Факторы инновационного развития машиностроительной отрасли региона

Автор: Маковеев Виталий Николаевич

Журнал: Вопросы территориального развития @vtr-isert-ran

Рубрика: Инновационное развитие территорий

Статья в выпуске: 10 (20), 2014 года.

Бесплатный доступ

Наблюдавшиеся в пореформенный период устойчивые тенденции роста импорта машин и оборудования из-за рубежа привели к тому, что в настоящее время процессы модернизации отечественного промышленного комплекса осуществляются преимущественно на импортной технологической базе. Подобная ситуация создает для России угрозу попадания в технологическую зависимость от стран-поставщиков машин и оборудования, необходимых отечественному промышленному комплексу. Технологическое перевооружение промышленных предприятий невозможно реализовать без современной машиностроительной отрасли. Именно от того, насколько эта отрасль способна генерировать и усваивать инновации, зависит конкурентоспособность всей экономики страны. В связи с этим важным вопросом становится понимание препятствий на пути развития инновационных процессов в отечественном машиностроении. Зная их специфику, можно выработать комплекс мер по активизации процесса создания и внедрения инноваций в отечественном машиностроении и создать благоприятные условия для устойчивого развития национального промышленного комплекса. В статье рассмотрены факторы, оказывающие влияние на развитие процесса создания и внедрения инноваций. Построены многофакторные регрессионные модели, позволяющие оценить степень влияния различных факторов на ключевые показатели развития инновационных процессов в машиностроении, а также выработать предложения и рекомендации по их активизации. Проведена апробация построенных моделей на материалах Вологодской области.

Еще

Моделирование, факторы, инновации, инновационный процесс, машиностроение

Короткий адрес: https://sciup.org/14746248

IDR: 14746248

Текст научной статьи Факторы инновационного развития машиностроительной отрасли региона

Наблюдавшиеся в пореформенный период устойчивые тенденции роста импорта машин и оборудования из-за рубежа привели к тому, что в настоящее время процессы модернизации отечественного промышленного комплекса осуществляются преимущественно на импортной технологической базе. Подобная ситуация создает для России угрозу попадания в технологическую зависимость от стран-поставщиков машин и оборудования, необходимых отечественному промышленному комплексу Технологическое перевооружение промышленных предприятий невозможно реализовать без современной машиностроительной отрасли. Именно от того, насколько эта отрасль способна генерировать и усваивать инновации, зависит конкурентоспособность всей экономики страны. В связи с этим важным вопросом становится понимание препятствий на пути развития инновационных процессов в отечественном машиностроении. Зная их специфику, можно выработать комплекс мер по активизации процесса создания и внедрения инноваций в отечественном машиностроении и создать благоприятные условия для устойчивого развития национального промышленного комплекса.

В статье рассмотрены факторы, оказывающие влияние на развитие процесса создания и внедрения инноваций. Построены многофакторные регрессионные модели, позволяющие оценить степень влияния различных факторов на ключевые показатели развития инновационных процессов в машиностроении, а также выработать предложения и рекомендации по их активизации. Проведена апробация построенных моделей на материалах Вологодской области.

Моделирование, факторы, инновации, инновационный процесс, машиностроение.

Подобная ситуация создает для России угрозу попадания в технологическую зависимость от стран-поставщиков машин и оборудования, необходимого отечественному промышленному комплексу.

Учитывая последние события в Украине и санкции в отношении России со стороны некоторых развитых стран, вопросы импортозамещения в отечественном промышленном комплексе приобретают особую актуальность.

Следует понимать, что технологическое перевооружение промышленных предприятий невозможно реализовать без современной машиностроительной отрасли. Именно от того, насколько эта отрасль способна генерировать и усваивать инновации, зависит конкурентоспособность всей экономики страны.

