Методологические особенности оценки влияния инноваций на эффективность хозяйственной системы региона

Размещено на http://www.allbest.ru

Методологические особенности оценки влияния инноваций на эффективность хозяйственной системы региона

Белекмаа Адар-ооловна Хертек

Аннотация

В условиях глобальной трансформации процессов социально-экономического развития на передний план выходит построение инновационной экономики, основанной на использовании передовых технологий и развития сектора наукоемкого производства. Устойчивое развитие возможно только через формирование системы взаимоотношений и рационального ресурсного обеспечения на региональном уровне, с целью оптимизации процессов интеграции страны в международную экономику. Хозяйственная система каждого региона, представляя собой совокупность взаимосвязанных элементов, способна адаптироваться и отвечать на актуальные «вызовы» внешней и внутренней среды. Создание механизма инновационного развития региона тесно перекликается с необходимостью формирования системы индикаторов, отражающих степень и характер влияния инноваций. Данная статья посвящена анализу существующих методологических аспектов оценивания влияния инноваций на эффективность деятельности хозяйственной системы региона. Для исследования была использована аналитическая стратегия, основанная на анализе российских и зарубежных теоретико-методологических источников по теме с применением методов анализа и синтеза, сравнительно-аналитического и абстрактно-логического методов. На основе полученных результатов были сформированы предложения рекомендательного характера о целесообразности модернизации методологии оценивания влияния инноваций на эффективность хозяйственной системы региона. Научная новизна исследования заключается в обобщении недостатков, используемых в рамках российских и иностранных подходов к оценке региональных инновационных систем, а также в формировании предложений по нивелированию выявленных недостатков.

Ключевые слова: инновационная экономика, инновационное развитие, хозяйственная система региона, индикаторы, методология, оценка эффективности инновация хозяйственный регион

Methodological Features of Assessing the Impact of Innovation

on the Effectiveness of the Regional Economic System

Belekmaa A. Khertek

Abstract

In times of global transformation of socio-economic development processes, the construction of innovative economy based on the use of advanced technologies and the development of knowledge-intensive production sector comes to the forefront. The achievement of sustainable development is possible only by forming a system of relationships and rational resource provision at the regional level in order to optimize the processes of integrating the country into the international economy. The economic system of each region as a set of interrelated elements is able to adapt and respond to the actual “challenges” of external and internal environment. The creation of the mechanism of innovative development of the region is closely related to the need to form a system of indicators that reflect the degree and nature of the impact of innovation. The author analyses existing methodological aspects of assessing the impact of innovation on the effectiveness of the regional economic system. An analytical strategy based on the analysis of Russian and foreign theoretical and methodological sources on the topic with the use of methods of analysis and synthesis, comparative-analytical and abstract-logical methods was used for the research. Non-regulatory suggestions were formed about expediency of modernization of methodology of innovations influence estimation on efficiency of economic system of the region. The scientific novelty of the study lies in the generalization of deficiencies used in the Russian and foreign approaches to the assessment of regional innovation systems, as well as in the formation of proposals for leveling the identified shortcomings.

Keywords: innovation economy, innovation development, regional economic system, indicators, methodology, efficiency assessment

Одним из важнейших этапов формирования и модернизации региональной инновационной системы (далее РИС) является ее оценка. На основе динамики критериев оценки региональные власти смогут принимать взвешенные стратегические решения относительно развития как региональной инновационной системы в целом, так и отдельных полюсов ее роста. При этом эффективность принимаемых решений во многом будет зависеть от качества методов оценки.

В экономической литературе можно найти достаточно много различных способов оценки потенциала, стадии, траектории и векторов развития РИС, но не все они имеют практическое применение. Более того, получившие признание индексы и рейтинги инновационной активности регионов также имеют ряд недостатков, ограничивающих спектр их применения.

Мы основываемся на том, что формирование региональных инновационных систем происходит не только под влиянием естественных факторов развития рыночной экономики. Инструменты волеизъявления организованных социальных общностей сегодня существенно дополняют такие объективно существующие источники прогрессивных преобразований, как стремление хозяйствующих субъектов к получению прибыли, конкуренция, динамическое равновесие спроса и предложения. Кроме того, в процессе формирования РИС влияние организованного менеджмента доминирует над рыночными силами. В то же время для целенаправленного управления любой системой необходим соответствующий инструментарий, который имеет такие составляющие, как средства выявления проблем, средства постановки задач, средства решения задач.

