Моделирование и оценка инновационной деятельности регионов СКФО за 2005-2016 гг. с помощью корреляционно-регрессионного анализа

Размещено на http://www.allbest.ru/

Дагестанский государственный университет

МОДЕЛИРОВАНИЕ И ОЦЕНКА ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ РЕГИОНОВ СКФО ЗА 2005-2016 ГГ. С ПОМОЩЬЮ КОРРЕЛЯЦИОННО-РЕГРЕССИОННОГО АНАЛИЗА

Магомедов М.Х.

Ибиев М.И.

Магомедгаджиев Ш.М.

г. Махачкала, Россия

Использование корреляционно-регрессионного анализа предполагает выявление зависимых и независимых переменных [1,2]. Анализ статистики инноваций в регионах России [6], позволяет выделить в качестве зависимых (Y) и независимых (Х) переменных следующие:

· Объем инновационных товаров, работ, услуг - Y1;

· Инновационная активность организаций - Y2;

· Используемые передовые производственные технологии - Y3;

· Численность персонала, занятого НИР - X1;

· Внутренние затраты на НИиР - X2;

· Затраты на технологические инновации - X3.

В целом регионы СКФО по показателям инновационной деятельности находится на последних местах среди регионов РФ [3,4]. Наиболее высокие показатели инновационной деятельности в СКФО характерны для Республики Дагестан, Кабардино-балкарской Республики и Ставропольского края. Роль остальных в рассматриваемый период незначительна.

Анализ связей и зависимостей между переменными необходимо начинать с корреляционного анализа [12] (табл. 1).

Анализ таблицы 1 показывает, что показатели инновационная система регионов СКФО нестабильна и многие показатели имеют отрицательную зависимость. Например, в Кабардино-Балкарской Республике все коэффициенты корреляции или отрицательные или приближаются к нулю, кроме корреляции факторов с зависимой переменной Y3 - используемые передовые производственные технологии. На показатель инновационная активность организаций (Y2), кроме фактора затраты на технологические инновации - X3, другие переменные практически не оказывают воздействия.

Таблица 1. Коэффициенты корреляции между показателями инновационной деятельности регионов СКФО

На зависимую переменную объем инновационных товаров, работ, услуг (Y1) оказывает статистически значимое влияние лишь фактор численность персонала, занятого НИР (X1) в РД и в Ставропольском крае, а также фактор внутренние затраты на НИР (X2).

Высокие коэффициенты корреляции позволяют построить для них регрессионные модели [4,5]. Для рассмотренных регионов СКФО были построены модели парной и множественной регрессии линейного, полиномиального 2-й степени, полулогарифмического, гиперболического, степенного, показательного и экспоненциального видов Статистически значимые модели множественной регрессии нам построить не удалось. Согласно статистическим характеристикам в целом линейные модели более приемлемые, чем нелинейные.

Влияние факторов на объем инновационной продукции показано в таблице 2. Статистические характеристики представленных моделей свидетельствуют о значимости полученных оценок. Однако средняя ошибка аппроксимации слишком высока, для того, чтобы делать надежные выводы. Связь между показателями инновационной деятельности в Ставропольском крае значительно сильнее, чем в Республике Дагестан.

Таблица 2. Параметры и статистические характеристики линейной парной регрессии между объемом инновационной продукции (Y1) численностью персонала, занятого НИР (X1) и внутренними затратами на НИР (X2) в Республике Дагестан и Ставропольском крае

Так, согласно коэффициентам регрессии, при изменении численности персонала занятого НИР на 1чел. объем инновационной продукции в Республике Дагестан возрастет на 1,7 млн. руб., а в Ставропольском крае на 18,22 млн. руб. Если при росте внутренних затрат на НИиР на 1 млн. руб. в Ставропольском крае прирост инновационной продукции составляет 25,59 млн. руб., то в Республике Дагестан связь между этими показателями отрицательная. инновационный персонал затраты

Согласно результатам, представленным в таблице 3 количество используемых передовых технологий в наибольшей степени в Республике Дагестан связано с численностью персонала, занятого НИР, в то время как внутренние затраты на НИР имеют отрицательное влияние. В Кабардино-Балкарской Республике оба фактора значимы. Согласно коэффициентам регрессии при увеличении численности персонала занятого НИР на 10 чел. и внутренних затрат на НИР на 10 млн. руб. число используемых передовых технологий возрастет в среднем на 4,7. В Ставропольском крае модель с внутренними затратами на НИР оказалась более надежной, согласно расчётам при увеличении внутренних затрат на НИР на 10 млн. руб., число используемых передовых технологий увеличится в среднем на 3,2.

Таблица 3. Параметры и статистические характеристики линейной парной регрессии между используемыми передовыми производственными технологиями (Y3) численностью персонала, занятого НИР (X1) и внутренними затратами на НИР (X2) в регионах СКФО

Корреляционно регрессионный анализ инновационной деятельности показывает, что инновационная система большинства регионов СКФО неэффективна, между многими значимыми факторами не наблюдается статистических связей и зависимостей. Финансовые и трудовые ресурсы практически не оказывают влияния на результативность инноваций. Однако наблюдается значительный рост большинства показателей характеризующих инновационную деятельность регионов СКФО.

Список литературы

1. Адамадзиев К.Р., Адамадзиева А.К. Моделирование и оценка стохастических связей между ключевыми показателями групп регионов России // Фундаментальные исследования. - 2016. - № 4-3. - С. 550-556.

2. Адамадзиев К.Р., Адамадзиева А.К., Ахмедов А.С. Ключевые показатели экономики регионов и?связи (зависимости) между ними: методы, модели, методика оценки // Фундаментальные исследования. - 2017. - № 1. - С. 134-139.

3. Газалиева Н.И. Инновационная деятельность и ее потенциал в республике Дагестан // Теория и практика общественного развития. 2015. №10. - Режим доступа: http://cyberleninka.ru/article/n/ innovatsionnaya-deyatelnosti-ee-potentsial-v-respublike-dagestan (дата обращения: 11.06.2017)

4. Магомедгаджиев Ш.М. Джабраилов Р.А. Структура и динамика инновационного потенциала регионов Северо-Кавказского Федерального округа за 2010-2014гг // Экономика и предпринимательство. - №11-4.-2016.- С. -310-313

5. Магомедгаджиев Ш.М. Халилов М.А. Оценка связей и зависимостей показателей инновационной деятельности методами математического и компьютерного моделирования // Экономика и управление: материалы II Международной науч.-практ. конф. "Математическая экономика и экономическая информатика. Научные чтения памяти В.А. Кардаша" выпуск 22. - Новочеркасск: Лик, 2015. - 374 с.

6. Статистика инноваций в России. Федеральная служба государственной статистики - http://www.gks.ru/free_doc/new_site/business/nauka/pril3.pdf

Размещено на Allbest.ru