CC BY
0
Для цитирования: Дорошенко С. В., Нагиева К.М., Мариев О.С. Факторы инновационной деятельности российских предприятий: оценка на основе модификации CDM-модели // Управление в современных системах. 2023. № 4. С. 44-60.
DOI: 10.24412/2311-1313-40-44-60
УДК 330.34 JEL: O31, O32
ББК 65.01
ФАКТОРЫ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ РОССИЙСКИХ ПРЕДПРИЯТИЙ: ОЦЕНКА НА ОСНОВЕ МОДИФИКАЦИИ СБМ-МОДЕЛИ*
Дорошенко С.В.1, ФГБУН Институт экономики Уральского отделения Российской академии наук; ФГАОУ ВО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина» Нагиева К.М.2, ФГАОУ ВО «Уральский федеральный университет
имени первого Президента России Б.Н. Ельцина» Мариев О.С.3, ФГБУН Институт экономики Уральского отделения Российской академии наук
Аннотация
Цель работы - эконометрическая оценка влияния факторов инновационной деятельности российских промышленных предприятий на основе модификации CDM-модели, предназначенной для оценки взаимосвязи НИОКР-инновации-производительность труда и факторов, их детерминирующих. Ввиду геополитических сложностей повышение инновационной активности в России является острым вопросом. В то же время изучение вариаций в эффектах факторов инновационной деятельности предприятий с разной технологической интенсивностью слабо представлено в литературе, в особенности, для российской экономики. Для оценки использованы данные BEEPS (Опроса предприятий о среде о деятельности и среде бизнеса) за 2019 г. по российским промышленным предприятиям. В модель включены индивидуальные характеристики, а также специфичные для каждой стадии факторы (конкуренция, наличие государственной поддержки, деловая среда бизнеса, внутренний и внешний человеческий капитал, инновационное сотрудничество и факторы производства). В ходе эконометрического моделирования было выявлено как положительное, так и отрицательное влияние различных факторов НИОКР и инноваций, которое варьируется
* Статья подготовлена в соответствии с госзаданием Института экономики УрО РАН на 2021-2023 гг.
1 Дорошенко Светлана Викторовна - доктор экономических наук, доцент, заведующий сектором исследований адаптации региональных систем, ФГБУН Институт экономики Уральского отделения Российской академии наук; ФГАОУ ВО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина», Россия, 620014, г. Екатеринбург, ул. Московская, 29; e-mail: [email protected]; SPIN-код: 9789-7160, Author ID: 77509; Scopus Author ID: 56470612600; ORCID: 0000-0002-8282-6062
2 Нагиева Карина Махир-кызы - младший научный сотрудник, ФГАОУ ВО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина»; Россия, 620002, г. Екатеринбург, ул. Мира, 19; email: [email protected]; SPIN-код РИНЦ: 1928-7898; Author ID: 1080846; Scopus Author ID: 57218557959; ORCID: 0000-0001-8399-874X
3 Мариев Олег Святославович — кандидат экономических наук, доцент, старший научный сотрудник, ФГБУН Институт экономики Уральского отделения Российской академии наук; Россия, 620014, г. Екатеринбург, ул. Московская, 29; e-mail: [email protected]; SPIN-код: 4217-8240, Author ID: 141147; Scopus Author ID: 55764909000; ORCID: 0000-0002-9745-8434
между низко-, средне- и высокотехнологичными предприятиями. Теоретическая значимость исследования заключается в расширении научных знаний о подходах к изучению влияния факторов инновационной деятельности предприятий. Практическая значимость исследования состоит в возможности использования полученных результатов органами государственного управления для совершенствования инновационной политики, предприятиями при разработке стратегических планов развития и мероприятий по повышению инновационной активности и конкурентоспособности.
Ключевые слова: инновации, НИОКР, производительность труда, модификация CDM-модели, человеческий капитал, промышленные предприятия.
Введение
В условиях новых глобальных вызовов инновации становятся критически важными для жизнедеятельности российских предприятий. Со стороны государства в последние годы был разработан ряд инструментов, направленных на инновационное развитие. Особая роль отведена Стратегии инновационного развития Российской Федерации, утвержденной распоряжением Правительства Российской Федерации от 8 декабря 2011 г. № 2227-р, в которой в качестве задач провозглашаются развитие кадрового потенциала в сфере науки; повышение инновационной активности бизнеса; формирование сбалансированного и устойчиво развивающегося сектора исследований и разработок; активизация деятельности по реализации инновационной политики, осуществляемой органами государственной власти субъектов Российской Федерации и муниципальными образованиями. Кроме того, функционируют различные институты развития инноваций, включая госкорпорации и научные фонды. Тем не менее, несмотря на понимание необходимости инноваций для повышения конкурентоспособности инновационного прорыва не происходит.
Так, в рейтинге стран мира по Глобальному индексу инноваций за 2022 год, Россия оказалась на 47-м месте, по-прежнему отставая от ряда развитых стран, такая же позиция занималась в 2020 году. По совокупному уровню инновационной активности организаций Россия имеет один из самых низких показателей по сравнению с другими странами - 11,9% в 2021 году, что выше уровня 2010 года на 2,4%, но ниже уровня 2017 года на 2,7%. По доле инновационных товаров (работ, услуг) в общем объеме отгруженных товаров (выполненных работ, услуг) Россия также имеет невысокие значения относительно других стран, а по сравнению с 2010 годом показатель в 2021 году вырос лишь на 0,2% и составил 5% [Власова, Гохберг, Грачева и др., 2023].