Для организации эффективно функционирующей РИС необходим многокомпонентный инструментарий, основанный на различных подходах, как уже разработанных, так и новых. Учитывая чрезвычайную актуальность проблем формирования инновационных структур, одним из важнейших факторов успешного достижения цели является оценка их фактического состояния.

Несмотря на то, что методология анализа инновационной активности отдельных хозяйствующих субъектов наиболее разработана, ее применение, даже в модифицированном виде, по отношению к более высокой системе регионального масштаба невозможно. Набор показателей, которые могут дать представление о деятельности предприятия, часто не может быть применен даже к их группе. Показатели эффективности, масштабированные по отраслям или регионам, бессмысленны.

Существует достаточно много работ, посвященных анализу инновационного потенциала. В то же время оценка инновационного развития региона остается наименее изученной, в том числе на методологическом уровне.

При анализе работ, посвященных методологическим подходам к оценке РИС, а также построению базовых и интегральных показателей этой оценки, во-первых, хотелось бы отметить работы Ф. Кука по основным движущим силам развития региона. Ученый считает, что не конкуренция, а конструктивное сотрудничество и обмен накопленными знаниями являются залогом интенсивного развития (Cooke, 2001; Cooke, 1992). В связи с этим представлением об эффективной форме сосуществования отдельных звеньев региональных инновационных систем, показателям интеграции стали придавать особое значение.

Временным аспектам в оценке инновационной деятельности посвящен ряд работ канадского исследователя Питера Джеймса Джорджа. Его подход заключается в том, что существует временной разрыв, так называемый лаг, между периодом инвестирования в инновации и периодом получения отдачи в виде готового продукта на рынке. Зачастую этот разрыв становится существенным препятствием для инноваций. С одной стороны, даже корпорации со значительным финансовым потенциалом осознают необходимость инноваций, с другой стороны, их расширенное воспроизводство может стать невозможным без получения прибыли в каждый текущий момент времени George P.J. The Emergence of Industrial America: Strategic Factors in American Economic Growth since 1870. Albany, 1982. P. 961..

О стратегической важности университетов как аккумуляторов интеллектуального потенциала пишут многие авторы. Среди них Д. Форай, который считает, что для развития инновационной экономики в регионе необходима очень тесная интеграция науки, образования и производства Foray D. Smart specialization: opportunities and challenges for regional innovation policy. New York, 2015. P. 122..

M. Фритч в своих работах представил достаточно оригинальный подход. Автор считает, что включение субъекта в хорошо организованное поле инновационной деятельности неизбежно приводит к повышению качества инновационного продукта субъекта (Fritsch, 2002). Эта точка зрения подчеркивает важность региональных полюсов роста и необходимость их включения в общую оценку.

Целью нашего исследования является выбор методического инструментария для оценки региональных инновационных систем в Российской Федерации. В задачи исследования входит изучение имеющихся достижений в области оценки региональных инновационных систем; выявление преимуществ и недостатков уже используемых методов оценки РИС; поиск путей сокращения вечерних выходов.

На основе перечисленных подходов рядом авторов и крупных исследовательских коллективов были разработаны системы специфических показателей для оценки инновационных систем различных регионов.

Некоторые системы достаточно успешно используются для оценки инновационных систем регионов национального масштаба. Например, Американский научный фонд уже четвертое десятилетие оценивает 33 страны с точки зрения технологической конкурентоспособности: показатель национальной ориентации, показатель социально-экономической инфраструктуры, показатель технологической инфраструктуры, показатель производственного потенциала и показатель технологического состояния. В свою очередь, эти 5 показателей интегрируются в индикаторы, которые используются для оценки динамики изменения показателей за 3 года Science and Engineering Indicators 2006 [Электронный ресурс] // Archive-It. URL: http://www.nsf.gov/sta- tistics/seind06/ (дата обращения: 28.05.2022)..

