CC BY
52
ми наборами свойств, проявляющихся в разной степени, у ее субъектов и объектов. Множественные процессы, происходящие при ее реализации, характеризуются стремлением постепенно охватить все субъекты и объекты с целью уравнивания наборов их свойств и степени их проявления. Причем уравнивание направлено не на усреднение, а на максимизацию.
Следовательно, процесс эффективного управления инвестиционной деятельностью содействует приобретению однородности свойств сложной экономической системы, причем в данном случае можно отождествлять подобную однородность с общим развитием данной системы.
Важно то, что именно развитие отдельных систем определяет совокупную динамику общественного развития. В случае бурного роста в какой-либо системе на основе революционного прорыва, возникает естественная цепная реакция, связанная с развитием связанных с ней систем. Если инвестиции и инвестиционный доход относятся к разным системам, то посредством инвестиционной деятельности происходит взаимопроникновение этих систем друг в друга, что сопровождается локальным управляемым изменением динамики их развития, что способствует возникновению искусственной цепной реакции развития связанных систем.
Таким образом, инвестиционная деятельность, являясь фактором ускорения общественного развития, так же создает и поддерживает искусственную цепную реакцию развития связанных систем.
Учитывая особенности инвестиционной деятельности сложных
экономических систем в реальном секторе, управление ею должно быть построено не только на использовании регулирующих мер, но и на основе экономических моделей обоснования определенных мероприятий, которые направлены на получение того или иного результата.
Методологические подходы, в соответствии с которыми инвестиционную деятельность рассматривают как линейную, закрытую и равновесную систему, отличаются узостью и бесперспективностью. Они не соответствуют действительному состоянию экономики, которое характеризуется высокой нестабильностью, присутствием кризисных явлений, неравновесностью.
Решение проблем эффективного управления инвестиционной деятельностью экономических систем в реальном секторе зависит от выбора принципиально новых (инновационных) методов формирования систем управления, основанных на новых информационно-аналитических технологиях, позволяющих оптимизировать организацию деятельности в нестабильных внешних условиях.
Литература:
1. Фатхутдинов, Р. А. Инновационный менеджмент. Учебник, 4-е изд./Р.А. Фатхутдинов// - СПб.: Питер, 2003. - 400 C.
2. Хайек Ф.А. фон. Пагубная самонадеянность. Ошибки социализма. [Текст]/Ф.А. Хайек // М.: Изд-во Новости, І992.
3. Шманёв, С.В., Синергетика инвестиций [Текст]/ О.С. Сухарев, С.В. Шманёв, А.М. Курьянов//М.:Финансы и статистика, 2008.- 359 с.
НАУЧНЫЙ ПОТЕНЦИАЛ РОССИЙСКОЙ ИННОВАЦИОННОЙ СИСТЕМЫ: АНАЛИЗ И ПРОГНОЗЫ РАЗВИТИЯ
Сафронова А.А., д.э.н., профессор ФАОУДПО ГАСИС,
Егорова Л.К., к.э.н., доцент,
Немцева Ю.В., к.э.н.
В статье приводятся результаты исследования проблемы измерения индикаторов научно-инновационной деятельности. Особое внимание уделено анализу, эконометрическому моделированию и прогнозу динамики доли исследователей в персонале, выполнявшем исследования и разработки.
Ключевые слова: научный потенциал, инновационная система, кадровая компонента, результативная компонента, функция желательности.
THE SCIENTIFIC POTENTIAL OF RUSSIA’S INNOVATION SYSTEM: ANALYSIS AND DEVELOPMENT FORECASTS
Safronova A., Doctor of Economics, Professor, FAOUDPO GASIS, Egorova L., Ph.D., docent,
Nemtseva Y., Ph.D.
The article presents the results of research on the measurement of indicators of scientific and innovation activities. Particular attention is paid to the analysis, econometric modeling and forecasting the dynamics of the share of researchers in the personnel performing research and development.
Keywords: scientific potential, innovation system, human resources component, productive component, the function of desirability.
В современных условиях перехода к постиндустриальному обществу темпы общественного прогресса во многом определяются эффективностью организации и согласования различных сфер человеческой деятельности, взаимозависимостью и взаимодействием социально-экономических и социальных институтов. Общецивилизационный контекст общественного развития все более связывается с повышением роли науки, научного знания, информационных процессов, инноваций в жизни современного общества. Прогресс в данной сфере неразрывно связан с интеграционными процессами, предполагающими закономерное сближение и взаимопроникновение фундаментальных сторон научного знания и отражающих единство природы, общества и мышления.
Мировой исторический опыт неопровержимо доказывает, что эффективное и устойчивое развитие субъектов хозяйственной деятельности в различных сферах бизнеса достигается за счет оперативного использования инноваций, обеспечивающих стратегические конкурентные преимущества на рынке.
Традиционно инновационная деятельность связывается с функционированием научных и опытно-конструкторских организаций. В этой связи широко используется понятие «территориальное раз-
мещение науки», как размещение по территории экономического района или иного территориального образования ресурсов сферы исследований и разработок.
Научно-инновационная система - это совокупность и взаимодействие академических, вузовских, научно-исследовательских, опытно-конструкторских, технологических, внедренческих, информационных учреждений, научно-внедренческих подразделений крупных корпораций, а также государственных управленческих структур, которое обеспечивается их функционированием в режиме достижения согласованных стратегических целей инновационного развития.