Вместе с тем, низкие инновационные показатели обусловлены влиянием различных факторов, которые сдерживают инновационную деятельность предприятий. В этой связи важно выявить, каково влияние внутренних и внешних факторов российских предприятий и НИОКР и инноваций на конкурентоспособность компаний с учетом их разного уровня и отношения к новизне. Данные аспекты недостаточно представлены в более ранних работах по России.
На восполнение пробела и нацелено наше исследование по оценке влияния различных факторов инновационной деятельности российских промышленных предприятий на основе модификации CDM-модели. Следует отметить, что также учитывается уровень технологичности для обнаружения возможных вариаций между разными предприятиями. Использованы результаты «Опроса предприятий о среде о деятельности и среде бизнес» -BEEPS (Business Environment and Enterprise Performance Survey) за 2019 год.
Обзор литературы
Инновации имеют решающее значение для производительности предприятий и долгосрочного национального социально-экономического роста, и развития [OECD Reviews of Innovation Policy, 2011]. В то время как более ранние исследования основывались на расширенной производственной функции (знаний) с добавлением затрат на КИО^ как капитала знаний в качества фактора выпуска производства, предложенной Грилихесом [Griliches, 1979], во многих недавних исследованиях использовалась структура CDM-модели [Lööf, Mairesse, Mohnen, 2017], первоначально разработанной французскими исследователями ^епоном, Дюге и Майрессом [Crépon, Duguet, Mairesse, 1998].
Основываясь на выборке из 4164 французских компаний, ^епон и др. [Crépon, Duguet, Mairesse, 1998] обнаружили положительное влияние HИOKР и инноваций на добавленную стоимость на одного работника во французских промышленных компаниях. Исследования с использованием CDM-модели в целом демонстрируют положительное влияние расходов на HИOKР и инноваций на производительность, по крайней мере, в долгосрочной перспективе [Cirera, 2015]. В целом, взаимосвязь между ИИО^, инновациями и производительностью, в разных отраслях с разным уровнем технологического развития могут различаться [Baum, Lööf, Nabavi, Stephan, 2017].
В литературе больше внимания уделялось технологическим (продуктовым и процессным) инновациям [Azar, Ciabuschi, 2017]. Положительная взаимосвязь между продуктовыми, процессными инновациями и производительностью на уровне предприятия была обнаружена в ряде исследований, использующих данные по различным странам: Франции [Mairesse, Robin, 2009], Швеции [Lööf, Peters, Janz, 2004], ^таю [Mairesse, Mohnen, Zhao, Zhen, 201219], Люксембургу [Nguyen-Thi, Martin, 2010], Великобритании [Criscuolo, Haskel, 2003], Испании [Huergo, Moreno, 2011], Германии [Peters, Roberts, Vuong, Fryges, 2013].
В то же время, сочетание технологических и нетехнологических инноваций может быть особенно выгодным для прибыльности предприятий, в частности, организационные изменения для внедрения технологических инноваций. В частности, Армбрустер и др. (2008) настаивают на высоком влиянии организационных инноваций на конкурентоспособность и эффективность бизнеса. В целом, степень важности продуктовых, процессных, маркетинговых и организационных инноваций варьируется в зависимости от отрасли [Conte, Vivarelli, 2014].
В эмпирической литературе факторы инновационной деятельности предприятий рассматриваются как для развитых [Evangelista, Mastrostefano, 2006], так и для развивающихся стран [Ayyagari, Demirgûç-Kunt, Maksimovic, 2012]. В частности, в работах обсуждается роль человеческого капитала для инноваций и производительности наряду с ИИО^ [Bennett, McGuinness, 2009], а также оценивается уровень развития науки, инноваций и технологий на региональном уровне [Шорохова, 2023].
В целом, существующие эмпирические исследования затрагивают разные аспекты инновационной деятельности на примере предприятий из разных стран. В ранних исследованиях авторы использовали разные факторы для оценки инновационной деятельности предприятий. Одни факторы, такие как возраст и размер предприятий, учитываются во многих исследованиях, в то время как другие включаются в зависимости от цели исследования. В рамках настоящего исследования мы будем использовать именно CDM-модель, которая связывает ИИО^, инновации и производительность труда, и факторы между ними в единую систему, имитирующую инновационный процесс.
С помощью CDM-модели предполагается оценить влияние факторов инновационной деятельности российских предприятий с разным уровнем технологичности. В этой связи мы сформулировали следующую гипотезу исследования: Эффекты внутренних и внешних факторов инновационной деятельности отличаются между предприятиями с разным уровнем технологичности. В рамках данной гипотезы мы предполагаем, что влияние разных факторов в рамках инновационной деятельности будет варьироваться в зависимости от уровня технологичности предприятий.
Данные и методы
Для оценки влияния сами факторы инновационной деятельности предприятий в исследовании, рассматриваются в контексте инновационного процесса, который состоит не только из появления инноваций, но и предшествующего этапа - проведение разработок и исследований, а также заключительного этапа - достижение конечного результата после внедрения нововведений.
В связи с этим была проведена эмпирическая оценка влияния НИОКР и инноваций на производительность труда предприятий. Последний чаще всего встречается в исследованиях, и, кроме того, производительность труда является ключевым показателем конкурентоспособности не только на микро-, но и на макроуровне.
