Изобретательская активность в инновационной деятельности: сравнительный анализ динамики патентования в условиях социально-экономических изменений

Размещено на http://www.allbest.ru/

Изобретательская активность в инновационной деятельности: сравнительный анализ динамики патентования в условиях социально-экономических изменений

В.В. Евенко, М.М. Середа, В.В. Спасенников

Аннотация

На основе данных патентной статистики построена модель зависимости уровня патентной активности стран от различных показателей, характеризующих как развитие науки и техники, так и состояние экономики стран.

Ключевые слова: патентная активность, динамика патентования, модель бинарного выбора, инновационная деятельность.

Одной из ключевых составляющих инновационной деятельности является изобретательская активность, которую можно оценить по количеству выданных патентов по всем группам международной классификации изобретений. В постсоветский период отчетливо прослеживается тенденция снижения изобретательской активности по сравнению с советским периодом, что свидетельствует о негативных явлениях, связанных с патентованием изобретений в России.

В табл. 1 представлены данные о количестве авторских свидетельств и патентов на изобретения, выданных в советский период ( с 1989 по 1991 г.) и в постсоветский, также трехлетний период ( с 2009 по 2011 г.), в условиях современного социально-экономического развития России [1; 2; 3; 15].

Таблица 1. Количество выданных авторских свидетельств на изобретения в СССР за 1989-1991гг. и патентов в России за 2009-2011 гг.

Как следует из табл. 1, изобретательская активность в СССР была почти в три раза выше, чем в современной России. При этом Советский Союз в сфере внедрения изобретений в промышленность находился на одном уровне с ведущими странами Западной Европы, такими как Великобритания, Германия, Франция, Швейцария, и лишь незначительно уступал по данному показателю таким мировым державам, как США и Япония. Россия на современном этапе по количеству выдаваемых патентов занимает более чем скромное место [12].

В последние десятилетия наблюдается тенденция повышения роли интеллектуальной составляющей в социально-экономическом развитии общества. В этих условиях необходимость в патентной охране научно-технических достижений постоянно возрастает. Статистические данные о патентах являются общепринятым показателем научно-технической активности, и их использование позволяет адекватно оценивать уровень научного развития страны [10].

На рисунке представлены показатели, влияющие на патентную активность страны, которые объединены в три группы:

1) показатели, характеризующие развитие науки и технологий;

2) общеэкономические показатели;

3) показатели, полученные методом экспертных оценок.

Рис. Комплексная система показателей в прогнозной модели оценки патентной активности стран

Как показано в работе [10], включение в регрессионную модель большого числа факторных признаков приводит к искажению результатов регрессионного анализа. На практике рекомендуется, чтобы число факторных признаков k было не менее чем в 3 раза меньше количества наблюдений: k ? 3n.

Основой построения регрессионной модели является корреляционный анализ. При этом, с одной стороны, матрица коэффициентов корреляции дает возможность исключить такое явление, как взаимная коррелированность факторных показателей. С другой стороны, выявление значимых связей результирующей переменной с факторными показателями позволяет определить, какие переменные следует отобрать для включения в модель.

Наибольшую связь с патентами на изобретения, полученными резидентами страны во всех странах (Y), имеют следующие восемь переменных: Х₁, Х₃, Х₄, Х₈, Х₉, Х₁₀, Х₁₁, Х₁₃.

Матрица парных корреляций по отобранным показателям представлена в табл. 2.

Таблица 2. Матрица интеркорреляций по отобранным показателям

Отобранные для построения модели показатели имеют прямую связь с патентами на изобретения, полученными резидентами страны во всех странах (Y). Исходя из значений коэффициентов корреляции у Y с показателем затрат на научные исследования и разработки в абсолютном выражении (Х₄), коэффициентом размера внутреннего рынка (Х₁₁) и экспортом высокотехнологичной продукции (Х₃) наблюдается сильная корреляционная связь. В результате проведения регрессионного анализа получена следующая модель регрессии:

= -1322,6+340,9Х₃+860,9Х₄-0,10Х₁₁

Все коэффициенты регрессии являются значимыми на 5%-м уровне значимости. Коэффициент детерминации R2=0,762, так как 76,2% суммарной вариации обусловлено вариацией факторов, включенных в модель.

Коэффициенты регрессии в уравнении являются коэффициентами чувствительности и показывают, на сколько единиц своего измерения изменится результативный признак при изменении факторного показателя на одну единицу при прочих равных условиях.

Спрогнозированные с использованием модели значения выдачи патентов на изобретения всеми патентными ведомствами незначительно отличаются от фактических значений.

Основным показателем, влияющим на патентную активность в стране, а именно на выбранный для ее характеристики показатель, оказались затраты на исследования и разработки. Кроме того, на патентную активность влияет (примерно в 3 раза слабее) экспорт высокотехнологических товаров. Влияние затрат на исследования и разработки на результаты этих исследований и разработок является очевидным.

Важным этапом проведенного исследования явилось решение задачи построения модели, позволяющей оценивать режим получения технологий, используемых фирмами, на основании информации, ежедневно публикуемой международными статистическими службами: Статистическим отделом ООН, ЮНЕСКО и статистическими подразделениями Всемирного банка [4; 5; 6; 15].