Однако в пореформенный период в отечественном машиностроении наблюдается значительный спад производства. Доля отрасли в структуре промышленности составила в 2012 году в России 14,6%, а в Вологодской области – 4,9% (для сравнения: в развитых странах, например, в США, Германии и Японии, доля машиностроения в структуре промышленного производства составляет порядка 35 – 50%).

В 2012 году Россия заняла всего 0,26% мирового рынка машиностроительной продукции (рисунок).

Анализируя пореформенный период, можно заключить, что основной причиной спада в машиностроении послужил переход к рыночной системе хозяйствования и разрушение установленных в советской экономике производственноэкономических связей в промышленном секторе, а также неконкурентоспособ-ность отечественной продукции по сравнению с зарубежными аналогами, массово поступающими на внутренний рынок.

В 2012 году удельный вес инновационной продукции в общем объеме отгруженной машиностроительными предприятиями продукции в Вологодской области составил всего 0,3% (табл. 1).

Наблюдается низкий интерес предприятий отрасли к инновационным разработкам. В 2012 году уровень инновационной активности предприятий машиностроительного комплекса в среднем по России составил 15,3%, а в Вологодской области – 10,5%, что ниже значений данного показателя за 2006 год на 6,2 п. п. (табл. 2) (для сравнения: в европейских странах уровень инновационной активности промышленных предприятий значительно выше, например, в Финляндии он составляет 52,5%, в Германии – 71,8%, во Франции – 40,1%).

В связи с этим важным вопросом становится понимание препятствий, возникающих на пути развития инновационных процессов в машиностроении. Зная их специфику, можно выработать комплекс мер по активизации процесса создания и внедрения инноваций и создать благоприятные условия для устойчивого развития национального промышленного комплекса.

Для выявления наиболее существенных факторов, оказывающих влияние на развитие инновационных процессов в машиностроении, в ходе исследования был сформирован перечень показателей, по которым имелась необходимая статистическая база и возможность ее

Рис. У дельный вес стран в мировом экспорте машин и оборудования в 2012 году

Источники: Федеральная служба государственной статистики. Режим доступа: http://www.gks.ru ; International Merchandise Trade Statistics [Электронный ресурс]. – Режим доступа: http://comtrade.un.org/pb/CountryPagesNew.aspx?y=2012 ; Eurostat [Электронный ресурс]. – Режим доступа: http://epp.eurostat.ec.europa.eu .

Таблица 1. Удельный вес инновационной продукции в общем объеме отгруженной машиностроительными предприятиями продукции, %

№	Территория	Год							Абс. откл. 2012 – 2006 гг.
№	Территория	2006	2007	2008	2009	2010	2011	2012	Абс. откл. 2012 – 2006 гг.
1	Архангельская область	0,0	0,4	0,2	3,7	3,4	2,0	50,9	50,9
2	г. Санкт-Петербург	5,1	5,8	6,1	14,7	17,5	15,6	23,3	18,2
3	Новгородская область	3,6	4,1	5,0	5,7	6,8	7,7	5,7	2,1
4	Псковская область	4,0	1,7	2,4	2,7	3,4	2,4	3,2	-0,8
5	Республика Карелия	1,5	0,7	0,1	17,9	0,3	0,5	2,0	0,5
6	Ленинградская область	0,0	0,1	0,2	0,2	0,4	0,7	0,6	0,6
7	Вологодская область	0,0	0,0	25,1	1,8	1,3	1,3	0,3	0,3
8	Калинингpадская область	9,0	1,1	1,9	0,2	0,0	0,01	0,04	-8,96
9	Республика Коми	0,0	0,0	0,0	0,0	0,0	0,0	0,0	0
10	Мурманская область	0,0	0,0	0,0	0,0	0,0	0,0	0,0	0
СЗФО		4,5	3,1	4,6	8,3	9,8	9,4	16,2	11,7
Россия		12,3	10,9	10,5	10,2	9,9	11,1	14,8	2,5

Источник: Единая межведомственная информационно-статистическая система (ЕМИСС) [Электронный ресурс]. – Режим доступа : http://www.fedstat.ru/ indicators/start.do количественной и качественной оценки (табл. 3)2. В качестве результирующих показателей были выбраны удельный вес инновационной продукции в общем объеме отгруженной машиностроительными предприятиями продукции, а также инновационная активность машинострои- тельных предприятий. Выбор этих показателей обусловлен тем, что в Стратегии инновационного развития РФ на период до 2020 года они выбраны в качестве ведущих целевых индикаторов3.

