CC BY
55
СТРУКТУРА ОБОБЩЕННОГО ИНДИКАТОРА НАУЧНОГО ПОТЕНЦИАЛА ИННОВАЦИОННЫХ СИСТЕМ ТЕРРИТОРИАЛЬНЫХ ОБРАЗОВАНИЙ РФ
Немцева Ю.В., соискатель ФАОУДПО Государственная академия специалистов инвестиционной сферы
Обосновано, что в качестве составляющих обобщенного индикатора научного потенциала инновационных систем федеральных округов и крупных научных центров - Москвы и Санкт-Петербурга целесообразно использовать частные функции желательности удельных показателей числа исследователей, в том числе кандидатов и докторов наук, в расчете на 10 тыс. населения, которые в комплексе отражают кадровую компоненту научного потенциала, а также функции желательности интенсивности патентной деятельности, рассчитываемые по числу выданных патентов на изобретения и полезные модели на 100 тыс. населения, в комплексе отражающие результативную компоненту. Такой подход позволяет выполнить ранжирование территориальных образований РФ по величине обобщенного индикатора научного потенциала, а также разработать предложения по индикативному планированию развития научного потенциала территориальных образований РФ и российской инновационной системы в целом.
Ключевые слова: научный потенциал, инновационная система, кадровая компонента, результативная компонента, функция желательности.
STRUCTURE OF THE GENERALISED INDICATOR OF THE SCIENTIFIC POTENTIAL INNOVATION SYSTEMS OF THE TERRITORIAL FORMATION TO RUSSIAN FEDERATION
Nemceva Y., The competitor, State Academy Specialist Investment Sphere
It is motivated that as forming generalised indicator of the scientific potential innovation systems federal county and large scientific centre - a Moscow and Saint Petersburg reasonable to use the quotient to functions to desirability of the specific factors of the number of the researchers, including candidate and doctor of the sciences, in calculation on 10 thous. populations, which in complex reflect the trained component of the scientific potential, as well as functions to desirability to intensities to patent activity, calculated on count; calculate; list issued patent for inventions and useful models on 100 thous. populations, in complex reflecting effective component. Such approach allows to execute ranking the territorial formation Russian Federation in size generalised indicator of the scientific potential, as well as develop the offers on индикативному to planning the development of the scientific potential of the territorial formation Russian Federation and russian innovation systems as a whole.
Keywords: scientific potential, innovation system, trained component, effective component, function to desirability.
Основная цель инновационной деятельности - внедрение инноваций, но это не исключает, а, напротив, предполагает усиление внимания к первой стадии инноваций - стадии исследований. В этой связи особый интерес представляют показатели, отражающих научный потенциал инновационных систем российских территориальных образований. В нашей публикации [1] был выполнен анализ территориального распределения и динамики показателей научного потенциала Центрального федерального округа: числа организаций и численности персонала, выполнявшего исследования и разработки, на одну организацию и на 100 тыс. населения, дифференцированного по категориям и качественному составу исследователей. Оказалось, что показатели научного потенциала сильно варьируют по регионам ЦФО; так, коэффициент вариации доли исследователей в 1995-2007 гг. составлял 17-18%, коэффициент вариации доли техников еще больше: в 1995 г.он составлял 48,8%, а в 2007 г.-36,5%.
Эти статистические исследования ограничивались временным интервалом 1995-2007 гг. В настоящее время опубликованы статистические данные вплоть до 2009 г., что значительно расширяет эмпирическую базу анализа показателей научного потенциала. Кроме того, стало ясно, что в качестве статистических единиц следует брать не регионы, а более крупные территориальные образования-федеральные округа и такие научные центры, как Москва и Санкт-Петербург. И, наконец, следует расширить круг рассматриваемых показателей научного потенциала, дополнив его такими результативными удельными показателями, как число выданных патентов на изобретения и полезные модели, в расчете на 100 тыс. населения. При этом задача формулируется следующим образом: разработать обобщенный индикатор, отражающий не только кадровый потенциал с количественной и качественной стороны, но и результаты его использования.
