сотрудник
Россия
сотрудник
Россия
УДК 33 Экономика. Экономические науки
ГРНТИ 06.01 Общие вопросы экономических наук
ГРНТИ 10.01 Общие вопросы
ББК 65 Экономика. Экономические науки
На основе данных официальной статистической отчетности проведен факторный анализ показателей инновационной активности в Нижегородской области за 2012−2016 годы. На основе выявленных зависимостей между показателями инновационной активности предложена математическая модель прогнозирования рассмотренных показателей.
инновационная активность в регионе, нанотехнологии, виды экономической деятельности, математическая статистика, факторный и результативные признаки, анализ значимости коэффициентов
Основной проблемой в организациях Нижегородской области остается довольно высокий срок использования передовых производственных технологий (ППТ) на предприятиях . больше половины используемых технологий находятся в эксплуатации 6 и более лет, а по отдельным видам экономической деятельности доля таких технологий превышает 60%. Как правило, проблема привлечения средств и сложность в оценке положительного эффекта от модернизации становятся сдерживающими факторами инновационной восприимчивости и технологического обновления предприятий.
В современных экономических условиях движущей силой инновационного развития является конкуренция, и функционирование любой организации напрямую зависит от способности оперативно удовлетворять потребительский спрос. Предпринимателям необходимо выбирать более совершенные способы развития, обеспечивающие выгодные позиции на рынках сбыта, их удержание или расширение. Здесь важную роль играет качество и доступность выпускаемой продукции, техническая оснащенность предприятия и новизна оборудования, а также уровень используемых технологий [1].
С использованием методов математической статистики получены уравнения зависимости рассматриваемых факторных и результативных признаков, оценены коэффициенты уравнений, которые находятся по выборочным данным, определена значимость уравнений и сделан вывод о том, можно ли по этим уравнениям построить прогноз [2]. Кроме того, оценена значимость построенных уравнений в целом. Предполагается, что зависимость между результативным и факторным признаком линейная, поскольку коэффициенты уравнений связи являются величинами случайными, то проводится еще анализ значимости этих коэффициентов [3].
На основании критерия Стьюдента можно сделать вывод, что исследуемые параметры значимы.
Связь между числом организаций, разрабатывающих нанотехнологии, и количеством разработанных нанотехнологий прямая и достаточно сильная. Доля вариации количества разработанных нанотехнологий от числа организаций составляет 77,16%, на долю прочих факторов приходится лишь 22,84%. Связь между этими признаками описывается статистически значимым уравнением парной линейной регрессии, а значит, можно будет осуществлять некий прогноз для результативного признака . разработанных нанотехнологий и рассчитывать доверительные интервалы для прогнозного значения.
В таблице 3 представлены данные за 2012.2016 год по числу организаций, осуществлявших инновационную деятельность по видам экономической деятельности и количеству отгруженных товаров собственного производства (выполненных собственными силами работ и услуг).
Коэффициент корреляции rxy = 0,7888, что говорит о том, что между X и Y существует достаточно сильная линейная зависимость, R2 = 0,6221, то есть 62,21% изменчивости Y (отгружено товаров собственного производства, выполнено работ и услуг собственными силами (млн руб.)) объясняется X (числом организаций, осуществляющих инновационную деятельность по видам экономической деятельности). Вероятность того, что полученное уравнение парной линейной регрессии yx = 3474019,453 . 16191,45671x можно отвергнуть, составляет 11,27%. С вероятностью 4,86% можно говорить о незначимости коэффициента a уравнения регрессии и с вероятностью 11,27% о незначимости коэффициента b. Таким образом, полученное уравнение будем считать статистически значимым и будем говорить о том, что на его основе можно строить прогнозные значения результативного признака.
Теперь рассмотрим связь между числом организаций, разрабатывавших ППТ, и количеством разработанных ППТ всего (табл. 4).
Производя расчет аналогичных коэффициентов в предположении линейной зависимости между признаками можно убедиться, что эта зависимость слабая и лишь 9,79% изменчивости Y (разработанных ППТ всего) объясняется X (числом организаций, разрабатывающих ППТ). Вероятность того, что полученное уравнение парной линейной регрессии можно отвергнуть, составляет 68,69%. Таким образом, пользоваться для определения каких-либо прогнозных значений для разработанных ППТ от числа организаций, разрабатывающих ППТ, моделью парной линейной регрессии нельзя, поскольку она является статистически незначимой.
Проведенный анализ позволяет сформулировать следующие выводы.
Инновационный потенциал региона в целом и отдельного предприятия в частности формируется под влиянием большого числа факторов: уровень нормативно-правового регулирования, кадровая политика, инфраструктура (в т. ч. инновационная). В совокупности эти и другие факторы формируют инновационный потенциал, в том числе определяют число предприятий и организаций, разрабатывающих ППТ.
Система факторов, оказывающих влияние на инновационный потенциал как региона, так и отдельного предприятия, определяет в итоге уровень инновационного развития, который, с одной стороны, формируется через реализацию инновационного потенциала, с другой стороны, выражается через инновационную активность, которую формирует реализованный потенциал.
Проведенный в работе анализ возможности применения статистического анализа взаимосвязей между показателями инновационной активности региона может быть существенно расширен в части анализа взаимовлияния и взаимозависимостей, характерных для показателей инновационной деятельности. При этом главной гипотезой дальнейших исследований в указанной предметной области является следующее: для эффективного прогнозирования показателей инновационной деятельности региона и предприятий необходимо использование системы анализа большого числа факторов, необходим мониторинг инновационной деятельности, сопоставление его показателей по регионам и отдельным предприятиям.
1. Ефимычев Ю.И., Богатырёв А.В. Применение элементов технико-экономического анализа при оценке эффективности внедрения малоотходных производств // Экономический анализ: теория и практика. 2009. № 26 (155). С. 8.12.
2. Богатырёв А.В., Бубнова О.Ю., Черных Е.Е. Статистический анализ внешнеторговых операций предприятий и организаций (на примере Нижегородской области) // Инновационные кластеры цифровой экономики: драйверы развития: труды научно-практической конференции с международным участием / под ред. А.В. Бабкина. СПб., 2018. С. 319.326.
3. Bogatyrev A., Igoshev A.K., Ovchinnikov V., Kobzev V.V. The model of ROE for the management company of the electronic industry // Quality Management, Transport and Information Security, Information Technologies: the conference proceedings. St. Petersburg, 2017. Pp. 473.479.