Таблица 2. Инновационная активность основных отраслей промышленности Вологодской области, %

Отрасль промышленности	Год							Абс. откл. 2012 – 2006 гг., п. п.
Отрасль промышленности	2006	2007	2008	2009	2010	2011	2012	Абс. откл. 2012 – 2006 гг., п. п.
Пищевая	12,7	10,0	12,9	10,0	12,9	11,4	11,8	-0,9
Легкая	7,7	18,2	42,9	40,0	25,0	-	33,3	+26,4
Лесная	-	4,5	14,3	9,1	3,4	6,3	4,0	_–
Химическая	40,0	16,7	20,0	40,0	40,0	40,0	_–	_–
Металлургия	21,7	15,0	23,8	10,0	9,5	21,1	22,2	+0,5
Машиностроение	16,7	10,5	27,3	14,3	12,0	17,6	10,5	-6,2
Промышленность	12,0	9,5	14,7	11,2	9,8	12,6	8,5	-3,5

Источники: Наука и инновации : стат. сб. – Вологда : Облстат, 2012. – С. 46; Промышленность Вологодской области : стат. сб. – Вологда : Облстат, 2011 – С. 117.

Таблица 3. Показатели, применяемые для оценки факторов, влияющих на развитие инновационных процессов в машиностроительной отрасли

Показатель	Условное обозначение показателя
Научно-исследовательские
Число использованных передовых производственных технологий в расчете на 100 тыс. чел. населения, ед.	X 1
Удельный вес персонала, занятого исследованиями и разработками в общей численности экономически активного населения, %	X 2
Количество выданных охранных документов на изобретения и полезные модели в расчете на 10 тыс. чел. населения, ед.	X 3
Производственные
Степень износа основных фондов, %	X 4
Финансовые
Доля затрат на технологические инновации в машиностроении в общем объеме затрат на технологические инновации, %	X 5
Затраты на исследования и разработки в расчете на одного работника, тыс. руб.	X 6
Удельный вес инвестиций в основной капитал в валовом региональном продукте, %	X 7
Отношение средней заработной платы работников машиностроительных предприятий к средней заработной плате по экономике региона, %	X 8
Затраты на ИКТ в расчете на 1000 человек населения, тыс. руб.	X 9
Кадровые
Численность аспирантов и докторантов на 100 тыс. чел. населения, чел.	X 10
Численность студентов высших учебных заведений в расчете на 10 тыс. чел. населения, чел.	X 11
Доля населения, имеющего высшее образование, в общей численности занятых в экономике, %	X 12

Оценить структуру и степень тесноты связей между факторными и зависимыми переменными позволяет корреляционный анализ.

Исходной информационной базой для проведения корреляционного исследования послужили данные Федеральной службы государственной статистики, характеризующие результаты социально-экономического развития территорий, а также производственной и инновационной деятельности промышленных предприятий.

Результаты корреляционного анализа факторов4, оказывающих влияние на раз- витие инновационных процессов в машиностроении, подтвердили наличие значимых связей (табл. 4)5.

По результатам корреляционного анализа установлено, что наибольшее влияние на развитие инновационных процессов в машиностроительной отрасли оказывают финансовые факторы. Результаты анализа показали, что между результативными показателями и уровнем затрат на технологические инновации в машиностроении существует сильная прямая связь, а с уровнем затрат на исследования и разработки – средняя.

