Совершенствование измерений и оценки результативности деятельности региональных органов власти: модельно-статистический подход
Автор: Петрова Елена Александровна, Калинина Вера Владимировна, Шевандрин Андрей Васильевич
Журнал: Вестник Волгоградского государственного университета. Экономика @ges-jvolsu
Рубрика: Региональная экономика
Статья в выпуске: 5 (28), 2014 года.
Бесплатный доступ
Формирование стратегии долгосрочного социально-экономического развития является основой для эффективного функционирования органов исполнительной власти и оценки ее эффективности в целом. Современные теории оценки результативности государственного управления ориентируются на процессный подход, когда выстраивание бизнес-процессов органов исполнительной власти региона целесообразно проводить в соответствии со стратегическими индикаторами развития территории. В этой связи возникает проблема моделирования взаимосвязи показателей социальноэкономического развития региона и количественных показателей результатов бизнес-процессов органов исполнительной власти. На первом этапе моделирования рассмотрены два основных направления стратегического развития, а именно инновационная и инвестиционная деятельность региональных хозяйственных систем. В связи с этим в работе представлены результаты моделирования взаимосвязи показателей социальноэкономического развития регионов и инновационной и инвестиционной деятельности. Поэтому для проведения анализа социально-экономическая система региона представлена в пространстве основных показателей социально-экономического развития территории и показателей инновационной и инвестиционной деятельности. Анализ выполнен по значениям показателей, рассчитанных для регионов РФ за период 2000, 2005, 2008, 2010 и 2011 годов. В результате выявлены стратегические индикаторы инновационной и инвестиционной деятельности, наиболее существенно оказывающие влияние на ключевые признаки социально-экономического развития.
Стратегия социально-экономического развития региона, эффективность государственного управления, канонический анализ, взаимосвязь экономических процессов на мезоуровне
Короткий адрес: https://sciup.org/14971351
IDR: 14971351 | DOI: 10.15688/jvolsu3.2014.5.2
Текст научной статьи Совершенствование измерений и оценки результативности деятельности региональных органов власти: модельно-статистический подход
DOI:
Проблема оценки эффективности государственного управления в современных научных исследованиях рассматривается в тесной связи с согласованием этих оценок и уровнем социально-экономического развития подведомственных территорий [1, с. 67; 4, с. 35]. Региональные стратегии социально-экономического развития являются основой реализации эффективной экономической политики, направленной на повышение благосостояния населения, достижение целей долгосрочного социально-экономического развития [5, с. 46; 9, с. 96]. При разработке методического инструментария оценки результатов государственного управления в первую очередь необходимо изучить взаимодействие и взаимовлияние различных факторов на уровень социально-экономического развития региона [6; 7]. Методическая сложность решения поставленных вопросов обусловлена тем, что большинство традиционно используемых социально-экономических индикаторов слабо отражают современное состояние экономики региона. Так, например, при оценке инновационной активности в регионах очень часто используется показатель доли предприятий, осуществлявших на протяжении последних трех лет инновационную деятельность, в общем количестве предприятий региона. Однако он слабо описывает масштабы инновационной деятельности на предприятиях региона. Это объясняется тем, что используемый показатель формируется Росстатом без учета объемов производства и инновационной активнос- ти предприятий [2]. Кроме того, существенным недостатком этой характеристики является ограниченная возможность его применения для экономических сопоставлений в аналитических исследованиях. Для анализа развития инновационной сферы региона непригодны показатели оценки инновационной активности, исходя из числа предприятий, о которых не известно ничего, кроме того, что в течение последних трех лет они проводили мероприятия по развитию инновационной сферы. Создание в крупных компаниях дочерних малых предприятий, выполняющих небольшие, но выгодные заказы по выпуску модернизированной продукции, может способствовать росту показателя инновационной активности. В этом случае положительная динамика показателя не является объективным свидетельством интенсивности инновационной деятельности. Кроме того, количество предприятий в регионах весьма нестабильно: каждый год наблюдаются значительные их изменения, при этом исследования показывают слабую взаимосвязь с колебаниями численности промышленно-производственного персонала и динамикой показателей хозяйственной деятельности, что свидетельствует лишь об определенной политики менеджмента компаний [2].