Рассмотрим более подробно практику анализа эффективности инновационной деятельности с помощью Глобального инновационного индекса (далее - ГИИ). Корнельский университет, бизнес-школа INSEAD и Всемирная организация интеллектуальной собственности (ВОИС) с 2007 года рассчитывают ГИИ, которая, в свою очередь, является специализированным учреждением ООН Global Innovation Index 2021 [Электронный ресурс]. URL: https://www.globalinnovationindex.org/Home (дата обращения: 28.05.2022).. Объектом оценки являются отдельные государства. Важнейшей отличительной особенностью ГИИ является то, что его итоговый показатель представляет собой сравнение результатов инновационной деятельности стран с затратами на нее. Таким образом, с некоторой долей условности ГИИ можно отнести к показателям эффективности. В таблице 1 представлена структура Глобального инновационного индекса.

Таблица 1 - Структура Глобального инновационного индекса

Следует отметить, что в таблице 1 представлены 7 групп показателей высшего уровня, а базовых показателей насчитывается более 80.

К основным преимуществам ГИИ можно отнести следующее:

итоговый показатель учитывает соотношение результатов инновационной деятельности и ресурсов таких крупных территориальных образований, как отдельные страны, это позволяет классифицировать ГИИ как показатель эффективности;

лаконично сформированные группы базовых показателей, которые, с одной стороны, охватывают многосторонние аспекты инновационной деятельности, а с другой - исключают нерелевантные факты;

ГИИ рассчитывается с использованием взвешенных показателей, то есть с учетом степени значимости базового показателя в итоговой оценке;

ГИИ позволяет сравнивать эффективность инновационной деятельности между различными государствами и анализировать ее динамику по отдельным странам.

В то же время данный показатель имеет ряд недостатков, с точки зрения применимости ГИИ в качестве инструмента оценки региональных инновационных систем Российской Федерации:

в структуру ГИИ входят такие базовые показатели и их группы, на которые региональные власти не могут повлиять: например, государственные институты, включая нормативно-правовую базу, лишь в незначительной степени подвержены изменениям в результате региональных инициатив;

некоторые базовые показатели являются качественными, например, оценка политической среды - такие показатели подвержены риску субъективного искажения;

интернет-ресурс, представляющий ГИИ от имени его разработчиков, не предоставляет информацию о методе расчета баллов, присвоенных каждому показателю, и не предоставляет информацию о весе каждого показателя в результирующем.

Методика оценки уровня развития региональных инновационных систем, разработанная Российским институтом Национального исследовательского университета «Высшая школа экономики», появилась несколько позже ГИИ. Первый рейтинг субъектов Российской Федерации был рассчитан коллективом авторов по итогам 2012 года Рейтинг инновационного развития субъектов РФ [Электронный ресурс] // НИУ ВШЭ. URL: https://www.hse.ru/primarydata/rir/ (дата обращения: 28.05.2022)..

Итоговым показателем, рассчитанным по методологии Высшей школы экономики, является Российский региональный инновационный индекс (далее РРИИ). Его структура представлена в таблице 2. В таблице 2 не показаны только группы и подгруппы базовых показателей, общее количество которых превышает 50. Выделим наиболее важные положительные характеристики РРИИ.

Таблица 2 - Структура Российского регионального инновационного индекса

Общий показатель учитывает как экономические, так и социальные условия инновационной деятельности в регионах России. Коллектив авторов РРИИ разработал систему графической визуализации рейтинговой оценки, которая получила название «индивидуальный профиль региональной инновационной системы».

Суммарный показатель учитывает вовлеченность субъектов региональной инновационной системы в национальные проекты и программы. Коллектив авторов достаточно подробно раскрывает методический инструментарий для расчета итоговой оценки.

В то же время отметим ряд недостатков, затрудняющих использование РРИИ в качестве основного инструмента формирования и корректировки вектора и траектории развития региональных инновационных систем, а также поиска в них потенциальных полюсов роста.

некоторые показатели, в частности группа «Качество инновационной политики», подвержены риску некорректной оценки: например, наличие стратегии (концепции) инновационного развития само по себе не отражает ее качества;

значения некоторых показателей, например, «Количество территорий инновационного развития, которым присвоены особые статусы в соответствии с мерами государственной поддержки научной, научно-технической и инновационной деятельности, предоставляемыми федеральными органами власти» в наименьшей степени зависят от административного влияния региональных властей;

алгоритм расчета РРИИ нивелирует вклад выбранных показателей и, таким образом, не позволяет выявить ключевые факторы эффективности региональной инновационной системы и полюса роста (Абдрахманова и др., 2020).