Сложившаяся в настоящее время в российской экономике ситуация позволяет говорить о центробежной тенденции в развитии научного потенциала, вызванной влиянием современного научнотехнологического развития, необходимостью территориальной интеграции науки, инновационных систем и их инфраструктуры. Современный российский регионализм существенно демократизирует и диверсифицирует условия и сам процесс научно-техногенного и инновационного развития, поскольку вносит в него начала самостоятельной инициативы, конкуренции за перспективы своего раз-
Таблица 1. Численность исследователей, докторов и кандидатов наук по секторам научной деятельности
Год Всего Сектор деятельности
государственн ый предпринимате льский высшего профессиональ ного образования некоммерчески х организаций
Исследователи
2007 392849 138169 219632 34162 886
2008 375804 132261 209579 33160 804
Доктора наук
2007 25213 17415 4446 3252 100
2008 25140 17326 4284 3439 91
Кандидаты наук
2007 78512 44292 21811 12078 331
2008 75909 43043 20560 12040 266
вития. В то же время, следует учитывать, что процессы деконцентрации исследовательского потенциала, обусловленные центробежными тенденциями территориальной деконцентрации исследований и ярко выраженные на государственном и межрегиональном уровне, на следующем уровне - региональном - сопровождаются не менее ярко выраженными процессами концентрации исследовательского потенциала в крупных городах, административных центрах, выступающих «генераторами» научно-технологического развития на прилегающих к ним территориях.
Несмотря на достигнутый прогресс в области исследования технологической эволюции и роли инновационных систем в трансформации территориальной структуры хозяйства, в методологии научно-инновационных систем остается ряд проблем, затрудняющих как оценку научно-инновационной деятельности и ее влияния на экономическую эволюцию, так и регулирование этой сферы на национальном и межрегиональном уровнях.
К числу таких проблем относится, прежде всего, проблема измерения индикаторов научно-инновационной деятельности. В настоящее время существуют четыре группы статистических показателей, отражающих некоторые аспекты научно-инновационной деятельности:
- статистические показатели развития сферы исследований и разработок (затраты на исследования и разработки, численность исследовательского персонала и т.д.);
- патентная статистика;
- библиометрические данные о научных публикациях и цити-руемости;
- технологический баланс платежей, характеризующий международный трансфер технологий.
При определенной ограниченности - статистика науки охватывает первую фазу инновационного цикла, а именно, процесс производства новых знаний, - эти показатели позволяют оценить интенсивность инновационных процессов, проводить сравнительный анализ во временном и пространственном разрезах.
Особый интерес представляет группа показателей, отражающих научный потенциал регионов. К ним относятся следующие показатели, приводимые в официальных статистических сборниках:
- число организаций, выполнявших исследования и разработки;
- число организаций, ведущих подготовку аспирантов;
- численность аспирантов, прием и выпуск из аспирантуры;
- выпуск из аспирантуры с защитой диссертации;
- основные показатели деятельности докторантуры;
- данные по персоналу, занятому исследованиями и разработками, дифференцированные по категориям (исследователи, техники, вспомогательный и прочий персонал);
- данные по исследователям - докторам и кандидатам наук.
Помимо перечисленных показателей, необходимо также выполнить анализ показателей патентной деятельности, отражающей результативность научного потенциала российской инновационной системы в целом и ее подсистем. Главными из показателей этой группы являются: число заявок на изобретения и полезные модели; число выданных патентов на изобретения и полезные модели.
По всем перечисленным показателям данные официальной ста-
тистики приведены как в территориальном, так и во временном разрезах, что позволяет проводить глубокий анализ динамики развития и территориальных особенностей первой стадии инновационных процессов. В то же время, подобные исследования требуют разработки соответствующей методологической базы, которая позволила бы формализовать процесс «извлечения знаний из данных». Исследования территориальных особенностей первой стадии инновационных процессов методологически связаны с таким подходом и должны основываться, прежде всего, на статистических методах анализа показателей научного потенциала российской инновационной системы в целом и ее подсистем на уровне федеральных округов и крупных научных центров. При этом основное внимание должно быть уделено развитию и территориальным особенностям инновационных процессов, протекающих на рассматриваемых территориях.
Основными элементами научного потенциала инновационной системы в официальной статистике считаются организации, выполняющие научные исследования и разработки, а также занятый исследованиями и разработками персонал. При этом отечественная статистика различает следующие сектора научной деятельности:
1) государственный сектор; 2) предпринимательский сектор; 3) сектор высшего профессионального образования; 4) сектор некоммерческих организаций.
Представление о масштабах каждого из секторов деятельности дает численность исследователей, в том числе докторов и кандидатов наук, занятых исследованиями и разработками - табл. 1.
Из этой таблицы видно, что по данным на 2007-2008 гг. наибольшей численностью исследователей характеризовался предпринимательский сектор, в котором было занято около 56% от общей численности, тогда как в государственном секторе занято исследователей значительно меньше - около 35%. Но по качественному составу государственный сектор - на первом месте; здесь занято около 69% всех докторов наук и более 56% кандидатов наук, тогда как в предпринимательском секторе - около 17% докторов наук и 27% кандидатов наук. Отметим слабость сектора высшего профессионального образования: в нем занято меньше 9% всех исследователей.
