Краткая аннотация

Вид материалаДоклад
Подобный материал:
Краткая аннотация

к докладу на XII Апрельской международной научной конференции «Модернизация экономики и общества»

по теме: «Влияние кластеров на инновационную активность предприятий в субъектах РФ: результаты эмпирического исследования»

Е.С. Куценко

Тема кластеров в экономике постепенно набирает актуальность, которая связана, прежде всего, с вопросом поиска инструментов для повышения инновационной активности хозяйствующих субъектов.

В теории кластеры выступают как территории высокой инновационной активности, как своеобразные «анклавы», в которых тесно связанные предприятия, научное сообщество, финансовые организации (в том числе венчурные капиталисты), государственные и общественные организации, формируют инновационное окружение, дающее участникам кластера важнейшее конкурентное преимущество в виде повышенния инновационной активности.

Проведенные за рубежом исследования1 доказывают наличие связи между кластерами и инновационной активностью в регионах (выражаемой, как правило, через патентную активность).

Понимание кластеров как эффективного инструмента стимулирования инновационной активности заложено не только в зарубежных политических, концептуальных и нормативных документах, но и проникает в отечественные2. Вместе с тем, зарубежный опыт, прежде всего, охватывает развитые страны. Далеко не все закономерности экономики таких стран адекватны для развивающихся и транзитивных стран. Соответственно, возникает закономерной вопрос: насколько кластеры в субъектах РФ влияют на инновационную активность предприятий? С этим вопросом тесно связан и вопрос состоятельности кластерной политики как средства формирования инновационной экономики для регионов Российской Федерации.

Проверке данной гипотезы посвящено исследование, основные положения и результаты которого планируются к изложению на Конференции.

Для того, чтобы гипотеза влияния кластеров на инновации в регионах была объективно и верифицируемо проверена, необходимо найти адекватные замещающие переменные в массиве существующей статистики. В зарубежной практике для целей статистической идентификации кластеров используются либо методы, основанные на анализе межотраслевого баланса, либо методы, в основе которых лежит определение значимых кластерных групп в регионах. Так как межотраслевого баланса для регионов РФ не существует, было решено адаптировать и реализовать методологию определения значимых кластерных групп. Данная методология была предложена М. Портером и опирается на расчет занятости в так называемых кластерных группах, под которыми понимается совокупность торгуемых видов деятельности, которые обладают тематической близостью и демонстрируют тенденцию к совместной локализации. Помимо России, подобные исследования были проведены в США, Канаде, Швеции и в масштабах ЕС.

Результаты исследования представляют собой информацию о значимых кластерных группах в регионах РФ (прежде всего, это информация включает в себя коэффициент локализации, размер и фокус значимой кластерной группы), а также о силе каждой значимой группы (по трехзначной шкале).

В качестве переменных, отражающих инновационную активность предприятий в регионе были выбраны «Государственные затраты на НИОКР в расчете на 1 занятого», «Частные затраты на НИОКР в расчете на 1 занятого» и «Количество патентных заявок на 100 тыс. занятых». Помимо показателей инновационной активности, в модель были включены показатели результативности инновационной деятельности («Доля инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг» и «Доля организаций, осуществлявших технологические, организационные, маркетинговые инновации в общем числе организаций»). Данные по этим показателям рассчитываются Федеральной службой государственной статистики.

Для оценки влияния кластеров на инновационную деятельность была построена структурная модель, включающая в себя ряд гипотез, в том числе: количество и сила значимых кластерных групп положительно влияет на экономическое благополучие региона; урбанизация положительно влияет на экономическое благополучие региона; инновационная активность положительно влияет на экономическое благополучие региона; количество и сила значимых кластерных групп положительно влияет на инновационную активность в регионе; урбанизация положительно влияет на инновационную активность в регионе и ряд других.

Для оценки модели был использован метод частичных наименьших квадратов (PLS). Метод PLS был предложен Волдом3 и относится к методам, основанным на дисперсии (с выделением главных компонентов). В отличие от жесткого моделирования он не требует нормального распределения данных и отсутствия мультиколлинеарности между наблюдаемыми и латентными переменными поэтому его еще называют «мягким моделированием». PLS – это непараметрический метод оценки, в котором причинность выражается через линейные условные математические ожидания. Значимости посчитанных коэффициентов были проверены с помощью метода Bootstrap.

Основные выводы проведенного исследования заключаются в следующем:
  • Инновации в субъектах РФ не влияют на экономическое благосостояние.
  • Значимые кластерные группы влияют на инновационную активность предприятий в субъектах РФ.
  • Значимые кластерные группы влияют на экономическое благосостояние в субъектах РФ.
  • Развитие значимых кластерных групп позволяет обеспечить как стимулирование инноваций, так и повышение экономического благосостояния в регионе.

Проверка стабильности и различные модификации базовой модели позволили сформулировать дополнительные выводы, в том числе:
  • Развитие значимых кластерных групп в регионе и развитие городской инфраструктуры взаимодополняют друг друга.
  • Влияние на инновационную активность оказывают как высокотехнологичные кластерные группы, так и традиционные промышленные.
  • Экономическая активность населения в регионах России не связана с его экономическим благополучием.

Таким образом, проведенное исследование доказывает, что количество и уровень развития кластеров в субъектах РФ положительно связаны с инновационной активностью хозяйствующих субъектов и общественным благосостоянием.



1 Прежде всего, Porter M. The Economic Performance of Regions // Regional Studies, Vol.37.6&7, pp. 549-578, August/October 2003; Lindqvist G. Disentangling Clusters: Agglomeration and Proximity Effects. Dissertation for the Degree of Doctor of Philosophy, Ph.D, Stockholm School of Economics 2009

2 В качестве одной из приоритетных целей «Концепция долгосрочного социально – экономического развития Российской Федерации на период до 2020 года» ставит переход к инновационной экономике. При этом, как предполагается, этот переход будет осуществлен в 2 этапа. На первом этапе (2008 - 2012 годы) планируется расширение тех глобальных конкурентных преимуществ, которыми обладает российская экономика в традиционных сферах (энергетика, транспорт, аграрный сектор, переработка природных ресурсов). Одновременно, должны создаваться условия для формирования ряда высокотехнологичных кластеров в европейской и азиатской частях России. Именно через эти «точки роста» должен быть осуществлена цель второго этапа (2013 - 2020 годы) - рывок в повышении глобальной конкурентоспособности экономики на основе ее перехода на новую технологическую базу (информационные, био- и нанотехнологии).


3 Wold, H. Soft modeling: intermediate between traditional model building and data analysis. Mathematical Statistics, 1980, 6(333-346).