Наилучшим образом учесть взаимосвязь НИОКР, инноваций и производительности труда в одной модели можно с помощью модификации упомянутой выше CDM-модели [Crépon, Duguet, Mairesse, 1998]. Стоит подчеркнуть, что CDM-модель позволяет влияние НИОКР на производительность труда через канал инноваций.
Концептуально общий вид модели изображен на рисунке 1. Стоит отметить, что на каждой стадии есть свой набор факторов, влияющих на инновационные ресурсы, инновационные результаты и производительность труда, и, кроме того, существует взаимосвязь между этими стадиями модели. Иными словами, стадии принятия решения об инвестировании в НИОКР, внедрения инноваций и получения конечных результатов деятельности предприятий являются основополагающими в инновационном процессе.
Вкратце опишем суть модели. CDM-модель включает несколько шагов. На первой стадии предприятия решают, инвестировать в НИОКР или нет, и какую сумму выделить на это. На второй стадии предсказанная из предыдущего шага (уравнения интенсивности НИОКР) затраты на НИОКР используются в функции инноваций как зависимой переменной. Иными словами, помимо других факторов инноваций, на данном этапе оценивается вклад НИОКР в инновационные результаты. На третьем конечном шаге (этапе результатов деятельности предприятий) предсказанный из стадии внедрения инноваций (или создания и коммерциализации нового знания) инновационный результат используется уже для оценки его влияния на производительность труда.
> Набор
факторов
Набор факторов
Инновационные ресурсы
Инновационные результаты
Стадия принятия
решения об инвестировании в НИОКР
Стадия внедрения инноваций (создания и коммерциализации новых знаний)
Стадия полученных конечных результатов деятельности предприятий
Рисунок 1. Общий вид CDM-модели
Источник: авторская разработка
В настоящем исследовании была проведена модификация CDM-модели путем расширения уравнений на каждой стадии, а также количественного измерения и включения в модель факторов инновационной деятельности. Для эмпирического оценивания инновационной деятельности предприятий на основе модифицированной CDM-модели были взяты данные из опроса компаний под названием «Опрос о среде для бизнеса и результатах деятельности предприятий» (Business Environment and Enterprise Performance Survey - BEEPS), проводимого Всемирным банком и Европейским банком реконструкции и развития за 2019 гг. по российским компаниям. В опросе BEEPS предприятия сообщают информацию, касающуюся показателей их деятельности, качественного и количественного состава персонала, влияния внешних факторов на их деятельность.
Поскольку в опросе участвовали предприятия из разных отраслей с разными особенностями и отношением к новизне, все анализируемые предприятия были поделены на две подвыборки: группа 1 - низко- и среднетехнологичные предприятия, группа 2 -высокотехнологичные предприятия (табл. 1). Деление отраслей основано на общепризнанной универсальной классификации ОЭСР, согласно которой вышеназванные группы отраслей отличаются по интенсивности затрат предприятий на НИОКР (доля затрат на НИОКР в добавленной стоимости и производстве) [Hatzichronoglou, 1997]. Следовательно, у высокотехнологичных отраслей самая высокая интенсивность затрат на НИОКР, в этих отраслях больше всего используются новые технологии.
Таблица 1
Распределение предприятий по технологическим группам
Название группы Отрасли
Группа 1 (низко- и среднетехнологичные отрасли) Пищевая отрасль
Производство одежды
Лесная отрасль
Производство бумаги и бумажных изделий
Издательское дело, полиграфия и копирование носителей информации
Производство резиновых и пластмассовых изделий
Производство прочей неметаллической минеральной продукции
Название группы Отрасли
Металлургическое производство
Производство готовых металлических изделий
Производство мебели
Группа 2 (высокотехнологичные отрасли) Химическая отрасль
Производство машин и оборудования
Электроника
Производство коммуникационного оборудования
Производство точных инструментов
Производство автотранспортных средств, прицепов и полуприцепов
Производство прочих транспортных средств
Источник: авторская разработка
В конечную выборку для анализа вошли 784 российских промышленных предприятия из всех федеральных округов1. Следует отметить, что в BEEPS 2019 два федеральных округа, Южный и Северо-Кавказский, были объединены, то есть в данных были представлены по семи федеральным округам. Для проведения оценки модели предприятия были распределены по 2 группам следующим образом: группа 1 - 592, группа 2 - 192.
Первый этап CDM-модели связан с усилиями предприятия в области инноваций, то есть объемом затрат, который следует направить на инновационную деятельность. В качестве зависимой переменной на данном шаге используется дамми-переменная, равная 1, если предприятие выполняло НИОКР в течение последних 3 лет, и 0 в противном случае. Соответственно, с учетом бинарной природы зависимой переменной, применяется пробит-модель для эконометрической оценки. В роли независимых переменных в уравнении первой стадии выступают индивидуальные характеристики предприятий - возраст предприятия, размер предприятия, принадлежность предприятия более крупному объединению, доля иностранной собственности предприятия, доля государственной собственности предприятия, а также число лет опыта топ-менеджера в отрасли (табл. 2). Так, доля штатных сотрудников с высшим образованием, отражает изначальный фактический запас человеческого капитала компании, который может влиять на старте инновационной деятельности предприятия.
