Размещено на http: //www. allbest. ru/

ПЕРМСКИЙ ФИЛИАЛ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО АВТОНОМНОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ

ВЫСШЕГО ОБРАЗОВАНИЯ

«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ

«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»

Факультет экономики, менеджмента и бизнес-информатики

Выпускная квалификационная работа - БАКАЛАВРСКАЯ РАБОТА

студента образовательной программы бакалавриата «Экономика»

по направлению подготовки 38.03.01 Экономика

Анализ влияния кризиса 2014-2015 года на инновационную активность в российских регионах

Голдобина Татьяна Игоревна

Руководитель: Доцент, к.э.н., PhD,

Молодчик Мария Анатольевна

Консультант: Теплых Григорий Васильевич

Пермь 2020

Оглавление

• Аннотация
• Abstract
• Введение
• 1. Теоретическое обоснование
• 1.1 Специфика инновационной деятельности в России
• 1.2 Специфика исследований инновационной активности по регионам России
• 1.3 Изменение инновационной активности под влиянием кризиса
• 2. Постановка исследовательской проблемы
• 3. Методология исследования
• 3.1 Данные
• 3.2 Методология
• 4. Описание результатов
• Заключение
• Список литературы
• Приложения


Аннотация

Данная работа посвящена исследованию влияния кризиса 2014-2015 годов на инновационную активность в российских регионах. Исследование было проведено на основе данных Федеральной службы государственной статистики по 85 регионам Российской Федерации за период с 2010 по 2018 годы. Полученные данные были преобразованы в панельную базу данных по 79 регионам из 711 наблюдений. В качестве методологии использовались модель сквозной регрессии, модель с фиксированными эффектами и модель со случайными эффектами. В результате был выявлен существенный положительный эффект кризиса. С помощью построения специальных моделей были обнаружены значимые изменения в факторах региональной инновационной активности до и после кризиса 2014-2015 годов. Результаты исследования могут заинтересовать региональные власти, а также ученых, исследующих факторы региональной инновационной активности.



Abstract

This research is the investigation of the 2014-2015 crisis impact on the innovative activity of the Russian regions. The research was conducted on the basis of the Federal State Statistics Service data for 85 Russian regions for 2010-2018. The panel data base of 711 observations for 79 regions was formed. A pooled model, a model with fixed effects and a model with random effects were used as a methodology. A substantial positive effect of the crisis was identified and significant differences in the estimates of the models before and after the 2014-2015 crisis were interpreted. The results of the study may catch the interest of regional authorities, as well as scientists investigating the factors of regional innovative activity.



Введение

Постиндустриальная экономика основана на постоянном создании новых знаний, умений, их накоплении и обработке. Одним из важнейших её направлений является инновационное развитие, тесно связанное с разработкой новых технологий и продуктов.

Инновационная деятельность широко рассматривается в научной литературе как значимый фактор экономического роста (Savin and Winker, 2012). Последние двадцать лет Россия изо всех сил пытается превратиться в эффективную рыночную экономику. Инновации и технологическое развитие считаются одним из лучших способов достижения результатов в данной области.

Известно, что малое и среднее предпринимательство проявляет наибольшую инновационную активность среди всех организаций. В случае России малое и среднее предпринимательство по степени своего развития очень сильно отстает от аналогичных фирм в странах - технологических лидерах. В большинстве случаев инновации в малом и среднем предпринимательстве не рассматриваются в качестве источника конкурентного преимущества из-за их ориентации на краткосрочные цели. Многим развивающимся российским транснациональным корпорациям не хватает необходимых технологий и ноу-хау по сравнению со ведущими странами - технологическими лидерами, поскольку отечественные компании сталкиваются с недостатками современного российского научно-технического сектора (Filippov, 2011).

