INNOVATION AS AN ECONOMIC CATEGORY IN THE FOCUS OF MULTIDI-MENSIONAL STATISTICAL METHODS

Cover Page

Cite item

Full Text

Abstract

In this article discusses the issue of applying multidimensional static methods, namely the canonical correlation method in the study of innovation indicators and processes that are determined by innovation. It was found that there is a strong connection between the groups of innovation indicators and socio-economic indicators, which allows developing both indicators of the innovation group and indicators of the socio-economic sphere in the three leading regions of the Russian Federation. In addition, the work has formed latent integral indicators, which make it possible to comprehensively characterize the state of an individual subject of the studied regions, as well as to make a comparative analysis of regions as a whole and their subjects in the space of integral canonical variables and a comparative analysis of integral indicators in time.

Full Text

Инновация как экономическая категория в современной научной литературе на данный момент не имеет однозначного определения. Большинство авторов рассматривают это понятие как Ф. Никсон, который трактует инновацию как совокупность технических, производственных и коммерческих мероприятий, приводящих к появлению на рынке новых и улучшенных промышленных процессов и оборудования [1]. Иными словами, группа факторов влияет на группу показателей. В фокусе этого определения инновация как экономический процесс требует всестороннего и глубокого изучения. В современной научной литературе рассматриваются как качественные, так и количественные методы изучения инновационных показателей. К группе количественных методов относится метод канонических корреляций.

С одной стороны этот метод позволяет оценить степень тесноты взаимосвязи групп показателей относящихся к инновационным процессам и процессам от них зависящих и определяющих. Это является важным достоинством данного метода.

С другой стороны формирование канонических переменных позволяет сжать многомерное пространство показателей и визуализировать данные в пространстве латентных канонических переменных, а также выявить агрегированные интегральные показатели.

 

Условия и методы исследования

Метод канонических корреляций применяется, когда целью исследования становится поиск максимальных корреляционных связей между группами показателей-факторов и результативными качественными показателями [2].

Для изучения показателей сферы инноваций и проведения сравнительного анализа было сформировано два массива данных, представленных в таблицах 1 и 2. Данные взяты за 2017 и 2018 гг. соответственно.

Для проведения канонического анализа данные были разделены на две группы:

1)    x1 и x2 – инновационный блок (переменные факторы);

2)    y1, y2 и y3 – экономико-социальный блок (результативные показатели).

 

 

Таблица 1 – исходные данные за 2017 год

 

X1

X2

Y1

Y2

Y3

n1

23852,39

2408

29066

8281

785 254,1

n2

1466,864

1603

24743

9279

305 258,9

n3

6077,589

6728

26975

9104

412 942,7

n4

13518,69

2538

28007

8034

868 290,6

n5

253,3257

933

23470

9488

184 807

n37

94979,17

8633

30387

8739

1260219,6

n38

23093,14

1154

27445

8234

823091,7

n39

8473,456

1727

26238

8326

365173

n40

31226,95

7506

30492

9400

1349886,4

n41

7895,626

7363

24738

8222

669091,7

n42

6478,873

1850

26254

9062

340639,2

Таблица 2 – Исходные данные за 2018 год

 

X1

X2

Y1

Y2

Y3

n1

20703,16

2444

31852

8480

865979

n2

2164,5777

2036

27251

9655

328814

n3

7249,778

6810

30460

9523

440543

n4

12725,11

2678

31207

8612

943595,6

n5

154,704

1020

25729

9900

197839,8

n37

95618,09

8516

32949

9222

1367544

n38

17131,17

1504

30371

8642

1000644

n39

10075,2

1857

28968

8774

400516,8

n40

42523,64

7852

33754

9872

1510518,7

n41

6596,93

7628

26823

8599

712545,4

n42

8328,09

2618

28353

9346

347854,1

В таблице 3 представлены условные обозначения.

Таблица 3 – Семантика условных обозначений

Условные обозначения

Значение/показатель

Ед. измерения

n1 – n18

Регионы Центрального ФО

n19 – n28

Регионы Северо-Западного ФО

n29 – n42

Регионы Приволжского ФО

x1

Затраты на инновационную деятельность

млн рублей

x2

Используемые передовые производственные технологии

единицы

y1

Средняя заработная плата

рублей

y2

Прожиточный минимум

рублей

y3

Внутренний региональный продукт

млн рублей

U1, U2

Инновационный фактор

-

V1, V2

Социально-эконмический фактор

-

С помощью пакета «Анализ данных» MS Excel были рассчитаны коэффициенты канонической корреляции и параметры канонических переменных U и V. На электронном ресурсе mathforyou.net рассчитаны собственные числа и собственные вектора.