Поставленная задача разбивается на три подзадачи. Во-первых, следует установить перечень показателей, включаемых в обобщенный индикатор научного потенциала инновационных систем территориальных образований Российской Федерации. Во-вторых, необходимо подобрать и выполнить подходящее преобразование частных показателей научного потенциала в безразмерные индексы. В-третьих, необходимо найти подходящую форму «свертки» частных безразмерных индексов в обобщенный индикатор.
Решение первой подзадачи связано с анализом меры информативности показателей. Так, выполненный нами статистический анализ показал, что из двух удельных показателей кадрового потенциала инновационных систем территориальных образований Российской Федерации - числа докторов наук, занятых исследованиями и разработками, в расчете на 1000 исследователей и на 10 тыс. населения, предпочтительнее в обобщенный индикатор включить число докторов наук на 10 тыс. населения, поскольку для этого показателя коэффициент вариации по территориальным образованиям РФ заметно больше. Аналогично, по этой же причине в кадровую компоненту обобщенного индикатора целесообразно включить число исследователей и кандидатов наук в расчете на 10 тыс. населения.
Что касается результативной компоненты обобщенного индикатора, то в нее целесообразно включить число выданных патентов на изобретения и полезные модели, в расчете на 100 тыс. населения.
Для решения второй подзадачи предлагается использовать нелинейное преобразование Харрингтона- функцию желательности, с помощью которого информативные показатели нормируются на интервал (0, 1) [2]. Преобразование Харрингтона производится по формулам:
d = d (z) = exp (-exp (-z)), (1)
z, = (х, - х,0)/( х,1 - ^o1, (2)
где d- функция желательности значения i-го показателя; z-кодированные значения i-го показателя, представляющие собой безразмерные величины; х - значение i-го показателя; хю и хп- границы области «удовлетворительно» в исходной шкале:
do= d (z (х,о)) = 0,37;d = d (z (хп)) = 0,69. (3)
Особенность этой функции в том, что для ее построения достаточно указать интервал показателя, внутри которого соответствующее свойство можно считать удовлетворительным. В работе [3] предлагается установить границы этого интервала экспертным путем.
Нам представляется более подходящим в этих целях использовать статистические характеристики «обучающей выборки». В общем случае, независимо от вида распределения частных показателей, этот интервал целесообразно устанавливать по следующему алгоритму: в качестве верхней границы зоны «удовлетворительно» использовать медиану индикатора (среднее арифметическое в слу-
чае нормальности распределения индикатора), а в качестве интервала зоны «удовлетворительно» - треть междуквартильного размаха его значений [4] (среднее квадратическое отклонение в случае нормальности распределения индикатора). Такой алгоритм был применен в работе [8] и показал хорошие результаты.
При интерпретации значений функции желательности используется шкала Харрингтона, которая устанавливает соответствие между числовыми интервалами функции желательности и их оценками - табл.1.
Таблица 1. Шкала Харрингтона
Интервалы значений функции желательности Лингвистическая оценка
0,00-0,20 Очень плохо
0,20-0,37 Плохо
0,37-0,63 У довлетворительно
0,63-0,80 Хорошо
0,80-1,00 Очень хорошо
Как видно из табл. 1, значение функции желательностиО соответствует абсолютно неприемлемой величине показателя, 1 - идеальной величине. Важно отметить, что функция желательности никогда не принимает значения О и 1, а асимптотически приближается к ним в зонах «очень плохо» и «очень хорошо» соответственно, и если мы получаем значения ё=0,00 или ё=1,00, то это отражает результат округления чисел.
Практически часто ограничиваются тремя градациями шкалы Харрингтона, отвечающим лингвистическим категориям «плохо», «удовлетворительно», «хорошо». В этом случае область, соответствующая уровню «удовлетворительно», расширяется от 0,37 до 0,69, а области «плохо» и «хорошо» характеризуются интервалами (0,00-0,37) и (0,69-1,00) соответственно.
