Компаративный анализ эффективности НИОКР и инновационной деятельности предприятий Центрально-Черноземного макрорегиона

Колоскова О.И.1, Сомина И.В.1
1 Белгородский государственный технологический университет им. В.Г. Шухова

Статья в журнале

Вопросы инновационной экономики
Том 10, Номер 3 (Июль-сентябрь 2020)

Цитировать:
Колоскова О.И., Сомина И.В. Компаративный анализ эффективности НИОКР и инновационной деятельности предприятий Центрально-Черноземного макрорегиона // Вопросы инновационной экономики. – 2020. – Том 10. – № 3. – С. 1597-1604. – doi: 10.18334/vinec.10.3.110286.

Аннотация:
В статье представлен региональный срез оценки эффективности НИОКР и инновационной деятельности предприятий с использованием методического подхода, основанного на применении метода оболоченного анализа данных. Апробация подхода проведена на примере предприятий обрабатывающей промышленности Центрально-Черноземного макрорегиона России с позиций определения уровней технологичности отрасли. В результате исследования выявлено, что в большинстве случаев эффективность НИОКР и инновационной деятельности предприятий снижается в соответствии с уровнем технологичности отрасли.

Ключевые слова: НИОКР, инновационная деятельность, эффективность, инновационное развитие, промышленность, уровень технологичности, метод оболоченного анализа данных

JEL-классификация: O31, O32, O33



Введение

Согласно Стратегии пространственного развития Российской Федерации на период до 2025 года [5], перспективная экономическая специализация субъектов России по большей части включает отрасли обрабатывающей промышленности. Это неслучайно, поскольку развитый сектор обрабатывающей промышленности свидетельствует о технологической мощи государства, выступая мощным драйвером исследований и разработок, их внедрения в производство и усиливая эффект мультипликации в смежных отраслях промышленности.

Выполнение НИОКР и осуществление инновационной деятельности стали основой выживания и развития промышленных предприятий. НИОКР и инновационная деятельность предприятия, являясь составной частью инновационного процесса, неразрывно связаны друг с другом: инновационная деятельность нацелена на практическое применение результатов НИОКР. Именно грамотная организация и прогнозирование инновационных процессов на предприятии влияют на успешность ведения бизнеса, а от инновационного развития предприятий зависит эффективность экономики на отраслевом, региональном и федеральном уровнях.

В современных условиях ученые активно исследуют проблему инновационного и научно-технологического развития экономики Российской Федерации и ее субъектов, включая различные аспекты оценки эффективности НИОКР и инновационной деятельности в обрабатывающей промышленности. Однако несмотря на разработанность вопросов оценки эффективности инновационной деятельности экономических субъектов, недостаточно работ, посвященных изучению эффективности НИОКР и инновационной деятельности предприятий в разрезе уровней технологичности. Это обстоятельство определяет актуальность данного исследования.

На основе ранее проведенных исследований [2, 9] (Koloskova, 2019), официальной статистики [3, 5], трудов российских и зарубежных ученых-экономистов [1, 4, 6, 7, 8, 10] (Glisin, Kalyuzhnyy, 2015; Aleskerov, Belousova, Petrushchenko, 2017; Arshinova, 2011; Khezrimotlagh, Chen, 2018; Sufian, 2009) и др. оценим эффективность НИОКР и инновационной деятельности предприятий в отраслях обрабатывающей промышленности в контексте уровней технологичности посредством применения метода оболочечного анализа данных.

Теоретико-методологическую базу научной работы составляют комплексный анализ и системный подход к исследованию трудов российских и зарубежных ученых-экономистов, материалов научных статей, сведений федеральной службы государственной статистики, нормативно-правовых актов, связанных с вопросами оценки эффективности инновационной деятельности промышленных предприятий.

Методический инструментарий настоящего исследования содержит метод оболочечного анализа данных, методы рейтинговых оценок и сравнения экономических объектов и показателей.

Эффективность НИОКР и инновационной деятельности промышленных предприятий Центрально-Черноземного макрорегиона России по уровням технологичности

В рамках данного исследования проведем анализ эффективности НИОКР и инновационной деятельности обрабатывающих предприятий Центрально-Черноземного макрорегиона (ЦЧМ) в разрезе уровней технологичности.