К проблемам методологического характера стоит отнести сложность оценки и учета качества институциональной среды, уровня развития инновационной культуры и человеческого потенциала, качества регионального менеджмента и других сложных подсистем региональной экономической системы, имеющих не количественный, а качественный характер.
Методология исследования
В качестве методологического подхода к моделированию социально-экономического развития территории целесообразно использовать информационный подход к моделированию, в котором процессы социально-экономического развития выступают неким «черным ящиком», имеющим ряд входов и выходов, между которыми моделируются взаимосвязи. Иными словами, известна только структура модели (например, нейронная сеть, линейная регрессия), а сами параметры модели «подстраиваются» под данные, которые описывают поведение объекта [3, с. 23]. Региональную экономическую систему можно отнести к классу парамет-ризированных систем, параметрами которой являются показатели, ответственные за качество инвестиционной и инновационной среды. Наиболее приемлемым в данном случае является метод канонических корреляций, так как он позволяет установить зависимость между наборами данных. Кроме того, являясь обобщением множественной линейной регрессии, данный метод позволяет определять в каждом наборе переменных те из них, которые оказывают наибольшее влияние на противоположный набор показателей, не нарушая латентные связи между наборами данных.
Авторами в статье «Стратегические цели развития региона и проблемы оценки эффективности деятельности органов исполнительной власти» проведен сравнительный анализ стратегий социально-экономического развития регионов Южного федерального округа, что послужило основой для определения основных индикаторов социально-экономического развития территорий, наиболее полно присутствующих в стратегиях регионального развития [8].
Поэтому введем для оценки «выходов» региональной социально-экономической системы следующую систему показателей социально-экономического развития региона: СЭ1 – объем валового регионального продукта на душу населения (тыс. руб.); СЭ2 – уровень безработицы (%); СЭ3 – индекс промышленного производства (в % к предыдущему году); СЭ4 – степень износа основных фондов (%); СЭ5 – стоимость основных фондов (млн руб.); СЭ6 – среднемесячная номинальная начисленная заработная плата работников организаций
(руб.); СЭ7 – число предприятий и организаций; СЭ8 – младенческая смертность, число умерших в возрасте до 1 года на 1 тыс. родившихся живыми; СЭ9 – изменение численности населения (прирост за год, в %); СЭ10 – сальдированный финансовый результат деятельности организаций на 1 тыс. человек.
На первом этапе моделирования рассмотрены два основных направления стратегического развития, а именно инновационная и инвестиционная деятельность региональных хозяйственных систем. Данный подход позволит в дальнейшем сформировать систему показателей деятельности органов государственного управления, характеризующих результативность их деятельности и имеющих высокую корреляцию с показателями социально-экономического развития региона. Определим их в качестве входа изучаемого процесса:
– показатели инвестиционной деятельности: ИНВ1 – валовое накопление основного капитала (млн руб.); ИНВ2 – доля инвестиций в основной капитал организаций с участием иностранного капитала (%); ИНВ3 – инвестиции в основной капитал на душу населения (тыс. руб.); ИНВ4 – доля собственных средств в источниках финансирования инвестиций в основной капитал (%); ИНВ5 – доля банковских кредитов в привлеченных источниках финансирования инвестиций в основной капитал (%); ИНВ6 – доля бюджетных средств в привлеченных источниках финансирования инвестиций в основной капитал (%); ИНВ7 – удельный вес инвестиций в основной капитал в валовом региональном продукте;
– показатели инновационной деятельности: ИН1 – коэффициент локализации науки (%); ИН2 – внутренние затраты на научные исследования и разработки на число исследователей (финансовая обеспеченность исследований); ИН3 – отношение количества патентов и свидетельств на результаты интеллектуальной деятельности к общему числу персонала, занятого научными исследованиями и разработками (%); ИН4 – отношение количества созданных передовых производственных технологий к общему количеству исследовательского персонала (%); ИН5 – объем инновационных товаров, работ, услуг (в % от общего объема отгруженной продукции); ИН6 – инновационная активность орга- низаций (%); ИН7 – доля персонала, занятого исследованиями и разработками в общей численности занятого в экономике (%); ИН8 – доля технологических затрат на 1 руб. инновационной продукции (%); ИН9 – объем инновационной продукции на одного занятого в экономике; ИН10 – доля организаций, осуществлявших технологические инновации, в общем числе организаций (%); ИН11 – удель- ный вес лиц с высшим образованием в составе занятого населения.