В табл. 1 обращает на себя внимание, что доля докторов наук среди исследователей в 2007-2008 гг. была больше всего в государственном секторе, меньше всего - в предпринимательском секторе. Доля кандидатов наук среди исследователей в 2007-2008 гг. была больше всего в секторе высшего профессионального образования, меньше всего, как и докторов наук, в предпринимательском секторе.
Представление о динамике числа научных организаций в 19952009 гг. и численности персонала, выполнявшего исследования и разработки в этот же период, дает рис. 1. Видно, что в динамике общего числа организаций РФ, выполнявших исследования, проявляются следующие циклы: 1) цикл стабильности числа организаций - с 1995 по 2000 гг.; 2) первый цикл спада числа организаций
- с 2000 по 2005 гг.; 3) цикл восстановления числа организаций - с 2005 по 2007 гг.; 4) второй цикл спада числа организаций - с 2007 г. по настоящее время.
Временной ряд численности персонала, выполнявшего исследования и разработки в этих организациях (рис. 1 б), также носит
Год Год
Рис.1. Динамика общего числа научных организаций РФ (а) и численности персонала, выполнявшего исследования и разработки (б)
явно выраженный циклический характер, но циклы на нем уже иные:
1) первый цикл спада численности персонала - с 1995 по 1998 гг.;
2) цикл некоторого восстановления численности персонала - с 1998 по 2000 гг.; 3) второй цикл спада численности персонала - с 2000 по 2007 гг.; 4) третий цикл спада численности персонала - с 2007 г. по настоящее время.
Из сопоставления циклов динамики численности персонала с циклами динамики общего числа научных организаций РФ следует, что в цикле стабильности числа организаций (1995-2000 гг.) наблюдаются два периода: в начале рассматриваемого временного периода, с 1995 по 1998 гг., российская инновационная система претерпевала спад за счет «вымывания» научных кадров, а в последующие два года - с 1998 по 2000 гг. - этот спад сменился некоторым ростом обоих показателей.
Во втором цикле спада численности персонала (2000-2007 гг.) также проявляют себя два периода: в 2000-2005 гг. новый цикл спада численности персонала сопровождался уменьшением общего числа научных организаций РФ, а в последующие два года - с 2005 по 2007 гг. - спад численности персонала несколько снизался, причем этот спад сопровождался некоторым ростом числа организаций.
Кризисные явления в мировой и российской экономике, однако, в последующие годы выразились как в снижении числа организаций, выполнявших исследования и разработки, так и в уменьше-
нии численности работающего в них персонала.
Интерес представляет анализ динамики показателя, отражающего «мощность» научных организаций - численности персонала, приходящегося на одну организацию. При значительном снижении этого показателя- с 72 человек на организацию в 1995 г. до 52 в 2009 г., выделены следующие циклы: 1) первый цикл быстрого спада показателя - с 1995 по 1998 гг.; 2) цикл некоторого восстановления численности персонала на одну организацию - с 1998 по 2001 гг.;
3) второй цикл медленного спада показателя - с 2001 по 2007 гг.; 4) третий цикл ускоренного спада численности персонала на одну организацию - с 2007 г. по настоящее время.
Важным показателем научного потенциала российской инновационной системы является состав научного персонала по четырем категориям: исследователи, техники, вспомогательный и прочий персонал. Анализ показал, что характер динамики численности персонала по категориям близок к характеру динамики численности персонала в целом, однако в структурном плане имеются существенные различия - рис. 2.
Так, на графике динамики доли исследователей (рис. 2 а) выделяется цикл стабильности данного показателя структуры персонала в период с 1995 по 1998 гг., с 1998 по 2002 гг. происходило снижение доли исследователей, после чего наблюдался вначале медленный, затем более быстрый рост доли исследователей. Напротив, динамика удельного веса техников в общей численности
Рис.2. Динамика доли численности категорий персонала, выполнявшего исследования и разработки в 1995-2009 гг.: а
исследователей; б - техников
персонала, выполнявшего исследования и разработки, иная - в период 1995-1998 гг. наблюдалось быстрое снижение доли этой категории персонала, а затем спад доли техников происходил значительно медленнее (рис. 2 б).
Эконометрическое моделирование динамики доли исследователей в персонале, выполнявшем исследования и разработки в 20042009 гг., показало, что фактические данные могут быть описаны линейной и экспоненциальной моделями: линейная модель
Гссл = 47,69 + 0,41 t, (1)
экспоненциальная модель
Гссл = 47,70 exp (0,0012 tt). (2)
Здесь tl - временная переменная, определяемая соотношением
t = год - 2004.
(3)
Характеристики качества моделей (1) и (2) достаточно высокие (коэффициент детерминации 0,955 и 0,956 соответственно, критерий Фишера 85,7 и 86,4 статистически значим на высоком уровне 0,0008 и 0,0007 соответственно), и это позволяет интерпретировать их параметры следующим образом: расчетный уровень 2004 года доли исследователей в общей численности персонала, выполнявшего исследования и разработки, составил 47,7%; среднегодовой прирост удельного веса исследователей в период 2004-2009 гг. составлял 0,41%; среднегодовой темп прироста их доли в общей численности персонала в этот период составлял 0,12%.