Еще одной разработкой российских ученых является Рейтинг инновационных регионов России. Его разработчиками являются Ассоциация инновационных регионов России и Министерство экономического развития Российской Федерации. Рейтинг начал свою историю в 2012 году Рейтинг инновационных регионов России [Электронный ресурс] // Ассоциация инновационных регио-нов России. URL: https://i-regions.org/reiting/rejting-innovatsionnogo-razvitiya/ (дата обращения: 31.05.2022).. Его структура представлена в таблице 3.

Таблица 3 - Структура рейтинга инновационных регионов России

Среди очевидных положительных характеристик Рейтинга инновационных регионов России следует выделить, во-первых, тот факт, что авторы методологии рейтинга ежегодно освещают не только результаты мониторинга текущей ситуации в регионах, но и дают свои рекомендации по разработке мер инновационной политики для каждого российского региона; во-вторых, большинство показателей, включенных в структуру рейтинга, являются статистическими данными из официальных источников; в-третьих, алгоритм расчета итогового показателя включает процедуру сглаживания отдельных показателей.

Однако, как и предыдущие методы оценки качества региональной инновационной системы, рейтинг инновационных регионов России не лишен определенных недостатков:

индекс рассчитывается методом простой средней без использования весов, что делает все базовые показатели равными, а это, скорее всего, несколько отличается от реальности;

небольшая часть показателей оценивается либо на основе данных из неопределенных источников, либо исключительно экспертами из группы разработчиков рейтинга;

четвертая группа показателей - «Инновационная активность региона», в отличие от всех остальных, формируется по абсолютным, а не относительным параметрам.

Такой подход ставит в привилегированное положение крупные и густонаселенные регионы. Подводя итоги анализа наиболее авторитетных методик оценки качества и эффективности региональных инновационных систем, отметим следующее: усилиями зарубежных и отечественных ученых создано несколько методик оценки региональных инновационных систем. Их основные показатели охватывают практически все сферы инновационной деятельности: экономическую, социальную, политическую. Методики реализованы в виде ряда рейтингов, которые публикуются в открытых источниках и могут быть использованы для оценки динамики развития инновационных систем регионов на уровне как отдельных государств, так и их административно-территориальных образований.

Несмотря на очевидный прогресс в инструментарии оценки региональных инновационных систем, следует обратить внимание на возможность его дальнейшего совершенствования.

На наш взгляд, развитие методического инструментария оценки региональных инновационных систем должно быть направлено по пути оптимизации структуры базовых показателей с целью выделения наиболее значимых из них. Другой важной характеристикой модели комплексной оценки должна стать доступность и объективность информации о базовых показателях. И, наконец, третьим условием повышения качества самой оценки должна стать возможность влияния региональных властей на ее ключевые компоненты.

Мы считаем, что метод Data Envelopment Analysis (далее - DEA) можно отнести к методам оценки эффективности функционирования институциональных систем, отвечающих вышеперечисленным задачам.

Американские ученые А. Чарнс, В. Купер, Э. Родс обосновали метод DEA. Его особенность заключается в том, что он позволяет оценить эффективность сложной социально-экономической системы по нескольким параметрам (Charnes, et al., 1978). Применительно к нашему предмету исследования, а именно к региональной инновационной системе, данный метод позволит избежать сложного (может быть, невозможного) этапа определения значимости каждого параметра итоговой оценки.

В основе метода DEA лежит идея сравнения эффективности в группе производственных предприятий. Проблемой исследования стало осознание того, что уже известные одномерные модели эффективности, такие как определение коэффициентов рентабельности, ликвидности, оборачиваемости и другие, не дают представления о том, какая компания в целом работает лучше (Wei, et al., 2004). Аналитики понимали, что каждая из этих метрик важна, но не могли понять, какой из них отдать предпочтение.