Продемонстрируем алгоритм преобразования частных показателей научного потенциала инновационных систем территориальных образований на примере функции желательности численности докторов наук на 10 тыс. населения. Статистический анализ показал, что распределение по территориальным образованиям числа докторов наук на 10 тыс. населения отличается от нормального, но после «ремонта» выборки (устранения из нее данных по Москве и Санкт-Петербургу) и перехода к логарифмам удельных показателей кадровой составляющей научного потенциала территориальных образований (федеральных округов) оказалось, что эмпирические распределения логарифмически преобразованных частных индикаторов не противоречит нормальному закону.
Исходя из этого, в качестве характеристики центральной тенденции преобразованного индикатора используем медиану, а в качестве характеристики вариабельности - междуквартильный раз-
мах. Медиана логарифма числа докторов наук на 10 тыс. населения равна значению Ме(1пКдн)=0,1043%, первая и третья квартили Q1 и Q3составляют-0,5351 и 0,8764 соответственно. Отсюда междуквартильный размах ?Q=1,4115. По аналогии с правилом «трех сигм», в формуле (2) используем величину?Q/3=0,4705, т.е. формула (2) принимает вид:
2(Шдн) = (Шдн - 0,1043) / 0,4705.
Тогда получаем функцию желательности численности докторов наук на 10 тыс. населения, представленную на рис. 1.
Диаграммы рис.1 поясняют принцип построения функции желательности численности докторов наук на 10 тыс. населения в федеральных округах: значениям 0 и 1 кодированной переменной на рис. 1 а отвечают граничные значения зоны «удовлетворительно» функции желательности. Значению кодированной переменной меньше 0 отвечает зона «плохо», больше 1 -зона желательности «хорошо». Обращает на себя внимание, что функция желательности близка к линейной в зоне «удовлетворительно», а в зоне «хорошо» носит характер кривой с насыщением. Это вполне отвечает известному экономическому принципу предельной полезности: по мере роста показателя полезность его приращения убывает. Напротив, зоне «плохо» отвечает кривая с ускорением, что соответствует «поощрению» роста показателя на начальном участке. Таким образом, характер функции желательности отвечает нашим субъективным представлениям, и в этом ее преимущество перед традиционным линейным нормированием.
Еще одним положительным результатом применения функции желательности по сравнению с использованием традиционного линейного нормирования является возможность расчета ее значений для территориальных образований, не вошедших в однородную выборку, при этом они не выйдут из интервала [0, 1]. Так, расчеты показывают, что если Центральный федеральный округ по данным на 2009 г. характеризовался значением функции желательности численности докторов наук на 10 тыс. населения, равным
0,990, то г. Москва, по данным за этот же год - 1,000. Согласно шкале Харрингтона (табл. 1), эти значения отвечают зоне желательности «очень хорошо».
В соответствии со шкалой Харрингтона, на диаграмме рис. 1 б показано уже не три зоны желательности, а пять: «очень плохо», «плохо», «удовлетворительно», «хорошо» и «очень хорошо». В качестве примера в табл. 2 представлено распределение территориальных образований Российской Федерации по зонам желательности по данным за 2009 г., при этом в скобках указаны значения функции желательности численности докторов наук на 10 тыс. населения.
Аналогично, построены функции желательности двух других частных индикаторов: числа исследователей и кандидатов наук на 10 тыс. населения Значения частных функций желательности кадрового потенциала федеральных округов, Москвы и Санкт-Петербурга приведены в табл.3.
Рис. 1. Функция желательности численности докторов наук на 10 тыс. населения: а - принцип построения; б - зоны желательности
Таблица 2. Распределение территориальных образований РФ по зонам желательности численности докторов наук на 10 тыс. населения (2009 г.)
Зона желательности Территориальное образование
Очень хорошо г. Москва (1,000), г. Санкт-Петербург (1,000), ЦФО (0,990), СЗФО (0,904), Белгородская обл. (0,951)
Хорошо -
У довлетворительно СФО (0,582), ДФО (0,395)
Плохо -
Очень плохо УФО (0,128), ПФО (0,093), ЮФО (0,068)
Таблица 3. Значения функций желательности индикаторов кадрового научного потенциала инновационных систем территориальных образований РФ по данным за 2009 г.
