Количественная оценка влияния инновационной деятельности на динамику промышленного производства Текст научной статьи по специальности «Экономика и бизнес»

Вестник Института экономики Российской академии наук

5/2016

Н.Н. ВОЛКОВА кандидат экономических наук, ведущий научный сотрудник Института экономики РАН

Э.И. РОМАНЮК

научный сотрудник Института экономики РАН

КОЛИЧЕСТВЕННАЯ ОЦЕНКА ВЛИЯНИЯ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ НА ДИНАМИКУ ПРОМЫШЛЕННОГО ПРОИЗВОДСТВА1

Статья посвящена анализу динамики промышленного производства России на основе модели гребневой регрессии с учетом факторов инновационной деятельности предприятий. В качестве независимых переменных в модели использовались факторы промышленного роста: реальные располагаемые денежные доходы населения, величина экспорта, инвестиции в основной капитал; а также показатели инновационной деятельности: удельный вес организаций, осуществлявших технологические инновации, в общем числе организаций; численность персонала, занятого научными исследованиями и разработками. Анализ показал, что наибольший вклад в экономический рост имеют инвестиции в основной капитал и удельный вес организаций, осуществляющих технологические инновации.

Ключевые слова: промышленный рост, эконометрическая модель, регрессионный анализ, гребневая регрессия, факторы промышленного роста.

1БЬ: С40, Ъ60.

Одна из ключевых проблем современной России - выход на качественно новую траекторию экономического развития, которая базируется на переходе экономики к инновационным источникам экономического роста. Целью данного исследования является количественная оценка различных факторов, включая инновационные, на динамику промышленного производства.

Работа является развитием и продолжением работ, выполненных авторами [1], [3]. В работах [1], [2] рассматривались экономико-математические модели для выявления возможностей развития промышленного производства и количественная оценка влияния внешнеэкономической деятельности на динамику промышленного производства.

1 Работа выполнена при финансовой поддержке Российского гуманитарного научного фонда (РГНФ) № 15-02-00226.

Все показатели в этих моделях были представлены в виде месячных временных рядов темпов роста за 2007-2013 гг. Проведенный анализ показал, что наибольший вклад в экономический рост в рассматриваемом периоде имел внешний спрос на сырьевые ресурсы, который на 37,6% определял динамику промышленного производства в России. На втором месте находился инвестиционный спрос со стороны предприятий, его доля составляла 30,7% и была сопоставима с влиянием экспорта продукции. Влияние реальных располагаемых денежных доходов населения было невелико и составляло примерно 2%.

В работе [3] прослеживаются изменения доли вкладов каждого из факторов в динамику промышленного производства по годам. На протяжении всего рассматриваемого периода наибольшее влияние на динамику промышленного производства оказывали два фактора: внешний спрос на сырьевые ресурсы и инвестиционный спрос со стороны предприятий. Импорт машиностроительной продукции также оказывал значительное влияние на темпы роста промышленности, однако его динамика зависела от динамики инвестиций в основной капитал, что указывает на зависимость России от импортного оборудования.

В указанных выше работах в моделях не учитывались факторы инновационного развития, которым в современной геополитической обстановке на волне санкций против России и контрсанкций России против стран Евросоюза, США и других стран уделяется все большее внимание.

Целью данной работы стало выявление основных факторов (инновационных, инвестиционных и др.), определяющих темпы роста российской промышленности.

Из теории известно, что на динамику промышленного производства оказывают влияние ряд факторов. Прежде всего это инвестиции в основной капитал, условия предоставления заемных средств, располагаемые доходы населения. Для выявления возможных точек роста и учета влияния инновационной деятельности была построена экономико-математическая модель динамики промышленного производства с учетом основных внутри- и внешнеэкономических факторов, отражающих спрос на продукцию промышленности и инновационную составляющую роста. Для построения модели были предварительно отобраны следующие переменные2:

- х1 - индекс промышленного производства, в процентах к предыдущему году;

- х2 - реальные располагаемые денежные доходы населения, в процентах к предыдущему году;

2 Все показатели представлены в виде годовых временных рядов темпов роста за 1995-2015 гг.