В основе метода DEA лежала идея о том, что для набора однородных объектов, будь то производственные предприятия или региональные инновационные системы, можно установить эталонные объекты, обладающие качеством наилучшего использования имеющихся ресурсов (Toloo, et al., 2009). Поскольку функциональную зависимость между используемыми ресурсами и получаемым результатом определить невозможно, метод предполагает на основе эмпирических наблюдений за значениями ресурсов и результата построить границы производительности социально-экономической системы (Campisi, Roberta, 2008). Метод DEA анализирует множество точек наблюдения, которые в той или иной мере описывают производительность независимых производственных единиц (Deyneli, 2012). Поскольку понятие «производственная единица» в данном случае носит абстрактный характер, становится возможным изучение территории, где существует несколько переменных входа и выхода.

Несмотря на то, что метод DEA наиболее широко используется за рубежом, российские исследователи также успешно применяют его при анализе эффективности различных социально-экономических систем.

Е.А. Вечкинзова провела анализ эффективности функционирования региональных инновационных систем Казахстана с использованием метода dEa. Для оценки автор использовала конкретные показатели, которые относились к численности экономически активного населения в каждом отдельном регионе (Вечкинзова, 2020). В качестве входных параметров использовались показатели региональных затрат на исследования и разработки и затрат на технологические инновации. Выходными параметрами были объем отгруженной инновационной продукции и количество созданных и используемых технологий и оборудования. Кроме того, все показатели были проиндексированы к ценам начального периода анализа.

Оценка эффективности охватывала период с 2015 по 2018 год. Полученные результаты позволили Е.А. Вечкинзовой рассмотреть динамику развития региональных инновационных систем, выделить группы регионов с наиболее и наименее развитыми инновационными системами, а также разработать рекомендации по эффективному использованию ресурсов при формировании экономической политики регионов Казахстана.

С. Земцов и М. Коцемир провели оценку эффективности региональных инновационных систем в России, используя подход DEA. В своей работе исследователи проанализировали период 1998-2012 годов. Для того чтобы показатели в оценке имели сопоставимый вид, ученые дефли- ровали их до уровня 1998 года. В качестве входных параметров - ресурсов - ученые использовали региональные расходы на НИОКР и количество занятых жителей региона с высшим образованием. Выходные параметры - количество патентов. В данном случае показатель, характеризующий количество патентов, определялся путем сложения взвешенного количества патентов, зарегистрированных в России, и взвешенного количества международных патентов. Применение подхода DEA позволило С. Земцову и М. Коцемиру подтвердить несколько своих гипотез (Zemtsov, Kotsemir, 2019).

Отдельно хотелось бы отметить исследование, проведенное в 2020 году Е. Стрябковой и И. Ладыгиной и направленное на оценку эффективности практического применения метода DEA. Объектом исследования являлись регионы Центрально-Черноземного экономического района, в который входят Белгородская, Воронежская, Курская, Липецкая, Тамбовская области (Stryabkova,

Ladygina, 2021). Кроме того, чтобы сравнить инновационные системы этих регионов не только между собой, в число анализируемых регионов была включена и Нижегородскую область, так как она является одним из лидеров в рейтинге субъектов РФ как по значению Российского регионального инновационного индекса, так и по значению Рейтинга инновационных регионов России.

Гипотетически автор предположила, что при использовании метода DEA этот регион будет максимально приближен к эталонному. Абсолютный лидер всех рейтингов региональных инновационных систем - Московская область - не рассматривалась в качестве «эталона», поскольку предполагалось непостоянство отдачи от использования ресурсов при их масштабировании (Stryabkova, Ladygina, 2021). Более того, поскольку одним из видов ресурсов в модели является численность персонала, занятого исследованиями и разработками, то в качестве гипотетического эталона был рассмотрен регион-лидер, не в разы превышающий по численности населения регионы Центрально-Черноземного экономического района.

Входными параметрами, то есть ресурсами, в модели эффективности региональной инновационной системы являлись: численность персонала, занятого исследованиями и разработками; внутренние затраты на исследования и разработки; стоимость основных фондов по валовой балансовой стоимости. Данные показатели были выбраны авторами по следующим причинам:

во-первых, они содержат необходимую информацию об основных факторах любой производственной деятельности, не исключая инновационную;

во-вторых, значения этих параметров общедоступны в официальных статистических источниках;

в-третьих, значения этих параметров являются наиболее достоверными, так как формируются на основе обязательных форм отчетности организаций;

в-четвертых, большинство этих параметров контролируется региональными властями.

