После построения моделей необходимо будет сопоставить результаты. Инструмент данного исследования - статистический пакет STATA, с помощью которого будут подтверждены или не подтверждены гипотезы о влиянии сотрудничества компании в области НИОКР на эффективность.



4. Анализ результатов

4.1 Предварительный анализ данных

Перед построением модели была проведена работа с данными, в которой проведено тестирование на наличие выбросов с помощью полей корреляций, которое является визуальной техникой извлечения выбросов. На рисунках представлены графики разброса наблюдений, из которых видны выбросы, которые впоследствии были исключены.

Рисунок 1 Корреляционное поле между ROA и количеством сотрудников

После анализа данного поля корреляции исключено 5 наблюдений, которые являются выбросами. Это очень крупные компании, которые отличаются от средней массы выборки.



Рисунок 2 Корреляционное поле между ROA и финансовым левериджем

Согласно данному полю корреляции, исключены 4 наблюдения, в которых финансовый леверидж принимает большое значение.

Рисунок 3 Корреляционное поле между интенсивностью НИОКР и дивидендной доходностью



После анализа разброса исключены 2 наблюдения с большим значением интенсивности НИОКР и дивидендной доходности.

Рисунок 4 Корреляционное поле между долей нематериальных активов и ROA

После анализа выбросов было исключено 14 наблюдений, в которые вошли очень крупные компании, экстремально большие значения, либо недостоверные финансовые данные. Количество наблюдений составило 1011. Далее рассмотрим переменные с помощью описательных статистик. Основные характеристики представлены в Таблице 4.

Наблюдается, что оба коэффициента рентабельности активов, которые в нашем случае показывает эффективность компании, принимают как отрицательные, так и положительные значения. Это означает, что вложения в активы в некоторых компаниях не приносят прибыли, и деятельность компании не является эффективной.

Что касается рентабельности собственного капитала, то значения также имеют разные знаки, значит существуют компании, которые не приносят прибыли с рубля, авансированного в собственный капитал. Количество сотрудников в компаниях варьируется от 8 до 958657, что говорит о большом разбросе размера компаний в России, которые лидируют по выручке.

Таблица 4 Описательные статистики

Переменная	Количество наблюдений	Среднее	Стандартное отклонение	Минимум	Максимум
Сотрудничество с партнерами	1011	0.2800	-	0	1
Сотрудничество с государством	1011	0.1583	-	0	1
Сотрудничество с университетами	1011	0.2196	-	0	1
Рентабельность активов (NI/A)	989	0.0434	0.1129	-0.6514	0.8476
Рентабельность активов (EBIT/A)	989	0.0929	0.1207	-0.6332	0.9037
Рентабельность собственного капитала	990	0.1429	0.7831	-6.7063	8.0566
Количество сотрудников	922	26916	82060.74	8	958657
Финансовый леверидж	988	0.2128	0.1868	0	1.1717
Интенсивность НИОКР	991	0.0032	0.0203	0	0.3738
Дивидендная доходность	1011	0.0186	0.0575	0	1.1175
Доля нематериальных активов в активах	1011	0.0338	0.1015	0	0.9813

В выборке есть компании, доля заемного капитала которых превышает долю собственного капитала, и таких компаний две. Среднее в сотрудничестве с партнерами по сравнению со средним других видов сотрудничества самое большое, соответственно, оно имеет больше значений, принимающих 1. Это говорит о популярности данного вида по сравнению с сотрудничеством с государством и с университетами.

Далее рассчитаем коэффициенты корреляций Пирсона между переменными, а также уровень статистической значимости коэффициентов. Результаты представлены в Таблице 1 в Приложении 2.

Согласно данным в Таблице, коэффициент корреляции между сотрудничеством с партнерами и эффективностью, представленной рентабельностью активов (ROA), равен 0,05, что согласно шкале Чеддока говорит об отсутствии взаимосвязи. Коэффициенты корреляции между сотрудничеством с государством и ROA и сотрудничеством с университетами и ROA оказались незначимыми, поэтому мы не можем говорить о наличии какой-либо связи между переменными. Коэффициенты корреляции между операционной рентабельностью активов (ROA-2) и сотрудничествами оказались незначимыми. Что касается показателя эффективности как рентабельность собственного капитала (ROE), то значимыми оказались коэффициенты при сотрудничестве с партнерами и с университетами, где наблюдается лишь слабая положительная связь.