 

Результаты и их обсуждение

Для показателей 2017 года канонические переменные имеют вид:

λ21 = 0,751 , r1 = 0,867.

U1 = 1,053х1 + 0,183х2.

V1 = 0,138y1 – 0,103y2 + 0,985y3.

На основании данных переменных можно сделать вывод о  том, что есть некий интегральный показатель, который описывает инновационную компоненту. Причем влияние затрат в шесть раз превалирует над используемыми технологиями. Этот показатель оказывает влияние на блок экономико-социальных показателей, который сильно зависит от активности регионального инвестирования в инновации.

Высокую степень отдачи среди показателей экономико-социальных показателей можно наблюдать у показателя ВРП. При этом показатель прожиточного минимума на региональном уровне имеет обратную связь, т.е. наблюдается тенденция к снижению.

С помощью критерия Бартлетта проверим значимость U1 и V1.

χ2набл = 54,954.

χ2кр (α=0,05) = 12,591.                                     

χ2кр (α=0,1) = 10,644.

χ2кр (α=0,01) = 16,811.

На основании этих результатов можно сделать вывод, что коэффициент канонической корреляции r1 отличен от нуля на любом уровне значимости. Следовательно, инновационный блок показателей оказывает влияние на 86% на группу экономико-социальных показателей.

Аналогичные показатели были рассчитаны для данных за 2018 год. Результаты представлены ниже.

 λ22 = 0,824 , r2 = 0,907.

U2 = 1,325х1 – 0,197х2.

V2 = 0,283y1 – 0,23y2 + 0,931y3.

Отметим, что по сравнению с 2017 годом на 25% выросла степень влияния фактора затрат на инновационную деятельность, т.е. его влияние на экономико-социальный блок стало еще значительнее. При этом фактор используемых инноваций поменял свою связь на обратную. Обнаружено явление, которое свойственно НТП: инновации дошли до максимума, это может быть индикатором того, что этот показатель может изменить тенденцию роста и ухудшится. Нужно проанализировать почему

Так же на 5% снизилась отдача ВРП. Отдача показателя средней заработной платы выросла, а прожиточный минимум продолжил снижение.

Проверим существенность второго коэффициента канонической корреляции.

χ2набл = 67,968.

χ2кр (α=0,05) = 12,591.

χ2кр (α=0,1) = 10,644.

χ2кр (α=0,01) = 16,811.

На основании этих результатов можно сделать вывод, что коэффициент канонической корреляции r2 отличен от нуля на любом уровне значимости. Следовательно, в 2018  инновационный блок показателей оказывает влияние на 91% на группу экономико-социальных показателей, что на 5 процентов больше, чем в 2017 году.

Как говорилось ранее, формирование канонических переменных позволяет сжать многомерное пространство показателей и визуализировать данные в пространстве латентных канонических переменных. На рисунках 1-4 представлены визуализированные данные по двум изучаемым регионам: Центральному ФО (ЦФО) и Северо-Западному ФО (СЗФО).

Из параметров построения графиков были исключены данные по следующим субъектам: г. Москва и Московская область (ЦФО), г. Санкт-Петербург и Ленинградская область (СЗФО). Это было сделано как на графиках за 2017 год, так и за 2018 год с целью более детального представления оставшихся субъектов регионов, так как их показатели в несколько раз меньше, чем у исключенных.

Рисунок 1 – Субъекты ЦФО в пространстве латентных канонических переменных (2017 год)

Основываясь на данных рисунка 1, можно сделать вывод, что все субъекты Центрального ФО имеют положительные характеристики по интегральных показателям U и V. Это позволяет провести монотетический подход кластеризации.

По переменной U 6 субъектов (Ивановская, Костромская, Орловская, Смоленская, Брянская и Курская области) имеют диапазон в пределах от 0 до 10. 4 субъекта (Рязанская, Тамбовская, Ярославская и Калужская области) находятся в диапазоне от 10 до 20. Остальные находятся в диапазоне от 20 и выше. Среднее значение для показателя U = 15957,5. Из 18 субъектов ЦФО только 8 (исключая г. Москва и Московскую область) превышаю данное среднее значение.

Относительно переменной V можно заметить, что основная масса субъектов лежит в диапазоне от 0,15 до 0,6. Только 2 субъекта (Белгородская и Воронежская область) принимают значения больше 0,7. Это свидетельствует о достаточной стабильности этих регионов относительно показателей социально-экономического блока.

