Подход к анализу и сопоставлению национальных инновационных систем на примере России и других стран
Автор: Афанасьев М.Ю., Лысенкова М.А.
Журнал: Вестник Воронежского государственного университета инженерных технологий @vestnik-vsuet
Рубрика: Экономика и управление
Статья в выпуске: 1 (79), 2019 года.
Бесплатный доступ
В настоящее время сохраняется тенденция к оценке инновационной системы на национальном уровне. Для качественного межстаннового сопоставления необходимы количественные и качественные оценки факторов влияющих на инновационную активность региона. Цель данной работы состояла в том, чтобы обосновать количественно влияние науки и бизнеса на инновационную активность региона. Международные патентные заявки выбраны в качестве показателя, отражающего результат инновационной активности региона. В работе проведена проверка статистических гипотез. Методами эконометрического моделирования подтверждено наличие зависимости между результатами инновационной активностью и инновационным пространством региона. Инновационное пространство региона описывается в работе как совокупность потенциальных связей между бизнесом и организациями, создающими новые знания. В исследовании использовались официальные статистические данные регионов таких стран как РФ, Швейцария, США, Китай и Японии. Методами эконометрического моделирования получены оценки параметров национальных и региональных инновационных систем РФ, Швейцарии, США, Китая и Японии...
Инновационная система, параметрическое описание, техническая эффективность, эконометрическое моделирование, проверка гипотез
Короткий адрес: https://sciup.org/140244376
IDR: 140244376 | DOI: 10.20914/2310-1202-2019-1-434-442
Текст научной статьи Подход к анализу и сопоставлению национальных инновационных систем на примере России и других стран
DOI:
В настоящее время сохраняется стабильный интерес мирового сообщества к оценке инновационной системы на национальном и региональном уровне. Повышение уровня конкурентоспособности стран требует количественной и качественной оценки факторов, оказывающих влияние на инновационную активность страны. В статье М.Ю. Архипова и Е.С. Карпов [1] определяют группы стран, используя метод многомерной классификации. Каждая группа стран обладает схожей патентной активностью. В результате построения кластеров к первому кластеру относятся страны, обладающие высокой патентной активностью, выступающие в мире лидерами в сфере научно-технологического развития такие, как Республика Корея, США, Китай, Япония. Во второй кластер входят страны, обладающие значительной тенденцией к научно-техническому развитию – Швеция, Германия, Швейцария, РФ и др. К третьему кластеру относятся страны с низкими показателями патентной активности, оказывающие слабое влияние на общемировой уровень – Бразилия, Италия, Польша, Румыния. Согласно глобальному инновационному индексу, опубликованному Всемирной организацией интеллектуальной собственности (ВОИС) в 2016 г., США и Япония выступают среди лидеров рейтинга в плане «качества инноваций». В последних статьях ВОИС отмечает большой прорыв Китая, который вошел в число 25 ведущих стран-новаторов в мире. Стоит отметить, что США, Япония и Китай, по данным ВОИС, стали странами – лидерами по числу международных патентных заявок. Согласно докладу «Глобальный инновационный индекс» в 2017 г., подготовленному совместно с Корнельским университетом, школой бизнеса INSEAD и ВОИС, рейтинг ведущих стран-новаторов возглавляет Швейцария, Швеция, Нидерланды и США.
Цель работы состоит в получении и обосновании количественных характеристик влияния науки и бизнеса на результаты инновационной активности регионов. В работе проводится проверка статистических гипотез. Методами эконометрического моделирования подтверждено наличие зависимости между результатами инновационной активности и инновационным пространством региона. Инновационное пространство региона описывается в работе как совокупность потенциальных связей между бизнесом и организациями, создающими новые знания. Для исследования подобраны данные из официальных статистических сборников для регионов РФ, Швейцарии, США, Китая для 2008, 2011, 2012, 2013 гг. и Японии для 2006 и 2012 гг.
Сопоставление влияния количества потенциальных связей между вузами и предприятиями на количество международных патентных заявок для регионов РФ, Швейцарии, США, Китая и Японии
В работе используется преобразованная многофакторная производственная функция, преобразование обосновали авторы в своей работе [2]. Конечная модель вида М1 представляет зависимость результата инновационной активности инновационного пространства региона:
InQ = c + 5lnV + v -u., i i i i, где: Q = pat, - число международных патентных заявок региона i; V = Sz ■ B - инновационное пространство региона, здесь Sf = vuzt - количество высших учебных заведений; B = buzt -число предприятий региона; c, 5 - параметры; V - u, - случайная составляющая, отражающая результаты воздействия на процесс инновационной деятельности региона факторов неопределенности и эффективности.
