Все более очевидной тенденцией происходящих в России инновационных процессов подобно практике стран – инновационных лидеров, становится усиление роли территориальных образований. Стратегия инновационного развития Российской Федерации на период до 2020 года («Инновационная Россия – 2020») предусматривает формирование модели многополюсного развития национальной экономики, базирующейся на реализации конкурентного потенциала регионов. При этом концентрация в пределах определенных территорий научно-исследовательского потенциала и развитой инфраструктуры, достаточного объема венчурного капитала и необходимого количества предпринимателей-инноваторов, наличие благоприятной правовой среды и спроса на инновации со стороны промышленного сектора обеспечивает создание территориальных инновационных кластеров – «точек роста» отечественной экономики. Таким образом, перед российскими регионами стоит задача повышения инновационной активности за счет наращивания и эффективного использования имеющегося потенциала.
В сложившихся условиях особую актуальность приобретают вопросы оценки сбалансированности инновационного развития каждого региона в части реализации двух ключевых стадий инновационного процесса: научно-исследовательских и опытно-конструкторских работ (НИОКР) и коммерциализации инноваций. Это позволит более обоснованно подойти к выбору приоритетов инновационного развития и, возможно, корректировке региональной инновационной политики.
В качестве теоретико-методологической основы данного исследования примем современные подходы к определению категорий экономическое и инновационное развитие [2, 6]. Методическим базисом, на наш взгляд, может служить идея И.М. Сыроежина [5], нашедшая применение в работах [1,7]: показатели экономического роста, несопоставимые в статическом разрезе, представляется возможным сопоставить в динамике и, более того, проранжировать и соподчинить относительно друг друга. Адаптировав эту идею к предмету нашего исследования, сформируем систему показателей, упорядоченных по темпам роста таким образом, что поддержание заданного порядка обеспечит сбалансированное инновационное развитие региональных экономических систем.
Основываясь на логике процессно-ориентированного подхода, результатах ранее произведенных нами исследований [3,4 и др.], а также материалах официальной статистики науки и инноваций [8], сформируем систему показателей оценки «входов», ресурсного обеспечения и «выходов» вышеобозначенных стадий инновационных процессов, реализуемых на уровне региона (табл. 1). Представленная система разработана с учетом принципов измеримости, универсальности, достоверности, комплексности, полноты, открытости, трансформируемости.
Таблица 1
Система показателей оценки инновационных процессов в регионе
|
Стадия |
Обозначение и наименование показателя |
|
Научно-исследо-вательские и опытно-конструк-торские работы (НИОКР) |
П1 – Число организаций, выполнявших исследования и разработки, ед. П2 – Численность персонала, занятого научными исследованиями и разработками, чел. П3 – Численность исследователей, имеющих ученую степень, чел. П4 – Внутренние затраты на исследования и разработки в сопоставимых ценах, тыс. руб. П5 – Число созданных передовых производственных технологий, шт. П6 –Число выданных охранных документов на объекты интеллектуальной собственности, шт. |
|
Коммерциализа-ция |
П7 – Число организаций, осуществлявших технологические инновации, ед. П8 – Число используемых передовых производственных технологий, шт. П9 – Затраты на технологические инновации в сопоставимых ценах, тыс. руб. П10 – Объем инновационных товаров, работ, услуг в сопоставимых ценах, тыс. руб. |
Безусловно, представленная в таблице совокупность показателей не является исчерпывающей. Она включает лишь ключевые индикаторы деятельности субъектов РФ, представленные в разделах «Наука» и «Инновации» официального сайта Росстата [8], и в зависимости от целей конкретного исследования, наличия информационной базы и необходимого количества времени на сбор и обработку первичных статистических данных, конечно же, может быть расширена и дополнена. Тем не менее полагаем, что в силу высокой достоверности и достаточной полноты представленный перечень показателей может служить основой для проведения соответствующих оценок инновационного развития регионов.