Таблица 4. Результаты корреляционного анализа факторов, влияющих на развитие инновационных процессов в машиностроительной отрасли

Факторные показатели	Результативные показатели
Факторные показатели	M	^V
Научно-исследовательские
X 1	0,04	0,37
X 2	0,01	0,09
X 3	0,02	-0,03
Производственные
X 4	0,20	0,23
Финансовые
X 5	0,51	0,48
X 6	0,10	-0,01
X 7	0,07	-0,12
X 8	0,26	0,58
X 9	0,02	-0,06
Кадровые
X 10	0,12	0,11
X 11	0,06	0,15
X 12	0,12	-0,04
М – удельный вес инновационной продукции в общем объеме отгруженной машиностроительными предприятиями продукции. V – инновационная активность машиностроительных предприятий.

Анализ производственных факторов выявил наличие умеренной прямой связи результативных показателей с коэффициентом износа основных производственных фондов в машиностроении. Положительное значение коэффициента корреляции можно объяснить тем, что машиностроительные предприятия разрабатывают и производят инновационную продукцию на весьма изношенном оборудовании.

Кадровые факторы также оказывают значительное влияние на развитие инновационных процессов в машиностроении, о чем говорит умеренная прямая связь результативных показателей с уровнем образования работников.

Для построения многофакторной регрессионной модели был произведен отбор факторов на основе качественного и количественного анализа развития инновационных процессов в машиностроении с использованием статистических и математических критериев.

При разработке многофакторной регрессионной модели учитывалась необходимость решения следующих задач:

– анализ основных характеристик инновационного развития машиностроительной отрасли;

– построение экономико-математических моделей, характеризующих закономерности и тенденции развития машиностроения;

– прогнозирование развития машиностроительного комплекса на основе активизации инновационных процессов.

Методика разработки экономико-математической регрессионной модели включает следующие этапы:

– выбор и обоснование показателей;

– определение информационной базы;

– сбор и первичная обработка исходных данных;

– выбор вида зависимости между показателями в модели;

– обоснование возможных методов разработки модели;

– определение используемых программных средств;

– проведение вычислительных экспериментов по каждому из выбранных методов и получение альтернативных вариантов искомых зависимостей;

Таблица 5. Корреляционная матрица переменных X 1 , …, X 12

	X 1	X 2	X 3	X 4	X 5	X 6	X 7	X 8	X 9	X 10	X 11	X 12
X 1	1	0,27	0,02	0,05	0,05	0,08	0,04	0,21	0,11	-0,03	-0,01	-0,06
X 2	0,27	1	0,68	0,14	0,11	0,21	-0,13	-0,08	0,55	0,72	0,58	0,67
X 3	0,02	0,68	1	0,36	-0,06	0,20	-0,17	-0,02	0,52	-0,16	0,68	0,58
X 4	0,05	0,14	0,36	1	0,07	0,10	-0,19	0,12	0,19	0,21	0,26	0,11
X 5	0,05	0,11	-0,06	0,07	1	0,04	-0,02	0,08	-0,22	-0,05	0,01	0,03
X 6	0,08	0,21	0,20	0,10	0,04	1	0,09	0,05	0,57	0,19	0,06	0,09
X 7	0,04	-0,13	-0,17	-0,19	-0,02	0,09	1	0,17	-0,13	-0,25	-0,24	-0,11
X 8	0,21	-0,08	-0,02	0,12	0,08	0,05	0,17	1	0,06	-0,14	-0,13	-0,24
X 9	0,11	0,55	0,52	0,19	-0,22	0,57	-0,13	0,06	1	0,61	0,46	0,57
X 10	-0,03	0,72	-0,16	0,21	-0,05	0,19	-0,25	-0,14	0,61	1	-0,14	-0,16
X 11	-0,01	0,58	0,68	0,26	0,01	0,06	-0,24	-0,13	0,46	-0,14	1	0,59
X 12	-0,06	0,67	0,58	0,11	0,03	0,09	-0,11	-0,24	0,57	-0,16	0,59	1

– логический и статистический анализ качества полученных зависимостей;

– выбор показателей, наилучшим образом аппроксимирующих исходные данные.

