Индекс инновационного человеческого капитала регионов с доминирующим металлургическим производством

Одной из ведущих отраслей российской экономики является металлургическое производство. Металлургические предприятия, занимающиеся производством готовых металлических изделий, располагаются в 21 регионе РФ. В связи с этим одним из ключевых факторов успешного инновационного развития металлургической промышленности становится уровень квалификации населения региона. В качестве основной методологии, позволяющей его оценить, нами предлагается использовать теорию человеческого капитала Г. Беккера. Под человеческим капиталом нужно понимать совокупность знаний и опыта сотрудника, позволяющую ему получать доход от своей работы. Наиболее значимым, на наш взгляд, является вывод Г. Беккера о том, что специальная подготовка персонала не ограничивается только рамками конкретной фирмы: «Какие-то виды подготовки могут иметь ценность не для большинства фирм и не для одной фирмы, а для ограниченного их числа (в зависимости от выпускаемой продукции, характера работы или географического расположения)», т.е. специальная подготовка может быть осуществлена для какой-то «отрасли, профессии или страны» [1, c. 77].

Данный тезис Г. Беккера впоследствии нашел отражение в выделении двух типов специального человеческого капитала: специального человеческого капитала фирмы (firm-specific human capital) и специального человеческого капитала отрасли (industry specific human capital). Последний и является тем понятием, которое отражает запас знании эксперта, необходимый для внедрения инноваций. Специфика практического применения теории специального человеческого капитала при формировании у персонала предприятия знании на примере химической отрасли была проанализирована нами ранее [2], а анализ человеческого капитала как части интеллектуального капитала предприятия мы можем найти у Г.И. Гарафиевой [3].

В данной статье мы попытаемся проанализировать специфику применения теории специального человеческого капитала отрасли на примере формирования индекса развития инновационного человеческого капитала для бизнес-проектов 21 региона РФ в отрасли «Металлургическое производство и производство готовых металлических изделий».

В рамках теории специального человеческого капитала отрасли нами предлагается выделять инновационный человеческий капитал. Последний мы понимаем как специальный человеческий капитал, который на микроуровне реализуется как специальный человеческий капитал фирмы (firm- specific human capital) на макроуровне, в нашем случае на уровне региона, и как специальный человеческий капитал отрасли (industry specific human capital). Поэтому мы под инновационным человеческим капиталом региона понимаем специальный человеческий капитал инновационных отраслей промышленности региона.

Роль региона в мировой экономике мы анализируем в рамках теории сетевого общества М. Кастельса. За основу взято предложенное М. Кастельсом выделение двух типов пространств: «пространства потоков» и «пространства мест» [4].

«Пространство потоков» предполагает технологическую возможность организации множественности социальных практик безотносительно к географической привязанности. Смысл и функция «пространства потоков» зависят от потоков, протекающих внутри сетей в отличие от «пространства мест», в котором смысл, функция и место жестко взаимосвязаны. Регион как коллективный субъект действует в рамках двух пространств. В рамках «пространства места» он выступает как социум, обеспечивая воспроизводство населения и социальное развитие на определенной территории. В рамках «пространства потоков» регион выступает как актор, вступающий в конкуренцию за информацию с целью улучшить свою конкурентоспособность в мировой экономике через участие в бизнес-проектах, в которых он использует ресурсы накопленные в рамках «пространства места». Новизна нашей методологии заключается в том, что мы предлагаем рассматривать интеракции в рамках «пространства потоков» не только как двусторонние взаимодействия региона с каким-либо субъектом (регионом, предприятием и т.д.), но и как действия в рамках всемирной сети, т.е. участие региона в различных бизнес-проектах.

Итогом реализации инновационного типа экономического поведения региона в рамках «пространства потоков» является привлечение и осуществление бизнес-проекта в «пространстве места» региона. Соответственно инновационный человеческий капитал региона должен быть использован в двух пространствах. В «пространстве потоков» – как ресурс в борьбе за привлечение бизнес–проекта, а в «пространстве места» – как ресурс для развития инновационной среды, что позволит получить социальный эффект реализации проекта. Описанный процесс принимает форму кругооборота: инновационная среда обеспечивает реализацию проекта, проект позволяет получить социальный эффект и улучшить развитие инновационного человеческого капитала региона, который улучшает инновационную среду и позволяет получить новый проект.