В соответствии с авторитетным рейтингом инновационных регионов России [3], разработанным Ассоциацией инновационных регионов России (АИРР) и Минэкономразвития РФ, в составе 85 регионов РФ выделяют: «сильных инноваторов», «средне-сильных инноваторов», «средних инноваторов» и «средне-слабых инноваторов».

В 2018 году в состав средне-сильных инноваторов вошли Воронежская (17-е место), Липецкая (21-е место) и Белгородская (23-е место) области, средних инноваторов – Тамбовская (35-е место) и Курская (40-е место) области.

Продемонстрируем позиции и группы вышеуказанных областей в динамике (табл. 1).

Таблица 1

Рейтинговые оценки инновационного развития регионов ЦЧМ

Область
Период
2014
2015
Изм.
2016
Изм.
2017
Изм.
2018
Изм.
Воронежская
12*
13*
-1
17*
-4
19*
-2
17*
2
Липецкая
34**
25*
9
18*
7
21*
-3
21*
0
Белгородская
35**
36**
-1
29**
7
33**
-4
23*
10
Курская
41**
39**
2
53***
-14
52**
1
40**
12
Тамбовская
51**
49**
2
43**
6
37**
6
35**
2
Примечание:

* - средне-сильные инноваторы;

** - средние инноваторы

*** - средне-слабые инноваторы

Источник: составлено автором на основе данных источника [3].

В соответствии с данными вышеуказанной таблицы лидером в рейтинге является Воронежская область, по праву считаемая экономическим центром региона. Она занимает прочные позиции в группе рейтинга «средне-сильные инноваторы», равно как Липецкая область, с 2015 года закрепившаяся в данной группе рейтинга. Более того, Липецкая область входит в состав так называемых регионов АИРР, являющихся наиболее инновационно развитыми субъектами России.

Белгородская область в 2018 году впервые вошла в группу средне-сильных инноваторов, улучшив позиции в рейтинге и переместившись вверх на 10 позиций относительно 2017 года.

Устойчивое положение в группе «средние инноваторы» на протяжении изучаемого периода занимает Тамбовская область, ярко демонстрируя положительную динамику в инновационном развитии по сравнению с прошлыми периодами.

Динамика в рейтинге Курской области отличается нестабильностью. При этом она смогла вернуть утраченные в 2016 году позиции, переместившись на 13 позиций вверх с 53-го места. В исследуемом периоде область относилась к средним и средне-слабым инноваторам.

Согласно представленным данным, изучаемые области характеризуются достаточно высоким уровнем инновационного развития, демонстрируя положительную динамику.

Кроме того, осуществляется более тщательный анализ позиций субъектов РФ по таким подрейтингам, как «Научные исследования и разработки», «Инновационная деятельность организаций», «Социально-экономические условия инновационной деятельности», «Инновационная активность региона». Позиции изучаемых областей в данных подрейтингах в целом сопоставимы с занимаемыми ими позициями в основном рейтинге.

Распределение областей по уровню инновационного развития объясняется применяемыми технологиями, характером и степенью наукоемкости выпускаемой продукции, объемами финансирования, государственной поддержкой, географическим расположением и т.д.

Посредством метода оболочечного анализа данных по методике, представленной в работах [2, 9] (Koloskova, 2019), исследуем эффективность НИОКР и инновационной деятельности в обрабатывающих отраслях ЦЧМ за 2016–2017 гг.

Применение вышеуказанного метода подразумевает соотнесение результатов деятельности и ресурсов, потраченных на получение результатов.

С учетом имеющейся статистической базы были использованы следующие входные (ресурсные) показатели:

1. Удельный вес организаций, осуществлявших инновации, в общем числе обследованных организаций, %.

2. Удельный вес персонала, занятого в выполнении исследований и разработок, в общей численности персонала организации, %.

3. Удельный вес затрат на технологические инновации в общем объеме отгруженных товаров, выполненных работ, услуг, %.

В качестве выходных (результативных) показателей приняты:

1. Удельный вес инновационных товаров, работ, услуг в общем объеме отгруженных товаров, работ, услуг, %.

2. Удельный вес вновь внедренных или подвергшихся значительным изменениям инновационных товаров, работ, услуг в общем объеме отгруженных товаров, работ, услуг, %.

3. Количество разработанных и использованных передовых технологий, шт.