Аналогично, получены две конкурирующие модели динамики доли техников в общей численности научного персонала- логарифмическая и гиперболическая, из которых в дальнейшем анализе использована гиперболическая модель
Wтехн = 8,11 + 1,52 / (4)
где^ - временная переменная, определяемая соотношением
^= год - 1994. (5)
Параметры модели (4) интерпретируются следующим образом: расчетный уровень 1995 года удельного веса техников в общей численности персонала, выполнявшего исследования и разработки, составил 9,63% (фактически 9,55%); прогнозный предельный (на перспективу) уровень удельного веса техников в общей численности персонала составляет 8,11%; предельная величина снижения удельного веса техников в общей численности персонала составляет 1,52%.
Сумма долей категорий персонала, выполнявшего исследования и разработки, равна 100%, и для разработки прогноза структуры достаточно располагать моделями динамики трех категорий из четырех, при этом в качестве третьей категории персонала выбрана категория «прочие». Для прогнозирования здесь принята гиперболическая модель
W = 17,17 - 1,75 / I,, (6)
проч 7 7 27 4 '
где^ - временная переменная, определяемая соотношением (6).
Параметры этой модели интерпретируются следующим образом: расчетный уровень 1995 года удельного веса персонала категории «прочие» составил 15,42% (фактически 16,0%); прогнозный предельный (на перспективу) уровень удельного веса персонала категории «прочие» составляет 17,17%; предельная величина увеличения доли персонала категории «прочие» составляет 1,75%.
Судя по результатам прогноза удельного веса категорий персонала, в 2012 г. следует ожидать некоторого роста доли исследователей - до 50,9% и снижения доли вспомогательного персонала - до 23,8%, при сохранении долей техников и прочего персонала на уровне 8,2% и 17,1% соответственно (табл. 2).
Заслуживает внимания анализ динамики численности исследователей с учеными степенями кандидатов и докторов наук - рис.
3. Как следует из приведенных на этом рисунке графиков временных рядов, численность кандидатов наук в период 1995-2006 гг. монотонно убывала, а численность докторов наук, напротив, монотонно возрастала на протяжении всего этого периода.
Если динамика численности исследователей: имеющих ученые степени, носит монотонный характер, то динамика удельного веса докторов и кандидатов наук в общем числе исследователей - циклический (рис. 4).
В динамике удельного веса докторов наук присутствуют два цикла:1) первый цикл роста доли докторов наук - с 1995 по 1998 гг. и 2) второй цикл роста доли докторов наук - с 1998 г. по настоящее время, тогда как динамика удельного веса кандидатов наук имеет три цикла:1) первый цикл роста доли кандидатов наук - с 1995 по 1998 гг.; 2) цикл спада доли кандидатов наук - с 1998 по 2004 гг.; 3) второй цикл роста доли кандидатов наук - с 2004 г. по настоящее время.
Таблица 2. Прогноз удельного веса категорий персонала
Год Категория персонала
исследователи (линейная модель) техники (гиперболическая модель) вспомогательный персонал (расчет по сумме компонент структуры) прочие (гиперболическая модель)
2010 50,13 8,20 24,61 17,06
2011 50,53 8,20 24,21 17,06
2012 50,94 8,19 23,80 17,07
са роста доли кан-
Год Год
Рис. 3. Динамика численности исследователей: имеющих ученые степени: а - кандидатов наук; б - докторов наук
а
РФ
о
сс
ф
с;
о
*=L
1995 1997
1996 1Ї
1999 2001 2003 2005 2007 2009
18 2000 2002 2004 2006 2008
б
РФ
о
Ф
с;
1995 1997
1999 2001 2003 2005 2007 2009
18 2000 2002 2004 2006 2008
Год Год
Рис. 4. Динамика удельного веса исследователей, имеющих ученые степени: а - кандидатов наук; б - докторов наук
дидатов наук в третьем цикле и доли докторов наук во втором цикле, и в этой связи в работе получены эконометрические модели для указанных циклов:
для кандидатов наук
W = 20,42 exp (0,0196 t,), (7)
иссл_канд ’ гч, чу
для докторов наук
Wиссл докт = 4,84 exp (0,0308 t3). (8)
Здесь tj - временная переменная, определяемая соотношением (3), а t3 -соотношением
t3= год - 1998. (9)
Параметры моделей (7) и (8) интерпретируются так: расчетный уровень доли кандидатов наук в начале третьего цикла (2004 г.) равен 20,4% (при фактическом значении 19,1%), расчетный уровень доли докторов наук в начале второго цикла (1998 г.) равен 4,8% (при фактическом значении 4,9%), средний темп прироста доли кандидатов наук в третьем цикле составил 1,96% в год, а средний темп прироста доли докторов наук во втором цикле составил значительно большую величину - 3,08% в год.
Если выявленные тенденции сохранятся, к 2012 году следует ожидать повышения удельного веса исследователей-кандидатов наук до 21,4% с 90%-м доверительным интервалом 21,0% ... 21,9%, исследователей-докторов наук 7,5% с 90%-м доверительным интервалом 7,3% . 7,6%.