Такими недостатками могут являться: задержка в разработке технологий новейшего поколения; низкая доля реального сектора в ВВП; неадекватное развитие транспортной и энергетической инфраструктуры; отсутствие стимулов для повышения производительности труда из-за низкой конкуренции на ряде рынков; недостаточный уровень развития национальной инновационной системы, координации образования, науки и экономики; нехватка квалифицированных инженеров и рабочей силы, а также растущая конкуренция на европейском и азиатском рынках за квалифицированный персонал (Аландаров, 2011).

Что касается России, то насущная необходимость исследования проблем инновационного процесса проистекает как из очевидных внешних причин, так и из комплекса внутренних факторов. Структурный дисбаланс, технологические задержки, фрагментированные институциональные связи и низкий уровень производства в научном секторе делают Россию крайне уязвимой и несостоятельной с глобальной точки зрения, и из-за мирового кризиса разрыв в научно-техническом секторе между Россией и ведущими странами может только усугубиться.

Фактически, большинство российских компаний не смогли обрести серьезной стратегической мотивации к созданию и внедрению инноваций, будь то НИОКР, эксперименты, или приобретение новых технологий и прав интеллектуальной собственности. Затраты на инновации были сосредоточены на покупке машин и оборудования, в основном за рубежом. Эффективность взаимодействия с другими экономическими субъектами, включая исследовательские центры и университеты, являлась довольно низка. Под влиянием правовых, административных, финансовых и других ограничений организации и предприятия часто использули модели и стратегии инновационного поведения, которые не приносят пользы в процессе познания и накопления знаний (Gokhberg et al., 2012).

В 2014 году российская экономика столкнулась с геоэкономическим и геополитическим кризисом, в результате которого возникли совершенно иные экономические условия с резким падением цен на нефть, санкциями, снижением спроса и ослаблением национальной валюты. Влияние такой неблагоприятной внешней среды на инновационный сектор в российских регионах становится критической проблемой для научных исследований (Spitsin et al., 2018).

Более того, кризис 2014-2015 годов лишь усугубил недостатки инновационной деятельности в России. Его следствием стали санкции со стороны ЕС, которое установило запрет на инвестиции в самые продвинутые секторы российской экономики (инфраструктурный, транспортный, телекоммуникационный и энергетический), а также добычу нефти, газа и минералов. Огромная доля прямых иностранных инвестиций также была упущена в результате санкций, что непременно повлияло на инновационную активность в России.

Также можно согласиться с мнением ряда исследователей о том, что применительно к современным российским условиям основной фактор экономического роста -- региональный, что обусловливает целесообразность использования для оценки анализа влияния кризиса на инновационную активность показателей, агрегированных на региональном уровне (Мариев и др., 2011).

Таким образом, было решено провести исследование на агрегированных региональных данных, так как микро-данные не дают надежных результатов: многие компании не раскрывают данные по своей инновационной активности, в основном существуют лишь опросные кросс-секционные данные, затрудняющие изучение динамических аспектов.

В свою очередь, поводом к исследованию на уровне регионов может быть то, что данные находятся в открытом доступе и обладают панельной структурой, их легче исследовать и интерпретировать. Структура панельных данных обеспечивает некоторые преимущества, в том числе возможность анализировать одни и те же регионы, с учетом их динамики.

Исследование инновационной активности на региональном срезе может дать более точные результаты, даже учитывая то, что субъекты Российской Федерации являются достаточно разнородными по своим параметрам, что в дальнейшем может привести к гетерогенности в модели. Однако данная проблема может быть скорректирована через специальные методы и модели. К тому же в работе Земцова и Смелова (2018) указывалось, что существенные диспропорции в уровне и динамике социально-экономического развития регионов России при первом приближении определяются различиями в наличии природных ресурсов. Но некоторые регионы сумели улучшить свое положение относительно других, не имея крупных запасов. Возможно, данная динамика объяснялась наличием крупной научно-технической базы в регионе, либо какими-то другими ненаблюдаемыми факторами.

Эта тема является актуальной, так как именно новые технологии, продукты и знания, которые рождаются в результате инновационной активности, могут создать преимущество российским компаниям на международных рынках.