Территориальное образование Функция желательности численности на 10 тыс. населения Кадровая обобщенная функция желательности
исследовате- лей кандидатов наук докторов наук
ЦФО 0,977 0,981 0,990 0,983
Москва 1,000 1,000 1,000 1,000
СЗФО 0,903 0,894 0,904 0,900
Санкт-Петербург 1,000 1,000 1,000 1,000
ЮФО 0,068 0,058 0,068 0,065
ПФО 0,361 0,104 0,093 0,186
УФО 0,359 0,111 0,128 0,199
СФО 0,278 0,420 0,582 0,427
ДФО 0,136 0,381 0,395 0,304
Поскольку между частными функциями желательности (далее ЧФЖ) численности на 10 тыс. населения исследователей, кандидатов и докторов наук, по данным табл. 3, наблюдаются сильные положительные корреляционные связи, в качестве значений кадровой обобщенной функции желательности следует принять арифметические средние (последняя графа табл.3).
По этому же алгоритму нами построены ЧФЖ результативных показателей научного потенциала российской инновационной системы - числа выданных патентов на изобретения и полезные модели в расчете на 100 тыс. населения.
Значения ЧФЖ результативных показателей научного потенциала федеральных округов, Москвы и Санкт-Петербурга приведены в табл.4.
Между частными функциями желательности результативных показателей научного потенциала федеральных округов, Москвы и Санкт-Петербурга, приведенных в табл.4, наблюдается сильная положительная корреляционная связь, и в качестве значений результативной обобщенной функции желательности также следует при-
нять арифметические средние (последняя графа табл.4).
Ранжирование территориальных образований по величине кадровой и результативной обобщенных функций желательности представлено на рис. 2. Видно, что в зоне «очень хорошо» по результативной компоненте расположены г. Москва, г. Санкт-Петербург и Центральный федеральный округ, а по кадровой составляющей к этим территориальным образованиям добавляется Северо-Западный федеральный округ. В зоне «удовлетворительно» по результативной компоненте находятся Северо-Западный, Приволжский и Уральский федеральные округа, в зоне «плохо» - Сибирский федеральный округ и в зоне «очень плохо» - Южный и Дальневосточный федеральные округа.
Сравнивая ранжирование территориальных образований РФ по значениям кадровой и результативной обобщенных функций желательности (далее кадровой и результативной ОБЖ), можно заметить, что между кадровой ОБЖ и результативной ОБЖ имеется положительная корреляционная связь. Действительно, из диаграмм рассеяния, построенных в координатах «кадровая ОБЖ» - «резуль-
Таблица 4. Значения функций желательности результативных индикаторов научного потенциала инновационных систем территориальных образований РФ (2009 г.)
Территориальное образование Функция желательности числа патентов на 100 тыс. населения Результативная обобщенная функция желательности
на изобретения на полезные образцы
ЦФО 0,940 0,767 0,853
Москва 0,993 0,964 0,979
СЗФО 0,644 0,538 0,591
Санкт-Петербург 0,951 0,943 0,947
ЮФО 0,306 0,000 0,153
ПФО 0,438 0,364 0,401
УФО 0,364 0,438 0,401
СФО 0,411 0,072 0,241
ДФО 0,026 0,000 0,013
Рис. 2. Ранжирование территориальных образований по значениям обобщенных функций желательности: а - кадровая компонента;
б - результативная компонента
тативная ОБЖ» по данным 2005 и 2009 гг., следует, что эта корреляция сильная: значения коэффициента детерминации Я2составляют 0,769 и 0,763 соответственно. Отсюда следует, что эти две обобщенные функции желательности можно «свернуть» в один индикатор, отражающий уровень научного потенциала инновационных подсистем Российской Федерации. Математически этот индикатор есть не что иное, как среднее арифметическое кадровой и результативной ОБЖ. В аналитических целях, однако, продуктивнее рассматривать территориальные образования РФ на двумерных диаграммах рассеяния, построенных в координатах «кадровая ОБЖ» - «результативная ОБЖ».