При этом социально-экономические показатели являются зависимыми переменными, а остальные – независимыми переменными. Объем выборки в проводимом исследовании составил 135 значений наблюдений по регионам Российской Федерации в периоды 2000, 2005, 2008, 2010 и 2011 годов (рис. 1–3).
Correlations (Данные.sta)
Marked correlations are significant at p < ,05000
N=135 (Casewise deletion of missing data)
Variable |
СЭ1 |
СЭ2 |
СЭЗ |
C34 |
СЭ5 |
C36 |
СЭ7 |
СЭ8 |
СЭ9 |
СЭ10 |
СЭ1 |
1,00 |
-0,40 |
0,17 |
0,29 |
0,84 |
0,88 |
0,52 |
-0,60 |
-0,08 |
0,75 |
СЭ2 |
-0,40 |
1,00 |
0,01 |
0,15 |
-0,37 |
-0,17 |
-0,37 |
0,55 |
0,27 |
-0,38 |
СЭЗ |
0,17 |
0,01 |
1,00 |
0,53 |
0,14 |
0,13 |
0,14 |
0,06 |
0,22 |
0,08 |
СЭ4 |
0,29 |
0,15 |
0,53 |
1,00 |
0,11 |
0,27 |
0,03 |
-0,01 |
0,11 |
0,25 |
СЭ5 |
0,84 |
-0,37 |
0,14 |
0,11 |
1,00 |
0,64 |
0,81 |
-0,39 |
-0,04 |
0.77 |
СЭ6 |
0,88 |
-0,17 |
0,13 |
0,27 |
0,64 |
1,00 |
0,28 |
-0,61 |
-0,04 |
0,43 |
СЭ7 |
0,52 |
-0,37 |
0,14 |
0,03 |
0,81 |
0,28 |
1,00 |
-0,20 |
-0,06 |
0,59 |
СЭ8 |
-0,60 |
0,55 |
0,06 |
-0,01 |
-0,39 |
-0,61 |
-0,20 |
1,00 |
0,45 |
-0,29 |
СЭ9 |
-0,08 |
0,27 |
0,22 |
0,11 |
-0,04 |
-0,04 |
-0,06 |
0,45 |
1,00 |
-0,06 |
СЭ10 |
0,75 |
-0,38 |
0,08 |
0,25 |
0,77 |
0,43 |
0,59 |
-0,29 |
-0,06 |
1,00 |
Рис. 1. Корреляционная матрица показателей социально-экономического развития региона
Correlations (Данные.sta)
Marked correlations are significant at p < ,05000
N=135 (Casewise deletion of missing data)
Variable |
Инв1 |
ИнвЗ |
ИнвЗ |
Инв4 |
Инв5 |
Инвб |
Инв/ |
Инв 1 |
1,00. |
0,17 |
0,84 |
0,21 |
0,20 |
-0,28 |
0,23 |
Инв2 |
0,171 |
1,00 |
0,20 |
0,34 |
0,19 |
-0,44 |
-0,05 |
ИнвЗ |
0,84 |
0,20 |
1,00 |
0,05 |
0,36 |
-0,26 |
0,37 |
Инв4 |
0,21 |
0,34 |
0,05 |
1,00 |
0,07 |
-0,70 |
-0,50 |
Инв5 |
0,20 |
0,19 |
0,36 |
0,07 |
1,00 |
-0,33 |
-0,03 |
Инвб |
-0,28 |
-0,44 |
-0,26 |
-0,70 |
-0,33 |
1,00 |
0,22 |
Инв7 |
0,23 |
-0,05 |
0,37 |
-0,50 |
-0,03 |
0,22 |
1,00 |
Рис. 2. Корреляционная матрица показателей инвестиционной деятельности
Correlations (Данные.sta)
Marked correlations are significant at p < ,05000
N=135 (Casewise deletion of missing data)
Variable |
ИН1 |
ИНЗ |
ИНЗ |
ИН4 |
ИН5 |
ИН6 |
ИН7 |
ИН8 |
ИН9 |
ИН10 |
ИН11 |
ИН I |
1,00 |
0,15 |
-0,26 |
-0,08 |
0,35 |
0,47 |
1,00 |
-0,05 |
0,36 |
0,33 |
-0,04 |
ИН2 |
0,15" |
1,00 |
0,39 |
0,22 |
0,46 |
0,28 |
0,14 |
-0,05 |
0,56 |
-0,01 |
0,35 |
ИНЗ |
-0,26 |
0,39 |
1,00 |
0,10 |
-0,05 |
0,07 |
-0,27 |
0,05 |
-0,03 |
-0,13 |
0,04 |
ИН4 |
-0,08 |
0,22 |
0,10 |
1,00 |
0,14 |
0,17 |
-0,09 |
-0,07 |
0,07 |
0,21 |
0,06 |
ИНВ |
0,35 |
0,46 |
-0,05 |
0,14 |
1,00 |
0,39 |
0,37 |
-0,11 |
0,80 |
-0,02 |
0,18 |
ИНБ |
0,47 |
0,20 |
0,07 |
0,17 |
0,39 |
1,00 |
0,46 |
-0,09 |
0,43 |
0,14 |
-0,12 |
ИН7 |
1,00 |