Кроме того, в модели первой стадии учитываются показатели государственной поддержки и деловой среды, которые важны именно при принятии решения предприятием об инвестировании в НИОКР - это получение субсидий из локальных или федеральных источников и барьеры для текущей деятельности предприятий, связанные с недостаточным качеством образования рабочей силы, налоговыми ставками и лицензированием и разрешениями на бизнес. Наконец, в модель включаются дамми-переменные федеральных округов, местоположения, где располагаются предприятия, а также отраслевые фиксированные эффекты для учета их индивидуальных особенностей и выявления различий между ними.
1 Выборка BEEPS репрезентативна в разрезе федеральных округов РФ.
Таблица 2
Индикаторы факторов и их измерение в модифицированной CDM-модели
Название переменной Измерение переменной
Размер предприятия* Категориальная переменная: 1 - если малые предприятия (менее 20 человек); 2 - если средние предприятия (от 20 до 100 человек); 3 - крупные предприятия (более 100 человек).
Принадлежность более крупному объединению* Дамми-переменная: 1, если предприятие является частью крупного объединения, и 0 в ином случае.
Возраст предприятия* Число лет
Доля иностранной собственности предприятия* Дамми-переменная: 1, если какой-либо % доли собственности принадлежит иностранным лицам.
Доля государственной собственности предприятия* Дамми-переменная: 1, если какой-либо % доли собственности принадлежит государству.
Опыт топ-менеджера в отрасли* Число лет опыта топ-менеджера в секторе.
Доля штатных сотрудников с высшим образованием* Доля сотрудников с высшим образованием от общего числа сотрудников в процентах.
Обучение персонала Дамми-переменная: 1, если предприятие проводило обучение для своих сотрудников, 0 в ином случае.
Уровень конкуренции Категориальная переменная, обозначающая основной рынок сбыта продукции предприятия: 1 - местный рынок; 2 - национальный рынок; 3 - международный рынок.
Субсидии Дамми-переменная: 1, если предприятие получало субсидии от каких-либо источников, и 0 в ином случае.
Налоговые ставки Лицензирование и разрешения на бизнес Недостаточное качество образования рабочей силы Данные показатели в опросе имели несколько вариантов ответа: нет препятствий - 0; незначительное препятствие - 1; умеренное препятствие - 2; основное препятствие - 3 и очень серьезное препятствие - 4. В данной модели эти переменные преобразованы в дамми-переменные: 1, если для предприятий эти барьеры были основными или очень серьезными препятствиями; 0 в остальных случаях.
Название переменной Измерение переменной
Сотрудничество с различными стейкхолдерами Дамми-переменная: 1, если предприятие внедряла инновации каким-либо из следующих способов: лицензирование, сотрудничество со стейкхолдерами -другие предприятия, научно-исследовательские институты и университеты, потребители (отечественными и иностранными) и поставщики (отечественными и зарубежными); 0 в ином случае.
Затраты капитала на одного работника Логарифм фактической стоимости машин и оборудования, деленной на количество работников
Издержки труда на одного работника Логарифм издержек труда (в том числе заработная плата, премии, выплаты соцстрахования), деленных на количество работников
Примечание: * - индивидуальные характеристики предприятий. Источник: авторская разработка
С учетом вышеизложенного, уравнение первой стадии CDM-модели можно представить в следующем виде:
Рг(й&Ду) = + ^ * Индивидуальные характеристики предприятий + * Конкуренция + * Государственной поддержка + * Показатели деловой среды + * Локальные и отраслевые особенности + ££у, (1)
где й&Ду - инвестирование в НИОКР предприятием i, принадлежащей j-й отрасли.
На втором этапе CDM-модели предсказанная из предыдущего этапа вероятность расходов на НИОКР за последние 3 года включается как объясняющая переменная с инновационным результатом в качестве зависимой переменной.
В соответствии с Руководством Осло 2018 [Oslo Manual 2018, 2018] признак технологичности инноваций исключается, поэтому в данном исследовании инновационный результат измеряется как дамми-переменна, равная 1, если предприятие внедряло продуктовые (в том числе маркетинговые) и процессные (в том числе организационные) инновации, либо что-то одно из них, и 0 в ином случае. Для оценки второго этапа также применяется пробит-модель.
На этом этапе ключевыми объясняющими переменными являются показатели инновационного сотрудничества и человеческого капитала. Стоит отметить, что на этапе создания нового знания более важен качественный показатель человеческого капитала, чем количественный.
Таким качественным показателем является дамми-переменная обучения сотрудников, равная 1, если предприятие проводило обучение персонала. Ведь в процессе обучения сотрудники получают специализированные навыки и знания, полезные для успешного внедрения инноваций. С этой точки зрения мы считаем, что этот показатель лучше подходит для второго этапа, чем доля работников с высшим образованием, участвующая на первой стадии.
Мы также предполагаем, что совместные усилия в инновационной деятельности способствуют увеличению инновационных результатов. Чтобы принять это во внимание, мы вводим на втором этапе модели дамми-переменную, равную 1, если компания сотрудничала с
различными стейкхолдерами (табл. 2), в данном случае с внешними, для внедрения инноваций или прибегала к лицензированию. Все эти виды кооперации сравниваются со случаем компаний, которые ни с кем не сотрудничали и внедряли инновации исключительно на основе собственных идей.