При оценке наличия связи учитывалось, что регрессионная модель может представлять парную корреляцию (связь результативного признака и одного факторного) либо множественную регрессию (связь результативного признака с несколькими факторными признаками). Для отнесения регрессии к одному из типов были использованы стандартные методы статистической обработки данных.

При отборе наиболее информативных факторов, также был проведен анализ мультиколлинеарности предсказывающих переменных.

В регрессионном анализе под мультиколлинеарностью понимается наличие тесных статистических связей между объясняющими переменными, что, в частности, проявляется в близости к нулю определителя их корреляционной матрицы. Поскольку этот определитель входит в знаменатель для важных характеристик модели мультиколлинеарность существенно затрудняет процесс отбора факторных переменных, тем самым создавая опреде ленные трудн ости при моделировании⁶.

В ходе исследования был проведен анализ степени мультиколлинеарности между объясняющими факторами. Выявлено, что между рядом объясняющих факторов наблюдается высокая степень корреляции, что указывает на явление мультиколлинеарности (табл. 5). В связи с этим при моделировании факторы, между которыми наблюдается явление мультиколлинеарности, не могут быть включены в одно уравнение регресии.

По результатам анализа диаграмм рассеивания результирующих переменных в зависимости от объясняющих переменных, а также анализа мультиколлинеарности между объясняющими переменными в качестве класса допустимых решений нами предложена степенная и логарифмическая зависимости как наиболее предпочтительные для составления многофакторных моделей, включающих показатели, имеющие разное количественное и качественное содержание (формула).

Y = а + Ь_г х VX + b₂ х VX .„+ b_n х VX + £

Y = а + Ьг х ln(x) + b2 х ln(x) ... + b„ х ln(x) + £ где a; b1, b1, b2,….., bn – искомые неизвестные параметры уравнения множественной регрессии, а ε – случайная ошибка, учитывающая все остальные факторы, влияющие на результативную переменную.

По итогам оценки параметров уравнения множественной регрессии в пакете STATISTICA получены следующие зависимости результативных показателей от вышеназванных факторов (табл. 6).

Качество полученных моделей подтверждают значимые коэффициенты множественной корреляции и детерминации, а также высокие значения критерия Фишера.

Полученная математическая зависимость в первом уравнении показывает, что удельный вес инновационной продукции в общем объеме продукции, отгруженной машиностроительными предприятиями, может быть увеличен за счет увеличения доли затрат на технологические инновации в машиностроении в общем объеме затрат на технологические инновации (при росте данного показателя на 1% доля инновационной продукции увеличивается на 1,8%), а также за счет роста доли населения, имеющего высшее образование, в общей численности занятых в экономике (рост данного показателя на 1% увеличивает долю инновационной продукции на 6,8%).

Математическая зависимость во втором уравнении показывает, что уровень инновационной активности машиностроительных предприятий может быть увеличен:

– за счет увеличения доли затрат на технологические инновации в машиностроении в общем объеме затрат на технологические инновации (при росте данного показателя на 1% доля инновационной продукции увеличивается на 1,7%);

– путем увеличения отношения средней заработной платы работникам машиностроительных предприятий к средней заработной плате по экономике региона (рост данного показателя на 1% увеличивает уровень инновационной активности на 0,4%);

– за счет увеличения численности студентов высших учебных заведений (рост численности студентов высших учебных заведений в расчете на 10 тыс. населения на 1% увеличивает уровень инновационной активности на 2,5%).

Анализируя построенные модели, можно выделить их сильные стороны (табл. 7).

