Assessment of innovation development potential of the region

Введение

Большинство работ, посвященных исследованиям методов оценки инновационного потенциала региона, акцентируют внимание на определении вклада соответствующих отраслей и предприятий в территориальное развитие, последующем ранжировании регионов согласно присвоенному рейтингу. Определение уровня инновационного развития опирается на инновационные возможности территории «перерабатывать» новшества и изобретения, что объясняется степенью восприимчивости субъектов хозяйственной деятельности к новаторским преобразованиям [10, 11, 12] (Lisina, 2012; Mingaleva, 2009; Postavnoy, Frolova, Shorina, 2009).

Как отмечает Мингалева Ж.А., для эффективной оценки инновационного потенциала необходим комплексный подход к пониманию его структуры через совокупность ресурсной (материально-технические, информационные, финансовые, человеческие и другие виды ресурсов), внутренней (организационной) и результативной (как новый продукт, полученный в ходе осуществления инновационного процесса) составляющих инновационного потенциала [11, с. 19] (Mingaleva, 2009).

Среди методик, разрабатываемых на институциональном уровне, можно отметить исследования Ассоциации инновационного развития регионов (АИРР). Важным отличием обновленной методики оценки инновационного рейтинга, проводимой Ассоциацией инновационного развития регионов, является учет качественно новых шести индикаторов, объединенных в один смысловой блок «Инновационная активность региона» [1].

Эмпирические исследования уровня инновационного развития регионов базируются на эконометрических методах, рейтинговой оценке, индексных и интегральных методиках анализа [12, 15] (Postavnoy, Frolova, Shorina, 2009; Shorina, Frolova, 2009).

Все многообразие подходов к анализу и оценке инновационного потенциала субъектов РФ основывается на использовании, как правило, трех методов (балльной оценки, матричном и экспертном способах диагностики уровня инновационного развития региона) [3, 4] (Egorov, 2017; Egorov, Efremov, Kovrov, 2017). В настоящее время особую важность приобретает проблема наиболее полного и достоверного сбора информации о показателях инновационного потенциала, способах их группировки и адекватности методов обработки данных [14] (Smirnov, 2018). В этой связи важна задача создания «специального инструментария» для диагностики инновационного развития регионов (системы сбора, аналитической обработки и апробации результатов исследования) [5, с. 14] (Egorova, Kulakova, 2014).

Так, Егоров Н.Е. выделяет триаду показателей инновационного потенциала региона, состоящую из факторов научно-образовательного комплекса региона, показателей производственного потенциала и потенциала государственной поддержки [2, с. 45] (Gudkova, Plieva, 2018).

Смирнов Р.В. предлагает учитывать статистическую информацию об инновационном потенциале региона, сгруппированную по факторам, темпам и качеству инновационного экономического роста [14, с. 238] (Smirnov, 2018).

Егорова С.Е. указывает на трудности измерения инновационного потенциала из‑за невозможности кодифицировать все знания, привлекаемые для оценки и использования их в организационных процедурах. По ее мнению, приоритетом в направлении диагностики потенциала является оценка человеческих ресурсов, информационных и коммуникативных технологий [5, с. 64] (Egorova, Kulakova, 2014).

Гудкова А.А. отмечает важность создания и постоянного совершенствования системы мониторинга инновационной деятельности субъектов РФ на основе проведения анализа научно-технического потенциала регионов и динамического анализа показателей их научной и инновационной деятельности [1, 2] (Gudkova, Olshevskiy, 2016; Gudkova, Plieva, 2018).

Несмотря на глубину проводимых исследований, все еще актуальны и не до конца изучены подходы к определению количественной оценки инновационного потенциала развития территории и ее интерпретации для дальнейшего использования.

Методология

Использование потенциала развития региона рассматривается нами в контексте его расширенного воспроизводства за счет ресурсов государственных и муниципальных программ, действующих на территории региона. В этом плане декомпозиция потенциала развития по его компонентам (финансово-бюджетная и инвестиционно-предпринимательская) и отдельным составляющим (экономическая, инновационная, институциональная) может рассматриваться как ключевой принцип структуризации государственных программ субъекта Федерации [6] (Kizil, 2016).