- х3 - удельный вес организаций добывающих, обрабатывающих производств, по производству и распределению электроэнергии, газа и воды, осуществлявших технологические инновации, в общем числе организаций, в процентах;

- х4 - удельный вес затрат на технологические инновации в организациях добывающих, обрабатывающих производств, по производству и распределению электроэнергии, газа и воды, в общем объеме отгруженных товаров, выполненных работ, услуг, в процентах;

- х5 - численность персонала, занятого научными исследованиями и разработками;

- х6 - объем отгруженных инновационных товаров, работ и услуг организаций добывающих, обрабатывающих производств, по производству и распределению электроэнергии, газа и воды, (в процентах от общего объема отгруженных товаров.);

- х7 - индекс внутренних затрат на исследования и разработки, в процентах к предыдущему году;

- х8 - индекс кредиторской задолженности, в процентах к предыдущему году;

- х9 - индекс физического объема инвестиций в основной капитал, в процентах к предыдущему году;

- х10 - индекс экспорта товаров и услуг, в процентах к предыдущему году;

- х11 - индекс импорта машин и оборудования, в процентах к предыдущему году;

- х12 - доля импорта машин и оборудования, в процентах.

На рис. 1 представлена динамика некоторых переменных, отражающих макроэкономические аспекты промышленного производства в России с 2000 по 2015 гг. На графике хорошо видно, что динамика промышленного производства была неустойчивой и постепенно снижалась к концу периода (см. рис. 1 ). Вслед за динамикой промышленного производства следовали и индексы инвестиций, выпуска продукции в машиностроительных производствах, а также импорт машиностроительной продукции.

Зависимость российской промышленности от импортного оборудования значительна. Импортные станки, оборудование и комплектующие составляют большую часть потребляемой машиностроительной продукции. Доля продукции машиностроения в импорте товаров Российской Федерации составляла максимальные 52,7% в предкризисном 2008 г. [4]. С обострением геополитической обстановки именно эта группа товарного импорта в большой степени подпала под санкции, наложенные на Россию. В 2015 г. эта доля несколько упала - до 44,9% [5, с. 103], однако все равно продолжает оставаться очень значительной.

1=1x12—-х2- — -х8- -'-х9- "*- х10 А х!1

Рис. 1. Темпы роста продукции промышленности, инвестиций, экспорта, импорта машиностроительной продукции и реальных доходов населения.

Негативная картина с собственным производством машиностроительной продукции начала складываться уже давно, так, например, доля российского производства станков во внутреннем потреблении снизилась с 19% в 2008 г. до 9% в 2012 г. и продолжает падать [6]. В «тучные годы» нехватка машиностроительной продукции компенсировалась импортом, позволяя удовлетворить внутренний спрос на высокотехнологичное оборудование, поскольку предприятиям было удобнее удовлетворить спрос за счет закупок оборудования на внешнем рынке, чем вкладывать значительные средства в собственные производства. Кроме того, нестабильный спрос приводил к тому, что цены на внутреннем рынке на машиностроительную продукцию оказывались выше, чем на внешнем, что также усугубляло ситуацию.

Динамика инвестиций в основной капитал и реальных располагаемых доходов населения следует за темпами промышленного производства с меньшей амплитудой и некоторым лагом. В 2014 г. произошло снижение рассматриваемых показателей. В 2015 и 2016 гг. снижение инвестиций продолжилось. Так, в 2014г. объем инвестиций в основной капитал сократился на 2,7% [7, с. 585], а в 2015 г. - еще на 1,4% [5, с. 151]. По данным статистической службы России, в первом квартале 2016 г. падение инвестиций в основной капитал достигло 4,8% [8].

В 2013 г. темпы роста реальных располагаемых доходов населения также замедлились (104% в 2013 г. по сравнению с 104,6% в 2012 г.),

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

:хЗ|

1x41

1x6-

-х1 х5—ж—х7

Рис. 2. Темпы роста продукции промышленности и некоторых показателей инновационной активности.

а в 2014 г. впервые за ряд лет они сократились на фоне резкого падения курса рубля до 99,3% [7, с. 139]. В 2015 г. реальные располагаемые доходы населения продолжили свое падение - на 4% [5, с. 209], а за январь-апрель 2016 г. еще на 4,7% [8].

Условия предоставления заемных средств также ухудшаются в связи с геополитической ситуацией. Заимствования на внешнем рынке усложнились в связи с пересмотром международными рейтинговыми агентствами суверенного рейтинга России и рейтингов части субъектов Федерации и предприятий в сторону снижения, что повысило ставку по кредитам и снизило их доступность. На внутреннем рынке рост ставки рефинансирования ЦБ привел к удорожанию кредитных средств. Оба эти фактора не способствуют притоку инвестиций в российскую экономику.

