Размещено на http://www.allbest.ru/

Дагестанский государственный университет

МОДЕЛИРОВАНИЕ ВЛИЯНИЯ ПОКАЗАТЕЛЕЙ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ НА ОСНОВНЫЕ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИЕ ПОКАЗАТЕЛИ РЕГИОНОВ СКФО С ПОМОЩЬЮ ПАРНОЙ РЕГРЕССИИ

Ахмедов К.Д.

Магомедгаджиев Ш.М.

г. Махачкала, Россия

Оценка влияния показателей инновационной деятельности на основные социально-экономические показатели регионов является актуальной проблемой требующей внимательного изучения. Это обусловлено той ролью, которую инновационная активность регионов и стран мира оказывает на их социально-экономическое развитие. Теме инноваций оказывается большое внимание в современной научной литературе, однако работ посвященных количественной характеристике инноваций и их влияния на социально-экономическое развитие регионов [1] России, на наш взгляд недостаточно. Нами был разработан модельно-компьютерный инструментарий, который позволяет строить эконометрические модели линейного и степенного вида, характеризующие влияние показателей инновационной деятельности на валовой региональный продукт, сальдированный финансовый результат и объем промышленного производства в регионах Северо-Кавказского федерального округа. Статистические данные представлены в статистических сборниках "Регионы России. Социально-экономические показатели" [3]. Полученные оценки моделей показывают достаточно тесную корреляцию показателей инновационной деятельности со всеми рассматриваемыми показателями.

Для зависимости валовой региональный продукт (Y1) - показатели инновационной деятельности (Х1, Х2, Х3) получены следующие результаты табл. 1.

Таблица 1. Параметры и характеристики моделей, характеризующих влияние показателей инновационной деятельности (Х1, Х2, Х3) на ВРП (Y1) в регионах СКФО

Коэффициент r² (индекс детерминации) характеризует степень тесноты корреляции между рассматриваемыми показателями, в данной таблице мы видим что r² для фактора численность персонала, занятого НИР - Х₁ и внутренние затраты на инвестиции и разработки, млн. руб. - Х₂ является достаточно высоким, следовательно модели статистически значимы. Также сравнивая r² для линейной и степенной функций, мы видим, что линейная функция лучше описывает зависимость между переменными.

Для проверки значимости модели регрессии используется F-критерий Фишера [1,2]. Этот критерий, как в линейной, так и в степенной модели выше критического только для двух первых переменных, что свидетельствует о возможности их использования для анализа.

Коэффициент при X_, в линейной модели показывает прирост объема валового регионального продукта (Y1), приходящийся на единицу прироста численности персонала, занятого НИР и внутренних затрат на исследования и разработки. Коэффициент при X_, в степенной модели показывает на сколько процентов изменится Y, если X_1, изменится на 1 процент [1,2].

Таким образом увеличение численности персонала, занятого НИР на 1 чел. приводит в среднем к росту ВРП в 2010г на 147 млн. руб., а в 2015 г 228 млн. руб. Увеличение внутренних затрат на исследования и разработки на 1 млн. руб. к приросту ВРП в среднем на 319 млн. руб. в 2010г и 408 млн. руб. в 2015г. Согласно модели степенного вида прирост X₁ на 1 процент в среднем приведет к росту ВРП на 0,91% в 2010г и на 1,2% в 2015г. А при увеличении фактора Х ₂ на 1% ВРП в среднем прирастает на 0,64 и 0,77% в 2010 и 2015г. соответственно. инновационный финансовый регион

Для зависимости объем промышленного производства (Y2) - показатели инновационной деятельности (Х1, Х2, Х3) получены следующие результаты табл.2

Таблица 2. Параметры и характеристики моделей, характеризующих влияние показателей инновационной деятельности (Х1, Х2, Х3) на объем промышленного производства (Y2) в регионах СКФО