Обратимся к вопросу упорядочивания темпов роста показателей. В качестве эталонной динамики инновационного развития региона предлагаем использовать следующее соотношение:
(1)
Обоснованием данного соотношения темпов роста показателей служит логика экономического анализа и процессно-ориентированного подхода, предполагающая превышение темпов роста показателей «выхода» процесса над темпами роста показателей его ресурсного обеспечения и, в свою очередь, более высокие темпы роста показателей ресурсного обеспечения в сравнении с темпами роста показателей «входа» процесса. При этом результативность последующих этапов процесса (в нашем случае стадии коммерциализации инноваций) должна увеличиваться более высокими темпами, нежели результативность предыдущих (стадии НИОКР).
Воспользовавшись условием (2), можем представить заданное упорядочивание в матричной форме
.
(2)
где 
– элемент матрицы упорядочения; i – номер строки, j– номер столбца матрицы; 
– темпы роста показателей i и j.
При заданных нами эталонных соотношениях между темпами роста показателей матрица будет иметь следующий вид (табл. 2).
Таблица 2
Матрица эталонной динамики соотношения показателей инновационных процессов в регионе
|
|
П1 |
П2 |
П3 |
П4 |
П5 |
П6 |
П7 |
П8 |
П9 |
П10 |
|
П1 |
1 |
-1 |
-1 |
-1 |
-1 |
-1 |
0 |
0 |
0 |
0 |
|
П2 |
1 |
1 |
-1 |
-1 |
-1 |
-1 |
0 |
0 |
0 |
0 |
|
П3 |
1 |
1 |
1 |
-1 |
-1 |
-1 |
0 |
0 |
0 |
0 |
|
П4 |
1 |
1 |
1 |
1 |
-1 |
-1 |
0 |
0 |
0 |
0 |
|
П5 |
1 |
1 |
1 |
1 |
1 |
-1 |
0 |
0 |
0 |
0 |
|
П6 |
1 |
1 |
1 |
1 |
1 |
1 |
0 |
0 |
0 |
-1 |
|
П7 |
0 |
0 |
0 |
0 |
0 |
0 |
1 |
-1 |
-1 |
-1 |
|
П8 |
0 |
0 |
0 |
0 |
0 |
0 |
1 |
1 |
-1 |
-1 |
|
П9 |
0 |
0 |
0 |
0 |
0 |
0 |
1 |
1 |
1 |
-1 |
|
П10 |
0 |
0 |
0 |
0 |
0 |
1 |
1 |
1 |
1 |
1 |
Аналогично строится матрица фактических соотношений между темпами роста рассматриваемых показателей инновационного процесса – 
.
Математический аппарат предлагаемого для оценки метода предполагает сравнение эталонного и фактического соотношения темпов роста показателей, как правило, путем вычитания из каждого элемента матрицы эталонного упорядочения соответствующего ему элемента матрицы фактических результатов 
и формирования таким образом матрицы разностей 
, элементы которой определяются по формуле (3):
(3)
(4)
где N – число отличных от нуля элементов исходной матрицы за вычетом элементов диагонали 
.
На наш взгляд, исходя из стремления к выполнению эталонного соотношения между темпами роста показателей инновационного процесса, на практике предпочтительнее использование показателя соответствия фактической и эталонной матриц по формуле (5):
(5)
Область значений показателя
, как и показателя 
, находится в интервале 
Практическая значимость данного показателя заключается в том, что он дает возможность однозначной и достаточно объективной количественной оценки инновационного развития региона. При этом чем ближе значение С к 1, тем большая доля фактических темпов роста показателей соответствует эталонному соотношению.
Используя разработанный методический инструментарий, оценим инновационное развитие региона на примере Белгородской области. Исходная база для оценки (табл. 3) сформирована нами из материалов Федеральной службы государственной статистики [8], темпы роста показателей рассчитаны по данным 2011–2012 гг.
Таблица 3
Темпы роста показателей инновационных процессов в Белгородской области, %
|
Показатель |
П1 |
П2 |
П3 |
П4 |
П5 |
П6 |
П7 |
П8 |
П9 |
П10 |
|
Темп роста |
0,8750 |
1,0383 |
1,0475 |
1,3 |
1,4615 |
1,0570 |
0,7677 |
1,5670 |
0,7625 |
1,4028 |
На основе данных табл. 3 составим матрицу фактических соотношений между темпами роста рассматриваемых показателей инновационного процесса (табл. 4).
