development Practices: Updating Trends and Benchmarking Best Practices// Journal of product innovation management. 1997. № 14. С. 429-458
- Heunks F. J. Innovation, Creativity and Success // Small Business Economics. 1998. №10. С.263-272.
- Koh Lay Tin Measuring Innovation Performance: [Электронный ресурс] – Режим доступа: ссылка скрыта
- Milfelner B., Snoj В. Can innovation resources influence company performance: case of Slovenia // Int. J. Sustainable Economy. 2008. Vol.1. №1 С.60-69
- Porter Michael E., Stern S. The New Challenge to America’s Prosperity: Findings from the Innovation Index // - Washington (DC): Council of Competitiveness.- 1999
- Sternberg R., Arndt O. The Firm or the Region: What Determines the Innovation Behavior of European Firms? // Economic Geography. 2001. Vol. 77. № 4 С. 364-382
- OECD Science, Technology and Industry Scoreboard 2009. [Электронный ресурс].2009. Режим доступа:
org/document/10/0,3343,en_2649_33703_39493962_1_1_1_1,00.php
- European Innovation scoreboard 2009. [Электронный ресурс].2009. Режим доступа:
ссылка скрыта