0,14 |
-0,27 |
-0,09 |
0,37 |
0,46 |
1,00 |
-0,05 |
0,37 |
0,34 |
-0,02 |
ИНВ |
-0,05 |
-0,05 |
0,05 |
-0,07 |
-0,11 |
-0,09 |
-0,05 |
1,00 |
-0,08 |
0,10 |
0,09 |
ИН9 |
0,36 |
0,56 |
-0,03 |
0,07 |
0,80 |
0,43 |
0,37 |
-0,08 |
1,00 |
-0,06 |
0,19 |
ИН10 |
0,33 |
-0,01 |
-0,13 |
0,21 |
-0,02 |
0,14 |
0,34 |
0,10 |
-0,06 |
1,00 |
0,16 |
ИН11 |
-0,04 |
0,35 |
0,04 |
0,06 |
0,18 |
-0,12 |
-0,02 |
0,09 |
0,19 |
0,16 |
1,00 |
Рис. 3. Корреляционная матрица показателей инновационной деятельности
Материалы исследования и результаты
Для проведения исследования необходимо на первом этапе проанализировать степень взаимосвязи выбранных показателей с целью выявления мультиколлинеарности, результаты проведенного корреляционного анализа представлены на рисунках 1, 2 и 3.
Анализ корреляционных матриц показал, что из дальнейшего исследования необходимо исключить следующие показатели, имеющие сильные взаимосвязи: СЭ5, СЭ6, ИНВ1, ИН7, ИН9.
Канонический корреляционный анализ проведен для набора данных пространственно-временной выборки по представленным выше показателям, за исключением показателей, имеющих высокий коэффициент корреляции. На рисунках 4 и 5 отражены основные результаты канонического анализа.
Полученное каноническое значение R достаточно велико (0,95), и высоко значимо ( p < 0,0000). Выводимое здесь каноническое значение R относится к первому (наиболее значимому) каноническому корню. Эта величина может быть проинтерпретирована как корреляция между взвешенными суммами переменных в первом и втором множестве.
Значения извлеченной дисперсии (Variance extracted) и общей избыточности
(Total redundancy) равны общей корреляции между двумя множествами переменных, относительно дисперсий этих переменных.
Они существенно отличаются от канонического значения R -квадрат, так как эта статистика отражает долю дисперсии, объясняемую каноническими переменными.
Значения в строке Извлеченная дисперсия равны средней дисперсии, извлеченной из переменных в соответствующем множестве, усредненной по всем каноническим корням. Все 8 корней извлекают 100 % дисперсии из левого множества переменных (соответствующего социально-экономическим показателям) и 65,2 % дисперсии правого множества.
Одно из этих значений всегда будет равно 100 %, поскольку программа извлекает ровно столько корней, сколько переменных в меньшем множестве. Поэтому для одного из двух рассматриваемых множеств имеется столько канонических переменных, сколько исходных переменных в нем содержится.
Общая избыточность . Получаемые значения можно объяснить следующим образом: пользуясь значениями всех канонических корней и получив значения переменных в правом множестве (15 факторов), можно объяснить, в среднем, 54,1 % дисперсии переменных в левом множестве.