В наиболее крупной инновационной системе макрорегионов РФ - системе Центрального федерального округа (ЦФО)-характер динамики большинства рассмотренных выше показателей идентичен их изменению в России в целом, но в ЦФО больше доля исследователей, при меньшей доле вспомогательного и прочего персонала. В Центральном федеральном округе находятся наиболее крупные научные организации, на его долю приходится половина научного персонала, качественный состав которого отличается от РФ в лучшую сторону.
В результате анализа территориальных различий показателей научного потенциала российской инновационной системы выявлено, что на долю четырех округов-лидеров - ЦФО, СЗФО, ПФО и СФО - и в 1995 г., и в 2009 г. приходилось 80% организаций от общего их числа в Российской Федерации, а на долю остальных аутсайдеров - Южного, Уральского и Дальневосточного федеральных округов - остальные 20% научных организаций.
Поскольку численность населения территориальных образований сильно варьирует по федеральным округам и крупным научным центрам (Москва, Санкт-Петербург), наряду с объемными показателями в работе рассмотрены также удельные показатели - в расчете на 100 и 10 тыс. населения. По числу научных организаций на 100 тыс. населения первые два места и в 1995, и в 2009 гг. занимали города Москва и Санкт-Петербург, в которых превышение среднего по России уровня составило 3,6 и 3,5 крат в 1995 году, а в 2009 году - 3,1 и 2,9 крат соответственно. По численности персонала научных организаций на 10 тыс. населения по данным на 1995 и 2009 гг., первые два места по данному удельному показателю так-
же занимают города Москва и Санкт-Петербург, в которых превышение среднего по России уровня составило 5,1 и 4,1 крат в 1995 году, а в 2009 году - 4,3 и 3,3 крат соответственно.
По доле персонала организаций, выполнявших исследования и разработки в РФ, и в 1995 г., и в 2009 г. на первом месте находилась Москва с показателями 31,8% и 32,3% соответственно, тогда как Санкт-Петербург занимал в эти годы пятое место с показателями 13,3% и 11,0% соответственно.
Важным индикатором «мощности» организаций, выполняющих исследования и разработки, является численность персонала, приходящегося на одну организацию. Наиболее мощным кадровым потенциалом располагают научные организации г. Москвы, именно за счет этого субъекта РФ Центральный федеральный округ занимает второе место по данному удельному показателю. Третье место занимает г. Санкт-Петербург, но это не позволило СевероЗападному федеральному округу занять четвертое место, на котором и в 1995, и в 2009 гг. оказался Приволжский федеральный округ. Безусловными аутсайдерами по этому показателю оказались Сибирский, Южный и Дальневосточный федеральные округа.
Временные изменения в структуре персонала организаций, выполнявших исследования и разработки, наглядно проявляют себя путем сравнения пространственных профилей показателей, особенность которых в том, что перед построением графиков последовательностей территориальные образования ранжируются в порядке уменьшения анализируемого показателя. Тем самым достигается наглядность представления пространственно-временных данных. Так, сравнивая пространственные профили структуры на рис. 5 а, бросается в глаза, что в ДФО, СФО и ЮФО, в отличие от остальных территориальных образований, доля кандидатов наук среди исследователей повысилась в значительной мере, тогда как в Москве удельный вес кандидатов наук даже снизился, а в других территориальных образованиях практически не изменился. Аналогично, сравнивая пространственные профили на рис.5б, можно отметить, что наибольший рост доли докторов наук в 2009 году по сравнению с 1995 годом наблюдался в Дальневосточном, Сибирском и Южном округах.
Интересным также представляется анализ концентрации научных организаций и научного персонала в федеральных округах. Наряду с оценками этой характеристики путем построения кумулятивной диаграммы Парето, в этих целях предложено рассчитывать нормированные значения индекса Герфинделя-Хиршманна, определяемые по формуле
ит = щт - ит >/(10000 -ит )г100, %. (10)
норм 4 мин' 4 мин' ’ 4 '
где иИ^ - ненормированный индекс концентрации, рассчитываемый как сумма квадратов территориальных индексов федеральных округов:
ИИ^ = У(И )2, (11)
уЧ терр_/' ’ ЧУ
аИИМ - минимальное значение индекса концентрации Гер-
финдаля-Хиршманна, отвечающее равномерному распределению показателей по округам и определяемое по формуле
а
б
40
ТО 30 £ аз Ч
^ 20 го
10
15'
\ £
*
\/\ £ 10. \ Л
V \ > 05 \ / *
Q_ О > / V
b о ct
І s. to
О 1995 S' v \
-- 5
2009 s 0
1995
2009
^EL %л Яги
О %
%\ч%\\
Территориальное образование
Территориальное образование
Рис. 5. Пространственные профили доли исследователей научных организаций в 1995 и 2009 гг.: а - кандидаты наук; б - доктора наук
НШмш = 10000/к, (12)
где к - число округов. Удобство этой меры концентрации в том, что нормированный индекс изменяется в пределах от 0 до 100% и тем самым представляет собой относительную меру уровня концентрации.
Расчеты показывают, что если значения нормированного индекса концентрации в 1995 г. составляли 28,8% и 35,2% соответственно для кандидатов и докторов наук, то в 2009 г. этот индикатор снизился на 2,3% и 10,7%, т.е. в 1,18 и 1,33 раза соответственно.