 

Рисунок 2 – Субъекты СЗФО в пространстве латентных канонических переменных (2017 год)

Аналогичную кластеризацию можно провести и среди субъектов Северо-Западного ФО.

Относительно переменной U 4 субъекта находятся в диапазоне от 2 до 5 – это Республика Карелия, Калининградская, Псковская и Мурманская области. Оставшиеся субъекты – Республика Коми, Архангельская, Новгородская и Вологодская области – имеют показатели выше 5.

Переменная V в СЗФО так же имеет диапазон от 0,15 до 0,7. В рамках этой переменной и ЦФО, и СЗФО имеют одинаковый диапазон.

Различия в диапазонах среди ФО наблюдается по переменной U, что в свою очередь может служить рекомендацией по развитию показателей, составляющих инновационный блок, в данных федеральных округах.

На основании рисунков можно сделать вывод, что в 2017 году все изучаемые исходные показатели несут положительное накопительное влияние на интегральные показатели U и V. По шкалам U и V можно увидеть, как субъекты регионов разделяются на группы по первому и второму интегральному показателю. Эта классификация может стать основой для разработки концепции развития в направлении указанной группы показателей.

Рисунок 2 – Субъекты ЦФО в пространстве латентных канонических переменных (2018 год)

Рисунок 2 – Субъекты СЗФО в пространстве латентных канонических переменных (2018 год)

По интегральному показателю U наблюдается четкое различение в 2018 году, т. е. снижение уровня показателей у более чем половины субъектов, как в Центральном ФО, так и в Северо-Западном ФО. Причиной такого результата может быть ослабление влияние показателей, составляющих инновационный блок. Так же можно увидеть какие субъекты регионов выдерживают положительные инновации и результат к ним, а какие – нет.

При этом по переменной V результативность сохранилась.

 

Заключение

По итогам работы можно сделать следующие выводы:

˗ инновационный блок оказывает влияние на группу экономико-социальных показателей более чем на 85%;

- кроме выявления тесноты взаимосвязи, была проведена редукция данных средствами эконометрического анализа;

˗ среди выбранных показателей большую отдачу показывает ВРП;

˗ необходимость поддержания развития таких показателей как затраты на инновационную деятельность, средней заработной платы и ВРП;

˗ обратить внимание на глубину падения показателя прожиточного минимума, проработать новые стратегии развития, так как инновационная деятельность, несмотря на свои положительные последствия,  в то же время, как следует из работы, имеет тенденцию усиливать падение прожиточного минимума, что в свое очередь может привести к  негативным изменениям в обществе.

×

About the authors

Margarita Alexandrovna Yachevskaya

Author for correspondence.
Email: yachevskaya_rita@mail.ru

References

  1. Калюжный В. В. Современные трактовки понятия «Инновация» и его уточнение с использованием усовершенствованного метода системных триад дефиниций // Управление проектами и развитие производства. 2003. №1 (6).
  2. Сошникова Л. А., Тамашевич В. Н., Уебе Г., Шефер М. Многомерный статистический анализ в экономике: Учеб. пособие для вузов. М.: ЮНИТИ-ДАНА, 1999. 598с.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2022 Proceedings of young scientists and specialists of the Samara University

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Proceedings of young scientists and specialists of the Samara University

ISSN 2782-2982 (Online)

Publisher and founder of the online media, journal: Samara National Research University, 34, Moskovskoye shosse, Samara, 443086, Russian Federation.

The online media is registered by the Federal Service for Supervision of Communications, Information Technology and Mass Communications, registration number EL No. FS 77-86495 dated December 29, 2023

Extract from the register of registered media

Regulation of the online media

Editor-in-chief: Andrey B. Prokof'yev, Doctor of Science (Engineering), associate professor,
head of the Department of Aircraft Engine Theory

2 issues a year

0+. Free price. 

Editorial address: building 22a, room 513, Soviet of Young Scientists and Specialists, 1, Academician Pavlov Street, Samara, 443011, Russian Federation.

Address for correspondence: room 513, building 22a, 34, Moskovskoye shosse, Samara, 443086, Russian Federation.

Tel.: (846) 334-54-43

e-mail: smuissu@ssau.ru

Domain name: VMUIS.RU (Domain ownership certificate), Internet email address: https://vmuis.ru/smus.

The previous certificate is a printed media, the journal “Bulletin of Young Scientists and Specialists of Samara University”, registered by the Office of the Federal Service for Supervision of Communications, Information Technologies and Mass Communications in the Samara Region, registration number series PI No. TU63-00921 dated December 27, 2017.

© Samara University

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies