Экспликативная модель инновационной активности в экономике

Источник: ОЭСР.

В результате процедуры спецификации уравнения линейной регрессии была выведена следующая модель в программе SPSS Statistics (табл. 2).

Таблица 2. Характеристики регрессионной модели

R	R-квадрат	Скорректированный R-квадрат	Стд. ошибка оценки	F	ст.св.1	ст.св.2	Значимость F	Дарбин-Уотсона
0,922a	0,850	0,814	4,72580	23,803	5	21	0,0	1,463

• a.    предикторы (конст.): соц. затраты на душу населения, торговый баланс, доля лиц, получающих второе высшее образование, долгосрочные процентные ставки, инвестиции в НИОКР;

• b.    зависимые переменные : общее число патентов (сумма американского и европейского патентных бюро).

Из результатов (табл. 2) следует, что доля необъяснимых факторов составляет 7,8%, тогда как 92,2 % – значимые факторы, влияющие на инновационное развитие страны.

Т аблица 3. Характеристики и интервальные оценки коэффициентов построенной модели

3 ' д 5 s § M = s 4 s H о и И	5 и		8	о			00
	Ч    и О S3 О Над		о	00		о"	8
s s 3 Я Ң a a 5	у s й У		00 о^	00	о	о"	8
	2 S3 5 =			о	О1 00^	00	o'
	13 Д з ч И в		о	о	О1 00^
Ң A 03 О Д M « « 1 = 2 H	К S3 № 3 д д и S а ез £ &  — 1м		о		о	о.
	К S3 И 3 д д и &	8	00	00	о	о	00 о^
у		с	о	о	о	О1	o'
		гч	О1 ^	00	о	оГ
His та ~ и 3 § = H	S3 н И		о	о
1 Ф H Д Ф ч a s я ® Я d 5 a щ 5 «	5 І "	S		о"	o'	о	8
	м		о	о	о	о"	00^
nQ КС О §			S з а S О S m	s      m S m    о 1 ^i II О о   s ю R. с 3 m о	1 3 Я s Р к у к S m о 2 2 at о с о	3Е Н о	1 3 § й «§ м S3 Ң 3 я У о S з U н к

a. зависимая переменная: сумма патентов в американском и европейском патентных бюро

Уравнение регрессии может быть представлено в следующем виде:

у = – 17,389 – 0,97x1 – 0,371x2 – 0,519x3 + 0,007x4 + 0,816x5 , где y – количество патентов, нормированное на душу населения, x1 – прирост инвестиций в НИОКР, % (-1 лаг), x2 – прирост доли лиц, получающих второе высшее образование, % (-2 лаг), x3 – прирост долгосрочных процентных ставок, % (-2 лаг), x4 – прирост торгового баланса, % (-1 лаг), x5 – прирост соц. затрат на душу населения, % (-1 лаг).

Рис. 1. Диаграмма рассеяния

Вычислим долю влияния каждого фактора на количество патентов. Для этого пронормируем каждый коэффициент при соответствующем предикторе на сумму общих коэффициентов, принимая во внимание неучтенные факторы.

0,97

Инвестиции в НИОКР:

х 0,922 = 0,333764;

Доля получающих второе ВО:

0,371 z

X 0,922 =0,127236;

Долгосрочные процентные ставки:

0,519 z

X 0,922 = 0,127236;

Торговый баланс:

0,007 z

X 0,922 = 0,002766;

Соц. затраты на душу населения:

0,816

x 0,922 = 0,280288.

Рис. 2. Оценка влияния факторов на количество патентов по построенной модели

В результате проведенного регрессионного анализа было выявлено 5 факторов, оказывающих значимое влияние на инновационное развитие страны:

• •    социальные затраты на душу населения (28%), лаг в (-1) год,

• •    торговый баланс (0,2%), лаг в (-1) год,

• •    доля лиц, получающих второе высшее образование (-13%), лаг в (-2) года,

• •    долгосрочные процентные ставки (-18%), лаг в (-2) года,

• •    инвестиции в НИОКР (-33%), лаг в (-1) год.

Данные факторы оказывают влияние лишь спустя 1-2 года, что объясняется длительностью как самого инновационного процесса, так и процесса регистрации патентов (может уйти от нескольких месяцев, например, патент на полезную модель, до 2 лет в зависимости от экспертизы, например, патент на изобретение или промышленный образец).

Изменение таких показателей, как доля лиц, получающих второе высшее образование, и доля долгосрочных кредитных ставок, начинает оказывать действие лишь спустя 2 года.

На рис. 3 представлено влияние значимых показателей построенной модели на динамику изменения зарегистрированных патентов (светлыми стрелками указана положительная связь, а темными – отрицательная; толщина стрелок отражает силу влияния факторов).

Как видим, фактор социальных затрат на душу населения имеет сильное положительное влияние на число патентов с лагом в (-1) год, что, на наш взгляд, вполне логично. В развитых странах уровень социальных затрат на душу населения характеризует благосостояние общества, развитости как экономики страны, так и социума. Это справедливо для группы исследователей и изобретателей, которые нуждаются в социальной стабильности и уверенности в завтрашнем дне. Сошлемся на колоссальный отток научных и квалифицированных кадров из нашей страны в США и Европу в 1990-е гг., что, к сожалению, продолжается по настоящее время.

Торговый баланс, влияющий с лагом (-1) год, является логичным продолжением описания построенной регрессионной модели: чем активнее мировая торговля, тем быстрее развивается экономика этих стран и соответственно возрастают инвестиции в разные отрасли. Это же представляется справедливым и к созданию инноваций.

Процент по долгосрочным кредитным ставкам в данном случае влияет с аналогичным лагом (-1) год, но отрицательным вектором связи, что объясняется тем, что чем ниже кредитная ставка, тем выше привлекательность кредитного предложения, особенно на долгосрочную перспективу, когда «длинные» деньги берутся под крупные проекты.

Рис. 3. Степень влияния отдельных факторов

Доля лиц, получающих второе высшее образование, с лагом (-2) года имеет незначительное (12%) отрицательное влияние. Как видим, чем больше людей получают второе высшее образование в конкретный год, тем меньшее количество патентов затем регистрируется спустя 2 года. На первый взгляд подобный результат кажется противоречивым и нелогичным. Однако допускаем, что отвлечение на длительную учебную деятельность может действительно послужить негативным фактором в инновационных процессах в экономике, поскольку, обучаясь, люди, уже имеющие высшее образование, могут работать в реальном секторе экономики и вносить вклад в исследовательскую и изобретательскую деятельность. Можно также отнести это допущение к профессорско-преподавательскому составу, обучающему студентов по программе второго высшего образования.

Доля государственных инвестиций в НИОКР с лагом (-1) год стала в рассматриваемой модели наиболее неожиданным фактором. Данный показатель оказывает самое сильное влияние (33%) на патентную деятельность, хотя имеет отрицательный вектор связи. Возможным объяснением может служить то, что в модели оценивались значения прироста в 2004-2007 гг. Так, государственные инвестиции в НИОКР могут увеличиваться из года в год, но прироста числа патентов не происходит. К сожалению, государственные инвестиции на исследования не всегда доходят до адресатов. Государство отмечает, что число патентов падает, и усиливает инвестиционные вложения в НИОКР, но это никак не влияет на процесс, поскольку свидетельствует об отсутствии обратной связи.