Факторы инновационного развития крупных российских предприятий

Введение. Поиск точек роста предприятий представляет собой вопрос, который всегда сохраняет свою актуальность. Особенно важным он становится в условиях кризисных явлений. Инновационное развитие предприятий является одним из основных способов сохранения роста. В связи с этим крайне актуальным представляется выявление латентных факторов, оказывающих влияние на уровень инновационной активности предприятий.

Обратимся к общей статистике инновационного развития в России и в ЕС. Согласно таблице 1, средний уровень инновационной активности в России практически в 5 раз ниже, чем для стран ЕС. Примерно в два раза выше показатели внутренних затрат предприятий на НИОКР по отношению к ВВП и удельного веса инновационных товаров, работ, услуг в их общем объеме для европейских государств по сравнению с отечественным рынком. При этом удельный вес расходов на НИОКР в общей сумме расходов государства на 69,6% выше для России. Особенно важным показателем в условиях перехода мировой экономики на шестой и седьмой технологические уклады представляется доля персонала, занятого исследованиями и разработками. Статистические данные свидетельствуют о том, что для европейских стран данный показатель выше в 1,67 раз. В целом, согласно данной статистике, можно сделать вывод о том, что в вопросе инновационного развития российские компании отстают от европейских и требуются меры по повышению инновационной активности российских предприятий, а следовательно, важно выявление факторов, оказывающих воздействие на данные процессы.

Таблица 1

Индикаторы развитости инновационного сектора

России (2022 г.) и ЕС (2021 г.)

К факторам, влияющим на инновационное развитие предприятия Й. Шумпетер относит рыночные условия [24], Р. Макларин [20] – наличие условий и возможностей для НИОКР, уровень конкуренции, уровень спроса, наличие на рынке альтернативных технологий, Э. Пенроуз [22], Б. Вернерфелт [28] – наличие финансовых ресурсов. Такие ученые, как К.Арроу [11], Дж.Тироли [26] отмечают, что монополия является барьером инновационного развития компаний. Соответственно, высокий уровень конкуренции способствует наращиванию уровня инновационной активности.

Отдельной категорией, оказывающей воздействие на инновационное развитие, можно назвать управленческие решения (применение инструментов венчурного финансирования, создание альянсов, совместных предприятий, слияний и поглощений и т.д.) [23].

Важную роль играет и структура собственности, в частности, вопрос о том, принадлежит ли менеджеру доля компании. К примеру, Д. Зарницки и К. Крафт [13] говорят о том, что наемные управленцы показывают больший интерес к росту инновационной активности.

Вопрос влияния различных факторов на уровень инновационной активности компаний рассматривается и в трудах отечественных ученых. Так, А.В. Балановская и А.А. Колсанов, к примеру, к ним относят политические, экономические, социальные, технологические факторы [2]; Е.А. Панявина и Н.О. Мартыненко – внешние (общехозяйственные, рыночные, государственные, демографические, общехозяйственные) и внутренние (управленческие, маркетинговые, финансовые, социально-экономические, экономические, экологические, технологические, инфокоммуникативные, производственные) [8]; Г.И. Хохлова, Н.В. Кретова, В.А. Сергеев – внешние (макроэкономические и политические условия, доля страны на рынке высокотехнологичных продуктов, высокие риски внедрения инновационной продукции в промышленном секторе экономики); внутренние (качество управления инновационной деятельностью на уровне предприятия) [10]; А.С. Нечаев и О.В. Антипина – демографические, экономические, культурные, инвестиционные факторы, в том числе систему государственного регулирования и поддержки деятельности предприятий, объем прямых инвестиций, производительную активность [5]; Е.А. Ларичева и И.С. Панина – политико-правовые, экономические, социально-демографические, технико-технологические и экологические, в частности, устойчивость социальной системы, образование, науку, предпринимательство [3]; Л.М. Путятина, Н.В. Арсеньева, О.В. Орлова – такие факторы, как успешную деятельность конкурентов, импортозамещение продукции предприятия, изменение рыночной конъюнктуры, выход на рынок новых технологий и материалов, изменение кооперации, кризис производства и многие другие [9].

Однако, на наш взгляд, недостаточное внимание в вышеприведенных классификациях отводится роли корпоративной социальной ответственности (далее – КСО), включая и роль человеческого капитала, в повышении уровня инновационной активности компаний, хотя последний слегка затрагивается в трудах, Е.А. Ларичевой и И.С. Паниной [3], С.А. Макиной [4] и др.

Мы полагаем, что одна из ключевых ролей в наращивании инновационной активности отводится внешним и внутренним стейкхолдерам, а именно их активности в вопросе соблюдения своих интересов. Как правило, именно от данного параметра зависит инновационность предприятий и количество вложений в развитие человеческого капитала, и, следовательно, уровень КСО. Опыт развитых зарубежных стран показывает, что многие направления деятельности компаний, включая и инновационную, должны базироваться на социальной ответственности. Однако здесь речь идет не только об этических принципах. Большое количество исследований показывает, что имеется положительная связь между уровнем КСО и экономической эффективностью предприятий. К примеру, мета-анализ Г. Фриде, Т. Буша и А. Бассена [14], в котором проанализированы результаты 2200 исследований за 1972-2015 гг., показывает, что 62,6 % работ подтверждают наличие положительной связи. Большое количество исследований представлено и по вопросу связи между уровнями КСО и инновационной активности [1; 12; 15-19; 21; 25; 27]

На наш взгляд, научный пробел в данной сфере исследований состоит в использовании не лучших из возможных экономико-математических моделей для решения данной задачи. Для проведения качественного эмпирического анализа с целью выявления новых факторов необходимо использование современных методов анализа данных и машинного обучения. Научная новизна данного исследования заключается в использовании нестандартных современных методов экономико-математического моделирования с целью более точного определения факторов, оказывающих воздействие на уровень инновационной активности.

