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

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

Таблица 2 – Исходные данные за 2018 год

В таблице 3 представлены условные обозначения.

Таблица 3 – Семантика условных обозначений

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.

χ²_набл = 54,954.

χ²_кр (α=0,05) = 12,591.                                     

χ²_кр (α=0,1) = 10,644.

χ²_кр (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.

χ²_набл = 67,968.

χ²_кр (α=0,05) = 12,591.

χ²_кр (α=0,1) = 10,644.

χ²_кр (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

Supplementary files