Для оценки инновационной составляющей потенциала развития региона мы предлагаем отталкиваться от сложившейся инновационной инфраструктуры региона, представленной компонентами, в рамках которых обеспечивается концентрация всех ключевых элементов инновационной среды на единой территории.

Типология инновационной структуры региона может быть представлена следующими составляющими:

1. Элементы институциональной среды инновационного развития региона (агентства содействия инновациям, координационные советы по модернизации и инновационному развитию региона, межрегиональные комиссии по оцениванию инновационных программ при Правительстве субъекта Федерации, региональные центры инжиниринга, центры кластерного развития, центры сертификации, стандартизации и испытаний и т.д.).

2. Научно-образовательная инфраструктура (инжиниринговые центры, центры коллективного пользования, центры прототипирования, научно-исследовательские и производственные лаборатории и участки, проекты и т.д.).

3. Бизнес-среда (инновационные компании, технологические центры, инновационные кластеры, инновационно-конструкторские бюро, проектные центры, малые инновационные фирмы и т.д.).

С использованием типовых инновационных элементов региональной среды разработана схема инновационной инфраструктуры Хабаровского края (рис.).

Рисунок. Схема инновационной инфраструктуры Хабаровского края

Источник: составлено автором.

При этом к формализованным элементам инновационной среды региона относятся технопарки, бизнес-инкубаторы, индустриальные парки, особые экономические зоны.

Так как абсолютная оценка потенциала развития затруднительна из‑за невозможности применения однородных способов диагностики к различным элементам составляющей инновационного потенциала (ресурсной и обеспечивающей), мы предлагаем на основе метода балльных оценок и весовых коэффициентов количественно оценить инновационный потенциал как одну из составляющих комплексного потенциала развития региона, который в предыдущих работах рассматривался нами как совокупность инвестиционно-предпринимательской и имущественно-бюджетной компонент [6] (Kizil, 2016).

Инновационная составляющая потенциала развития региона (расчеты проводились на основе статистических данных Хабаровского края) обусловлена двумя уровнями факторов: факторы первого порядка (научно-производственные, научно-образовательные, институциональные) и факторы второго порядка, оценивающие инновационный потенциал региона (табл. 1).

Таблица 1

Факторы первого и второго порядка, определяющие инновационную

составляющую потенциала развития региона

Показатели структуры потенциала (факторы второго порядка)	2013 г.	2014 г.	2015 г.	2016 г.	2017 г.
Научно-производственный
Инновационная активность организаций, %	11,6	10,5	9,7	8,5	7,9
Число созданных передовых технологий в расчете на 10 тыс. чел. населения	0,044	0,075	0,090	0,075	0,098
Число использованных передовых технологий, приходящихся на 10 тыс. чел. населения	19,8	19,38	19,24	19,13	19,55
Число поданных патентных заявок, приходящихся на 10 тыс. чел. населения	1,88	1,882	1,863	1,679	1,255
Число выданных патентов, приходящихся на 10 тыс. чел. населения	1,72	1,63	1,68	1,38	1,38
Удельный вес организаций, осуществляющих технологические инновации в общем числе обследованных организаций, %	10,2	10,2	9	7,6	6,7
Удельный вес инновационных товаров, работ, услуг в общем объеме отгруженных товаров, работ, услуг, %.	11,7	12,5	10,8	14,1	23,8
Затраты на инновации от общего объема отгруженных товаров, выполненных работ, услуг, %	3,3	2,7	2,8	3,6	2,9
Научно-образовательный
Численность персонала, занятого научными исследованиями и разработками (НИР), приходящегося на 10 тыс. населения	11,9	12,7	15,2	13,6	12,9
Удельный вес исследователей с учеными степенями в общей численности персонала, занимающегося НИР, %	28	31,15	37,2	40,48	40,36
Число организаций, ведущих подготовку аспирантов	21	20	18	18	18
Число организаций, ведущих подготовку докторантов	9	5	6	5	2
Доля защитивших кандидатские и докторские диссертации, в общем количестве аспирантов и докторантов, %	4,2	1,1	2,58	1,5	0,97
Удельный вес затрат на оплату труда во внутренних затратах на НИР, %.	52,73	55,21	44,12	43,32	22,35
Внутренние затраты на НИР в процентах к ВРП	0,29	0,25	0,32	0,39	0,88
Институциональный
Число программ по поддержке инновационно-активных организаций, реализуемых в регионе	4	5	5	5	5
Число основных нормативных документов по вопросам регулирования инновационной деятельности	4	6	8	9	10
Внутренние затраты на НИР из средств бюджетов всех уровней в расчете на одного члена персонала, занятого НИР, млн р.	0,562	0,549	0,439	0,489	0,593
Удельный вес внутренних затрат на НИР из средств бюджетов всех уровней в общей сумме внутренних затрат на НИР, %	63,6	66,8	45,8	35,6	17,2
Внутренние затраты на НИР из средств бюджетов всех уровней в процентах к ВРП	0,18	0,17	0,15	0,14	0,15
Удельный вес внутренних затрат на НИР из средств бюджетов всех уровней в затратах на технологические инновации организаций, %	13	14,3	11,8	8,3	11,37
Удельный вес внутренних затрат на НИР из средств бюджетов всех уровней в общем объеме отгруженной инновационной продукции, %	3,6	3,16	3	2,1	1,38