Выходной параметр, то есть результат модели - это объем инновационных товаров, работ,

услуг. Это наиболее значимый результирующий показатель. Кроме того, он обладает такими важными характеристиками, как открытость и аутентичность.

Для того чтобы исключить влияние инфляции и других факторов ценовой конъюнктуры, все параметры, имеющие стоимостное измерение, были приведены к ценам на начало анализируемого периода.

В модели Е. Стрябковой был учтен «временной лаг» между периодом расходования финансового и человеческого капитала и периодом получения результата от данного вида инвестиций. В качестве длины «лага» был принят пятилетний период. Например, в качестве исходных данных были взяты численность персонала, занятого исследованиями и разработками, и внутренние затраты на исследования и разработки за 2010 год, а в качестве выходных данных, то есть результатов, - объем инновационных товаров, работ, услуг за 2014 год (при этом до конца 2014 года прошло 5 лет).

В качестве инструмента линейного программирования, необходимого при использовании метода DEA, была использована программа University of New England Australia Coelli T. A guide to DEAP Version 2.1: A Data Envelopment Analysis (Computer) Program [Электронный ре-сурс] // Rice University. URL: https://www.owlnet.rice.edu/~econ380/DEAP.PDF (дата обращения: 31.05.2022)..

Оценка региональных инновационных систем проводилась на основе показателя технической эффективности. Техническая эффективность в данном случае характеризует способность региона получать максимальный объем инновационных товаров, работ и услуг из имеющегося и используемого набора ресурсов: персонала, занятого научными исследованиями; внутренних затрат на исследования и основных фондов. Техническая эффективность может варьироваться от нуля до единицы. При этом ноль означает полностью неэффективную систему, а единица - самую эффективную из анализируемых.

Результаты расчета методом DEA технической эффективности региональных инновационных систем оказались неожиданными. Один из лидеров Российского регионального инновационного индекса и Рейтинга инновационных регионов России - Нижегородская область - не имеет максимальной технической эффективности (Stryabkova, Ladygina, 2021). Причиной такого несоответствия может быть даже большая экономия на масштабе, чем предполагали при проведении исследования. Ресурсы, которые задействованы в инновационной сфере Нижегородской области, в абсолютном выражении во много раз превышают аналогичные затраты других анализируемых регионов. Возможно, что в данном случае имеет место феномен «отрицательной экономии на масштабе».

Анализ выявил две «эталонные» региональные инновационные системы среди регионов Центрально-Черноземного экономического района: системы Белгородской и Липецкой областей. Эти регионы должны сохранить сложившуюся в 2010-2014 годах ситуацию соотношения ресурсов, вовлеченных в инновационную сферу (Stryabkova, Ladygina, 2021). В перспективе они могут увеличить объем инновационных товаров, работ и услуг за счет равномерного увеличения вложений человеческого и финансового капитала. В то же время Белгородская и Липецкая области должны продолжать развивать инфраструктурные компоненты своих региональных инновационных систем.

Региональные инновационные системы в других областях Центрально-Черноземного экономического района оказались менее эффективными. Программа, использованная для расчета эффективности методом DEA, позволяет ответить на вопрос, какой ресурс становится фактором снижения эффективности, а также определить полюса роста их инновационных систем.

Таким образом, в Воронежской области очень сильным компонентом инновационной системы является персонал, занятый исследованиями и разработками. В этом регионе много ученых, и они обладают мощным исследовательским потенциалом. Человеческий капитал, вовлеченный в НИОКР: Воронежские университеты и институты являются полюсом роста региона. Ученые региона почти в достаточной степени обеспечены финансированием своих исследований и разработок. Кроме того, не хватает основных фондов, которые позволили бы производству инноваций воплощаться в конкретных товарах и услугах в необходимом объеме.

Аналогичная ситуация складывается и в Курской области. Научно-исследовательские институты также являются полюсами роста, хотя капитальных вложений недостаточно. Совершенно иное соотношение производительных сил сложилось в инновационной системе Тамбовской области: здесь достаточно исследователей, их развитие достаточно финансируется, имеется достаточное количество основных фондов для внедрения результатов исследований. Пропорции между этими производительными силами практически идентичны эталонным Белгородской и Липецкой областям. Тем не менее, эффективность инновационной системы Тамбовской области является самой низкой в Центрально-Черноземном экономическом регионе. Возможной причиной низкой отдачи от ресурсов в этой области является неразвитость инновационной инфраструктуры. В данном случае именно эта инфраструктура будет призвана стать новым полюсом роста для Тамбовской области.