Аналогично можно объяснить 37,2 % изменчивости в правой группе по значениям ii! Canonical Analysis Results: Данные.sta

Canonical R: ,9573471 Chi-Square: 727,2646 df = < 120) p = 0,000000
Number of valid cases: 135
No. of Variance Total redundancy vars. extracted given the other set
Left set: 8 100,00000000% 54,167979885%
Right set: 15 65,210593314% 37,274242613%
Рис. 4. Окно результатов канонического анализа
Canonical Analysis Sumr
Canonical R: ,95735
Chi?(120)=727,26 p=0,00
N=13 5 _______________
No. of variables
Variance extracted
Total redundancy
Left
Set
Right Set 15
100,000%" 65,2106% И 54,1880% 37,2742 % В
Рис. 5. Итоги канонического анализа переменных в левом множестве. Эти результаты говорят о достаточно сильной зависимости между переменными двух множеств.
Проверка значимости корней на основе статистики хи-квадрат показала статистическую значимость первых пяти корней.
Согласно рисунку 6, где представлены канонические веса исследуемых наборов данных, наибольшее влияние на входное множество переменных оказывает: СЭ1 – объем валового регионального продукта на душу населения (тыс. руб.) (вес переменной -0,91); СЭ2 – уровень безработицы (%) (вес переменной -076); СЭ3 – индекс промышленного производства (в % к предыдущему году) (вес переменной 0,71); СЭ7 – число предприятий и организаций (вес переменной 0,859).
Аналогичный анализ канонических весов набора данных «инновационная» и «инвестиционная» деятельность позволил выделить следующие показатели, которые ока- зывают наибольшее влияние на набор данных «социально-экономическое развитие» (рис. 7): ИНВ3 – инвестиции в основной капитал на душу населения (тыс. руб.) (вес переменной -0,71); ИНВ4 – доля собственных средств в источниках финансирования инвестиций в основной капитал, %) (вес переменной -0,47); ИНВ6 – доля бюджетных средств в привлеченных источниках финансирования инвестиций в основной капитал, %) (вес переменной -0,84); ИН1 – коэффициент локализации науки (%) (вес переменной -0,7); ИН2 – внутренние затраты на научные исследования и разработки на число исследователей (финансовая обеспеченность исследований) (вес переменной -0,7); ИН10 – доля организаций, осуществлявших технологические инновации, в общем числе организаций (%) (вес переменной -0,47); ИН11 – удельный вес лиц с высшим образованием в составе занятого населения (вес переменной 0,99).
Variable |
Canonical Weights, left set (Данные, sta) |
|||||||
Root 1 |
Root 2 |
Root 3 |
Root 4 |
Root 5 |
Root 6 |
Root 7 |
Root 8 |
|
СЭ1 |
-0,912083 |
-0,896664 |
-0,327264 |
-0,352768 |
-0,480323 |
-0,359343 |
-1,45352 |
0,470229 |
СЭ2 |
0,127338 |
-0,762457 |
-0,487884 |
0,584059 |
0,257377 |
0,070921 |
0,38303 |
-0,665448 |
СЭЗ |
-0,077600 |
-0,240800 |
0,712063 |
0,117336 |
0,289564 |
-0,838593 |
0,21022 |
-0,428471 |
СЭ4 |
-0,005154 |
0,513815 |
0,200813 |
0,425293 |
0,189199 |
0,980660 |
-0,44982 |
0,247392 |
СЭ7 |
-0,105630 |
0,407218 |
-0,168745 |
0,859145 |
-0,835630 |
0,145802 |
0,17560 |
-0,267933 |
СЭ8 |
0,047599 |
0,285326 |
-0,370044 |
-0,162087 |
-0,099901 |
-0,751112 |
-1,44432 |
0,495405 |
СЭ9 |
0,025839 |
-0,211831 |
0,119234 |
0,289975 |
-0,071967 |
0,199999 |
0,75829 |
0,825843 |
СЭЮ |
0,108760 |
0,461779 |
-0,400711 |
-0,085084 |
1,267155 |
-0,327466 |
1,04672 |
-0,250123 |
Рис. 6. Таблицы «Канонические веса» набора данных «Социально-экономические показатели»
Variable |
Canonical Weights, right set (Данные.sta) |
|||||||
Root 1 |
Root 2 |
Root 3 |
Root 4 |
Root 5 |
Root 6 |
Root 7 |
Root 8 |
|
Инв2 |
-0,030194 |
0,096596 |
-0,082084 |
0,038162 |