Таблица 4
Матрица фактических соотношений между темпами роста показателей инновационного процесса
|
|
П1 |
П2 |
П3 |
П4 |
П5 |
П6 |
П7 |
П8 |
П9 |
П10 |
|
П1 |
1 |
-1 |
-1 |
-1 |
-1 |
-1 |
0 |
0 |
0 |
0 |
|
П2 |
1 |
1 |
-1 |
-1 |
-1 |
-1 |
0 |
0 |
0 |
0 |
|
П3 |
1 |
1 |
1 |
-1 |
-1 |
-1 |
0 |
0 |
0 |
0 |
|
П4 |
1 |
1 |
1 |
1 |
-1 |
-1 |
0 |
0 |
0 |
0 |
|
П5 |
1 |
1 |
1 |
1 |
1 |
1 |
0 |
0 |
0 |
0 |
|
П6 |
1 |
1 |
1 |
1 |
-1 |
1 |
0 |
0 |
0 |
-1 |
|
П7 |
0 |
0 |
0 |
0 |
0 |
0 |
1 |
-1 |
-1 |
-1 |
|
П8 |
0 |
0 |
0 |
0 |
0 |
0 |
1 |
1 |
1 |
-1 |
|
П9 |
0 |
0 |
0 |
0 |
0 |
0 |
1 |
-1 |
1 |
-1 |
|
П10 |
0 |
0 |
0 |
0 |
0 |
1 |
1 |
1 |
1 |
1 |
Вычитая из каждого элемента матрицы эталонного упорядочения соответствующий ему элемент матрицы фактических результатов, получим матрицу разностей, представленную в табл. 5.
Таблица 5
Матрица разностей эталонного и фактического упорядочения показателей
|
|
П1 |
П2 |
П3 |
П4 |
П5 |
П6 |
П7 |
П8 |
П9 |
П10 |
|
П1 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
П2 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
П3 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
П4 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
П5 |
0 |
0 |
0 |
0 |
0 |
2 |
0 |
0 |
0 |
0 |
|
П6 |
0 |
0 |
0 |
0 |
2 |
0 |
0 |
0 |
0 |
0 |
|
П7 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
П8 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
2 |
0 |
|
П9 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
2 |
0 |
0 |
|
П10 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
Расчет меры сходства эталонной и фактической динамики показателей дает результат
. Полученный коэффициент означает, что фактическое развитие инновационной системы Белгородской области соответствует нормативному на 91,91 %.
Таким образом, произведенная оценка свидетельствует в целом о сбалансированном инновационном развитии региона. Отклонения от эталонного состояния обусловлены, в частности, низкими темпами роста числа выданных охранных документов на объекты интеллектуальной собственности. Несмотря на принимаемые властями региона меры по созданию благоприятных экономико-правовых условий для изобретательской и патентно-лицензионной деятельности, темпы роста количества выданных патентов пока недостаточно высоки. Полагаем, подписанное Правительством области Соглашение с Федеральной службой по интеллектуальной собственности о сотрудничестве и предоставлении государственных услуг по приему заявок на результаты интеллектуальной деятельности будет способствовать решению выявленной проблемы.
В заключение следует отметить, что на практике не представляется возможным обеспечение роста всех без исключения показателей инновационного процесса в каждом временном интервале. Однако даже в периоды экономических кризисов, при наличии негативных тенденций в изменении абсолютных значений показателей целесообразно стремиться к обеспечению эталонного соотношения их темпов. Указанное придает дополнительную практическую ценность рассматриваемому подходу.
Возможным развитием рассматриваемого методического инструментария представляется факторный анализ, основанный на оценке изменчивости и стабильности инновационных процессов. Выявленные таким образом «слабые места» процесса и их ранжирование по степени влияния на развитие региональной инновационной системы позволит определить круг первоочередных проблем, решение которых даст наиболее значимый результат.
Рецензенты:
Чижова Е.Н., д.э.н., профессор, зав. кафедрой теории и методологии науки, ФГБОУ ВПО «Белгородский государственный технологический университет им. В.Г. Шухова», г. Белгород.
Слабинская И.А., д.э.н., профессор, зав. кафедрой бухгалтерского учета и аудита, ФГБОУ ВПО «Белгородский государственный технологический университет им. В.Г. Шухова», г. Белгород.