Для оценки масштаба концентрации кадров высшей квалификации обратимся к опыту применения индекса Герфиндаля-Хирш-манна в международной антимонопольной практике. Так, принято считать, что безопасный с точки зрения монополизации рынок предполагает, что величина ненормированного индекса Герфиндаля-Хиршманна будет меньше 1000. Если значение индекса превышает 1800, то рынок считается высококонцентрированным, и на нем не допускается слияния фирм. Если же значение индекса находится в диапазоне от 1000 до 1800, то слияние фирм допускается только тогда, когда в результате слияния индекс не вырастет более чем на 100 пунктов, не выходя при этом за границу 1800.
В определенной мере можно полагать, что научные результаты являются продуктом рынка интеллектуального труда. Согласно расчетам, в российской инновационной системе в 2009 г. ненормированный индекс Герфиндаля-Хиршманна принимал значения 3526 для кандидатов и 3695 для докторов наук, что намного превышает пороговое значение 1800 для высококонцентрированного рынка. Если исходить из «рыночной» точки зрения, то столь высокая концентрация кандидатов и, тем более, докторов наук в российской инновационной системе приводит к монополизации исследований и разработок учеными организаций Центрального и Северо-Западного федеральных округов.
Важной проблемой развития научного потенциала является воспроизводство кадрового потенциала российской инновационной си-
стемы, что во многом связано со слабостью вузовской науки. В то же время, именно высшие учебные заведения выступают в качестве основы подготовки квалифицированных кадров для всех отраслей народного хозяйства, а вузовская наука является необходимым условием научно-технического прогресса, предпосылкой развития современных наукоемких производств и передовых технологий.
Являясь одним из приоритетных направлений государственной политики, вузовская наука нуждается в соответствующем финансовом обеспечении. Однако статистика свидетельствует о кризисе недофинансирования науки в России вообще и вузовской - в особенности. Так, если к середине 1990-х годов расходы на научные исследования и разработки составляли (по отношению к ВВП) в США - 4,5 %, в Израиле - 3,5 %, в Японии - 2,9 %, в ФРГ - 2,7 %, во Франции - 2,4 %, в Великобритании - 2,2 %, то в России этот показатель составил 0,54 % (для сравнения: в Чили расходы на научные исследования и разработки составляли по отношению к ВВП
0,56 %) [5]. Состояние финансирования вузовской науки еще более тревожное, поскольку НИОКР в системе образования финансируется, как правило, за счет средств, выделяемых бюджетом на нужды образования.
Важность вузовской науки состоит еще и в том, что она является необходимым условием поддержания профессионального уровня преподавателей и повышения квалификации специалистов, поскольку большая часть кандидатов и докторов наук проходят послевузовскую подготовку именно в системе высшего профессионального образования.
Для оценки эффективности вузовской науки было выполнено сравнение результативности аспирантуры и докторантуры, измеряемой долей лиц, закончивших обучение защитой диссертации на соискание ученой степени кандидата и доктора наук. На первый взгляд, следовало бы ожидать, что эффективность подготовки аспирантов в образовательных учреждениях ВПО ниже, чем в НИИ. Однако расчеты, основанные на официальных статистических данных, не подтверждают это предположение - табл. 3.
Таблица 3. Статистический анализ средних показателей результативности подготовки аспирантов и докторантов в образовательных учреждениях ВПО и НИИ в пешод 2000-2009 гг.
Показатель ?-тест Число степеней свободы Значимое ть (двустор оняя) Разность средних Стандарт ная ошибка разности средних 90%-й доверительный интервал разности средних
нижний верхний
Результативность аспирантуры, % -8,934 18 0,000 -11,899 1,3319 -14,2085 -9,5894
Результативность докторантуры, % -1,957 18 0,066 -4,6761 2,3897 -8,8820 -0,5324
Таблица 4. Статистический анализ средних доли закончивших подготовку в аспирантуре и докторантуре образовательных учреждений ВПО и НИИ в период 2003-2009 гг.
Показатель ?-тест Число степеней свободы Значимое ть (двустор оняя) Разность средних Стандарт ная ошибка разности средних 90%-й доверительный интервал разности средних
нижний верхний
Закончившие подготовку в аспирантуре, % к приему 1,488 12 0,167 2,494 1,6764 -0,4940 5,4816
Закончившие подготовку в докторантуре, % к приему -4,461 12 0,001 -8,608 1,9295 -12,0472 -5,1692
Из этой таблицы следует, что в среднем за период 2000-2009 гг. результативность аспирантуры образовательных учреждений ВПО была значительно выше: 31,0% против 19,1% в НИИ, при этом различаются не только средние, но и 90%-е доверительные интервалы. Результативность докторантуры образовательных учреждений ВПО в среднем также больше: 33,1% против 28,5% в НИИ, причем 90%-е доверительные интервалы здесь также не перекрываются.
Заслуживает внимания также анализ еще одного показателя подготовки кадров высшей квалификации - доли аспирантов и докторантов, заканчивающих аспирантуру и докторантуру, в численности приема на послевузовское обучение в образовательные учреждения ВПО и НИИ. В предположении, что средний срок подготовки составляет три года, отслежена динамика этого показателя на протяжении семи лет - с 2003 по 2009 гг. Выявлено, что в среднем доля закончивших подготовку в аспирантуре НИИ превышает этот показатель для образовательных учреждений ВПО - 74,2% против 71,7%, тогда как доля закончивших подготовку в докторантуре НИИ, напротив, меньше этого показателя для образовательных учреждений ВПО - 78,6% против 87,2%. Статистический анализ, результаты которого приведены в табл. 4, показывает значимость разности средних только для доли закончивших подготовку в докторантуре, а разность средних для доли закончивших подготовку в аспирантуре следует признать незначимой.