Рассмотрим частный случай применения методики анализа инновационного человеческого капитала нефтехимической отрасли на примере формирования индекса развития инновационного человеческого капитала для бизнес-проектов на примере отрасли «металлургическое производство и производство готовых металлических изделий»; предоставление услуг в этих областях.

Нами проведено исследование уровня развития инновационного человеческого капитала для бизнес-проектов применительно к отрасли «металлургическое производство и производство готовых металлических изделий» 21 субъекта РФ за период с 2006 по 2010 г. Количество регионов было ограничено 21 субъектом ввиду того, что только по ним имелись достоверные статистические данные. Рейтинг развития инновационного человеческого капитала региона для бизнес-проектов был вычислен на основе статистических данных, представленных в базе данных Федеральной службы государственной статистики РФ, отдельно за каждый год, входящий в период с 2006 по 2010 г.

Для вычисления рейтинга развития инновационного человеческого капитала в бизнес-проектах региона был реализован следующий алгоритм.

• 1.    Нормирование показателей осуществляется по формуле линейного масштабирования:

• 2.    Рассчитать уровень развития инновационного человеческого капитала, используемый при участии региона в бизнес-проектах как среднее арифметическое 5 показателей развития инновационного человеческого капитала, необходимого для привлечения бизнес-проектов в регион по каждому из 21 региона РФ. В качестве показателей нами использованы уровень финансирования организациями получения знаний, связанных с инновациями, уровень финансирования организациями технологических инноваций, уровень финансирования организациями приобретения оборудования для технологических инноваций, уровень финансирования организациями исследований и разработок, уровень финансирования организациями маркетинговых исследований.

_ x - X min -

Показательнорм xmax-xmin, где X – значение показателя;

X max , X min – установленные максимальное и минимальное значения показателей (референтные, или реперные, точки).

Динамика развития индекса инновационного человеческого капитала для бизнес-проектов в отрасли «Металлургическое производство и производство готовых металлических изделий» показана на рисунке.

Рис. Динамика развития индекса инновационного человеческого капитала для бизнес-проектов в отрасли «Металлургическое производство и производство готовых металлических изделий»

Сравнивая полученные с 2006 по 2010 г. рейтинги, можно проследить несколько закономерностей:

• 1.    Наиболее низким в абсолютном выражении рейтинг развития инновационного человеческого капитала для бизнес-проектов был у регионов в 2009 г., когда у лидера – Челябинской области – он составил 0,60, а также в 2010 г., когда у лидера – Липецкой области – он составил 0,61.

• 2.    Наиболее высокий в абсолютном выражении рейтинг развития инновационного человеческого капитала был у лидера – Челябинской области – в 2008 г. и равнялся 0,80.

• 3.    Средний уровень развития инновационного человеческого капитала для бизнес-проектов был зафиксирован в изучаемом периоде в 2006 и 2007 гг., у лидера – Челябинской области – он составил соответственно 0,67 и 0,68.

• 4.    Выявленная тенденция в абсолютных величинах с минимальным уровнем развития инновационного человеческого капитала в 2009 и 2010 гг., средним уровнем развития в 2006 и 2007 гг. и высоким уровнем в 2008 г. присуща лидеру рейтинга – Челябинской области.

• 5.    Полученные результаты позволяют говорить о неравномерности развития инновационного человеческого капитала для бизнес-проектов, если уровень лидера Челябинской области всегда превышал отметку 0,6, то среди других регионов это удалось сделать только Свердловской области в 2007 г. и Липецкой области в 2010 г. Кроме этих трех регионов уровень 0,3 один раз смогла превысить Московская область.