Источник: составлено автором с использованием: Регионы России. Социально-экономические показатели. 2018: Стат. сб. / Росстат. − М., 2018. −1162 с.; Хабаровский край в цифрах. 2019: Крат. стат. сб. / Хабаровскстат – г. Хабаровск, 2019. – 109с.; Хабаровский край в цифрах. 2017: Крат. стат. сб. / Хабаровскстат – г. Хабаровск, 2017. – 125 с.

Учет рисков использования инновационной составляющей потенциала развития осуществлялся по показателям неблагоприятных ситуаций в научно-производственной, научно-образовательной, институциональной средах субъекта Федерации как факторов первого порядка. Они очерчивают круг причин, по которым государственные программы в процессе реализации не могут достигнуть целевых индикаторов, и характеризуются показателями риска использования потенциала (факторами второго порядка) (табл. 2).

Таблица 2

Риски использования инновационной составляющей потенциала

развития региона

Показатели риска использования инновационного потенциала (факторы второго порядка)	2013 г.	2014 г.	2015 г.	2016 г.	2017 г.
Научно-производственные
Темпы роста объемов отгруженной инновационной продукции, %	387,86	120,57	100,11	139,63	178,93
Темп роста числа организаций, выполнявших НИР, %	100,00	92,68	113,16	102,33	102,27
Темп роста внутренних затрат на НИР в ВРП, %	96,67	86,21	128,00	121,88	225,64
Индекс физического объема инвестиций в основной капитал (в сопоставимых ценах), % к предыдущему году	73,8	83,2	78,3	97,9	95,3
Научно-образовательные
Темп роста численности персонала, занятого НИР, %	99,19	106,38	120,11	88,74	94,70
Темп роста затрат на оплату труда на одного работника, занятого НИР, %	105,99	97,31	93,12	140,75	129,11
Темп роста численности профессорско-преподавательского состава организаций, осуществляющего образовательную деятельность по программам бакалавриата, специалитета, магистратуры, %	94,15	93,52	93,48	92,75	85,45
Темп роста выпуска бакалавров, специалистов, магистрантов, %	92,73	97,39	99,33	85,14	83,33
Институциональные
Темп роста внутренних затрат на НИР из средств бюджетов всех уровней, %	95,97	103,83	96,00	98,89	114,86
Темп роста бюджетных расходов на НИР из средств бюджетов всех уровней в общем объеме отгруженной инновационной продукции, %	24,27	87,78	94,94	70,00	65,71
Темп роста бюджетных расходов на НИР из средств бюджетов всех уровней в общих затратах на технологические инновации организаций, %	62,25	110,00	82,52	70,34	136,99
Темп роста числа действующих нормативных документов по вопросам регулирования инновационной деятельности, %	133,33	150,00	133,33	112,50	111,11
Темп роста внутренних затрат на НИР из средств бюджетов всех уровней в расчете на одного члена персонала, занятого НИР, %	96,60	97,69	79,96	111,39	121,27
Темп роста удельного веса внутренних затраты на НИР из средств бюджетов всех уровней в общей сумме внутренних затрат на НИР, %	89,96	105,03	68,56	77,73	48,31
Темп роста доли внутренних затрат на НИР из средств бюджетов всех уровней в ВРП, %	84,07	94,44	88,24	93,33	107,14