Прокомментируем размещение территориальных образований РФ по значениям кадровой и результативной обобщенных функций желательности на диаграммах рассеяния, представленных на рис. 3. Как видно из этих диаграмм, в зоне «очень хорошо» по значениям обеих функций желательности и в 2005 г., и в 2009 г. находились Москва и Санкт-Петербург. Обращает на себя внимание, что Центральный федеральный округ за пять лет из зоны «удовлетворительно» по значениям результативной ОБЖ переместился в зону «очень хорошо». Улучшила свои показатели и инновационная подсистема Северо-Западного федерально-
го округа, переместившись из зоны «плохо», в которой она находилась в 2005 г. по значениям результативной ОБЖ, в зону «удовлетворительно». Следует отметить также положительные сдвиги в результативности научного потенциала Приволжского и Уральского федеральных округов: ПФО из зоны «плохо», в которой он находился в 2005 г., переместился в 2009 г. в зону «удовлетворительно», а УФО - также в зону «удовлетворительно», но из зоны «очень плохо». Практически не изменилась ситуация к лучшему в Дальневосточном федеральном округе, лишь небольшие изменения к лучшему наблюдаются в инновационных подсистемах Южного и Сибирского федеральном округах.
Таким образом, поставленная задача решена. Обосновано, что в качестве составляющих обобщенного индикатора научного потенциала инновационных систем федеральных округов и крупных научных центров - Москвы и Санкт-Петербурга целесообразно использовать частные функции желательности удельных показателей числа исследователей, в том числе кандидатов и докторов наук, в расчете на 10 тыс. населения, которые в комплексе отражают кадровую компоненту научного потенциала, а также функции желательности интенсивности патентной деятельности, рассчитываемые по числу выданных патентов на изоб-
Рис. 3. Распределение территориальных образований РФ по значениям кадровой и результативной обобщенных функций
желательности: а - 2005 г.; б - 2009 г.
ретения и полезные модели на 100 тыс. населения, в комплексе отражающие результативную компоненту. Такой подход позволяет выполнить ранжирование территориальных образований РФ по величине обобщенного индикатора научного потенциала, а также разработать предложения по индикативному планированию развития научного потенциала территориальных образований РФ и российской инновационной системы в целом.
Литература:
1. Немцева Ю.В., Потапов А.С. Научно-инновационный потенциала Центральной России: статистический анализ // Транспорт-
ное дело России, №12, 2008.
2. Harrington E.C. The desirable function // Industrial Quality Control.1965. V.21. №10.
3. Оптимизация качества. Сложные продукты и процессы / Э.В. Калинина, А.Г. Лапига, В.В. Поляков и др. М.: Химия, 1989.
4. Шуметов В.Г. Анализ данных в управлении. Курс лекций. Том 1: Введение в анализ данных. Орел: ОРАГС, 2004.
5. Ершова О.И. Построение регионального индикатора инновационной привлекательности на базе функций желательности // Транспортное дело России. 2009. №10.
ОСОБЕННОСТИ МАРКЕТИНГОВОЙ деятельности зарубежных банков
Цветков И.
В статье рассматривается специфика маркетинговой деятельности зарубежных банков.
Ключевые слова: банковский маркетинг, зарубежные банки, интегрированный маркетинг банков.
FEATURES OF THE MARKETING ACTIVITIES OF FOREIGN BANKS
Tsvetkov I.
The article deals with specific marketing activities of foreign banks. Keywords: bank marketing, foreign banks, integrated marketing banks.
Особенности маркетинга в банковской сфере обусловлены, прежде всего, спецификой банковской продукции: продукта, услуги или операции, совершаемой банком.
Услуга - любая деятельность или выгода, которую одна сторона может предложить другой, она неосязаема и не влечет за собой права собственности на приобретенный продукт.1
На определенном уровне теория маркетинга имеет универсальное приложение - независимо от того, в какой сфере развивается бизнес, он строится на одних и тех же принципах, и его подстерегают одни и те же опасности. Тем не менее специфика того или иного вида бизнеса в сфере услуг может предопределять необходимость уделять гораздо большего внимания тем или иным элементам маркетинга что, в свою очередь, может привести к использованию различных маркетинговых подходов.