Примечательно, что существует слабая прямая положительная взаимосвязь между сотрудничеством с университетами и размером компании, которая значима на 1% уровне. Кроме того, существует умеренная прямая положительная взаимосвязь между сотрудничеством с университетами и сотрудничеством с партнерами, а также между сотрудничеством с государством и сотрудничеством с университетами, коэффициенты значимы на 1% уровне. Это объясняется тем, что компания, которая занимается кооперацией в сфере НИОКР, использует одновременно несколько видов сотрудничества в своей деятельности.

Рассматривая коэффициенты корреляции между контрольными переменными, отметим, что максимальный коэффициент корреляции принимает значение 0.1038 между финансовым левериджем и долей нематериальных активов, коэффициент значим на 1% уровне. По шкале Чеддока это слабая положительная корреляция. Коэффициент корреляции между количеством сотрудником и финансовым левериджем составил 0.0623 и значим на 10% уровне, что тоже говорит о слабой корреляции между переменными. Остальные коэффициенты контрольных переменных не значимы. Соответственно, все контрольные переменные могут быть включены в модель, так как отсутствует проблема мультиколлинеарности между ними.



4.2 Регрессионный анализ

В статистическом пакете STATA были построены модели, с помощью которых проанализировано влияние сотрудничества в области НИОКР на эффективность компаний. В качестве эффективности в первом случае использовался коэффициент рентабельности активов, рассчитанный делением чистой прибыли на активы, показывающий качество управления активами. Во второй модели зависимой переменной является операционная рентабельность активов, в третьей модели - рентабельность собственного капитала. В модель включены контрольные переменные.

Модели построены с помощью регрессионного анализа панельных данных с фиксированными эффектами. Для этого проведен тест Хаусмана для сравнения моделей с фиксированными эффектами и со случайными эффектами. В результате теста выбрана модель с фиксированными эффектами. Кроме того, в модели все контрольные переменные будут включены с лагом 1 год (t-1), так как отдача на компанию будет только через некоторые время, а также для борьбы с эндогенностью, которая может быть из-за одновременности.

Рассмотрим полученные коэффициенты регрессии и их значимость.

Таблица 5 Базовые модели

№	Variables	(1) ROA	(2) ROA-2	(3) ROE
1	Cuni (сотрудничество с университетами)	-0.007 (0.752)	-0.016 0.391	0.135 (0.452)
2	Cgov (сотрудничество с государством)	0.023 (0.416)	0.009 0.682	-0.053 (0.815)
3	Cpar (сотрудничество с партнерами)	0.014 (0.379)	0.015 0.276	-0.022 (0.859)
4	Emp (количество сотрудников)	6.96e-07 (0.162)	5.59e-07 0.172	1.47e-06 (0.703)
5	Lev (финансовый леверидж)	-0.008* (0.084)	-0.007* 0.082	-0.457 (0.134)
6	Div (дивидендная доходность)	0.0422 (0.513)	-0.038 0.465	0.081 (0.872)
7	Rd (интенсивность НИОКР)	-0.022 (0.918)	-0.033 0.854	-0.507 (0.768)
8	Intang (доля нематериальных активов)	0.000 (0.995)	-0.092 0.440	0.767 (0.496)
9	Cons	0.010 (0.555)	0.070*** (0.000)	0.220 (0.119)
	R2	0,01	0,01	0,07
	Число наблюдений	723	723	724
коэффициент статистически значим на уровне 10% - *, 5% - **, 1%-***

В базовой модели с первым показателем эффективности ROA коэффициент при сотрудничестве с университетами отрицательный, остальные коэффициенты положительные. Все коэффициенты сотрудничества оказались незначимыми.

Рассмотрим другую модель, в которой показателем эффективности будет также рентабельность активов, но рассчитанная делением операционной прибыли на активы. Результаты оказались аналогичными, все коэффициенты сотрудничества оказались незначимыми. Финансовый леверидж в обеих моделях имеет отрицательный коэффициент и он значим на 10% уровне.