-0,285220 |
0,451986 |
0,423012 |
-0,380680 |
ИнвЗ |
-0,718858 |
-0,094425 |
-0,459842 |
0,148717 |
-0,654093 |
-0,103826 |
0,526274 |
-0,035097 |
Инв4 |
-0,050686 |
0,364434 |
-0,473221 |
0,230230 |
0,325112 |
0,693421 |
-0,980097 |
-0,711040 |
Инв5 |
-0,023313 |
0,066254 |
0,330382 |
-0,330043 |
-0,161904 |
0,464910 |
-0,031589 |
-0,017447 |
Инвб |
0,151601 |
-0,276131 |
-0,843163 |
-0,044568 |
0,175536 |
1,078987 |
-0,468027 |
-0,743806 |
Инв7 |
0,246198 |
0,013912 |
-0,157635 |
0,378933 |
0,149336 |
0,262355 |
-0,804361 |
0,423814 |
ИН1 |
0,040770 |
0,283201 |
-0,014831 |
0,478293 |
-0,704021 |
0,237837 |
-0,490606 |
0,117766 |
ИН2 |
-0,264408 |
-0,465054 |
-0,209891 |
-0,714761 |
0,546455 |
-0,268983 |
-0,581530 |
0,056697 |
ИНЗ |
0,046019 |
0,202757 |
0,200949 |
0,300010 |
-0,090469 |
0,794558 |
-0,155939 |
-0,129081 |
ИН4 |
0,045811 |
0,037339 |
0,276564 |
-0,127961 |
-0,098485 |
0,328033 |
-0,294061 |
0,163991 |
ИН5 |
-0,022972 |
0,040317 |
0,078052 |
-0,087895 |
-0,172703 |
0,102901 |
0,518956 |
-0,142813 |
ине |
-0,067661 |
0,072469 |
-0,154009 |
0,3012791 |
1,032491 |
-0,172767 |
-0,086339 |
0,250980 |
ине |
-0,002539 |
0,077264 |
-0,017876 |
-0,149554 |
0,049598 |
0,197140 |
-0,250211 |
0,234719 |
иню |
0,002170 |
-0,092368 |
0,115414 |
-0,476381 |
-0,207741 |
-0,289979 |
-0,290085 |
-0,573268 |
ИН11 |
-0,032295 |
-0,280508 |
0,485358 |
0,961485 |
0,272173 |
-0,010785 |
-0,249479 |
-0,282608 |
Рис. 7. Таблицы «Канонические веса» набора данных «Инвестиционная и инновационная деятельность»
Следующим этапом анализа взаимодействия факторов стратегии развития экономики региона является расчет интегральных показателей «входов» и «выходов» с использованием полученных канонических весов (округленных до второго знака после запятой) и их сопоставление. Уравнение для вычисления интегрального показателя входа:
Ioutput = 0,91сэ ! - 0,13сэ 2 + 0,08сэ 3 + 0,005сэ 4 +
+ 0,1сэ 5 - 0,05сэ 6 - 0,03сэ 7 + 0,1к) ' (1)
где сэ ij — нормированные значения j -го показателя «входа» по i- му региону, а коэффициенты при них – канонические веса.
И рассчитаем интегральный показатель «выхода»:
I input = 0,03инв ! + 0,72инв 2 + 0,05инв 3 + 0,02инв 4 -
-
- 0,15инв 5 - 0,25инв 6 - 0,04ин ,7 + 0,26ин 8 -
-
- 0,05ин 9 - 0,05ин 10 + 0,02ин" + 0,07ин 12 + (2)
+ 0,003ин ?3 - 0,002ин !4 + 0,03ин ?5
где инв ^ , ин — нормированные значения j -го показателя «выхода» по i- му региону, а коэффициенты при них – соответствующие канонические веса, округленные до второго знака после запятой.
Заключение
Проведенный анализ доказал наличие взаимосвязи между выделенными наборами данных по инновационной и инвестиционной деятельности региональной хозяйственной системы. Полученные показатели могут быть положены в основу системы показателей, характеризующих деятельность органов исполнительной власти. Полученную систему показателей целесообразно дополнить традиционными показателями, предлагаемыми Министерством регионального развития РФ в официальной методике оценки эффективности органов исполнительной власти [6; 7]. Сформированная таким образом система показателей, которая включает выделенные три блока (социально-экономический, инновационный и инвестиционный), дополненная традиционными показателями, характеризующими результаты деятельности органов исполни- тельной власти, позволит, во-первых, сократить размерность данных (в официальной методике их количество приближается к 300); во-вторых, будет иметь сильную корреляционную зависимость со стратегическими индикаторами социально-экономического развития региона.