Таким образом, изучив методические инструменты оценки региональных инновационных систем, а также рассмотрев некоторые проведенные исследования, объектами которых являлись регионы Российской Федерации и Казахстана, был сделан ряд выводов.

В Российской Федерации и за рубежом разработаны и уже не первый год используются различные методики оценки качества, степени развития и эффективности региональных инновационных систем. Наиболее распространенными являются Глобальный инновационный индекс, разработанный Корнельским университетом, бизнес-школой INSEAD и Всемирной организацией интеллектуальной собственности (ВОИС); Российский региональный инновационный индекс, разработанный Институтом Национального исследовательского университета «Высшая школа экономики»; Рейтинг инновационных регионов России, разработанный Ассоциацией инновационных регионов России и Министерством экономического развития Российской Федерации.

Несмотря на очевидную большую значимость, перечисленные подходы к оценке региональных инновационных систем имеют ряд недостатков, которые затрудняют их использование в качестве основного инструмента формирования и корректировки вектора и траектории развития региональных инновационных систем, а также поиска потенциальных полюсов роста.

Наиболее существенными являются следующие недостатки: часть показателей, на основе которых рассчитывается итоговый индекс, подвержена риску некорректной оценки; итоговая оценка формируется, в том числе, на основе оценки показателей, на которые региональные власти не могут повлиять; количество базовых показателей, как правило, составляет несколько десятков, а степень их влияния на интегральный индекс равнозначна, что рассеивает внимание региональных властей и не дает возможность сосредоточиться на основных направлениях.

В результате проведения анализа российских и зарубежных исследовательских работ с использованием критического подхода были выделены недостатки методик оценки инновационных систем на региональном уровне. Для обоснования научной новизны исследования на завершающем этапе целесообразно осветить пути, которые способны минимизировать недостатки проанализированных моделей и, в перспективе, повысить эффективность оценки инновационных региональных систем.

Нивелировать выявленные в ходе исследования недостатки возможно с помощью метода анализа оболочечных данных (DEA). Отдельно целесообразность данной рекомендации была обоснована посредством оценки эффективности имплементации метода DEA для оценки уровня инновационного развития региональных хозяйственных систем на материалах исследования Е. Стрябковой. Проведение оценки позволило сделать вывод о том, что результаты практического применения метода DEA «выходят за рамки» классических моделей, позволяют не просто выявить сильные и слабые стороны регионов, но и найти полюса их дальнейшего роста на основе причинно-следственных связей, не идентифицируемых другими моделями оценки.

Список источников

Абдрахманова Г.И., Артемов С.В., Бахтин П.Д. и др. Рейтинг инновационного развития субъектов Российской Федерации / под ред. Л.М. Гохберга. М., 2020. 264 с.

Вечкинзова Е.А. Анализ эффективности функционирования региональных инновационных систем Казахстана // Друкеровский вестник. 2020. № 1. С. 329-340. https://doi.org/10.17213/2312-6469-2020-1-329-340.

Campisi D., Costa R. A DEA-based method to enhance intellectual capital management // Knowledge and Process Management. 2008. Vol. 15, iss. 3. Pр. 170-183. https://doi.org/10.1002/kpm.312.

Charnes А., Cooper W.W., Rhodes E. Measuring the efficiency of decision making units, European Journal of Operational Research. 1978. Vol. 2. Pр. 429-444. https://doi.org/10.1016/0377-2217(78)90138-8.

Cooke P. Regional innovation systems, clusters, and the knowledge economy // Industrial and Corporate Change. 2001. Vol. 10. Iss. 4. Pp. 945-974. https://doi.org/10.1093/icc/10.4.945.

Cooke P. Regional innovation systems: Competitive regulation in the new Europe // Geoforum. 1992. Vol. 23. Pp. 365-382. https://doi.org/10.1016/0016-7185(92)90048-9.