Для получения оценок технической эффективности инновационного пространства в работе используется величина TE . В соответствии с концепцией «стохастической границы» [3] величина TE характеризует ожидаемое значение технической эффективности инновационного пространства как отношения фактического результата инновационной активности региона exp { c + 5 ln V + v - u ,} к потенциально возможному exp { c + 5 ln V + v } .
Гипотеза 1. Параметры модели М1 описывают зависимость числа международных патентных заявок от размера инновационного пространства регионов, оцененного по количеству высших учебных заведений и предприятий. Параметры модели М1 для регионов РФ значимо не отличаются от параметров моделей М1 для регионов : Швейцарии; Китая; США; Японии.
Статистические данные, представленные в работе и используемые для проверки гипотезы 1, даны в таблице 1 для регионов РФ, кантонов Швейцарии, штатов США, провинций Китая и префектур Японии.
Таблица 1.
Исходные данные по регионам РФ, Швейцарии, США, Китая и Японии для модели вида М1
Data on regions of Russian Federation, Switzerland, USA, China and Japan for model М1
Table 1.
Обозначение Identification |
Наименование показателя Name of indicator |
Период времени Period of time |
Источник References |
Исходные данные по регионам РФ | Data on regions of Russian Federation |
|||
pat |
Количество международных патентных заявок Number of international patent applications |
2008, 2011, 2012, 2013 |
Innovation indicators OECD, 2014 [4] |
vuz |
Количество высших учебных заведений региона Number of higher education institutions in the region |
2013 |
Регионы России. Cоциально– экономические показатели (2013) [5] |
buz |
Количество предприятий Number of enterprises |
2008, 2011, 2012, 2013 |
Регионы России. Cоциально– экономические показатели (2013) [5] |
Исходные данные по кантонам Швейцарии | Data on regions of Switzerland |
|||
pati |
Количество международных патентных заявок Number of international patent applications |
2008, 2011, 2012, 2013 |
Innovation indicators OECD, 2014 [4] |
vuz |
Количество высших учебных заведений региона Number of higher education institutions in the region |
2010 |
Statistical Yearbook of Switzerland, 2014 [6] |
buz |
Количество предприятий Number of enterprises |
2008, 2011, 2012, 2013 |
Statistical Yearbook of Switzerland, 2014 [6] |
Исходные данные по штатам США | Data on regions of USA |
|||
pati |
Количество международных патентных заявок Number of international patent applications |
2008, 2011, 2012, 2013 |
Innovation indicators OECD, 2014 [4] |
vuz |
Количество высших учебных заведений региона |
2010 |
U.S. National Center for Education Statistics (2010) [7] |
buz |
Количество предприятий Number of enterprises |
2008, 2011, 2012, 2013 |
Census Bureau, the Business Information Tracking Series (2014) [7] |
Исходные данные по провинциям Китая | Data on regions of China |
|||
pati |
Количество международных патентных заявок Number of international patent applications |
2008, 2011, 2012, 2013 |
Innovation indicators OECD, 2014 [4] |
vuz |
Количество высших учебных заведений региона Number of higher education institutions in the region |
2008–2013 |
China Statistical Yearbook, 2013 [8] |
buz |
Количество предприятий Number of enterprises |
2008, 2011, 2012, 2013 |
China Statistical Yearbook, 2013 [8] |
Исходные данные по префектурам Японии | Data on regions of Japan |
|||
pati |
Количество международных патентных заявок Number of international patent applications |
2006, 2012 |
Innovation indicators OECD, 2014 [4] |
vuz |
Количество высших учебных заведений региона Number of higher education institutions in the region |
2006, 2012 |
Japan Statistical Yearbook, 2013 [10] |
buz |
Количество предприятий Number of enterprises |
2006, 2012 |
Japan Statistical Yearbook, 2013 [10] |
В таблице 2 перечислены субъекты РФ, у которых число международных патентных заявок в логарифмах и размер инновационного пространства в логарифмах больше 0. Данное решение было выбрано для того, чтобы регионы с низкой инновационной активностью не влияли на оценки параметров модели.
Таблица 2.
Перечень регионов РФ с положительным знаком после логарифмирования по данным 2008–2013 гг.
Table 2.
List of regions of the Russian Federation with a plus parameter after logarithm according to 2008–2013
Воронежская область | Voronezh region |
Республика Башкортостан | Republic of Bashkortostan |
Калужская область | Kaluga region |
Республика Татарстан | Republic of Tatarstan |
Московская область | Moscow region |
Удмуртская Республика | Udmurt Republic |
Рязанская область | Ryazan region |
Пермский край | Perm region |
Тамбовская область | Tambov region |
Нижегородская область | Nizhny Novgorod region |
Тверская область | Tver region |
Самарская область | Samara region |
Тульская область | Tula region |
Саратовская область | Saratov region |
г. Москва | Moscow |
Ульяновская область | Ulyanovsk region |
Республика Коми | Republic of Komi |
Свердловская область | Sverdlovsk region |
Ленинградская область | Leningrad region |
Тюменская область | Tyumen region |
Мурманская область | Murmansk region |
Челябинская область | Chelyabinsk region |
Псковская область | Pskov region |
Красноярский край | Krasnoyarsk region |
г. Санкт-Петербург | St. Petersburg |
Иркутская область | Irkutsk region |
Краснодарский край | Krasnodar region |
Кемеровская область | Kemerovo region |
Волгоградская область | Volgograd region |
Новосибирская область | Novosibirsk region |
Ростовская область | Rostov region |
Томская область | Tomsk region |
Республика Северная Осетия – Алания | Republic of North Ossetia-Alania |
Камчатский край |Kamchatka territory |
Ставропольский край | Stavropol region |
Для проверки гипотезы 1 необходимо провести проверку статистической гипотезы Ho : cd = 5 = 0 для моделей вида М2 [11]:
In Q i = c + c d d i + ( 5 + 5 d d i ) In V i + v - Ц. , где:
-
1) d, = 0, если индекс г принадлежит
региону РФ, и d ; = 1, если индекс i принадлежит региону Швейцарии;
-
2) d, = 0, если индекс i принадлежит
региону РФ, и d ; = 1, если индекс i принадлежит региону Китая;
-
3) d, = 0, если индекс i принадлежит региону РФ, и d ; = 1, если индекс i принадлежит региону США;
-
4) d, = 0, если индекс i принадлежит региону РФ, и di = 1, если индекс i принадлежит региону Японии.
Модели вида М2 построены для 2012 г. Гипотеза 1 принимается, если статистическая гипотеза H не отвергается для каждого из случаев 1–4. Оценка параметров модели М2 проведена методом максимального правдоподобия (таблица 3) .
Таблица 3.
Оценки параметров модели М2 для РФ, Швейцарии, США, Китая и Японии по данным 2012 г.
Table 3.
Estimates of model М2 parameters for Russia, Switzerland, USA, China and Japan based on data of 2012
М2–1) |
М2–2) |
М2–3) |
М2–4) |
|
Россия-Швейцария Russia-Switzerland |
Россия-Китай Russia-China |
Россия-США Russia-USA |
Россия-Япония Russia-Japan |
|
6 |
0.647*** (0.048) |
0.683*** (0.054) |
0.641*** (0.052) |
0.636*** (0.076) |
Sd |
0.187*** (0.019) |
|||
с |
-6.627*** (1.091) |
-7.121*** (1.030) |
-6.544*** (1.317) |
-5.735*** (1.063) |
C d |
3.029*** (0.215) |
2.823*** (0.225) |
2.477*** (0.220) |
|
G v |
0.723 |
0.892 |
0.893 |
0.859 |
CT u |
0.020 |
0.010 |
0.012 |
1.023 |
Log likelihood |
-66.842 |
-86.167 |
-112.348 |
-120.687 |
Примечание. *, **, *** – значимость на уровне 10, 5 и 1% соответственно Note. *, **, *** – significance at level 10, 5 and 1%, respectively
Результаты проверки гипотезы 1 следующие.
-
1. Как показано в столбце 2 таблицы 3, в модели, построенной по данным 2012 г. для РФ и Швейцарии, оценки параметра c модели М2 значимы на уровне 1%, оценки параметра 5 - незначимы. Статистическая гипотеза H : cd = 5 = 0 отвергается. Таким образом, пункт 1 гипотезы 1 отвергается.
-
1. Как показано в столбце 3 таблицы 3 в модели, построенной по данным 2012 г. для РФ и Китая, оценки параметра c модели М2 значимы на уровне 1%, оценки параметра ^ - незначимы. Статистическая гипотеза H 0 : c d = 5 d = 0 отвергается. Таким образом, пункт 2 гипотезы 1 отвергается.