Другим результатом проведенного анализа является возможность проведения типологи-зации регионов на основе аналитического выражения канонических переменных (формулы 1, 2) «входа» и «выхода» моделируемых процессов. Полученные уравнения позволяют рассчитать для каждого региона значения интегральных показателей входа и выхода моделируемых процессов. Полученный массив обобщенных данных является основой для проведения двумерной группировки регионов по полученным значениям интегральных показателей.
Результаты исследования являются основой для принятия управленческих решений по выявлению проблемных зон в реализации мероприятий социально-экономического развития, ликвидации «точек разрыва» в развитии экономики регионов, а также позволяют проводить типологизацию регионов для формирования целевых программ. Выводы основаны на результатах количественного анализа и иллюстрируют тот факт, что устойчивое развитие экономики регионов не сводится лишь к механическому увеличению вложений в инновации. Необходима общенациональная стратегия, направленная на совершенствование правового и экономического пространств, предполагающая в качестве концептуальных ориентиров воспроизводство инновационного типа развития, что позволит реализовать стратегию социально-экономического развития российской экономики.
Список литературы Совершенствование измерений и оценки результативности деятельности региональных органов власти: модельно-статистический подход
- Калинина, В. В. Информационная база мониторинга и оценки эффективности деятельности власти/В. В. Калинина, А. В. Шевандрин//Вестник Волгоградского государственного университета. Серия 3, Экономика. Экология. -2013. -№ 1. -С. 65-71.
- Колинько-Макаренко, В. А. Оценка результативности региональной инновационной системы/В. А. Колинько-Макаренко//Управление экономическими системами. -2010. -№ 4. -Электрон. текстовые дан. -Режим доступа: http://www.uecs.ru/innovacii-investicii/item/289-2011-03-25-07-35-16. -Загл. с экрана.
- Паклин, Н. Б. Бизнес-аналитика: от данных к знаниям/Н. Б. Паклин, В. И. Орешков. -СПб.: Питер, 2010. -704 с.
- Петрова, Е. А. Методические вопросы оценки развития электронного правительства: международный и российский опыт/Е. А. Петрова//Общенациональный научно политический журнал «Власть». -2013. -№ 3. -С. 35-39.
- Петрова, Е. А. Теоретико-методические подходы к анализу социально-экономического развития региона и межрегиональные сопоставления/Е. А. Петрова//Вестник Волгоградского государственного университета. Серия 3, Экономика. Экология. -2013. -№ 1. -С. 46-55.
- Петрова, Е. А. Интегральная многофакторная оценка взаимосвязи эффективности системы управления и факторов социально-экономического развития региона/Е. А. Петрова, В. В. Калинина, А. В. Шевандрин//Современные проблемы науки и образования. -2013. -№ 6. -Электрон. текстовые дан. -Режим доступа: http://www.science-education.ru/113-11207. -Загл. с экрана.
- Петрова, Е. А. Моделирование информационно-аналитического пространства результирующих и факторных признаков деятельности органов местного самоуправления/Е. А. Петрова, В. В. Калинина, А. В. Шевандрин//Фундаментальные исследования. -2013. -№ 10 (ч. 13). -С. 2925-2929. -Электрон. текстовые дан. -Режим доступа: http://www.rae.ru/fs/pdf/2013/10-13/32937.pdf. -Загл. с экрана.
- Петрова, Е. А. Стратегические цели развития региона и проблемы оценки эффективности деятельности органов исполнительной власти/Е. А. Петрова, В. В. Калинина, А. В. Шевандрин//Современные проблемы науки и образования. -2014. -№ 6.
- Шевандрин, А. В. Анализ взаимосвязи эффективности системы управления и социально-экономического развития муниципальных образований/А. В. Шевандрин, В. В. Калинина//Государственное управление. Электронный вестник, 40-й выпуск 2013. -С. 96-104. -Электрон. текстовые дан. -Режим доступа: http://e-journal.spa.msu.ru/vestnik/item/40_2013_shevandrin_kalinina423.htm. -Загл. с экрана.