Построена третья модель, где зависимой переменной является рентабельность собственного капитала. В модели не подтвердилось влияние ни одного вида сотрудничества компаний в области НИОКР на эффективности компаний.

Таким образом, все базовые модели не подтвердили эффективность сотрудничества. Однако можно улучшить модель. Рассмотрим линейную регрессионную модель с эффектами взаимодействия. Эффект взаимодействия возникает, когда зависимость между переменными изменяется под воздействием нескольких других переменных. Необходимость рассмотрения совместных эффектов возникла, так как существует большое количество компаний, которые сотрудничают в области НИОКР и применяют несколько видов взаимодействия одновременно. В дополнение к базовым моделям добавлены совместные эффекты между двумя видами сотрудничества для каждых видов, а также совместный эффект всех трех видов сотрудничества, так как возможно, существует их общие влияние на эффективность компаний.

Для начала рассмотрим коэффициенты корреляций между совместными эффектами. Результат представлен в Таблице 6.

Таблица 6 Коэффициенты корреляций между совместными эффектами

	Cuni*cpar	Cuni*cgov	Cgov*cpar	Cuni*cgov*cpar
Cuni*cpar	1.0000
Cuni*cgov	0.6880 (0,0000)	1.0000
Cgov*cpar	0.4787 (0,0000)	0.6417 (0,0000)	1.0000 (0,0000)
Cuni*cgov*cpar	0.6217 (0,0000)	0.8073 (0,0000)	0.8073 (0,0000)	1.0000

Как видно из таблицы, умеренная положительная взаимосвязь наблюдается между совместными эффектами государства и партнеров и университетов и партнеров. В остальных случаях наблюдается заметная положительная взаимосвязь между эффектами взаимодействия, коэффициенты корреляции варьируются в промежутке [0,4787;0,8073]. Однако нигде не наблюдается полной корреляций или очень высокого взаимодействия, что говорит об отсутствии полной мультиколлинеарности между переменными.

Далее построим регрессионные модели с эффектами взаимодействия и рассмотрим полученные результаты также по трем показателям эффективности.

Уравнения моделей:

- Модель с зависимой переменной рентабельность активов



ROA=NI/A

roa_it = б + в₁*cgov_it + в₂*cuni_it + +в₃*cpar_it + в₄*(cpar*cgov)it + в₅*(cpar*cuni)it + в₆*(cuni*cgov)it + в₇ (сuni*cgov*cpar) _it +в₈*emp_it-1 + в₉*lev_it-1 + в₁₀*div_it-1 + в₁₁*rd_it-1+ в₁₂*intang_it-1 +е (11)

- Модель с зависимой переменной рентабельность активов

ROA=EBIT/A

roa-2_it = б + в₁*cgov_it + в₂*cuni_it + +в₃*cpar_it + в₄*(cpar*cgov)it + в₅*(cpar*cuni)it + в₆*(cuni*cgov)it + в₇ (сuni*cgov*cpar ) _it +в₈*emp_it-1 + в₉*lev_it-1 + в₁₀*div_it-1 + в₁₁*rd_it-1+ в₁₂*intang_it-1 +е (12)

- Модель с зависимой переменной рентабельность собственного капитала (ROE)

roe_it = б + в₁*cgov_it + в₂*cuni_it + +в₃*cpar_it + в₄*(cpar*cgov)it + в₅*(cpar*cuni)it + в₆*(cuni*cgov)it + в₇ (сuni*cgov*cpar) _it +в₈*emp_it-1 + в₉*lev_it-1 + в₁₀*div_it-1 + в₁₁*rd_it-1+ в₁₂*intang_it-1 +е, (13)

где: roa - рентабельность активов,

roe - рентабельность собственного капитала,

cgov - сотрудничество с государством,

cuni - сотрудничество с университетами и научными центрами,

cpar - сотрудничество с компаниями-партнерами,

emp - количество сотрудников компании,

lev - финансовый леверидж компании,

div - дивидендная доходность,

rd - интенсивность НИОКР,

intang- доля нематериальных активов,

cpar*cgov - совместный эффект сотрудничества с партнерами и с государством,

cpar*cuni - совместный эффект сотрудничества с партнерами и с университетами,

cuni*cgov - совместный эффект сотрудничества с университетами и с государством,

сuni*cgov*cpar - совместный эффект сотрудничества с университетами, с государством и с партнерами.