Согласно данным таблицы все модели в целом статистически значимые, об этом свидетельствуют F-критерий Фишера и r². Увеличение численности персонала занятыми исследованиями и разработками на 1 чел. в среднем дает прирост промышленного производства на 79 млн. руб. и 117 млн. руб. в 2010г. и 2015г. В процентном соотношении, согласно степенным моделям, это 1,26 и 1,51% соответственно. Коэффициент регрессии в модели зависимости Y₂ от Х ₂ свидетельствует о росте промышленного производства в среднем на 180 млн. руб. и 207 млн. руб. при увеличении внутренних затрат на исследования и разработки на 1 млн. руб. в 2010г. и 2015г. Коэффициент эластичности для этой зависимости равен в 2010г. 0,98% и в 2015гю 1,14%.

Для зависимостей, в которых в качестве результативного признака выступает сальдированный финансовый результат предприятий СКФО, степенных моделей построить не удалось, так как они имел отрицательное значение для многих регионов. Линейные модели, согласно коэффициенту детерминации и F-критерию Фишера статистически значимы. Результаты моделирования представлены в табл.3.

Таблица 3. Параметры и характеристики моделей, характеризующих влияние показателей инновационной деятельности (Х1, Х2, Х3) на сальдированный финансовый результат (Y3) в регионах СКФО

Согласно моделям, увеличение численности персонала, занятого НИР (Х1) на 1 единицу в 2010г приводит в среднем к росту сальдированного финансового результата (Y3) на 9 млн. руб., а в 2015г уже 15млн. руб. Рост внутренних затрат на исследования и разработки (Х1) на 1млн руб. в 2010г на увеличение сальдированного финансового результата в 2010г на 20 млн. руб. и в 2015г на 26 млн. руб. Фактор объем инновационной продукции также оказался значимым в рассматриваемых моделях из таблицы 3. Причем коэффициенты детерминации оказались значительно выше, чем для двух первых факторов. - 0,91 и 0,93 в 2010г. и в 2015г соответственно. Однако его влияние оказалось не таким сильным, как в 2010г. так и в 2015г изменение объема инновационной продукции на 1 млн. руб., приводит в среднем к изменению сальдированного финансового результата на 1 млн. руб.

Таким образом, показатели инновационной деятельности имеют тесную связь с основными социально-экономическими показателями в регионах СКФО. Почти все модели оказались статистически значимыми и имеют высокий коэффициент детерминации. В моделях зависимости ВРП от показателей инновационной деятельности, более высокие коэффициенты детерминации характерны для линейных регрессии. В моделях, где в качестве зависимого показателя выступает объем промышленного производства более высокий коэффициент детерминации в степенных регрессиях. Из трех рассмотренных факторов, согласно коэффициентам регрессии в линейных и степенных моделях наибольшее влияние на основные социально-экономические показатели оказывает фактор Х1 - численность персонала, занятого НИР, на втором месте Х2 - внутренние исследования и разработки и на третьем месте фактор Х3 - объем инновационной продукции. Если рассматривать модели за разный временной период, то в 2015г сила влияния всех факторов, существенно возросла по сравнению с 2010г. Об этом свидетельствуют как предельная эффективность факторов во всех моделях, так и коэффициенты эластичности.

Список литературы

1. Адамадзиев К.Р., Адамадзиева А.К., Ахмедов А.С. Ключевые показатели экономики регионов и?связи (зависимости) между ними: методы, модели, методика оценки // Фундаментальные исследования. - 2017. - № 1. - С. 134-139.

2. Магомедгаджиев Ш.М. Джабраилов Р.А. Структура и динамика инновационного потенциала регионов Северо-Кавказского Федерального округа за 2010-2014гг // Экономика и предпринимательство. - №11-4.-2016.- С. -310-313

3. Регионы России. Социально-экономические показатели. 2016: Стат. сб./Росстат. - М., 2016. - 1326 с.

Размещено на Allbest.ru