-
2. Как показано в столбце 4 таблицы 3, в модели, построенной по данным 2012 г. для РФ и США, оценки параметра c модели М2 значимы на уровне 1 %, оценки параметра 5 -незначимы. Статистическая гипотеза H o: cd = 5 = 0 отвергается. Таким образом, пункт 3 гипотезы 1 отвергается.
-
3. Как показано в столбце 5 таблицы 3, в модели, построенной по данным 2012 г. для РФ и Японии, оценки параметра c модели М2 незначимы, оценки параметра ^ значимы на 1%-м уровне. Статистическая гипотеза H 0 : c d = 5 d = 0 отвергается. Таким образом, пункт 4 гипотезы 1 отвергается.

0,9
0,85
0,8
0,75
0,7
0,65
0,6
0,55
0,5
-1
-7 -6 -5 -4 -3 -2
Рисунок 1. Параметрической описание инновационных систем РФ, Швейцарии, США, Китая и Японии по международным патентным заявкам для 2012 г
Figure 1. Parametric description of innovation systems, Russia, Switzerland, USA, China and Japan at the international patent applications for 2012
На рисунке 1 представлено параметрическое описание ( 5 ,c,t ) инновационных систем Швейцарии, РФ, США, Китая и Японии по международным патентным заявкам для 2012 г. По оси абсцисс – оценка константы c , по оси ординат – оценка эластичности 5 , полученные по модели М1 для 2012 г. Для каждой точки указан год. Нетрудно видеть, что параметры Японии, Китая и Швейцарии для 2012 г. обладают свойствам парето-оптимальности.
Использование параметрического описания национальной и региональных инновационных систем может служить основой для межстрановых сопоставлений влияния науки и бизнеса на результаты инновационной активности.
Сопоставление влияния количества потенциальных связей между вузами и предприятиями на количество международных патентных заявок для регионов РФ, Швейцарии, США и Китая
В таблице 4 приведены оценки параметров модели М1 для субъектов РФ по данным периода 2008, 2011, 2012 и 2013 гг. для международных патентных заявок. Рост оценки как параметра 6, так и параметра с свидетельствует о развитии национальной инновационной системы.
В таблице 5 приведены оценки параметров модели М1 для кантонов Швейцарии по данным периода 2008, 2011, 2012 и 2013 гг. для международных патентных заявок.
В таблице 6 приведены оценки параметров модели М1 для штатов США по данным периода 2008, 2011, 2012 и 2013 гг. для международных патентных заявок.
В таблице 7 приведены оценки параметров модели М1 для провинций Китая по данным периода 2008, 2011, 2012 и 2013 гг. для международных патентных заявок.
Таблица 4.
Оценки параметров моделей М1 для совокупности 35 субъектов РФ
Table 4.
Parameter estimates of models М1 for 35 regions of the Russian Federation
М1–2008 |
М1–2011 |
М1–2012 |
М1–2013 |
|
6 |
0.55*** (0.000) |
0.621*** (0.000) |
0.639*** (0.000) |
0.573*** (0.000) |
с |
-5.638*** (0.001) |
-5.615*** (0.000) |
-6.515*** (0.000) |
-5.66*** (0.001) |
С |
0.739 |
0.656 |
0.735 |
0.755 |
С и |
0.014 |
0.994 |
0.016 |
0.015 |
Log likelihood |
-39.076 |
-45.156 |
-38.885 |
-39.838 |
Примечание. *, **, *** – значимость на уровне 10, 5 и 1% соответственно
Note. *, **, *** – significance at level 10, 5 and 1%, respectively.
Таблица 5.
Оценки параметров модели М1 для 26 кантонов Швейцарии
Table 5.
Parameter estimates of model М1 for 26 regions of Switzerland
М1–2008 |
М1–2011 |
М1–2012 |
М1–2013 |
|
5 |
0.624*** (0.000) |
0.648*** (0.000) |
0.667*** (0.000) |
0.724*** (0.000) |
С |
-2.159*** (0.000) |
-2.646*** (0.004) |
-3.148*** (0.000) |
-3.649*** (0.000) |
O v |
0 |
0.277 |
0.49 |
0.259 |
С и |
1.183 |
1.146 |
0.859 |
1.255 |
Log likelihood |
-23.243 |
-27.628 |
-27.797 |
-29.251 |
Примечание. *, **, *** – значимость на уровне 10, 5 и 1% соответственно
Note. *, **, *** – significance at level 10, 5 and 1%, respectively.
Таблица 6.