Рассмотрим полученные коэффициенты регрессии моделей и их значимость в Таблице 7.

В первом случае представлена модель с совместными эффектами сотрудничества, где зависимой переменной является рентабельность активов. Коэффициент при сотрудничестве с университетами отрицательный, при сотрудничестве с партнерами и с государством положительный. Однако, значим коэффициент при сотрудничестве с партнерами на 5% уровне значимости, что означает положительное влияние на эффективность.

Показатели сотрудничества выражались с помощью дамми-переменных, поэтому показывают среднее изменение эффективности при переходе из одной категории (отсутствие сотрудничества) в другую (наличие сотрудничества). Остальные оказались незначимые, значит, не влияют на эффективность компании.

Таблица 7 Модели с совместными эффектами

№	Variables	(1) ROA	(2) ROA-2	(3) ROE
1	Cuni (сотрудничество с университетами)	-0.0029 (0.924)	0.0017 (0.948)	0.1449 (0.550)
2	Cgov (сотрудничество с государством)	0.0641 (0.151)	0.0598 (0.107)	-0.1149 (0.742)
3	Cpar (сотрудничество с партнерами)	0.0512** (0.019)	0.0355* (0.051)	0.0648 (0.705)
4	Сpar*cgov (совместный эффект сотрудничества с партнерами и с государством)	-0.1259*** (0.008)	-0.0592 (0.129)	-0.3949 (0.284)
5	Cpar*cuni (совместный эффект сотрудничества с партнерами и с университетами)	-0.0492 (0.174)	-0.0282 (0.348)	-0.2337 (0.411)
6	Сuni*cgov (совместный эффект сотрудничества с университетами и с государством)	0.0048 (0.933)	-0.0337 (0.476)	-0.1207 (0.787)
7	Cuni*cgov*cpar (совместный эффект сотрудничества с университетами, с государством и с партнерами)	0.0890 (0.193)	0.0214 (0.706)	0.8583 (0.109)
8	Emp (количество сотрудников)	6.69e-07 (0.175)	5.13e-07 (0.210)	-1.41e-06 (0.715)
9	Lev (финансовый леверидж)	-0.0101 (0.803)	0.0047 (0.890)	-0.4830 (0.129)
10	Div (дивидендная доходность)	0.0505 (0.434)	-0.0378 (0.480)	0.1194 (0.813)
11	Rd (интенсивность НИОКР)	-0.0201 (0.927)	-0.0337 (0.853)	-0.5015 (0.771)
12	Intang (доля нематериальных активов)	0.0150 (0.917)	-0.0878 (0.462)	0.8747 (0.438)
13	Cons	.0056 (0.760)	0.0649*** (0.000)	0.2258 (0.116)
	R2	0,03	0,02	0,02
	Число наблюдений	723	723	724
коэффициент статистически значим на уровне 10% - *, 5% - **, 1%-***

Что касается совместных эффектов, то влияние подтвердилось только для совместного эффекта сотрудничества с партнерами и государством. Коэффициент отрицательный, и значим на 1% уровне. Это говорит о том, что наблюдается отрицательный эффект взаимодействия сотрудничества с партнерами и с государством на компанию.

Во второй модели рассматривается влияние сотрудничества на рентабельность активов, рассчитанную как отношение операционной прибыли на активы. Как и в предыдущей модели, подтвердилась значимость только сотрудничества с партнерами. Коэффициент регрессии положительный и значим на 10% уровне, что говорит о позитивном влиянии сотрудничества с другими компаниями на эффективность компании.

Результаты в модели, где в качестве зависимой переменной использовался показатель рентабельности собственного капитала, говорят о незначимости сотрудничества с государством, с партнерами и с научными университетами для эффективности компании.

Рассматривая объясняющие переменные как фиктивные, интерпретируем коэффициенты, которые оказались значимыми. Говоря о среднем изменение эффективности при переходе из категории отсутствия сотрудничества в категорию наличие сотрудничества. Наблюдается, что на 5,1% увеличится ROA при возникновении сотрудничества с партнерами. ROA изменится на -8,6%, если компания начнет одновременное сотрудничество с партнерами и с государством.