Построенные модели открывают ряд возможностей, поскольку анализ построенных моделей позволяет:

Таблица 6. Результаты регрессионного анализа связей

№	Уравнение связи	Характеристики модели
1.	М = -20,244 + 1,77 х ^Х + 6,77 х ln(X₁₂) + £	R корреляции =0,418; R² детерминации =0,175; F Фишера =32,985; p=0,0418
2.	V = -41,477 + 1,74 х (Х + 6,77 х ln(X₁₁) + £	R корреляции =0,693; R² детерминации =0,481; F Фишера =15,06; p=0,0049

Таблица 7. Сильные и слабые стороны, полученных моделей

Сильные стороны	Слабые стороны
1. Получены связи между удельным весом инновационной продукции, затратами на технологические инновации и уровнем образования населения, а также между уровнем инновационной активности, затратами на технологические инновации, средней заработной платы работников машиностроительных предприятий и численностью студентов высших учебных заведений.	1. Высокая степень неопределенности (несмотря на то, что полученные связи являются значимыми, они достаточно слабые).
2. Получены значимые связи между объемом отгруженной инновационной продукции, затратами на технологические инновации в машиностроении, затратами на исследования и разработки и уровнем образования населения.	2. Сложности с получением необходимой статистической информации.
3. Разработанные модели открывают возможности для практического их применения и дальнейшего совершенствования.	3. Возможности применения полученных уравнений регрессии довольно ограничены и спорны, поскольку в регионах наблюдаются сильные колебания объемов отгруженной инновационной продукции.
4. Возможность построения прогнозов и расчета эффектов от реализации мер, направленных на развитие инновационных процессов.	4. Степень применения полученных уравнений регрессии ограничена особенностями расчетов.

Таблица 8. Прогноз развития инновационных процессов в машиностроении Вологодской области на период до 2020 года*

Показатель	Сценарий развития	Год
Показатель	Сценарий развития	2011 (факт)	2012 (факт)	2013	2014	2015	2016	2017	2018	2019	2020
Удельный вес инновационной продукции в общем объеме отгруженной продукции, %	Инерционный	1,53	0,36	2,59	2,77	2,94	3,10	3,26	3,42	3,58	3,73
	Инновационный	1,53	0,36	5,24	7,22	8,88	10,33	11,65	12,86	13,99	15,05
Уровень инновационной активности машиностроительных предприятий, %	Инерционный	17,6	10,5	12,83	11,39	9,93	8,46	6,97	5,47	3,94	2,38
	Инновационный	17,6	10,5	21,11	27,19	32,97	38,58	44,07	49,46	54,79	60,06
* Прогнозные значения рассчитаны на основе полученных в ходе исследования уравнений регрессии. Инерционный сценарий рассчитан исходя из среднего изменения показателя за 10 лет. Инновационный сценарий рассчитан исходя из изменений показателя, необходимого для достижения целевых индикаторов, обозначенных в Стратегии инновационного развития России до 2020 года.

– выделить факторы, которые оказывают доминирующее влияние на развитие инновационных процессов в машиностроении;

– сформулировать предложения и рекомендации относительно приоритетов стимулирования со стороны государства процесса создания и внедрения инноваций на машиностроительных предприятиях;

– получить новые знания об объекте исследования (оценить параметры и форму зависимостей между переменными);

– оценивать вклад каждого фактора в повышение уровня инновационной активности и объема отгруженной инновационной продукции;

– формировать новые гипотезы относительно объекта моделирования и особенностей его функционирования;

– представлять в сжатом и удобном виде большие массивы статистической информации.

Апробация разработанных моделей на материалах Вологодской области показала, что при сохранении прежних темпов роста развития инновационных процессов машиностроительная отрасль не сможет стать одной из инновационных точек роста экономики региона. В связи с этим для достижения ряда целевых ориентиров, обозначенных в Стратегии инновационного развития России до 2020 года, необходим опережающий рост ряда показателей (табл. 8).

Таким образом, для переориентации процесса создания и внедрения инноваций на машиностроительных предприятиях региона с инерционного на инновационный сценарий развития в первую очередь необходимо существенно увеличить затраты на технологические инновации, повысить уровень образования населения, увеличить затраты на исследования и разработки, повысить средний уровень заработной платы работникам отрасли.