Источник: составлено автором с использованием: Регионы России. Социально-экономические показатели. 2018: Стат. сб. / Росстат. − М., 2018. −1162 с; Хабаровский край в цифрах. 2019: Крат. стат. сб. / Хабаровскстат – г. Хабаровск, 2019. – 109 с.; Хабаровский край в цифрах. 2017: Крат. стат. сб. / Хабаровскстат – г. Хабаровск, 2017. – 125 с.

Численные значения инновационной составляющей потенциала развития и риска его использования определились в соответствии с алгоритмом, включающем стандартный набор процедур: нормирование, ранжирование факторов, оценку значимости; определение среднего балла и суммарного балла значимости каждой из характеристик; расчет количественного значения фактора первого и второго порядка и определение количественных характеристик инновационной составляющей потенциала развития ) и риска ( [8, с. 2630–2631] (Kizil, 2016).

Результат реализации алгоритма представлен в таблице 3.

Таблица 3

Количественная оценка инновационной составляющей потенциала

и риска

Инновационная составляющая потенциала развития и риск его использования	2013 г.	2014 г.	2015 г.	2016 г.	2017 г.
Инновационная составляющая потенциала )	1,44	0,32	0,62	0,62	0,96
Риск использования инновационного потенциала (	0,75	1,25	2,07	1,05	3,49

Источник: составлено автором.

Анализ динамики данных таблицы 3 показывает устойчивый тренд на снижение количественной оценки инновационной составляющей потенциала развития и рост количественной оценки риска ее использования соответственно.

Таким образом, с использованием государственной программы «Инновационное развитие и модернизация экономики Хабаровского края» [13] проведена апробация модели оценки инновационной составляющей потенциала развития региона с учетом накладываемых ограничений в виде индикаторов программы и возможности оптимизации затрат. На основе комбинации программно-целевого метода и метода планирования эксперимента [9] (Kochinev, Serebrenikov, 1986) в качестве экспериментальных данных автором использованы количественные оценки инновационной составляющей потенциала развития региона (I_п) и риска (I_р), влияющие на объем финансирования очередного этапа реализации программы (функция цели F(I_п,I_р)).

Интервалы варьирования инновационного потенциала и риска представлены в таблице 4 [7] (Kizil, Timoshenko, 2016).

Таблица 4

Интервалы варьирования факторов на основе количественных

оценок инновационной составляющей потенциала развития региона (I_п) и риска (I_р)

Экспериментальные факторы	Интервалы
	-α	-1	0	1	α
Инновационная составляющая потенциала развития (Iп)	0,32	0,32	0,88	1,44	1,44
Инновационный риск (Iр)	0,75	0,75	2,12	3,49	3,49
α = 1 – „звездная точка” для двухфакторного ОЦКП (ортогональный центральный композиционный план) второго порядка

Источник: составлено автором.

Используя двухфакторный план ОЦКП (m=2), выбираем девять временных промежутков (2m+2m+n₀; число опытов в нулевой точке n₀ равно 1) [7, 8] (Kizil, Timoshenko, 2016; Kizil, 2016). Программой «Инновационное развитие и модернизация экономики Хабаровского края» однозначно определены пять временных периодов (2013–2017 гг.). Значения программных индикаторов для 2018–2021 гг. были аппроксимированы нами на основе имеющейся динамики с ориентацией на наибольший коэффициент достоверности (табл. 5).