Таким образом, уравнение в общем виде на второй стадии модели представлено ниже:
Рг(/ПП0^а^0П5;у) = + ^ * Рге^_Р&Ду + * Обучение персонала предприятия + * Кооперация предприятия + * Контрольные переменные предприятия + * Локальные и отраслевые особенности +
, (2)
где /ппо^а*:шп5£у - это нетехнологические и технологические инновации предприятия, соответственно. Рге^_Р&Д - это предсказанная вероятность инвестирования в НИОКР из первого этапа. Контрольные переменные - это индивидуальные характеристики предприятий, указанные в таблице 3.
На третьем шаге CDM-модели предсказанная из второго этапа вероятность внедрения инноваций включается в качестве объясняющей переменной для оценки воздействия инноваций на результаты деятельности предприятий. Для построения уравнения была применена модификация функции Кобба-Дугласа с добавлением инновационного результата как отдельного фактора. В данном исследовании зависимой переменной выступает производительность труда, измеряемая как логарифм выручки в рублях на одного работника за последний год.
В этой связи, выбор переменных на этом этапе можно объяснить в рамках производственной функции Кобба-Дугласа. Помимо инновационного результата в уравнении учитываются традиционные факторы производства, такие как капитал и труд (табл. 2). Оба производственных фактора измеряются с позиции затрат в рублях на одного работника. Так, капитал отражает логарифм фактической стоимости машин и оборудования на одного работника, а труд встраивается в модель как логарифм трудовых затрат (в том числе заработная плата, премии, выплаты соцстрахования) на одного работника за последний год. Уравнение оценивается с помощью метода наименьших квадратов.
Таким образом, уравнение третьего шага в конечном счете приобретает следующий
вид:
/пу£у = + * Рге^_/ппо^у + * ^¿у + * /¿у + * Контрольные переменные предприятия + * Локальные и отраслевые особенности +
^ , (3)
где у - выручка на одного работника;
Рге^_/ппоу - предсказанные вероятности внедрения технологических и нетехнологических инноваций;
к - капитальные издержки на одного работника; I - издержки труда на одного работника.
Деление показателей выручки, капитальных и трудовых издержек на количество работников позволяет учесть размер предприятия. Контрольные переменные в данном случае - это индивидуальные характеристики предприятий, отраженные в табл. 2. Подводя итог модификации CDM-модели, стоит отметить, что мы, помимо барьеров деятельности,
учитываем неоднородность предприятий в технологиях и знаниях, поделив предприятия на подвыборки, контролируем опыт топ-менеджера в отрасли как управленческие условия для инновационной деятельности, а также разграничиваем внешний и внутренний по отношению к предприятию человеческий капитал, сравнивая их относительную важность. Также в рамках модификации CDM-модели мы выделяем как общие, включая индивидуальные характеристики предприятий, так и специфичные факторы для НИОКР, инноваций и производительности труда, включая конкуренцию, наличие государственной поддержки, деловую среду бизнеса, внутренний и внешний человеческий капитал, инновационное сотрудничество и факторы производства
Результаты и обсуждение
Во всех спецификациях модели стандартные ошибки были кластеризованы на уровне предприятий для надежности оценок и избежания гетероскедастичности. Также дополнительно после каждой регрессии были проведены тесты Вальда для проверки значимости коэффициента при независимой переменной в регрессионной модели. Ниже представлены результаты первого этапа CDM-модели с вероятностью инвестирования в НИОКР в качестве зависимой переменной по трем подвыборкам (табл. 3).
Таблица 3
Результаты первого шага модифицированной CDM-модели по трем группам предприятий (предельные эффекты)
Зависимая переменная- Группа 1 (низко- и Группа 2
инвестирование среднетехнологичные (высокотехнологичные
в НИОКР предприятия) предприятия)
Возраст предприятия 0.00441*** 0.00326
Уровень конкуренции:
Национальный уровень конкуренции 0.0875*** 0.120*
Международный уровень конкуренции 0.0587 0
Субсидии -0.0430 0.0228
Опыт топ-менеджера в отрасли -0.00485** -0.00325
Принадлежность
предприятия более крупному 0.0664 0.249**
объединению
Недостаточное качество 0.0556 0.135*
образования рабочей силы
Доля штатных сотрудников с -0.000457 0.00158
высшим образованием
Доля иностранной 0.0181 -0.205*
собственности предприятия
Доля государственной 0.0880 0.385***
собственности предприятия
Налоговые ставки -0.0504 -0.0671
Зависимая переменная- Группа 1 (низко- и Группа 2
инвестирование среднетехнологичные (высокотехнологичные
в НИОКР предприятия) предприятия)
Лицензирование и 0.182*** 0.191
разрешения на бизнес
Размер предприятий:
Средние предприятия 0.0790** -0.131
Крупные предприятия 0.0873* -0.0727
Дамми федеральных округов Да Да
Дамми местоположения Да Да
Дамми отраслей Да Нет
Псевдо R2 0.203 0.255
Тест Вальда 131.8*** 60.15***
Примечание - *** - значимость на уровне 1%, ** - на уровне 5%, * - на уровне 10%. Источник: авторская разработка
Как видно из табл. 3, все регрессии в целом значимы, на что указывает статистика Вальда. Есть также некоторые различия между технологическими группами.
Так, возраст положительно значимо влияет на инвестирование в НИОКР в низкотехнологичной группе, то есть более зрелые компании будут больше инвестировать в НИОКР. Доля иностранной собственности предприятия оказалась отрицательно значимой для инвестирования в НИОКР в высокотехнологичной группе.