Графики темпов роста экспорта и промышленного производства также подобны, но колебания экспорта имеют большую амплитуду. Это еще раз подтверждает сырьевой характер роста отечественной экономики.

На рис. 2 представлена динамика показателей, характеризующих инновационные процессы, включенных в первоначальный список показателей модели,3 и объема промышленного производства. Для удобства анализа долевые показатели представлены в виде гистограмм, а темпы роста в виде линейных графиков. На рис. 2 можно заметить, что численность персонала, занятого научными исследова-

3 Для большей наглядности переменные, которые рассчитываются как темпы роста, представлены в виде индексов, а не процентов.

ниями и разработками, внутренние затраты на исследования и разработки, дефлированные на индекс цен производителей, а также объем отгруженных инновационных товаров, работ и услуг промышленных производств в процентах от общего объема отгруженных товаров имеют сходную динамику с некоторым лагом. Связь динамики промышленного производства и остальных показателей инновационной активности не столь заметна.

Для выявления количественных зависимостей и отбора наиболее подходящих показателей на первом этапе был произведен корреляционный анализ, который позволил из всего списка переменных отобрать показатели, наиболее тесно связанные с темпами роста объема промышленного производства. Это следующие переменные:

- x2 - реальные располагаемые денежные доходы населения, в процентах к предыдущему году;

- x3 - удельный вес организаций добывающих, обрабатывающих производств, по производству и распределению электроэнергии, газа и воды, осуществлявших технологические инновации, в общем числе организаций, в процентах;

- x5 - численность персонала, занятого научными исследованиями и разработками;

- x9 - индекс физического объема инвестиций в основной капитал, в процентах к предыдущему году;

- x10 - индекс экспорта товаров и услуг, в процентах к предыдущему году.

Далее была построена экономико-математическая регрессионная модель, в которой в качестве зависимой переменной выступала переменная x1 - индекс промышленного производства, в процентах к предыдущему году. Предварительные расчеты свидетельствовали, что использование стандартной пошаговой регрессии невозможно, поскольку ряд коэффициентов при зависимых переменных имели отрицательные коэффициенты, а между самими независимыми переменными имелась мультиколлинеарность, которая может искажать результаты регрессионной модели. Для элиминирования влияния взаимозависимости переменных регрессии была использована гребневая регрессия (Ridge regression), основу построения которой предложили А. Хоэрл и Р. Кеннард [9]. Этот подход позволяет оценивать параметры регрессии в условиях мультиколлинеарности.

В работе был использован метод «следа гребневой матрицы», суть которого заключается в том, что берется несколько значений К (обычно 10-15 значений). Для каждого из них вычисляются оценки стандартизированных коэффициентов регрессии, в том числе и для К=0. Далее оцениваются величины коэффициентов в зависимости от значения К. В результате нескольких шагов система может прийти в устойчивое

состояние, при котором параметры меняются незначительно. В табл. 1 приведены результаты расчетов ^-коэффициентов4 - стандартизированных коэффициентов - гребневой регрессии, а на рис. 3 показана динамика оценок гребневой регрессии для различных значений К.

Рис.

При К=0 оценки соответствуют коэффициентам обычной регрессии, полученным по методу наименьших квадратов, в которых присутствует отрицательная оценка при переменной х3 - удельный вес организаций добывающих, обрабатывающих производств, по производству и распределению электроэнергии, газа и воды, осуществлявших технологические инновации, в общем числе организаций, в процентах. Данное значение коэффициента противоречит здравому смыслу. При увеличении К до 0,7 значение |3-коэффициента при х3 становится положительным, но при этом значительно снижается значения ^-коэффициентов при переменных х5 - численность персонала, занятого научными исследованиями и разработками; и х9 - индекс физического объема инвестиций в основной капитал, в процентах к предыдущему году.