Оценки параметров модели М1 для 51 штата США
Table 6.
Parameter estimates of model М1 for
51 regions of USA
М1–2008 |
М1–2011 |
М1–2012 |
М1–2013 |
|
5 |
0.614*** (0.000) |
0.602*** (0.000) |
0.642*** (0.000) |
0.711*** (0.000) |
С |
-3.659*** (0.03) |
-3.516*** (0.024) |
-4.081*** (0.011) |
-4.489*** (0.008) |
Ov |
0.897 |
0.977 |
0.988 |
0.955 |
С и |
0.011 |
0.022 |
0.022 |
0.873 |
Log likelihood |
-66.809 |
-71.203 |
-71.7372 |
-76.695 |
Примечание. *, **, *** – значимость на уровне 10, 5 и 1% соответственно
Note. *, **, *** – significance at level 10, 5 and 1%, respectively.
Таблица 7.
Оценки параметров модели М1 для
31 провинции Китая
Table 7.
Parameter estimates of model М1 for 31 regions of China
М1–2008 |
М1–2011 |
М1–2012 |
М1–2013 |
|
5 |
0.566*** (0.000) |
0.715*** (0.000) |
0.721*** (0.000) |
0.702*** (0.000) |
С |
-3.711*** (0.024) |
-4.829*** (0.006) |
-4.751*** (0.000) |
-4.58*** (0.009) |
Ov |
1.031 |
1.08 |
1.036 |
1.079 |
С и |
0.012 |
0.013 |
0.013 |
0.01 |
Log likelihood |
-44.939 |
-46.3611 |
-45.089 |
-46.358 |
Примечание. *, **, *** – значимость на уровне 10, 5 и 1% соответственно
Note. *, **, *** – significance at level 10, 5 and 1%, respectively.
На рисунке 2 показана зависимость числа патентных заявок в логарифмах (ось ординат) от размера инновационного пространства в логарифмах (ось абсцисс) кантонов Швейцарии, субъектов РФ, штатов США и провинций Китая для 2013 г.

Рисунок 2. Зависимость числа международных патентных заявок в логарифмах от размера инновационного пространства в логарифмах для 2013 г.: для регионов РФ – треугольник, для кантонов Швейцарии – ромб, для штатов США – квадрат, для провинций Китая – круг
Figure 2. Dependence of the number of international patent applications in logarithms on the size of the innovation space in logarithms for 2013: for regions of Russian Federation – triangle, for regions of Switzerland – rhombus, for regions of USA – square, for regions of China – circle
На рисунке 3 видно, как для 2008, 2011, 2012 и 2013 гг. оценки эластичности числа международных патентных заявок по размеру инновационного пространства для кантонов Швейцарии превышают оценки для субъектов РФ и штатов США. Для 2011 и 2012 гг. доминируют оценки эластичности, полученные для провинций Китая.

Рисунок 3. Оценки эластичности для 2008, 2011, 2012 и 2013 гг.: для регионов РФ – треугольник; для кантонов Швейцарии – ромб; для штатов США – квадрат; для провинций Китая – круг
Figure 3. Estimates of elasticity for 2008, 2011, 2012 and 2013: for regions of Russian Federation – triangle; for regions of Switzerland – rhombus; for regions of USA – square; for regions of China – circle
Сопоставление влияния количества потенциальных связей между вузами и предприятиями на количество международных патентных заявок для регионов РФ, Швейцарии, США, Китая и Японии
В таблице 8 приведены оценки параметров модели М1 для префектур Японии по данным периода 2006 и 2012 гг. для международных патентных заявок.
На рисунке 4 представлено параметрическое описание ( 5 ,c,t ) инновационных систем Швейцарии, РФ, США и Китая по международным патентным заявкам для периода 2008, 2011, 2012 и 2013 гг. и Японии по международным патентным заявкам для 2006 и 2012 гг. По оси абсцисс – оценка константы c , по оси ординат - оценки эластичности 5 , полученные по модели М1 для 2008, 2011, 2012 и 2013 гг. Для каждой точки указан год.
Таблица 8.
Оценки параметров модели М1 для
47 префектур Японии
Table 8.
Parameter estimates of model М1 for 47 regions of China
М1–2006 |
М1–2012 |
|
6 |
0.848*** (0.000) |
0.837*** (0.000) |
с |
-5.949*** (0.003) |
-5.641*** (0.005) |
О , |
0.903 |
0.735 |
Ои |
1.322 |
0.016 |
Log likelihood |
-75.151 |
-76.711 |
Примечание. *, **, *** – значимость на уровне 10, 5 и 1% соответственно
Note. *, **, *** – significance at level 10, 5 and 1%, respectively.