Таблица 5

Исходные данные

Период (год) Индикаторы программы	2013	2014	2015	2016	2017	2018	2019	2020	2021
Удельный вес организаций, осуществляющих технологические инновации, в общем количестве обследованных организаций, %	10,20	10,2	9	7,6	6,7	7,05	6,79	6,56	6,37
Удельный вес инновационной продукции в общем объеме отгруженной продукции, %	11,7	12,5	10,8	14,1	23,8	23,9	21,5	22,7	23,8
Число используемых передовых производственных технологий	2656	2595	2571	2552	2602	2592	2588	2584	2581
Финансирование, млн руб.	24,37	28,84	28,65	11,7	10,87	11,95	11,98	14,5	8

Источник: составлено автором с использованием [13].

Используя принцип кодировки (+1; –1) (табл. 4), устанавливаем максимальные и минимальные значения потенциала и риска в период с 2013 по 2017 г. На основе установленных в таблице 4 интервалов варьирования факторов проводится серия расчетов.

Экспериментальная целевая функция (F(I_п,I_р)) будет иметь вид полинома:

,

где b_0, b_1, b_{2 и} т.д. – коэффициенты уравнения регрессии.

Результаты и выводы

В результате использования методики планирования эксперимента получены математические модели и определены области исследования целевой функции:

Финансирование программы инновационного развития, млн руб.:

F( I_п, I_р))= 5 + 1.9 * I_п + 1.723 * I_р – 5.355 * I_п * I_р + 7.903 * I_п ² + 9.733 * I_р ².

Удельный вес организаций, осуществляющих технологические инновации, в общем количестве обследованных организаций:

G(I_п, I_р))= 5.45 + 0.175 * I_п + 0.672 * I_р – 0.35 * I_п * I_р + 1.885 * I_п ² + 1.685 * I_р ².

Удельный вес инновационной продукции в общем объеме отгруженной продукции:

W(I_п, I_р))= 28.19 – 0.7 * I_п – 0.317 * I_р + 0.625 * I_п * I_р – 6.533 * I_п ² – 8.283 * I_р ².

Число используемых передовых производственных технологий:

T(I_п, I_р))= 2585 + 15 * I_п + 22 * I_р + 10.5 * I_п * I_р + 10.33 * I_п ² – 0.667 * I_р ².

Поиск оптимального варианта инвестирования в программу инновационного развития региона проводился с помощью метода прямого перебора с использованием программы Visual Basic. На 2021 год программой предусмотрены индикаторы, достижение которых является обязательным (табл. 5). С учетом данного факта определен объем финансирования очередного этапа реализации программы инновационного развития и модернизации края в 2021 г. (7,9 млн руб.) при плановом значении этого показателя – 8 млн р. в 2021 году (табл. 5). При этом заданные ограничения по удельному весу организаций, осуществляющих технологические инновации в общем количестве обследованных организаций, удельному весу инновационной продукции в общем объеме отгруженной продукции, числу используемых передовых производственных технологий не превысили программные значения и равны 6,47 %, 23,82 %, 2581 ед. соответственно.

Оценка моделей выполнялась по критерию Фишера (для уровня значимости 0,05 %), которая показала полную адекватность полученных экспериментальных данных.

Таким образом, для оценки инновационной составляющей потенциала развития региона была предложена попытка применить сложившиеся под влиянием внутренних и внешних факторов компоненты инновационной инфраструктуры региона, являющиеся фундаментом инновационных преобразований территории. С использованием метода балльных оценок, весовых коэффициентов, а также элементов теории планирования эксперимента и программно-целевого подхода проведен перспективный прогноз количественной оценки инновационной составляющей потенциала развития региона. На основе выполнения совокупности индикаторов государственной программы был найден оптимальный объем государственной поддержки инновационного развития региона, соответствующий сложившейся инновационной инфраструктуре территории.

[1] Рейтинг инновационных регионов России. Версия 2017 [Электронный ресурс]. Режим доступа: https://www.nso.ru/sites/test.new.nso.ru/wodby_files/files/document/2018/02/documents/airr17