В свою очередь, изучение влияния кризиса 2014-2015 годов на инновационную активность в России непременно поможет понять, какие последствия и эффекты произвела данная активность, и какие изменения произошли в оценках факторов инновационной активности.

Таким образом, была поставлена цель данной курсовой работы: проанализировать влияние кризиса 2014-2015 годов на инновационную активность в России.

Задачи:

1) Проанализировать литературу по теме;

2) Сформировать выборку по регионам России с 2010 по 2018 год;

3) Выбрать подходящую методологию для анализа полученных данных;

4) Определить факторы инновационной активности до и после кризиса;

5) Построить эконометрическую модель, которая позволит оценить влияние кризиса;

6) Провести сравнительное исследование двух периодов и выявить изменения в инновационном поведении, связанные с кризисом;

7) Проинтерпретировать полученные результаты.

Первая часть работы посвящена обзору литературы, где раскрывается специфика инновационной активности в России, по регионам Российской Федерации, а также взаимосвязь кризиса и инноваций. Во второй части представлена постановка исследовательской проблемы. Третья часть раскрывает данные выборки и их описание, методологию исследования. В следующей части в рамках эконометрического анализа построены модель сквозной регрессии, модели с фиксированными эффектами и случайными эффектами, позволяющие оценить выбранные данные. Далее описаны полученные эмпирические результаты и проведена верификация гипотез, а в заключении представлены итоги исследования.

инновационный кризис затрата патент



1. Теоретическое обоснование

1.1 Специфика инновационной деятельности в России

В настоящий момент российская экономика сильно зависит от природных ресурсов. Любые изменения в мировом положении дел ставят под угрозу стабильность как экономического, так и социального развития страны. Изменение проводимой политики в отношении инноваций должно исправить эту ситуацию, вывести её на более стабильный уровень.

Россия обладает значительным научным, исследовательским и инновационным потенциалом, эффективное использование которого позволит повысить конкурентоспособность экономики. Именно инновационное развитие должно стать ключевым фактором экономического роста страны. Важно выявить, какие аспекты инновационного развития влияют на экономику России (Rastvortseva, 2015).

В работе Пашкус (2014) было выявлено, что по уровню инновационной активности, развитию инновационной инфраструктуры Россия заметно отличается от ряда ведущих в этом секторе стран. Следовательно, необходимо выявить тенденции, особенности, которые присущи России на данном этапе её развития. Анализ текущего положения в инновационной и научной сфере говорит о том, что данное положение не подвергалось значительным изменениям на протяжении многих лет. При этом развитие инновационной активности, а также инновационного потенциала является одним из приоритетных направлений экономической политики Российской Федерации.

Главными недостатками инновационной политики Российской Федерации в современных условиях являются: неготовность систем и институтов к внедрению инноваций, неспособность руководящих органов взять на себя роль управляющего инновациями, а также высокий уровень бюрократизма и коррупции (Пашкус, 2014).

Решением данной проблемы может быть создание соответствующих социально-экономических условий, способствующих повсеместному развитию инноваций для развития эффективного климата в Российской Федерации.

Другая группа исследователей также подтверждают вышеописанную точку зрения, они считают, что потенциал для инновационного предпринимательства не полностью раскрыт в современной России (Земцов и Смелов, 2018). Учитывая высокий уровень образования и научных знаний, преобладающих в стране, удивительно, что лишь немногие российские предприниматели могут в полной мере внедрить инновации в свой бизнес.

Для выявления особенностей факторов инновационного развития в России можно использовать метод, заключающийся в сравнении и сопоставлении инновационных предприятий в России с предприятиями другой страны с аналогичными природными и образовательными ресурсами, в данном случае были выбраны США. Исследование показало, что создание и развитие малых инновационных фирм имеет некоторые общие черты в различных институциональных системах: специальные технологические знания являются основой конкурентоспособности, а также наблюдается аналогичное ранжирование барьеров развития. (Kravchenko et al., 2015).