При дальнейшем увеличении К коэффициенты при переменных меняются уже не так значительно и падает коэффициент множественной детерминации с 0,8574 при К=0 до 0,5449 при К=1 (см. табл. 1). При выбранном параметре гребневой регрессии (К=0,7) коэффициент множественной детерминации достаточно высок и равен 0,6001. Значение Р-критерия Фишера-Снедекора, позволяющее оценить значимость уравнения множественной регрессии, равно 4,2011 и для уровня зна-

^---^

ж- -< - * Жи - - - - ж ■ ■ ■ —

- -----------►---„-------- —♦— - ♦ - — - ^

0 0,05 ОД 0Д5 0,55 0,65 0,7 0,85 0,95 1,0

___-я"

— ♦ — х2 --Ш-- хЗ--*--х5 -х-х9 - - - ж- - - х10

3. Значения гребневых коэффициентов регрессии.

Определение см. ниже.

4

0,9500 9 о £ 2 о 1 4 0 гд £ 8 ЧО 6 9 т—1 9 6 т—1 3 5 ю

о 0, 0, 0, 0, 0, 0,

0,8500 ЧО СО о о 9 1 о о 3 1 гд 00 0 0 со 3 0 сч о 3 8 т—1 00 0 7 ю

о 0, 0, 0, 0, 0, 0,

0,7000 о 1 о о 4 0 о ЧО 8 2 гд ю 4 2 со ю 4 1 00 8 0 т—1 0 0 чо

о 0, 0, 0, 0, 0, 0,

0,6500 1 О ю 1 0 о 3 гд 3 3 со ю 8 1 9 1 00 0 1 чо

о 0, - 0, 0, 0, 0, 0,

0,5500 ю 9 6 О СЧ 7 1 о 00 7 4 гд ЧО 4 5 со ЧО 6 2 ЧО 3 4 о 3 3 ЧО

о 0, - 0, 0, 0, 0, 0,

<Ц 3 Я <ц V п Я ГО 0,4500 0,0676 -0,0381 0,2635 0,3798 0,2349 0,2749 0,6598

0,2000 9 6 ,0 5 3 т—1 1 0 2 СО СО 9 7 2 5 ЧО 8 1 ЧО 3 4

0, 0, - 0, 0, 0, 0, 0,

0 0 ю 5 6 ,0 0 7 т—1 ЧО 6 3 со 1 1 ю 00 3 5 ЧО 2 7 00 5 6

0, 0, 0, - 0, 0, 0, 0, 0,

0 0 о 00 6 ,0 т—1 6 1 СЧ о 6 5 со ю 1 5 ю ю 2 5 о 6 4 ю 1 2

0, 0, 0, - 0, 0, 0, 0, 0,

0 0 ю 0 00 £ ,0 СЧ 7 7 сч ю 9 7 со 3 0 чо о 7 4 о 1 5 чо о 1 2 00

0, 0, 0, - 0, 0, 0, 0, 0,

0 0 о 0 ЧО 7 00 ,0 ю 3 6 ,3 8 0 ,4 о 5 7 ,6 ЧО 3 3 ,2 СО 8 1 ,8 7 5 ,8

0, 0, 0, - 0, 0, 0, 0, 0,

Переменная * о н4 Сумма квадратов ^-коэффициентов Коэффициент множественной детерминнации

чимости а=0,05 превышает табличное значение 2,96. Таким образом, можно сделать вывод, что полученная модель может быть использована для оценки влияния вышеперечисленных факторов на динамику промышленного производства.

Окончательно уравнение регрессии имеет вид:

у = 28,4829 + 0,044 ■ х2 + 0,014 ■ хЗ + 0,468 ■ х5 + 0,158 ■ х9 + 0,061 ■ х10,

где: у - темп роста промышленного производства; х1 - независимые переменные, описанные выше.

Однако с помощью коэффициентов регрессии нельзя сопоставить факторы по степени их влияния на темп роста промышленного производства из-за различия единиц измерения и разной степени колеблемости. Для устранения таких различий применяется целая система показателей: средние частные коэффициенты эластичности, ^-коэффициенты или коэффициенты регрессии в стандартизированном масштабе и ¿-коэффициенты. Напомним их определения [1].

Средние частные коэффициенты эластичности показывают на сколько процентов изменится независимая переменная при изменении фактора на 1%.

где: 3г - коэффициент эластичности г-ой переменной; Ы - оценка г-ого коэффициента регрессии, - среднее значение г-ой переменной, у -среднее значение зависимой переменной.