Список литературы Факторы инновационного развития машиностроительной отрасли региона

Федеральная служба государственной статистики. Режим доступа: http://www.gks.ru
Единая межведомственная информационно-статистическая система (ЕМИСС) . -Режим доступа: http://www.fedstat.ru/indicators/start.do
Наука и инновации: стат. сб. -Вологда: Облстат, 2012. -С. 46.
Промышленность Вологодской области: стат. сб. -Вологда: Облстат, 2011 -С. 117.
Бабич, Л. В. Человеческий капитал машиностроительных предприятий /Л. В. Бабич, Г. В. Леонидова//Проблемы развития территории. -2012. -№ 1. -C. 100.
Гулый, И. М. Моделирование инновационного развития машиностроительного комплекса /И. М. Гулый, А. П. Дороговцев//Экономические и социальные перемены: факты, тенденции, прогноз. -2009. -№ 4. -C. 29.
Корабейников, И. Н. Факторы, влияющие на эффективное функционирование регионального производственного комплекса /И. Н. Корабейников, Л. М. Счастьева, Ю. С. Токарева, И. М. Корецкая//Вестник Оренбургского государственного университета. -2009. -№ 4. -С. 53-59.
Мазилов, Е. А. Основные индикаторы и факторы инновационного развития промышленности региона /Е. А. Мазилов//Менеджмент и бизнес-администрирование. -2013. -№ 1. -С. 166-178.
Маковеев, В. Н. Инновационные процессы в отечественном машиностроении /В. Н. Маковеев//Менеджмент и бизнес-администрирование. -2013. -№ 4. -С. 96-106.
Маковеев, В. Н. Тенденции и проблемы развития машиностроительного комплекса региона /В. Н. Маковеев//Современные исследования социальных проблем. -№ 2. -Красноярск: Научно-инновационный центр, 2013. -Режим доступа: http://journal-s.org/index.php/sisp/article/view/2201324
Машиностроение как доминанта в инновационных процессах : монография/Э. П. Амосенок, В. А. Бажанов, Л. С. Веселая, А. В. Соколов; под ред. Г. М. Мкртчян, В. А. Бажанов. -Новосибирск: Изд-во ИЭОПП СО РАН, 2008. -156 c.
Михайловский, П. В. Оценка факторов экономического роста машиностроительной отрасли /П. В. Михайловский, Е. П. Конюховский//Известия Уральского государственного экономического университета. -2007. -Т. 18. -№ 1. -С. 53-60.
Москвина, О. С. Оценка влияния факторов-доминант на инновационное развитие региона /О. С. Москвина//Вестник Уральского государственного технического университета -УПИ, серия Экономика и управление. -2010. -№ 1. -С. 44-54.
Прикладная статистика. Основы эконометрики. Т. 1: Теория вероятностей и прикладная статистика : учебник для вузов: в 2-х т./С. А. Айвазян, В. С. Мхитарян. -2-е изд., испр. -М.: ЮНИТИ-ДАНА, 2001. -656 с.
Статистика. Практикум : учеб. пособие для вузов/под ред. И. И. Елисеева. -М.: Юрайт, 2011. -483 с.
Стратегия инновационного развития Российской Федерации на период до 2020 года : утверждена Распоряжением Правительства Российской Федерации от 8 декабря 2011 года № 2227-р//Справочно-правовая система КонсультантПлюс. -Режим доступа: http://www.consultant.ru/document/cons_doc_LAW_123444
Теребова, С. В. Промышленный комплекс региона: инновационный аспект развития /С. В. Теребова//Проблемы экономики и менеджмента. -№ 4. -2011. -С. 54-59.
International Merchandise Trade Statistics . -Available at: http://comtrade.un.org/pb/CountryPagesNew.aspx?y=2012
Eurostat . -Available at: http://epp.eurostat.ec.europa.eu

Еще

Статья научная