В то же время есть очевидные различия, которые могут происходить из нестабильности и неопределенности российской институциональной среды, недостатка информационной поддержки на российском рынке, который функционирует в условиях сложной смеси различных норм, законодательных инициатив и деловой практики. Наиболее важные барьеры российских компаний связаны с человеческими ресурсами, что можно объяснить как результат недостаточного развития рынка труда квалифицированной рабочей силы и существующего наследия советской системы образования (Kravchenko et al., 2015).

Как указано Carland et al. (1984), предпринимательская часть сектора малого бизнеса оказывает значительное влияние на внедрение инноваций и дальнейшую инновационную активность. Малые и средние предприятия чрезвычайно важны в развитых странах, ориентированных на мировой рынок; они выступают в качестве основных институтов, обеспечивающих эффективную передачу фундаментальных исследований в реальную экономику.

В России, по сравнению со странами - технологическими лидерами, малые и средние предприятия не вносят существенного вклада в экономическую деятельность. Инновационная активность малых и средних предприятий в России в целом ниже, чем в среднем по другим странам, и значительно ниже, чем инновационная активность крупных российских корпораций.

Формальными институтами, поддерживающими предпринимательство, являются нормативные акты, рынки капитала, образовательные учреждения и т.д. Неформальный сектор состоит в основном из социокультурных факторов. В развитых странах, таких как США, эти институты развивались в течение определенного периода времени. В случае стран с переходной экономикой, таких как Российская Федерация, резкие изменения в политической системе привели к быстрому внедрению этих институтов, многие из которых были скопированы из развитых стран. Без сильного правительства для управления этими системами первые годы развития российского рынка были хаотичными и привели к общему недоверию этим институтам (Kravchenko et al., 2015).

Для развития малому инновационному бизнесу необходимо преодолеть также несколько барьеров, которые не зависят от институциональных условий, и этими барьерами являются ограниченные финансовые ресурсы и высокий экономический риск, связанный с инновационной деятельностью. Существуют трудности в доступе к ресурсам (особенно финансовым), российским компаниям приходится полагаться в основном на собственные источники средств.

Далее были выявлены специфичные отличия инновационной деятельности на российском рынке. Инновационная деятельность происходит под влиянием различных норм, законодательных инициатив и деловой практики, что сдерживает её естественный рост. Существует необходимость улучшения правовой базы. Недостатки нормативной среды порождают административные барьеры очень сложного характера.

Также проанализировав статистические сборники можно заметить, что Россия по показателям инновационной активности заметно уступает ведущим индустриальным странам (Канада - 79,3%, Германия - 63,7, Япония - 44,9%, Китай - 37,1%), в случае России в 2017 году данный показатель составил всего 8,5% (Гохберг и др., 2019).

Стоит также упомянуть один из важнейших документов в сфере инноваций, принятый Правительством России - Стратегия инновационного развития Российской Федерации до 2020 года (Распоряжение Правительства РФ, 2011). Переход экономики России на инновационный путь развития к 2020 году является целью данного документа. Также в Концепции долгосрочного социально-экономического развития России до 2020 года утверждается, что в стране будет создана конкурентоспособная экономика знаний и высоких технологий. Достижение данных целей зависит в первую очередь от инновационной активности предприятий в нестабильных условиях внешней среды.

Стоит учитывать существенное различие между российскими и зарубежными предприятиями, так как последние работают на высококонкурентном рынке, насыщенным качественными продуктами. Является очевидным то, что российская продукция отстает от тех стандартов качества, которые присущи развитым странам. Более того, инновационная продукция, выпущенная российскими предприятиями может быть новой только для рынка внутри страны, а на внешних рынках будет отставать и не являться конкурентоспособной. Улучшение данной продукции до мировых стандартов будет требовать существенных издержек, которые фирмы, возможно, не смогут понести.

Необходимо принять во внимание тот факт, что экономическое развитие России является неравномерным - средний уровень инноваций, существенно различается для разных групп регионов, поэтому необходимо диверсифицировать инновационную политику, чтобы сделать ее более эффективной, учитывая региональную специфику инноваций (Pushkarev, 2018).