Deyneli F. Analysis of relationship between efficiency of justice services and salaries of judges with two-stage DEA method // European Journal of Law and Economics. 2012. No 34. Pр. 477-493. https://doi.org/10.1007/s10657-011-9258-3.

Fritsch M. Measuring the quality of regional innovation systems: A knowledge production function approach // International Regional Science Review. 2002. Vol. 25. Iss. 1. Pp. 86-101. https://doi.org/10.1177/016001702762039394.

Stryabkova E., Ladygina I. Methodological tools for assessing regional innovation systems in the Russian Federation // Advances in Economics, Business and Management Research 3rd International Conference Spatial Development of Territories (SDT 2020). 2021. https://doi.org/10.2991/aebmr.k.210710.012.

Toloo M., Babak S., Nalchigar S. A new method for ranking discovered rules from data mining by DEA // Expert Systems with Applications. 2009. Vol. 36. Iss. 4. Pр. 8503-8508. https://doi.org/10.1016/j.eswa.2008.10.038.

Wei Y.-M., Fan Y., Lu C., Tsai H.-T. The assessment of vulnerability to natural disasters in China by using the DEA method // Environmental Impact Assessment Review. 2004. Vol. 24. Iss. 4. Pр. 427-439. https://doi.org/10.1016Zj.eiar.2003.12.003.

Zemtsov S., Kotsemir M. An assessment of regional innovation system efficiency in Russia: the application of the DEA approach // Scientometrics. 2019. Vol. 120. № 2. С. 375-404. https://doi.org/10.1007/s11192-019-03130-y.

References

Abdrakhmanova, G.I., Artemov, S.V., Bakhtin, P.D. (2020) Rating of innovative development of constituent entities of the Russian Federation. Moscow: University Higher School of Economics. (6). (In Russian)

Campisi, D., Costa, R. (2008) A DEA-based method to enhance intellectual capital management. Knowledge and Process Management. (15:3). 170-183. Available from: doi:10.1002/kpm.312.

Charnes, А., Cooper, W.W., Rhodes, E. (1978) Measuring the efficiency of decision making units. European Journal of Operational Research. (2). 429-444. Available from: doi:10.1016/0377-2217(78)90138-8.

Cooke, P. (2001) Regional innovation systems, clusters, and the knowledge economy. Industrial and Corporate Change. (10: 4). 945-974. Available from: doi:10.1093/icc/10.4.945.

Cooke, P. (1992) Regional innovation systems: Competitive regulation in the new Europe. Geoforum. (23). 365-382. Available from: doi:10.1016/0016-7185(92)90048-9.

Deyneli, F. (2012) Analysis of relationship between efficiency of justice services and salaries of judges with two-stage DEA method. European Journal of Law and Economics. (34). 477-493. Available from: doi:10.1007/s10657-011-9258-3.

Fritsch, M. (2002) Measuring the quality of regional innovation systems: A knowledge production function approach. International Regional Science Review. (25:1). 86-101. Available from: doi:10.1177/016001702762039394

Stryabkova, E., Ladygina, I. (2021) Methodological Tools for Assessing Regional Innovation Systems in the Russian Federation. Advances in Economics, Business and Management Research 3rd International. Conference Spatial Development of Territories (SDT 2020). Available from: doi:10.2991/aebmr.k.210710.012.

Toloo, M., Babak, S., Nalchigar, S. (2009) A new method for ranking discovered rules from data mining by DEA. Expert Systems with Applications. (36:4). 8503-8508. Available from: doi:10.1016/j.eswa.2008.10.038.

Vechkinzova, E.A. (2020) Analysis of the effectiveness of functioning of regional innovative systems of Kazakhstan. Drukerovskij Vestnik. (1). 329-340. Available from: doi:10.17213/2312-6469-2020-1-329-340. (In Russian)

Wei, Y.-M., Fan, Y., Lu, C., Tsai, H.-T. (2004) The assessment of vulnerability to natural disasters in China by using the DEA method. Environmental Impact Assessment Review. (24:4). 427-439. Available from: doi:10.1016/j.eiar.2003.12.003.

Zemtsov, S., Kotsemir, М. (2019) An assessment of regional innovation system efficiency in Russia: the application of the DEA approach. Scientometrics. (120: 2). 375-404. Available from: doi:10.1007/s11192-019-03130-y.

Размещено на Allbest.ru