Эконометрическое моделирование уровня развития экономики знаний в регионах России
Автор: Алферьев Д.А.
Журнал: Экономика и социум @ekonomika-socium
Статья в выпуске: 6-2 (19), 2015 года.
Бесплатный доступ
В статье представлена эконометрическая модель множественной регрессии уровня развития экономики знаний в регионах России. Ее моделирование осуществлялось на основе расчета интегральной оценки научно-технического потенциала. При помощи данной регрессионной модели были выявлены основные факторы, оказывающие наибольшее влияние на экономику знаний.
Экономика знаний, научно-технический потенциал, регрессионный анализ, множественная регрессия, корреляция
Короткий адрес: https://sciup.org/140115102
IDR: 140115102
Текст научной статьи Эконометрическое моделирование уровня развития экономики знаний в регионах России
Современное общество активно развивает идею о первоочередной важности информационных ресурсов. Своевременные, достоверные и качественные знания являются залогом обеспечения высокого уровня конкурентоспособности компаний и позволяют руководителям принимать более правильные и оптимальные решения. Данные положения являются основой современной экономической парадигмы – «экономика знаний».
Экономическая среда, базирующаяся на управлении информационными ресурсами, особое внимание уделяет научным исследованиям и их достижениям. В связи с этим, основные показатели, объективно характеризующие развитие экономики, должны носит научнотехнологический характер [2; 6].
Ученными и исследователями ИСЭРТ РАН была разработана и апробирована методика расчета мультипликативного интегрального показателя, при помощи которого можно оценить уровень научнотехнического развития регионов России и определить факторы, по которым какая-либо из исследуемых территорий отстает от других или является лидером. Показатели, используемые в методике, сгруппированы по 3 тематическим модулям и представлены на рисунке 1.
Рисунок 1 – Система показателей научно-технического развития территорий [1; 2; 3]
Следует отметить, что одним из недостатков подобных методик является необходимость сбора большого количества наблюдений различающихся по своей сущностной характеристике. При изменении форм сбора данных в статистических центрах обработки информации могут измениться способы расчета некоторых показателей, либо они могут быть вообще исключены из дальнейших статистических наблюдений. В связи с этим возникает проблема дальнейшей интерпретации и сопоставимости результатов проводимых исследований между собой.
Данная проблема может быть решена путем сокращения количества показателей, используемых при расчете интегральной оценки за счет построения модели множественной регрессии [5]. Сформировавшееся уравнение позволит спроектировать отклик аналогичный тому, который показывает фактический мультипликативный показатель научно технического потенциала.
Модель множественной регрессии, показывающая уровень развития экономики знаний в регионах была спроектирована при 41-ом предикторе (сумма показателей, входящих в расчет оценки мультипликативного показателя уровня научно-технического развития территорий). Объем выборочных наблюдений составил 400 точек отсчета (значения показателей для 80 регионов РФ, взятые за период 2009-2013 гг.). Исходными данными для анализа послужили материалы Федеральной службы государственной статистики [4].
По завершению процедуры корреляционного анализа и отбора на основании его полученных данных для исключения из модели явления мультиколлинеарности (дублирование влияния факторов на результирующий показатель и смещение, вследствие этого, полученных оценок перед отобранными переменными) в регрессионную модель были включены следующие показатели.
-
- уровень инновационной активности организаций (х 1 ), %;
-
- численность исследователей с ученой степенью на 10 тыс. занятых в экономике (х2), чел.;
-
- число созданных передовых производственных технологий в расчете на 1 млн. населения (х3), ед.;
-
- выпуск специалистов высшими учебными заведениями в расчете на 10 тыс. населения (х4), чел.;
-
- доля населения, имеющего высшее профессиональное образование, в общей численности занятых в экономике (х5), %;
-
- удельный вес организаций, имеющих веб-сайты, в общем числе обследованных организаций (х6), %.