1.2 Специфика исследований инновационной активности по регионам России

Инновационная активность регионов Российской Федерации на протяжении многих лет вызывала интерес у ученых. В первую очередь это происходит потому, что средний уровень инновационной активности по стране не может адекватно отражать настоящую ситуацию в данной сфере. Регионы значительно разнятся по своим инновационным показателям.

Успешные региональные инновационные программы и проекты улучшают инновационный климат региона, а, следовательно, и уровень инновационной активности по стране. В настоящее время в России создано существенное количество инструментов поддержки инновационной активности, сформирована необходимая инновационная инфраструктура в большей части регионов.

Наблюдается ежегодный рост затрат на поддержание инновационной деятельности, однако существует сильная дифференциация между регионами по её результатам. Исходя из этого, исследователи предполагают необходимость развития человеческого капитала, стимулирования коммуникаций между исследователями из разных регионов и увеличения расходов на НИОКР, в частности, на прикладные исследования для увеличения инновационного потенциала региона (Zemtsov and Baburin, 2016).

Исследование Ермасовой и Никитина (2014) также подтверждает, что уровень развития инновационной инфраструктуры является одним из важнейших факторов, определяющих инновационную активность в регионе, наряду с объемом иностранных инвестиций, наличием специальных экономических зон, направленностью программ социально-экономического развития регионов, уровнем развития малого предпринимательства и др.

Было выявлено, что инновационные территориальные кластеры оказываются одним из ключевых инструментов регионального развития в современных условиях. Однако, несмотря на то, что инновационная инфраструктура уже является сформированной, качество институциональной среды в регионах все еще низкое и, в свою очередь, не позволяет членам кластера полностью реализовать свой потенциал (Khayrullina, 2014).

В работе Zemtsov et al. (2016) исследовался показатель человеческого капитала, за который была принята численность экономически активного городского населения с высшим образованием. Данный показатель является ключевым для инноваций, он может стать основой инновационного развития и диверсификации экономики в России. Исследование показало, что увеличение расходов на НИОКР в регионах России со слабым человеческим капиталом не приводит к пропорциональному росту инноваций. Однако, это не отрицает тот факт, что финансирование различных видов НИОКР влияет на эффективность инноваций.

Также данное исследование подтверждает выводы предыдущих работ о том, что в России рынок инноваций недостаточно развит, финансирование инноваций неэффективно, а качество зарегистрированных заявок на интеллектуальную собственность остается низким. Для создания благоприятного для инноваций климата авторы предлагают привлекать больше частных инвестиций в НИОКР, эффективнее использовать государственное финансирование и развивать рынок интеллектуальной собственности (Zemtsov et al., 2016).

Glebova и Kotenkova (2014) отмечают нехватку квалифицированных кадров в области инновационного развития во всех исследуемых регионах. Также авторы выделяют методы поддержки инновационного развития региона для решения проблемы:

1) прямое и косвенное (через государственные органы) государственное финансирование исследовательских институтов и университетов в форме бюджетного финансирования эксплуатационных расходов, а также выделение целевых грантов и размещение государственных заказов на проведение исследований и разработок;

2) инвестирование бюджетных средств в капитал венчурных фондов и других специализированных финансовых учреждений, занимающихся реализацией инновационных проектов;

3) финансирование бизнес-инкубаторов, индустриальных парков и других объектов инфраструктуры инновационной деятельности;

4) поощрение организаций, ориентированных на инновационную деятельность;

5) предоставление таким организациям различных налоговых льгот (налоговые льготы, отсрочка налогов, ускоренная амортизация оборудования, коэффициенты умножения, позволяющие уменьшить базу для исчисления налога на прибыль);

6) кредитно-гарантийная поддержка малого и среднего инновационного бизнеса (низкие или даже нулевые процентные ставки, долгосрочные сроки погашения, минимальные требования для обеспечения обязательств) (Glebova and Kotenkova, 2014).

Результаты анализа литературы по исследованиям факторов инновационной активности по регионам России представлены в таблице (Приложение 1).