В другой модели, на 3,6% вырастет операционная рентабельность активов, если компания начнет сотрудничать с другими компаниями.

Возможно, что есть разница во влиянии сотрудничества в области НИОКР на эффективность крупных и средних (малых) компаний. Для дополнительного анализа разделим компании на подвыборки по размерам компаний. В первую подвыборку вошли компании, которые имеют больше 1000 сотрудников, во второй подвыборке находятся компании, численность сотрудников которых ниже 1000 человек. Сравним результаты по подвыборкам на основе рентабельности активов и рентабельности собственного капитала.

Построив регрессионные модели с фиксированными эффектами по подвыборкам, включающие эффекты взаимодействия сотрудничества, получены следующие результаты. Подтверждена эффективность взаимодействия в области НИОКР крупных компаний с партнерами, коэффициент значим на 5% уровне по влиянию на ROA, на 10% уровне значимости по влиянию на операционную ROA.



Таблица 8 Модели по размерам компаний

Переменная сотрудничества	Крупные компании (от 1000 человек)	Малые и средние компании (до 1000 человек)
С партнерами	Положительное влияние**	Не влияет
С государством	Не влияет	Не влияет
С университетами	Не влияет	Не влияет
С партнерами и государством	Не влияет	Не влияет
С партнерами и университетами	Не влияет	Не влияет
С государством и университетами	Не влияет	Не влияет
С партнерами, государством и университетами	Положительное влияние*	Не влияет
Количество наблюдений	581	114
R2	0,04	0,06
Статистическая значимость на уровне 10% - *, 5% - **, 1%-***

Интересно, что также было выявлено положительное влияние на 5% уровне совместного эффекта всех трех видов сотрудничества на рентабельность собственного капитала для больших компаний.

Вторая подвыборка с небольшими компаниями (от 8 до 1000 человек) показала отсутствие влияния сотрудничества в области НИОКР с партнерами, с государством и с университетами на эффективность компаний. На основе полученных данных анализа можно сделать вывод о том, что кооперация с партнерами эффективна только для больших компаний.

Таким образом, проведя анализ, гипотеза о влиянии сотрудничества с государством в области НИОКР на эффективность компаний отклонилась, гипотеза о влиянии сотрудничества с научными центрами и университетами в области НИОКР на эффективность компаний отклонилась, а подтвердилась целесообразность сотрудничества в сфере НИОКР с партнерами.

Согласно собранным данным, сотрудничество с партнерами является самым распространенным видом кооперации по НИОКР в России (283 наблюдения из 1011). В сравнении количество сотрудничества с государством - 161 наблюдение, с университетами - 222 наблюдения, что также объясняет наличие проверенной эффективности сотрудничества с партнерами. Компании имеют общие цели, особенно если работают в одной отрасли, поэтому кооперация между ними является самой простой среди остальных.

Анализируя результаты обзора литературы, мы можем наблюдать некоторые противоречия с работами других авторов. К примеру, некоторые исследователи не находили влияние кооперации с партнерами на результативность компаний (Ritala and Hurmelinna-Laukkanen, 2013), а другие наблюдали позитивные результаты для компаний, которые ведут совместную научную деятельность с университетами и с государством (Belderbos, Carreeb and Lokshinb, 2014).

Предположительно, такие результаты были получены ввиду разнообразия отраслей рассматриваемых компаний в анализируемых статьях, а так же выборок разных стран. К примеру, сотрудничество с государством по выборке немецких стран в одной из статей имеет отрицательный эффект на компанию, результаты оказались схожими с полученными нами.



Заключение

Наука является неотъемлемой частью современной жизни, соответственно, НИОКР и кооперация в области НИОКР - это важная часть в функционировании компаний, в разработке и создании благ для общества. Не только крупные компании, но уже средние по размеру компании применяют инновации в свою деятельность, развивают научный потенциал как внутри производства, так и налаживают взаимоотношения с более сильными в плане науки компаниями, университетами.