Из полученных результатов не следует вывод, что вузовская наука эффективнее научной деятельности НИИ, можно лишь говорить о большей результативности вузовской аспирантуры. По-видимому, не в последнюю очередь это связано с масштабным фактором: если в НИИ в среднем на одну организацию в 2000-2009 гг. приходилось 22,6 аспиранта, то в образовательных учреждениях ВПО почти на порядок больше - 189,3 аспиранта. Но то, что результативность докторантуры НИИ выше, чем в образовательных
учреждениях ВПО, говорит в пользу большей эффективности научной деятельности НИИ.
Помимо показателей кадрового состава персонала научных организаций, были рассмотрены показатели, отражающие результативность научного потенциала российской инновационной системы. Если говорить о первой стадии исследований и разработок, это, прежде всего, показатели патентной деятельности, приводимые в официальных статистических сборниках: число поданных заявок на изобретения и полезные модели; число выданных патентов на изобретения и полезные модели. По этим показателям в официальных статистических изданиях данные приведены в территориальном и временном разрезах, что позволяет проводить анализ динамики развития и территориальных особенностей первой стадии создания инноваций.
Наряду с первичными показателями, во временном и территориальном аспектах рассмотрены удельные и аналитические показатели: число патентов на изобретения и полезные модели на 100 тыс. населения; число патентов на изобретения и полезные модели на 1000 исследователей; результативность заявок на изобретения; результативность заявок на полезные модели.
Анализ пространственных профилей числа выданных патентов на изобретения и полезные модели в расчете на 100 тыс. населения показал, что оба показателя очень сильно варьирует по территориальным образованиям, причем в период 2005-2009 гг. наблюдается тенденция их роста - рис. 6.
Лидерами здесь являются Москва и Санкт-Петербург, а также Центральный федеральный округ, аутсайдером - Дальневосточный федеральный округ. Лидером по двум другим удельным показателям патентной деятельности - числу выданных патентов на изобретения и полезные модели в расчете на 1000 исследователей выступает - Южный федеральный округ, а последнее место в ранжи-
Рис. 6. Ранжирование территориальных образований по числу выданных патентов на изобретения (а) и полезные модели (б) на 100
тыс. населения
Средний уровень
Рис. 7. Распределение параметров динамики числа выданных патентов на изобретения (а) и полезные модели (б) в расчете на 1000 исследователей по территориальным образованиям РФ. Штрихпунктирные линии - уровень РФ
рованной линейке рассматриваемых территориальных образований занимают Санкт-Петербург и Северо-Западный федеральный округ-
Поскольку на нарастающий тренд динамики числа выданных патентов на изобретения и полезные модели в расчете на 1000 исследователей накладывается значительная по величине стохастическая составляющая, что не позволяет построить адекватные эконометрические модели, в работе рассчитаны средние показателей рядов, принятые в теории статистики - средний уровень и средний абсолютный прирост. Результаты расчета этих показателей приведены в наглядной графической форме на рис. 7.
Такое представление результатов расчета рассеяния позволило выявить следующие группы территориальных образований РФ с близкими параметрами временных рядов:
- по динамике числа выданных патентов на изобретения в расчете на 1000 исследователей: (1) СЗФО и Санкт-Петербург; (2) ПФО и ДФО; (3) Москва, ЦФО, УФО и СФО; (4) ЮФО;
- по динамике числа выданных патентов на полезные модели в расчете на 1000 исследователей: (1) СЗФО, Санкт-Петербург, Москва, ЦФО и ДФО; (2) СФО и ПФО; (4) ЮФО и УФО.
Иерархический кластерный анализ, выполненный по методу Уорда с евклидовой квадратичной метрикой на г-преобразованных параметрах динамики числа выданных патентов на изобретения и полезные модели в расчете на 1000 исследователей, показал устой-
чивость приведенной классификации.
Расчеты показали, что коэффициент корреляции между средними уровнями временных рядов числа выданных патентов на изобретения и полезные модели в расчете на 1000 исследователей и среднегодовыми приростами показателя статистически незначим, и эти два индикатора необходимо рассматривать как независимые друг от друга. В отличие от этого, коэффициент корреляции между средними уровнями временных рядов числа выданных патентов на изобретения и полезные модели в расчете на 100 тыс. населения и среднегодовыми приростами данного показателя статистически значим, эти два индикатора в большей степени варьируют по федеральным округам и крупным научным центрам, что и определяет их включение в множество составляющих обобщенного индикатора научного потенциала рассматриваемых территориальных образований.
Для формирования обобщенного индикатора научного потенциала инновационных систем федеральных округов и крупных научных центров - Москвы и Санкт-Петербурга предлагается использовать нелинейное преобразование Харрингтона, иначе называемое функцией желательности, с помощью которого информативные показатели нормируются на интервал (0, 1). Особенность этой функции в том, что для ее построения достаточно указать интервал показателя, внутри которого соответствующее свойство можно считать удовлетворительным. Поскольку выбранные нами частные индикаторы характеризуются распределением, отличным от нор-
Рис. 8. Функция желательности числа докторов наук на 10 тыс. населения: а - принцип построения; б - зоны желательности
Таблица 5. Значения функций желательности индикаторов научного потенциала инновационных систем федеральных округов, Москвы и Санкт-Петербурга по данным за 2009 г.