4. Коэффициент изобретательской активности, ед.

В ходе проведения данного исследования был использован существенный массив официальных статистических данных [5].

Полученные результаты оценки эффективности НИОКР и инновационной деятельности предприятий рассматриваемых регионов по своему уровню в целом коррелируют с рейтинговыми оценками их инновационного развития. Распределение значений коэффициента эффективности по уровням технологичности представлено на рисунке 1.

Рисунок 1. Результаты проведенной оценки эффективности НИОКР и инновационной деятельности

Источник: рассчитано автором на основе [5].

Отрасли обрабатывающей промышленности традиционно разделяют на высоко-, средне- (высокого и низкого уровней) и низкотехнологичные. Согласно данным представленного рисунка, уровень эффективности НИОКР и инновационной деятельности в обрабатывающей промышленности исследуемых отраслей неоднороден. НИОКР и инновационная деятельность наиболее развиты в высокотехнологичных и среднетехнологичных отраслях высокого уровня, что определяется имеющимися существенными ресурсами, применяемыми знаниями и технологиями. В ходе настоящего исследования был установлен следующий характер взаимосвязи между уровнем эффективности инновационной деятельности предприятий и уровнем технологичности отрасли: преимущественно эффективность НИОКР и инновационной деятельности предприятий снижается в соответствии с уровнем технологичности отрасли.

Заключение

Подводя итоги, следует отметить, что ЦЧМ имеет значительный потенциал для инновационного и научно-технологического развития экономики Российской Федерации в перспективе. На законодательном уровне определено, что обрабатывающие производства составляют перспективную экономическую специализацию макрорегиона. На основании изучения официальных данных было выявлено, что в настоящее время области ЦЧМ демонстрируют положительную динамику инновационного развития.

Результатом данного исследования стало подтверждение того факта, что метод оболочечного анализа данных достаточно универсален. Его можно использовать в целях оценки эффективности НИОКР и инновационной деятельности промышленных предприятий на различных уровнях технологичности отраслей. На примере отраслей ЦЧМ было установлено, что эффективность НИОКР и инновационной деятельности предприятий снижается вместе с уровнем технологичности отрасли, в рамках которой они функционируют.


Источники:

1. Глисин Ф.Ф., Калюжный В.В. Оценка эффективности научной и инновационной деятельности в зарубежных странах и в России // Инновации. – 2015. – 6. – с. 32-36.
2. Колоскова О.И. Инструментально-методические аспекты оценки эффективности инновационной деятельности в промышленности // Современная экономика: проблемы и решения. – 2019. – № 12, – с. 154-167.
3. Рейтинг инновационных регионов России. [Электронный ресурс]. URL: http://i-regions.org/reiting/rejting-innovatsionnogo-razvitiya (дата обращения: 05.02.2020).
4. Стратегия пространственного развития российской федерации на период до 2025 года. URL: http://www.consultant.ru/document/cons_doc_LAW _318094/006fb940f95ef67a1a3fa7973b5a39f78dac5681/ (дата обращения: 21.12.2019).
5. Федеральная служба государственной статистики (Росстат). URL: http://www.gks.ru. (дата обращения: 19.02.2020).
6. Aleskerov F. T., Belousova V. Yu., Petrushchenko V. V. Models of data envelopment analysis and stochastic frontier analysis in the efficiency assessment of universities // Automation and Remote Control. – 2017. – № 78. – p. 902-923.
7. Arshinova T. Construction of Equity Portfolio on Basis of Data Envelopment Analysis Approach // Scientific Journal of Riga Technical University. – 2011. –№ 45. – p. 104-108.
8. Khezrimotlagh D., Chen Y. Decision Making and Performance Evaluation Using Data Envelopment Analysis. – Springer, Springer International Publishing AG, part of Springer Nature, 2018. – 269 p.
9. Koloskova, Olga I. Fundamentals for evaluating the efficiency of innovative activities of high-tech enterprises // Espacios. – 2019. – № 40. – p. 10-16.
10. Sufian F. Analysis Of The Relevance Of Non-Traditional Activities Items Upon The Efficiency Of Chinese Banks: A Non-Stochastic Frontier DEA Approach // Review of Economic and Business Studies. – 2009. – № 2. – 83-102.

Страница обновлена: 01.09.2020 в 17:56:34