В работе были рассмотрены статьи, посвященные теме сотрудничества в области НИОКР и эффективности деятельности компании. На основе обзора литературы был сделан собственный анализ влияния сотрудничества в области НИОКР на эффективности компаний на основе 205 российских компаний за 2011-2015 года. Таким образом, была достигнута цель работы и рассмотрен исследовательский вопрос. В результате в двух моделях подтвердились гипотезы о положительном влиянии сотрудничества с партнерами, в то время как коэффициент кооперации с университетами и с государством оказался незначим.

Тот факт, что часть гипотез не подтвердились, говорит о многогранности процесса НИОКР, а также о сложности повышения эффективности деятельности компаний. Возможно, неэффективность совместных разработок с научными центрами говорит о больших затратах на такие исследования, а сотрудничество с партнерами является эффективным вследствие аналогичных интересов и целей. Сотрудничество с государством не имеет влияния на компанию ввиду того, что государство не готово поддерживать каждую компанию, и заинтересовано только в некоторых отраслях производства, в то время как другие отрасли остаются на собственном попечении по научным разработкам.

Результаты исследования еще раз свидетельствуют о том, что крайне важно понимать ответственность принятия решения о сотрудничестве компаний для совместных исследований и разработок, так как существуют высокие издержки и риски, и нельзя точно предсказать успешность коллаборации.

В работе имеются некоторые ограничения, а именно построены регрессионные модели, в то время как в работе можно рассмотреть модель разность разностей, где сравнить группы компаний, которые вступают в сотрудничество и которые создают инновационные продукты самостоятельно. Кроме того, можно изменить показатели сотрудничества и рассмотреть их в зависимости от срока совместных работ. В перспективе возможно рассмотрение компании отдельно по отраслям и оценка влияния по отдельности.

Список литературы

Специальная литература

1. Власкин Г., Ленчук Е. Кластерный подход в стратегии инновационного развития России. 2010.

2. Дежина И.Г., Медовников Д.С., Розмирович С.Д. Оценки спроса российского среднего технологического бизнеса на сотрудничество с вузами // Журнал новой экономической ассоциации. 2017.№4(36).P.81-105.

3. Никулина О.В., Лугинец Р.В. Направления развития внешнеторговой политики Китая на основе укрепления международного сотрудничества с американскими и российскими компаниями в высокотехнологичных отраслях экономики // Национальные интересы: приоритеты и безопасность.2016.№5.P.140-151.

4. Трачук А.В., Линдер Н.В. Инновации и производительность российских промышленных компаний // Инновации. 2017. №4(222). P.53-65.

5. Arvanitis S. How do different motives for R&D cooperation affect firm performance? - An analysis based on Swiss micro data. 2012

6. Badillo E.R., Galera F.L., Serrano R.M. Cooperation in R&D, firm size and type of partnership. Evidence for the Spanish automotive industry // European Journal of Management and Business Economics. 2017. №1(26). P. 123-143.

7. Bagchi-Sen S. Firm-specific characteristics of R&D collaborators and non-collaborators in US biotechnology clusters and elsewhere. 2004.

8. Beuren I. Influence of family ownership on company performance. International Journal of Managerial Finance. 2016. №5. P.654-672.

9. Belderbos R. , Carreeb M., Lokshinb B. Inter-temporal patterns of R&D Collaboration and Innovative Performance. 2014

10. Belderbos R., Carreeb M., Lokshinb B. Cooperative R&D and Firm Performance. 2004

11. Capasso M., Treibich T.,Verspagen B. The medium-term effect of R&D on firm growth // Small Business Economics. 2015. №45. P.39-62.

12. Cerulli G., Gabriele R.,Potм B. The role of firm R&D effort and collaboration as mediating drivers of innovation policy effectiveness//Industry and Innovation. 2016. №23(5). P.426-447.

13. Czarnitski D., Ebersberger B. The relationshop between R&D Collaboration Subsidies and R&D Performance: Empirical evidence from Finland and Germany // Journal of Applied Econometrics. 2007. №22. P.1347-1366.

14. Ebersberger B., Lehtoranta O. Pattern of Innovative Activities among Finnish Firms. 2005

15. Hu B., Wang L. and Yu X. R&D and economic growth in China on the basis of data envelopment analysis Evidence from Province // Journal of Technology Management. 2007. №2(3). P.225-236.