Для устранения влияния размерности и колеблемости используют ^-коэффициенты, которые показывают на какую часть величины среднего квадратичного отклонения изменяется зависимая переменная с изменением независимой переменной на одно среднее квадратичное отклонение при фиксированных значениях остальных переменных на среднем уровне. ^-коэффициенты не зависят от размерности переменной. Обычные коэффициенты уравнения регрессии и £-коэффициенты связаны следующей формулой:

ст

ъ,• ст ,

Однако оба этих показателя: коэффициенты эластичности и ^-коэффициенты, не позволяют оценить долю влияния каждого фактора в суммарном влиянии всех факторов. Для такой оценки используются ¿-коэффициенты, рассчитываемые по формуле:

¿г = 'г А' &,

где: г- - парный коэффициент корреляции между зависимой и г-ой независимой переменными; Д - стандартизированный коэффициент регрессии; К2 -коэффициент множественной детерминации.

Перечисленные выше оценки влияния факторов приведены в табл. 2.

На основе данных табл. 2 можно сделать следующие выводы:

Наибольший вклад в динамику промышленного производства вносит физический объем инвестиций в основной капитал, - его доля составляет 47%, на втором месте стоит численность персонала, занятого научными исследованиями и разработками, - 24,28% и почти столь же существенный вклад у экспорта товаров и услуг (22,5%). В работе [3], выполненной в соавторстве с А.А. Френкелем, была исследована динамика вклада различных факторов в темпы роста промышленного производства на основе эконометрической модели, не включающей инновационные факторы. В этой работе было показано, что в начале периода (2007 г.) наибольший удельный вес имел фактор экспорта товаров и услуг, но уже начиная с 2011-2013 гг. величина экспорта все меньше стимулирует рост промышленного производства, однако его вклад в промышленный рост все еще велик.

Еще одним выводом, сделанным в работе [3], было соответствие роста доли инвестиций снижению доли экспорта и наоборот. Согласно нашему прогнозу, приведенному в работе [3], вклад такого фактора, как физический объем инвестиций в основной капитал, в 2015 г. станет самым большим, что и подтвердилось расчетами по модели, представленной выше в настоящей статье.

Влияние реальных располагаемых денежных доходов населения невелико - 5%. Этот вывод также подтверждают результаты исследований, проведенных в [1], [3], в которых на долю этого фактора приходилось всего 2-4%. Незначительное влияние реальных располагаемых доходов населения на динамику промышленного производства частично можно объяснить тем, что в структуре потребления населения до сих пор очень значительна доля импортной продукции. Так, по данным Росстата, в первом квартале 2016 г. доля импортных потребительских товаров в товарных ресурсах розничной торговли составляла 38%, что ниже, чем, например, в 2007 г. - 47%, но все-таки достаточно велика. Таким образом, стимуляция реальных располагаемых денежных доходов приводит частично к стимулированию потребления импортных товаров, а не к развитию российской промышленности.

Если обратиться к ранжированию влияния независимых переменных на основе коэффициентов эластичности, то на первом месте находится численность персонала, занятого научными исследованиями и разработками, а на втором - удельный вес организаций, осуществлявших технологические инновации, в общем числе организаций. У фактора физического объема инвестиций в основной

о ы

Таблица 2

Оценки относительного влияния факторов на динамику промышленного производства

«

го п н

и а

я

Ш >

ЧО ел к> • I к>

О О 1-1

^ о

Значение коэффициента Ранг Сумма рангов

^■коэффи- э,- ^■коэффи- ^■коэффи- э,- Л -коэффи-

циенты циенты циенты циенты

Реальные располагаемые денежные доходы населения 0,0444 0,0438 0,0583 4 5 4 13

Удельный вес организаций, осуществлявших технологические инновации, 0,0137 0,1628 0,0040 5 2 5 12

в общем числе организаций

Численность персонала, занятого научными исследованиями и разработками 0,4681 0,4897 0,2428 1 1 2 4

Физический объем инвестиций в основной капитал 0,1583 0,1552 0,4701 2 3 1 6

Экспорт товаров и услуг 0,0613 0,0559 0,2247 3 4 3 10

а: £

Ьэ

о

*

о

а »

и х

о

а ж

капитал удельных вес почти столько же значителен, однако величина среднего частного коэффициента эластичности при первом из них существенно выше. Таким образом, вложения в науку могут активно способствовать промышленному росту в России. Как видно на рис. 2, численность персонала, занятого исследованиями и разработками, падала начиная с 2000 г., хотя необходимо отметить, что в последние годы это падение затормозилось, и динамика стабилизировалось в районе единицы.