Чаще всего определяют следующие уникальные свойства ус-луг2 :
• Неосязаемость - услуги в значительной степени абстракты и именно неосязаемы;
• Гетерогенность - услуги бывают исключительно разнообразными и не поддаются стандартизации;
• Неотделимость - услуги обычно создаются и потребляются одновременно и при участии самого потребителя;
• Недолговечность - услугу невозможно хранить.
Однако далеко не все услуги обладают вышеперечисленными
характеристиками и некоторые из них могут иметь даже противоположные свойства.
Исходя из того, что рынок банковских услуг является одним из сегментов рынка финансовых услуг, можно утверждать, что все основные признаки и характеристики рынка финансовых услуг можно отнести и к рынку банковских услуг. Следовательно, существует определенный набор признаков и характеристик, которые отличают рынок банковских услуг, как и рынок финансовых услуг, от товарных рынков. Необходимо рассмотреть особенности конкуренции на рынке банковских услуг, которые одинаково отличают все сегменты рынка финансовых услуг от товарных рынков. 3
Первая из особенностей конкуренции на рынке банковских услуг, отличающих ее от конкуренции на товарных рынках, обусловлена таким специфическим свойством товара, как всеобщая эквивалентность денег. Денежные средства являются абсолютно ликвидным товаром, и довольно трудно поддаются замещению други-
ми товарами. В этом смысле деньги не являются товаром эластичного спроса. Эта незаменимость придает конкуренции, осуществляемой в сфере предоставления банковских услуг, более острый характер, что обусловливает приверженность кредитных организаций к высокорисковым операциям.
Второе существенное отличие рынка банковских услуг от товарных рынков тоже обусловлено тем, что «товаром», который обращается, являются деньги и связанные с ними финансовые инструменты. В подавляющем большинстве случаев этот «товар» эфемерен, так же как и действительность финансового рынка в известном смысле виртуальна. Одним из финансово-психологических последствий вышесказанного является поведение участников рынка банковских услуг, выражающееся в следовании общей тенденции: участники финансового рынка «как и определенные виды животных, имеют основания для передвижения стадами». 4
Третьей особенностью служит то факт, что рынки финансовых услуг все чаще имеют дело с финансовыми инструментами, среди которых все большее место занимают совершенно новые, ранее неизвестные инструменты. Банковские рынки привлекают к себе лучшие умы. Сочетание интеллектуальных способностей с компьютерными технологиями предполагает широкое поле для фантазий, которые, как показывает практика, не имеют границ. Здесь можно найти производные инструменты на любой базовый актив.
Четвертая особенность конкуренции на рынке банковских услуг, отличающая ее от конкуренции на товарных рынках, связана с мобильностью финансового капитала. Финансовый капитал является еще более мобильным, чем физические инвестиции, он занимает привилегированное положение - он может избегать страны, в которых подвергается высоким налогам и строгому регулированию. Кредитные организации как субъекты, обеспечивающие соответствующую направленность движения финансового капитала, играют в этом процессе ключевую роль. В связи с этим конкуренция на рынке банковских услуг отличается от конкуренции на товарных рынках еще и их географическими границами.
Пятое отличие конкуренции на рынке банковских услуг от конкуренции на товарных рынках состоит в том, что приближенность к экономическому центру кредитной организации создает ей более весомые конкурентные преимущества по сравнению с аналогичным местоположением предприятия, конкурирующего на товарном рынке. Можно утверждать, что подобное тяготение финансового
1 Котлер Ф., Вонг В., Сондерс Д., Армстронг Г. «Основы маркетинга», 4-е европейское издание, издательский дом «Вильямс» 2010, стр.704
2 Мак-Дональд М., Пейн Э. «Сфера услуг. Полное пошаговое руководство по маркетинговому планированию».- М.: Эксмо 2009, стр. 28
3 Бабаян М.Н. «Особенности банковской конкуренции» 29.03.2005 (электронный ресурс) http://www.cfin.ru/bandurin/artic1e/sbm07/03.shtm1
4 Сорос Дж. «Кризис мирового капитализма: Открытое общество в опасности». М.: НФ ПКО и НИТ, 1999. С. 56.