Территориа льное образование Функция желательности
исследова телей кандидате в наук докторов наук изобретен ИЙ полезных моделей обобщенн ая функция
ЦФО 0,98 0,98 0,99 0,94 0,77 0,92
Москва 1,00 1,00 1,00 0,99 0,96 0,99
СЗФО 0,90 0,89 0,90 0,64 0,54 0,75
Санкт- Петербург 1,00 1,00 1,00 0,95 0,94 0,97
ЮФО 0,07 0,06 0,07 0,31 0,00 0,11
ПФО 0,36 0,10 0,09 0,44 0,36 0,29
УФО 0,36 0,11 0,13 0,36 0,44 0,30
СФО 0,28 0,42 0,58 0,41 0,07 0,33
ДФО 0,14 0,38 0,40 0,03 0,00 0,16
мального, этот интервал предложено устанавливать по следующему алгоритму: в качестве верхней границы зоны «удовлетворительно» использовать медиану частного индикатора, а в качестве интервала зоны «удовлетворительно» - треть междуквартильного размаха.
Алгоритм построения частных функций желательности и назначения зон желательности показан на рис. 8 на примере числа докторов наук на 10 тыс. населения.
Аналогично, построены функции желательности других частных индикаторов: числа исследователей и кандидатов наук на 10 тыс. населения, числа выданных патентов и полезных моделей на 100 тыс. населения. Значения частных функций желательности для федеральных округов, Москвы и Санкт-Петербурга приведены в табл. 5.
Поскольку между частными функциями желательности по данным за 2005-2009 гг. наблюдаются сильные положительные корреляционные связи, в качестве значений обобщенной функции желательности приняты арифметические средние (по данным за 2009 г. эти значения представлены в последней графе табл. 5).
Из табл. 5 следует, что по данным за 2009 г. только Москву,
Центральный федеральный округ, Санкт-Петербург и Северо-Западный федеральный округ, научный потенциал которых характеризуется значениями обобщенной функции желательности 0,99; 0,97; 0,92 и 0,75 соответственно, можно отнести к зонам желательности «очень хорошо» и «хорошо», тогда как Сибирский, Уральский и Приволжский федеральные округа (значения обобщенной функции желательности 0,33; 0,30 и 0,29 соответственно) относятся к зоне «плохо», а Дальневосточный и Южный федеральные округа (значения обобщенной функции желательности 0,16 и 0,11 соответственно) - к зоне «очень плохо».
Литература:
1. Регионы России. Социально-экономические показатели. 2010. Стат. сб. М.: Госкомстат России, 2010.
2. Россия в цифрах. 2010: Крат. стат. сб. М.: Ростат, 2010.
3. SPSSBase 8.0 для Windows. Руководство по применению. М.: СПСС Русь, 1998.
4. Harrington E.C. The desirable function // Industrial Quality Control.1965. V.21. №10.
5. http://www.lexed.ru/pravo/notes/?yalbulganov_01.html - _ftn1
ИНФРАСТРУКТУРНЫЕ ФАКТОРЫ РАЗВИТИЯ АВТОДОРОЖНЫХ ПЕРЕВОЗОК: ОПЫТ РОССИИ, США, ЕВРОПЫ И ЯПОНИИ
Кузнецова А.И., д.э.н., профессор, ФАОУДПО ГАСИС,
Шелестов Н., аспирант ФАОУ ДПО ГАСИС
Бесперебойное функционирование автодорожного комплекса является базовым условием устойчивого развития экономики страны и социального благополучия населения. Транспортная сеть едина по своей природе и комплексное и сбалансированное планирование автодорожной инфраструктуры представляет первостепенную по своей актуальности задачу. И только на уровне тесного взаимодействия федеральных, региональных и местных органов государственной власти, науки и бизнеса возможно построение той транспортной системы которую бы хотели видеть.
Ключевые слова: автодорожные перевозки, факторы развития, экономика.
INFRASTRUCTURE DEVELOPMENT FACTORS ROAD TRANSPORT: THE EXPERIENCE OF RUSSIA, THE U.S., EUROPE AND JAPAN
Kuznetsova A., Doctor of Economics, Professor, FAOUDPO GASIS,
Shelestov N., the post-graduate student, FAOU DPO GASIS
Uninterrupted functioning of a road complex is a base condition of a sustainable development of national economy and social well-being of the population. The transport network is uniform by the nature both the complex and balanced planning of a road infrastructure represents a paramount problem on the urgency. And only at level of close interaction of federal, regional and local public authorities, a science and business probably construction of that transport system which would like to see.
Keywords: road transport, factors of development, the economy.
В мировой экономике ХХ век обозначился бурным развитием ствах передвижения и перевозках различных грузов, осуществляе-
автомобильного транспорта: как индивидуального, так и производ- мых совсем не в далеком прошлом гужевым транспортом. Первые
ственного. По существу произошла техническая революция в сред- успехи на этом поприще продемонстрировали США и страны Ев-