В то же время, доля государственной собственности предприятия положительно влияет на вероятность инвестирования в НИОКР в высокотехнологичной группе предприятий, что может свидетельствовать о значимости роли и участия государства как собственника в инновационной деятельности компаний данной группы.
Вместе с тем, опыт топ-менеджера в отрасли оказался отрицательно значимым в низкотехнологичной группе и незначимым для высокотехнологичных предприятий, хотя и с отрицательным коэффициентом. Хотя ожидалось, что больший опыт топ-менеджера в отрасли будет способствовать росту вовлеченности предприятия в инвестирование в НИОКР, данный результат может демонстрировать, что с годами инновационные стремления топ-менеджера, работающего долгое время в отрасли, затухают.
Доля штатных сотрудников с высшим образованием оказалась незначимой для инвестирования в НИОКР в двух группах. Это говорит о довольно слабом вкладе персонала компании, имеющего высшее образование, ввиду возможного недостатка компетенций и знаний у них. Показатель недостаточного качества образования рабочей силы, связанный с человеческим капиталом, демонстрирует положительное влияние на инвестирование в НИОКР в высокотехнологичной группе, то есть высокотехнологичные предприятия особенно уязвимы и чувствительны к данному барьеру деятельности.
Касательно других барьеров деятельности, связанных с налоговыми ставками и лицензированием и разрешением на бизнес, результаты показали, что лицензирование и разрешения на бизнес больше сопровождает низкотехнологичную группу предприятий при инвестировании в НИОКР, в то время как налоговые ставки не вносят значимого вклада в
затраты на НИОКР, возможно, из-за появившихся в последние годы налоговых льгот и послаблений для предприятий.
Результаты по уровню конкуренции показывают особую значимость национального уровня конкуренции для инвестирования в НИОКР по сравнению с локальным и международным уровнями в обеих группах, при чем в большей степени в низкотехнологичной группе. Наконец, учет локальных (федеральные округа и местоположение предприятий) и отраслевых особенностей в модели в целом показал их важность для инвестирования в НИОКР.
Далее перейдем ко второму этапу CDM-модели, в уравнение которого включена предсказанная из первого шага вероятность затрат на НИОКР (табл. 4).
Таблица 4
Результаты второго шага модифицированной CDM-модели по трем группам предприятий (предельные эффекты)
Зависимая переменная-внедрение Группа 1 (низко- и Группа 2
продуктовых и процессных среднетехнологичные (высокотехнологичные
инноваций предприятия) предприятия)
Предсказанная вероятность расходов на НИОКР за последние 3 года -0.373** 0.424**
Сотрудничество с различными стейкхолдерами 0.301*** 0.146*
Возраст предприятия 0.00633*** 0.00493**
Обучение персонала 0.0931** 0.0720
Принадлежность предприятия более крупному объединению 0.184** 0.0341
Опыт топ-менеджера в отрасли -0.00189 -0.000766
Доля иностранной собственности предприятия -0.175* 0.0708
Доля государственной собственности предприятия -0.0415 -0.390**
Размер предприятий:
Средние предприятия 0.0130 -0.0413
Крупные предприятия 0.0253 -0.107
Дамми федеральных округов Да Нет
Дамми местоположения Нет Нет
Дамми отраслей Да Да
Псевдо R2 0.190 0.257
Тест Вальда 113.5*** 41.89***
Примечание - *** - значимость на уровне 1%, ** - на уровне 5%, * - на уровне 10%. Источник: авторская разработка
Результаты показывают отрицательную отдачу расходов на НИОКР для появления продуктовых и процессных инноваций в низкотехнологичной группе. Данный выявленный результат свидетельствует о неэффективности затрат на НИОКР для получения инновационных результатов. В частности, для низко- и среднетехнологичных предприятий,
ввиду их изначально невысокой причастности к инновационной деятельности, инвестиции в НИОКР приводят больше к издержкам, чем к внедрению инноваций, из-за чего поставленные инновационные цели не оправдываются. В то же время, для высокотехнологичных предприятий отдача от инвестирования в НИОКР также положительно значимая.
Среди индивидуальных характеристик возраст предприятия играет положительно значимую роль в появлении продуктовых и процессных инноваций на рынке во всех группах компаний. Принадлежность предприятия к более крупному объединению на этой стадии положительно значим для продуктовых и процессных инноваций низкотехнологичной группы предприятий.
Доля иностранной собственности предприятия оказалась отрицательно значимой для внедрения инноваций теперь уже в низкотехнологичной группе предприятий. Опыт топ-менеджера в отрасли не сыграл значимую роль в появлении инноваций во всех предприятиях, а доля государственной собственности предприятия, которая положительно влияла на первой стадии, на этой стадии стала отрицательно значимой для высокотехнологичных компаний.
Сотрудничество с различными стейкхолдерами положительно влияет на реализацию инноваций во всех предприятиях, хотя для высокотехнологичной группы значимость ниже, чем в низкотехнологичной группе. Обучение персонала на второй стадии положительно значимо для низкотехнологичных предприятий и не значимо для высокотехнологичной группы. Последнее может отражать неэффективность проводимого обучения, который должен быть направлен в первую очередь на получение специфичных для инноваций навыков и знаний, необходимых для инновационной деятельности.
В то же время, ключевые результаты третьей стадии показывают незначимое влияние внедренных на рынок продуктовых и процессных инноваций на производительность труда в обеих группах компаний (табл. 5). Это свидетельствует о малоэффективности и крайне низкой отдаче инноваций для производительности труда как показателя конкурентоспособности в российских предприятиях в то время, как они должны способствовать ее росту. Также данные результаты являются индикатором имеющихся проблем у предприятий-инноваторов.