Анализ средних частных коэффициентов эластичности (см. табл.2) позволит сделать еще один важный вывод. Наращивание сырьевого экспорта (а до последнего времени доля минеральных ресурсов в экспорте превышала 70% - в 2013 г. он составлял 71,5% [10, с. 515, 518]) влияет на увеличение промышленного производства существенно меньше, чем инвестиционный спрос, отражаемый динамикой инвестиций в основной капитал.

Как видно из приведенных выше графиков, значения независимых переменных в 2015 г. снижаются. В 2016 г. падение продолжилось. Так, за первый квартал 2016 г. физический объем инвестиций в основной капитал сократился на 4,4%, реальные доходы населения за январь-апрель 2016 г. - на 4,7%, а экспорт за апрель 2016 г., по данным таможенной статистики составил 69,9% значений соответствующего периода прошлого года [8, с. 6]. Все это, согласно модели, повлечет за собой падение промышленного производства. Наибольшие перспективы на возобновление экономического роста имеет привлечение инвестиций в основной капитал и увеличение доли персонала, занятого в науке.

Литература

1. Френкель А.А., Волкова Н.Н., Сергиенко Я.В. Количественная оценка влияния внешнеэкономической деятельности на динамику промышленного производства. // Вопросы статистики. 2014. № 11.

2. Баранов Э.Ф., Френкель А.А., Волкова Н.Н. Влияние импорта машиностроения на динамику промышленного производства. //Экономика и предпринимательство. 2014. № 12. Ч. 1. С. 49-53.

3. Баранов Э.Ф., Френкель А.А., Волкова Н.Н. Импорт машиностроительной продукции и динамика промышленного производства. // Экономика и предпринимательство. 2015. № 6-2 (59-2). № 6-2. Vol. 9. С. 159-163.

4. Сайт Федеральной службы государственной статистики gks.ru/ free_doc/new_site/vnesh-t/ts-imp.xls. Дата обращения 07.06.2016.

5. Социально-экономическое положение России. gks.ru/free_doc/ doc_2016 social/osn-01-2016.pdf.

С. 60-67.

6. Александр Механик. Без своих червяков не обойдемся // Эксперт. 2014, 08 сент. № 37 (914). expert.ru/expert/2014/37/bez-svoih-chervyakov-ne-оЪо]дет8уа/?8иЪ8сг1Ъе.

7. Российский статистический ежегодник. 2015: Стат.сб. - М.: Росстат,

8. Основные экономические и социальные показатели. Январь-апрель 2016 г. gks.ru/bgd/free/B16_00/IssWWW.exe/Stg/dk01/1-0.doc. Дата обращения 07.06.2016.

9. Hoerl A.E., Kennard R.W. Ridge regression: Aplications to Nonorthogonal Problems // Technometrics. 1970. V. 12. № 1. Р. 69-82.

10. Россия в цифрах. 2015: Крат.стат.сб. / Росстат. M., 2015.

11. Сайт Федеральной службы государственной статистики. gks.ru/ free_doc/new_site/import-zam/3-6.xlsx. Дата обращения 12.07.2016.

N.N. VOLKOVA

PhD in economics, leading research fellow of the Institute of economics of the Russian academy of sciences, Moscow, Russia [email protected]

E.I. ROMANYUK

research fellow of the Institute of economics of the Russian academy of sciences, Moscow, Russia

QUANTITATIVE IMPACT ASSESSMENT OF INNOVATIVE ACTIVITIES ON DYNAMICS OF INDUSTRIAL PRODUCTIONS

The paper is devoted to the analysis of dynamics of industrial production of Russia on the basis of regression model taking into account factors of innovative activities of the entities. As independent variables there were used the following factors of industrial growth in the model: the real located cash incomes of the population, size of export, investment into fixed capital; indicators of innovative activities: specific weight of the organizations performing technological innovations in total number of the organizations; the number of the personnel occupied with research and development. The analysis has showed that investments into fixed capital and specific weight of the organizations performing technological innovations have the greatest contribution to economic growth.

Keywords: industrial growth, econometric model, regression analysis, regression, factors of industrial growth. JEL: С40, L60.

2015.