Л
Япония 2006 Japan 2006
Япония 2012 Japan 2012
Китай 2011
China 2011
Китай 2013
China 2013
Китай 2012
China 2012

USA 2013
Швейцария 2013
Switzerland 2013
Швейцария 2012
Switzerland 2012
РФ 2012
Russa 2012
------А
Л
А
США 2012
USA 2012
РФ 2011
Russia 2011
США 2008 USA 2008
Швейцария 2011 Switzerland 2011
РФ 2013
Russia 2013
Q
США 2011
USA 2011
Швейцария 2008
Switzerland 2008
РФ 2008
Russia 2008
Китай 2008
China 2008
-7 -6 -5 -4 -3
-2
0,9
0,85
0,8
0,75
0,7
0,65
0,6
0,55
0,5
-1
Рисунок 4. Параметрической описание инновационных систем РФ, Швейцарии, США и Китая по международным патентным заявкам для 2008, 2011, 2012, 2013 гг. и Японии по международным патентным заявкам для 2006 и 2012 гг.
Figure 4. Parametric description of innovation systems of Russia, Switzerland, USA, China at the international patent filings for 2008, 2011, 2012, 2013 and Japan at the international patent applications for 2012.
На рисунке 5 по оси абсцисс упорядочены (слева направо) регионы РФ, кантоны Швейцарии, штаты США, провинции Китая и префектуры Японии для 2012 г. По оси ординат для каждого региона указана оценка технической эффективности TE инновационного пространства при формировании международных патентных заявок в соответствии с моделью М1, оцененной в совокупности для 190 регионов по данным 2012 г.

Рисунок 5. Оценки технической эффективности инновационного пространства (слева направо) для регионов РФ, Швейцарии, США, Китая и Японии, 2012 г.
Figure 5. Estimates of the technical efficiency of the innovation space for (from left to right) regions of the Russian Federation, Switzerland, USA, China and Japan, 2012
Техническая эффективность инновационного пространства большинства регионов РФ при формировании международных патентных заявок ниже, чем у регионов Швейцарии, США, Китая и Японии.
Выводы
Развитие региональной инновационной системы приводит к росту оценки технической эффективности.
В рассмотренном диапазоне времени свойством парето-оптимальности обладают параметры инновационных систем Японии, Китая и Швейцарии.
Список литературы Подход к анализу и сопоставлению национальных инновационных систем на примере России и других стран
- Архипова М.Ю., Карпов Е.С. Анализ и моделирование патентной активности в России и развитых странах мира//РИСК: Ресурсы, Информация, Снабжение, Конкуренция. 2012. № 4. С. 286-293.
- Айвазян С.А., Афанасьев М.Ю., Лысенкова М.А. Оценка результатов инновационной активности региона с учетом размера пространства инноваций//Анализ и моделирование экономических и социальных процессов: Математика. Компьютер. Образование. 2016. Т. 23. № 4. С. 94-115.
- Kumbhakar S., Lovell K. Stochastic Frontier Analysis. Cambridge U.P., 2004. 86. р
- Innovation Indicators, OECD 2014. PCT patent applications -count. Dataset.
- Регионы России. Социально-экономические показатели -2013 г. URL: http://www.gks.ru/bgd/regl/B13_14p/Main.htm
- Statistical Yearbook of Switzerland 2014. NZZ-Buchverlag, 2014. 601 p. URL: https://www.bfs.admin.ch/asset/en/nzz_jb_2014
- Snyder T.D., Dillow S.A. Digest of Education Statistics 2010. Washington: DC, 2011. 714 p. URL: https://nces.ed.gov/pubs2011/2011015.pdf
- Census Bureau, the Business Information Tracking Series 2014.
- China Statistical Yearbook 2013. China Statistics Press, 2013. 968 p.
- Japan Statistical Yearbook 2013. URL: https://www.stat.go.jp/english/data/nenkan/back62/index.html
- Айвазян С.А., Афанасьев М.Ю., Кудров А.В., Лысенкова М.А. К вопросу параметризации национальной инновационной системы//Прикладная эконометрика. 2017. № 45. С. 29-49.
- Шамин А.Е., Лисина А.Ю., Заикин В.П., Мартьянычев А.В. Система земледелия и её экономическая эффективность//Вестник НГИЭИ. 2017. № 5 (72). С. 54-60.