Таблица 5
Результаты третьего шага модифицированной CDM-модели по трем группам предприятий (предельные эффекты)
Зависимая переменная-логарифм производительности труда Группа 1 (низко- и среднетехнологичные предприятия) Группа 2 (высокотехнологичные предприятия)
Предсказанная совместная вероятность технологических и нетехнологических инноваций -0.103 -0.0115
Принадлежность предприятия более крупному объединению 0.153 0.177
Возраст предприятия 0.00174 0.00453
Доля иностранной собственности предприятия 0.209 0.673**
Доля государственной собственности предприятия -0.326 -0.295
Опыт топ-менеджера в отрасли -0.0116** 0.0277**
Зависимая переменная-логарифм производительности труда Группа 1 (низко- и среднетехнологичные предприятия) Группа 2 (высокотехнологичные предприятия)
Логарифм издержек труда на одного работника 0.844*** 0.677***
Логарифм затрат капитала на одного работника 0.118*** 0.106***
Дамми федеральных округов Да Да
Дамми местоположения Нет Нет
Дамми отраслей Да Нет
Размер предприятий:
Средние предприятия 0.367*** 0.325
Крупные предприятия 0.199 -0.171
F-тест 30.18*** 10.52***
Скорректированный R2 0.534 0.450
Количество наблюдений 566 159
Примечание - *** - значимость на уровне 1%, ** - на уровне 5%, * - на уровне 10%. Источник: авторская разработка
Итак, представленный эконометрический анализ модифицированной CDM-модели на опрос BEEPS по российским промышленным предприятиям выявил некоторую вариацию в эффектах факторов между технологическими группами предприятий и стадиями модели, в частности в отдаче от НИОКР для инноваций. В то же время, по некоторым факторам были выявлены схожие эффекты для обеих групп предприятий. Иными словами, наша гипотеза о различии в эффектах факторов для предприятий с разным уровнем технологичности частично подтвердилась.
Заключение
Таким образом, результаты эконометрического моделирования, полученные с применением данных BEEPS 2019, показали некоторые вариации в эффектах факторов инновационной деятельности на разных стадиях модели в разрезе технологических групп предприятий. В частности, были выявлены отрицательно значимая отдача НИОКР для инноваций в низкотехнологичной группе предприятий, и, в конечном счете, незначимость влияния процессных и продуктовых инноваций для производительности труда для всех предприятий. Такие результаты отражают серьезные проблемы, которые имеются у предприятий, и вследствие которых усугубляется низкий уровень инновационной активности в стране.
Полученные результаты отражают ряд проблем в инновационной деятельности предприятий, а также снижающуюся с годами отдачу от НИОКР и инноваций. В текущих условиях санкционного давления важная роль в активизации инновационных усилий предприятий и ускорении инновационной активности в экономике в целом отводится именно государству. Государство может быть как заказчиком, так и посредником между заинтересованными лицами и компаниями. Другим вариантом могла бы стать кооперация между малыми и крупными компаниями ввиду того, что у первых есть уникальные идеи,
нуждающиеся в продвижении, а у вторых - широкие ресурсы и возможности для реализации этих идей.
В этой связи считаем важным внедрение инноваций в низко- и среднетехнологичных предприятиях, которые могли бы догонять в инновационном развитии высокотехнологичный бизнес, играющий роль локомотива. Поэтому для низкотехнологичных предприятий были бы особо полезны региональные программы предоставления лизинга для обновления основных фондов и финансирования модернизации технологического оборудования.
Как показали результаты, для развития кадров предприятиям необходимы программы повышения квалификации. Возможно стимулирование инвестиций в обучение сотрудников через предоставление компаниям различных преференции. Сами федеральные и региональные власти могут выступать спонсорами специальных центров обучения. Кроме того, важно развивать сотрудничество предприятий с университетами. например, через совместные программы подготовки кадров с учетом требований бизнеса. Наконец, необходим контроль со стороны государства за целевым использованием субсидий и соблюдением соглашений о реализации инновационных проектов с помощью независимых аудиторов.
Список источников
1. Власова В.В., Гохберг Л.М., Грачева Г.А. и др. Индикаторы инновационной деятельности: 2023: статистический сборник. Москва: НИУ ВШЭ, 2023. 292 с.
2. Стратегия инновационного развития Российской Федерации на период до 2020 года: утв. распоряжением Правительства РФ от 8 декабря 2011 г. № 2227-р, действующая редакция // Собрание законодательства РФ. 02.01.2012.
3. Шорохова И.С. Методический подход к анализу стратегий социально-экономического развития регионов с учетом инновационной компоненты // Управление в современных системах. 2023. № 2. С. 26-39.
4. Armbruster H., Bikfalvi A., Kinkel S., Lay G. Organizational innovation: The challenge of measuring non-technical innovation in large-scale surveys // Technovation. 2008. Vol. 28. P. 644-657.
5. Ayyagari M., Demirguç-Kunt A., Maksimovic V. Firm innovation in emerging markets: The role of finance, governance, and competition // Journal of Financial and Quantitative Analysis. 2012. Vol. 46. № 06. P. 1545-1580.