Целью данного исследования является выявление и теоретическое и эмпирическое обоснование точек роста инновационной активности крупных российских предприятий.

Методология. В качестве исходной выборочной совокупности представлены данные о деятельности 25 российских публичных компаний нефинансового сектора за 2012-2021 гг. (всего 250 наблюдений), полученные автором в результате исследования финансовых и годовых отчетов предприятий за 10 лет. В таблице 1 приведена описательная статистика данных.

Результирующей переменной выступает инновационный аспект, а именно соотношение расходов на научно-исследовательские и опытно-конструкторские работы (НИОКР) на выручку предприятия. Мы полагаем, что именно показатель НИОКР является ключевым в рамках инновационной деятельности крупных компаний, так как он представляет собой непосредственный объем работы организаций по разработке инноваций в своих интересах.

Таблица 1

Описательная статистика данных по 25 крупным российским предприятиям за 2012-2021 гг.

В качестве потенциальных факторов, оказывающих воздействие на уровень инновационной активности предприятий представлены размер, возраст компании, уровень долговой нагрузки, уровень корпоративной социальной ответственности (соотношений расходов на КСО и выручки), временной и отраслевой аспекты.

Исследование выполнено методом регрессии дополнительных деревьев (Extra Trees Regressor) с использованием среды разработки Google Colab и языка программирования Python. Суть метода заключается в том, что случайным образом на различных подвыборках набора данных создается множество разнообразных, некоррелированных деревьев решений. Результатом выступает усредненная оценка по всем составленным деревьям.

Данные разделены на обучающую (train) и тестовую (test) выборки с численностью выборки 175 и 75 соответственно.

Результаты. Рис. 1 показывает, что на обучающей выборке коэффициент детерминации R² оказался приближенно равным к 1, в то время как на тестовой выборке – 0,543. Подобного рода разрыв говорит о переобучении модели, то есть о том, что она качественно описывает данные обучающей выборки, но за ее пределами показывает худшие результаты. В данном случае, вероятнее всего, проблема заключается в том, что выборочная совокупность малая. Однако, несмотря на это, мы можем делать определенные выводы о результатах, которые получены благодаря этой модели.

Рис. 1. Остатки, полученные методом регрессии дополнительных деревьев

Примечание: рисунок сгенерирован автором при помощи языка программирования Python

На рисунке 2 представлена информации об уровне влияния различных рассмотренных факторов на инновационную деятельность компании. Так, мы видим, что многое зависит от политики организации, то есть здесь можно говорить об индивидуальных эффектах. Также немаловажными являются размер, возраст и доходность компании. Как и прогнозировалось, уровень КСО также вносит существенный эффект в изменение уровня инновационной активности предприятий. В то же время отраслевая и временная специфика оказались наименее значимыми. Первое свидетельствует о том, что тенденции, связанные с инновационным развитием, не привязаны к определенным секторам; второе – о том, что, вероятнее всего, у крупных предприятий имеется определенная стратегия инновационного развития, на которое различные спады в экономике существенного влияния не оказывают.

Рис. 2. Важность факторов воздействия на инновационную деятельность предприятия

Примечание: рисунок сгенерирован автором при помощи языка программирования Python

Большая часть рассмотренных факторов не зависит от политики предприятия (например, возраст компании, ее размер). Исключением выступают уровень КСО и уровень финансового левериджа. Соответственно, это те вопросы, которым организациям следует уделять особое внимание при составлении стратегии инновационного развития.

Основным ограничением данного исследования выступает малый объем выборки. При последующем сборе данных и, соответственно, увеличении выборки, вероятнее всего, можно будет увидеть сокращение разрыва в результатах по обучающей и тестовой выборочным совокупностям, а, значит, и рост качества построенных моделей. Однако полученные результаты уже позволяют сделать достаточно обоснованные выводы о степени влияния определенных параметров на уровень инновационной активности крупных компаний.

Заключение. Итак, в рамках данной статьи было проведено исследование факторов, оказывающих воздействие на инновационную деятельность предприятий и степень их влияния. Было рассмотрено воздействие таких характеристик организаций, как размер, возраст компании, уровень долговой нагрузки, уровень корпоративной социальной ответственности (соотношений расходов на КСО и выручки), временной и отраслевой аспекты на соотношение расходов на НИОКР к выручке. В качестве метода выступил метод регрессии дополнительных деревьев, который был реализован с использованием языка программирования Python. Полученные результаты свидетельствуют о том, что действительно большая часть из рассматриваемых факторов оказывает влияние на инновационную деятельность. Особое внимание следует уделать политике КСО и формирования структуры финансового обеспечения предприятия, так как это именно те факторы, на которое организация может оказывать влияние. При работе по этим направлениям компаниям необходимо разрабатывать стратегию развития в связке с планированием инновационной активности.

Не лишено данное исследование и недостатков. Прежде всего, это обусловленная недостаточным раскрытием российскими организациями информации по некоторым параметрам (например, КСО) малость выборки, которая ведет к существенному разрыву между коэффициентами детерминации на обучающей и тестовой выборках, а, соответственно, и переобучению модели. На наш взгляд, по мере увеличения набора данных указанная проблема будет постепенно решаться.

В целом, можно говорить о перспективности данного исследования и целесообразности дальнейшей работы по данному направлению. Увеличение количества наблюдений, добавление новых переменных, вероятно, позволит получить еще более интересные результаты и даст возможность предложить новые рекомендации бизнесу.