В используемой модели бинарного выбора в качестве зависимой переменной выбрана переменная Y - склонность фирм в стране к проведению собственных исследований:

Исходные данные по зависимой переменной получены на основании отчета, опубликованного в работе [13].

В результате оценки была получена следующая модель [7; 8; 9 и др.]:

где - затраты на научные исследования и разработки, % от ВВП; - экспорт высокотехнологичной продукции, млрд долл.

Об адекватности построенной модели свидетельствует нормальность распределения признаков, внедренных в модель, а также близость их ковариационных матриц.

Для оценки прогностических свойств модели построена таблица классификации (табл. 3).

Таблица 3. Таблица классификации

Построенная модель бинарного выбора обладает высокой чувствительностью и хорошо подходит для оценивания режима получения технологий в стране. Повышение патентной активности в России лежит в основе инновационного развития страны, что требует приоритетной государственной поддержки [12; 13; 14].

Анализ существующих и проведенных исследований по патентованию изобретений в России и за рубежом позволяет сделать следующие выводы [3; 10; 12]: патентный активность интеллектуальный общество

1. Для создания конкурентоспособной продукции необходима соответствующая подготовка кадров, которая начинается с федеральных государственных образовательных стандартов высшего профессионального образования. В образовательных стандартах технических, а тем более экономических направлений среди обязательных дисциплин нет именно тех, которые должны научить студентов создавать конкурентоспособную продукцию. Отсутствуют такие важные учебные дисциплины, как:

- основы изобретательской и рационализаторской деятельности (теория решения изобретательских задач);

- патентование изобретений в России и за рубежом;

- эргономика (проектирование эргономичной продукции);

- художественное конструирование, техническая эстетика и дизайн.

2. Отсутствие этих и некоторых других дисциплин приведет к тому, что продукция отечественных предприятий будет конструктивно несовершенной, неудобной в использовании, неэргономичной, т.е. неконкурентоспособной. Такая продукция не найдет сбыта, и выпускающие ее предприятия ожидает банкротство.

3. Перспективным направлением дальнейших исследований и коррекции существующих образовательных стандартов является включение в инженерно-экономическую подготовку кадров таких учебных дисциплин, как патентование в России и за рубежом, эргономика, техническая эстетика, дизайн и художественное конструирование, что позволит создавать конкурентоспособную и качественную продукцию на уровне мировых стандартов.

Список литературы

1. Архипова, М.Ю. Анализ трендовой патентной активности в России и развитых странах мира/ М.Ю. Архипова//Conditions of Development of Management Systems. - Bielsko-Biala, 2009. - Р. 401-414.

2. Архипова, М.Ю. Основные тенденции патентной активности в России и развитых странах мира/ М.Ю.Архипова, С.Ю. Гутман//Системы и средства информатики.- М.: Наука, 2009. - Вып. 19.

3. Ерохин, Д.В. Экономико-психологическое обеспечение управления процессами создания и внедрения инноваций/ Д.В.Ерохин, В.В. Спасенников//Психология в экономике и управлении. - 2009.- №2.- С. 42-49.

4. Интеллектуальная собственность/ под ред. Н.М. Коршунова. - М.: Норма, 2012. - 309 с.

5. Колесников, С.И. Перспективы развития инновационной деятельности в России/ С.И.Колесников, Г.В.Шепелев, С.М. Аракелян//Всероссийский экономический журнал «ЭКО» . - 2004. - №9. - С. 39-58.

6. Лукашин, Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов/ Ю.П. Лукашин. - М.: Финансы и статистика, 2003. - 416 с.

7. Мангус, Я.Р. Эконометрика: начальный курс/Я.Р. Мангус, П.К. Каташев, А.А. Пересецкий.- М.: Дело, 2007. - 504 с.

8. Мхитарян, В.С. Нелинейный регрессивный анализ в системе Statistica и SPSS/ В.С. Мхитарян, М.Ю.Архипова, В.Ю. Архипов.- М.: Моск. гос. ун-т экономики, статистики и информатики, 2006. - 91 с.

9. Спасенников, В.В. Экономико-психологические проблемы создания и внедрения изобретений/ В.В. Спасенников// Психология труда, экономическая психология, эргономика. - М.: Perse, 2007. - С. 71-79.

10. Эконометрика: учебник/ под ред. В.С. Мхитаряна. - М.: Прогресс, 2009.

11. Grilliches Zvi Paten Statistics as Economic Indicators: a Survey Journal of Economic Literature/ American Economic Association. - 1990. - Vol. 28(4). - Р. 1661-1707.

12. Spasennikov, V.V. The criteria of authorities rights guard of creators of test methods/V.V. Spasennikov// Psychological Review. - Moscow; Yaroslavl: IPAS, 2004. - №3. - Р. 123-127.

13. The Global Competitiveness Report 2010-2011 of World Economic Forum.- URL:http://www3.weforum.org/docs/WEF_ Global Competitiveness Report_2010-11.pdf.

14. The World Bank Open Data.- URL:http://data.world-bank.org.

15. WIPO IP Statistics Data Center of World Intellectual Property Organization.- URL:http://ipstatsdb.wipo.org/ipstats/patentsSearch.

Размещено на Allbest.ru