Таким образом, математическая модель примет следующий вид:
у = 2,452 + 0,011х4 + 0,007x2 + 0,008x3 + 0,006х4 + 0,01х5 +
0,018х6, 1)
Коэффициент детерминации данного уравнения равный 0,695 указывает на то, что вариация индекса научно-технического потенциала примерно на 70% зависит от показателей, которые были отобраны на этапе моделирования матрицы парных коэффициентов корреляции.
Интерпретация регрессионных коэффициентов модели позволила определить следующее:
Ь0 - равное 2,452, представляет собой среднее значение экономики знаний в регионе.
Ь 1 - равное 0,011, представляет собой предсказанное значение увеличения коэффициента научно-технического потенциала при увеличении инновационной активности организаций на 1%.
Ь2 - равное 0,007, представляет собой предсказанное значение увеличения коэффициента научно-технического потенциала при увеличении численности исследователей с ученой степенью на 10 тыс. занятых в экономике на 1 человека.
Ь3 - равное 0,008, представляет собой предсказанное значение увеличения коэффициента научно-технического потенциала при увеличении числа созданных передовых производственных технологий в расчете на 1 млн. населения на 1 шт.
Ь4 - равное 0,006, представляет собой предсказанное значение увеличения коэффициента научно-технического потенциала при увеличении числа созданных передовых производственных технологий в расчете на 1 млн. населения на 1 шт.
Ь 5 - равное 0,01, представляет собой предсказанное значение увеличения коэффициента научно-технического потенциала при увеличении доли населения, имеющего высшее профессиональное образование, в общей численности занятых в экономике на 1%.
Ь6 - равное 0,018, представляет собой предсказанное значение увеличения коэффициента научно-технического потенциала при увеличении удельного веса организаций, имеющих веб-сайты, в общем числе обследованных организаций на 1%.
Таким образом, можно отметить, что из 41 показателя, используемого при расчете интегральной оценки научно-технического потенциала, в наибольшей мере оказывают влияние на нее без совокупной взаимообусловленности (мультиколлинеарности) 6 предикторов. В наибольшей мере на конечный результат в расчетной модели оказывает влияние последний показатель. Как показывает модель его влияние составляет 0,018 ед.
Дальнейшие исследования могут быть направлены на поиск недостающих факторов, способных спрогнозировать более точные оценки результирующего показателя и более точно подстроить графическую модель регрессии под результат, построенный по фактическим данным. Также уравнение можно протестировать на наличие автокорреляции и гетероскедастичности.
Список литературы Эконометрическое моделирование уровня развития экономики знаний в регионах России
- Задумкин, К.А. Научно-технический потенциал региона: оценка состояния и перспективы развития : монография/К.А. Задумкин, И.А. Кондаков. -Вологда: ИСЭРТ РАН, 2010. -205 c.
- Исследование методов повышения инновационности экономики региона : заключительный отчет о НИР/исполн. С.В. Теребова, Е.А. Мазилов. Вологда, 2014. 146 с. Инв. № 02201455669.
- Модернизация России: социально-гуманитарные измерения : монография/В.А. Ильин, К.А. Гулин, Т.В. Ускова, И.А. Кондаков, А.А. Шабунова, Г.В. Леонидова, М.В. Морев, Р.Ю. Селименков, под ред. Н.Я. Петраков. . -СПб.: Нестор-История, 2011. -448 c.
- Регионы России. Социально экономические показатели: статистический сборник. -Режим доступа: http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/publications/catalog/doc_1138623506156
- Эконометрика : учеб./под ред. И.И. Елисеевой. -М.: Проспект, 2010. -288 с.
- Якушев, Н.О. Теоретические основы управления экономикой знаний /Н.О. Якушев//Инновационное развитие территорий: Материалы 3-й Междунар. науч.-практ. конф., г. Череповец, 25-27 февраля 2015 г -Череповец: ЧГУ, 2015. -С. 117-118.