В течение исследованных 5 лет стабильно в первую десятку входили два региона: Челябинская и Свердловская области; 4 раза – г. Санкт-Петербург, Красноярский край, Самарская, Московская области; 3 раза – Волгоградская, Ростовская, Оренбургская области; по два раза – Кемеровская, Нижегородская и Липецкая области, г. Москва; по одному разу – республики Мордовия и Башкортостан, Вологодская, Иркутская, Тульская, Мурманская, Ярославская области.

Индекс инновационного человеческого капитала для бизнес-проектов региона служит одним из показателей инновационного развития региона. На наш взгляд, наиболее адекватной характеристикой инновационного развития региона является число работающих в нем инновационных предприятий. Следовательно, можно предположить существование некой зависимости между уровнем развития инновационного человеческого капитала для бизнес-проектов региона и числом инновационных предприятий в регионе. Среди статистических данных, представленных в базе данных Федеральной службы государственной статистики РФ, присутствует показатель «число организаций, осуществлявших инновационную деятельностью», который может увеличиться при повышении уровня развития инновационного человеческого капитала региона.

Регрессионная модель, основанная на линейном уравнении парной регрессии, связывающим y – количество инновационных организаций, с x – уровнем развития инновационного человеческого капитала, была вычислена по стандартной формуле.

Линейное парное уравнение регрессии имеет вид:

y * = a + bx,, jj

• j=1,…..n, где n=число наблюдений

• y^* j – оценка условного математического ожидания y;

• a, bx j – эмпирические коэффициенты регрессии, подлежащие определению.

Оценки параметров линейной регрессии могут быть найдены разными методами, наиболее распространенным является метод наименьших квадратов. Данный метод позволяет получить такие оценки параметров a и b , при которых сумма квадратов отклонений фактических значений результативного признака y от расчетных y* j (теоретических) значений (рассчитанных по уравнению регрессии) минимальна.

Непосредственно коэффициенты уравнения рассчитываются по представленным формулам; черта сверху означает осреднение.

b =

X * Y - X * Y

x

a = Y - b * X,

о

где o x - взвешенная дисперсия (для вариационного ряда), рассчитываемая по формуле:

о

Е(x-x)2 n

Е n

где n– частота (повторяемость фактора Х).

Нами сформирована регрессионная модель развития инновационного человеческого капитала для бизнес-проектов «Металлургическое производство и производство готовых металлических изделий». Регрессионная модель имеет вид линейного уравнения парной регрессии, связывающей y (количество инновационных организаций) с x (уровнем развития инновационного человеческого капитала):

y = 1,63 + 18,38x.

На основании анализа численного значения коэффициента корреляции (r xy = 0,57) установлено наличие статистической связи уровня развития инновационного человеческого капитала x и количества инновационных организаций y. Показано, что доля всех неучтенных в полученной эконометрической модели объясняющих переменных составляет приблизительно 43%.

Путем расчета коэффициента эластичности показано, что при изменении уровня развития инновационного человеческого капитала на 1% количество инновационных организаций изменяется на 0,25%.

С использованием t-критерия выполнена оценка статистической значимости коэффициентов регрессии. Установлено, что объясняющая переменная x является статистически значимой (t T > t КРИТ , где t T = 13,9, t КРИТ =1,966).

С использованием F-критерия установлено, что полученное уравнение парной регрессии в це- лом является статистически значимым и адекватно описывает изучаемое явление связи числа инновационных организаций y с уровнем развития инновационного человеческого капитала x (FT > FКРИТ, где FT= 193, FКРИТ=7,969).

Подводя итог, отметим, что нами была проанализирована специфика применения теории специального человеческого капитала отрасли при формировании индекса развития инновационного человеческого капитала для бизнес-проектов 21 региона РФ в отрасли «Металлургическое производство и производство готовых металлических изделий», выявлена динамика развития индекса у ведущих регионов с 2006 по 2010 г. На основе проведенного анализа сформулирована регрессионная модель развития инновационного человеческого капитала для бизнес-проектов отрасли «Металлургическое производство и производство готовых металлических изделий». Регрессионная модель имеет вид линейного уравнения парной регрессии, связывающей количество инновационных организаций с уровнем развития инновационного человеческого капитала.