16. Hottenrotta H., Lopes-Bentob C. (International) R&D collaboration and SMEs: The effectiveness oftargeted public R&D support schemes // Research Policy. 2014. №43. P.1055-1066

17. Khoshnevis P., Teirlinck P. Performance evaluation of R&D active firms // Socio-Economic Planning Sciences. 2018. №61. P.16-28.

18. Kobarg S., Stumpf-Wollersheim J., Welpe I. University-industry collaborations and product innovation performance: the moderating effects of absorptive capacity and innovation competencies // Springer Science+Business Media New York 2017. 2017

19. Lazzarotti V., Manzini R., Mari L. A model for R&D performance measurement // International Journal of Production Economics. 2011. №134. P.212-223

20. Li P., Chen Y. Exploring interaction-based antecedents of marketing-R&D collaboration: evidence from the Taiwan's semiconductor industry//Innovation: Management, Policy & Practice. 2016. № 3. P.352-372.

21. Lufman J., Lyytinen K., Zvi T. Enhancing the measurement of information technology (IT) business alignment and its influence on company performance//Journal of Information Technology. 2017. №32. P.26-46.

22. Macedo M., Corrar L. Anбlise do desempenho contбbil-financeiro deseguradoras no Brasil no ano de 2007: um estudo apoiado em anбlise hierбrquica (AHP) // Contabilidade Vista & Revista. 2010. №3. P.135-165.

23. Ritala P.,Hurmelinna-Laukkanen P. Incremental and Radical Innovation in Coopetition--The Role of Absorptive Capacity and Appropriability. 2013

24. Shyu J. Family ownership and firm performance: evidence from Taiwanese firms // International Journal of Managerial Finance. 2011. №4. P.397-411.

25. Veugelers R., Collaboration in R&D: an assessment of theoretical and empirical findings. 1998

26. Wu J. Cooperation with competitors and product innovation: Moderating effects of technological capability and alliances with universities // Industrial Marketing Management.2014. №43.P.199-209

27. Wu C., Wei J . Cooperative R&D and the Value of the Firm. 1998

Приложение 1

Рис. 1 Удельный вес организаций, участвовавших в совместных проектах в общем числе организаций, осуществлявших технологические инновации в 2011-2016 годах

Рис. 2 Технологические инновации в 2016 году



Приложение 2

Таблица 1 Коэффициенты корреляций между переменными

	roa	roa2	Roe	cpar	cgov	cuni	emp	lev	rd	div
roa	1.0000
roa2	0.6680	1.0000
	0.0000
roe	0.2505	0.2121	1.0000
	0.0000	0.0000
cpar	0.0536	0.0335	0.0589	1.0000
	0.0918	0.2929	0.0641
cgov	-0.0045	-0.0387	0.0002	0.2246	1.0000
	0.8875	0.2245	0.9962	0.0000
cuni	0.0223	0.0501	0.0602	0.3665	0.3068	1.0000
	0.4832	0.1156	0.0582	0.0000	0.0000
emp	-0.0145	0.0074	-0.0273	0.1237	0.1585	0.2182	1.0000
	0.6617	0.8238	0.4100	0.0002	0.0000	0.0000
lev	-0.2544	-0.0722	-0.0980	0.0698	-0.0076	0.0792	0.0623	1.0000
	0.0000	0.0231	0.0020	0.0282	0.8114	0.0128	0.0601
rd	-0.0660	-0.0309	-0.0029	-0.0694	-0.0005	-0.0498	-0.0195	0.0335	1.0000
	0.0387	0.3334	0.9276	0.0290	0.9869	0.1171	0.5576	0.2941
div	0.0577	0.1522	-0.0024	0.0224	-0.0587	0.0713	0.0503	-0.0092	-0.0224	1.0000
	0.0696	0.0000	0.9398	0.4760	0.0619	0.0233	0.1273	0.7737	0.4804
intang	0.0335	0.0251	-0.0237	0.0102	-0.0232	-0.0462	-0.0051	0.1038	-0.0034	0.0056
	0.2924	0.4312	0.4568	0.7459	0.4621	0.1419	0.8778	0.0011	0.9142	0.8587

Размещено на Allbest.ru

...