6. Azar G., Ciabuschi F. Organizational innovation, technological innovation, and export performance: The effects of innovation radicalness and extensiveness // International Business Review. 2017. Vol. 26. № 2. P. 324-336.
7. Baum C. F., Loof H., Nabavi P., Stephan A. A new approach to estimation of the R&D-innovation-productivity relationship // Economics of Innovation and New Technology. 2017. Vol. 26. № 1-2. P. 121-133.
8. Bennett J., McGuinness S. Assessing the impact of skill shortages on the productivity performance of high-tech firms in Northern Ireland // Applied Economics. 2009. Vol. 41, № 6. P. 727-737.
9. Cirera X. Catching up to the technological frontier? Understanding firm-level innovation and productivity in Kenya // Innovation and Entrepreneurship Trade and Competitiveness Global Practice. 2015. № 94671. P. 1-45.
10. Conte A., Vivarelli M. Succeeding in innovation: key insights on the role of R&D and technological acquisition drawn from company data // Empirical Economics. 2014. Vol. 47. P. 13171340.
11. Crépon B., Duguet E., Mairesse J. Research Investment Innovation and Productivity: an Econometric Analysis // Economics of Innovation and New Technology. 1998. № 7. P. 115-158.
12. Criscuolo C., Haskel J. Innovations and Productivity Growth in the UK: Evidence from CIS2 and CIS3. Centre for research into business activity working paper, 2003.
13. Evangelista R., Mastrostefano V. Firm size sectors and countries as sources of variety in innovation // Economics of Innovation and New Technology. 2006. Vol. 15, № 03. P. 247-270.
14. Griliches Z. Issues in assessing the contribution of R&D to productivity growth // Bell Journal of Economics. 1979. Vol. 10(1). P. 92-116.
15. Hatzichronoglou T. Revision of the High-Technology Sector and Product Classification // OECD Science Technology and Industry Working Papers. 1997. № 02. P. 1-25.
16. Huergo E., Moreno L. Does history matter for the relationship between R&D, innovation, and productivity? // Industrial and Corporate Change. 2011. Vol. 20. № 5. P. 1335-1368.
17. Lóóf H., Mairesse J., Mohnen P. CDM 20 years after introduction // Economics of Innovation and New Technology. 2017. Vol. 26. № 1 -2. P. 1-5.
18. Lóóf H., Peters B., Janz N. Innovation and productivity in German and Swedish manufacturing firms: Is there a common story? // Problems & perspectives in management. 2004. Vol. 2. P. 184-204.
19. Mairesse J., Mohnen P., Zhao Y., Zhen F. Globalization, innovation and productivity in manufacturing firms: A study of four sectors of China // ERIA discussion paper. 2012. Vol. 10.
20. Mairesse J., Robin, S. Innovation and productivity: a firm-level analysis for French Manufacturing and Services using CIS3 and CIS4 data (1998-2000 and 2002-2004). Paris: CREST-ENSAE, 2009. 20 p.
21. Nguyen-Thi T. U., Martin L. Impact of R&D and ICT on innovation and productivity: Empirical evidence from micro data // Innovation Journal. 2010. P. 1-27.
22. OECD Reviews of Innovation Policy: Russian Federation 2011 (2011). Paris: OECD Publishing, 2011. 263 p.
23. Oslo Manual 2018: Guidelines for Collecting, Reporting and Using Data on Innovation, 4th Edition, The Measurement of Scientific, Technological and Innovation Activities (2018). Paris: OECD Publishing, 2018. 258 p.
24. Peters B., Roberts M. J., Vuong V. A., Fryges H. Firm R&D innovation and productivity in German industry // Center for European Economic Research (ZEW). 2013. P. 1-36.
FACTORS OF INNOVATION ACTIVITY OF RUSSIAN ENTERPRISES: EVALUATION BASED ON MODIFICATION OF THE CDM MODEL
Doroshenko S.V., Institute of Economics of the Ural Branch of the Russian Academy of Sciences; Ural Federal University named after the first President of Russia B.N. Yeltsin Nagieva K.M., Ural Federal University named after the first President of Russia
B.N. Yeltsin
Mariev O.S., Institute of Economics of the Ural Branch of the Russian Academy of Sciences
Abstract
In this study, an econometric assessment of the influence of factors of innovative activity of Russian manufacturing enterprises was carried out based on a modification of the CDM model designed to assess the relationship between R&D-innovation-labor productivity and the factors between them. Due to the raw material orientation of the Russian economy and geopolitical difficulties, increasing innovation activity in the country is a pressing issue. At the same time, the study of variations in the effects of factors of innovative activity of enterprises with different technological intensity has been poorly studied in the literature, especially in Russia. We fill this gap using data from the Business Environment and Enterprise Performance Surveys for 2019 for Russian manufacturing enterprises. The model included both general (individual characteristics) and specific (competition, availability of government support, business environment, internal and external human
capital, innovative cooperation and production factors) factors for each stage. The econometric assessment identified both positive and negative impacts of various R&D and innovation factors that varied between low-, medium- and high-tech enterprises. The theoretical significance of the study lies in the expansion and deepening of scientific knowledge about approaches to studying the influence of factors of innovative activity of enterprises. The practical significance of the study lies in the possibility of using the results obtained by government bodies to improve innovation policy, and by enterprises when developing strategic development plans and measures to increase innovation activity and competitiveness.
Keywords: innovation, R&D, labor productivity, modification of the CDM model, human capital, industrial enterprises.