Из данной таблицы можно выделить то, что выборка по большинству исследований базировалась на данных сайта Федеральной службы государственной статистики (Росстат) за период в среднем от 2000 до 2014 года. Также стоит обратить внимание на то, какие показатели были выбраны авторами для измерения инновационной активности региона. Из основных можно выделить:

1) Расходы на инновации в текущий год (Spitsin et al., 2018);

2) Объем инновационной продукции в регионе (Savin and Winker, 2012; Мариев и др. 2011; Zemtsov and Baburin, 2016);

3) Число использованных передовых производственных технологий (Кондратьева, 2010);

4) Показатели, отражающие количество патентов (Штерцер, 2005; Пушкарев и др., 2018; Ермасова и Никитин, 2014; Zemtsov et al., 2016; Crescenzi and Jaax, 2017).

Если сравнивать показатели, измеряющиеся в денежных единицах (расходы на инновации, объем инновационной продукции), и те показатели, которые отражают количество (число используемых технологий, патенты), то можно выявить плюсы и минусы каждого показателя. Использование показателей, измеряющихся в денежных единицах, облегчает расчеты, чаще всего данные показатели находятся в открытом доступе. Однако стоит учитывать то, что на преобразование инвестиций в знание может потребоваться некоторый период времени, также данные показатели не отображают всех затрат на производство нового знания (Capitanio et al., 2009), более того при расчетах необходимо будет учитывать инфляцию.

Использование количественных показателей, таких как патенты, даёт более детальную информацию по видам инноваций, по сравнению с первым методом. Однако классификация патентов не является достаточно подходящей для экономического анализа, различные патенты имеют разную ценность, более того они не показывают все знания, полученные фирмой, лишь отражают малую часть (Le Bas and Sierra, 2002) .

Далее стоит рассмотреть основные факторы региональной инновационной активности. Проанализировав таблицу, можно заметить, что методология, представленная авторами Glebova and Kotenkova (2014) не достаточно подходит для данного исследования, так как там рассматривается интегрированный индекс регионального инновационного потенциала для фиксированного количества регионов.

Основные факторы можно поделить на группы:

1) Инвестиции и их лагированные значения (инвестиции в основной капитал (Spitsin et al., 2018; Мариев и др., 2011; Штерцер, 2005; Пушкарев и др., 2018; Ермасова и Никитин, 2014), прямые иностранные инвестиции (Пушкарев и др., 2018; Ермасова и Никитин, 2014));

2) Человеческий капитал (Численность персонала, занятого исследованиями и разработками (Кондратьева, 2010; Pogodaeva et al, 2015; Пушкарев и др., 2018; Spitsin et al., 2018; Aldieri et al. , 2019), количество исследователей с учеными степенями (Pogodaeva et al, 2015; Штерцер, 2005), доля выпускников государственных и муниципальных вузов в общей численности населения региона (Пушкарев и др., 2018), число работников с высшим образованием (Crescenzi and Jaax, 2017));

3) Инновации, технологии, разработки (Доля предприятий, занимающихся технологическими инновациями (Spitsin et al., 2018); доля отгруженной продукции инновационного сектора (Spitsin et al., 2018; Теплых, Галимарданов, 2017; Pogodaeva et al, 2015; Spitsin et al., 2018); расходы на технологические инновации (Теплых, Галимарданов, 2017; Pogodaeva et al, 2015; Штерцер, 2005); расходы на исследования и разработки (Теплых, Галимарданов, 2017; Zemtsov, Baburin , 2016; Штерцер, 2005; Crescenzi and Jaax, 2017); число организаций, выполнявших научные исследования и разработки (Теплых, Галимарданов, 2017; Пушкарев и др., 2018); число выданных патентов (Теплых, Галимарданов, 2017; Ермасова и Никитин, 2014); число поданных патентных заявок (Aldieri et al. , 2019; Pogodaeva et al, 2015));

4) Характеристики фирм (Доля убыточных компаний (Теплых, Галимарданов, 2017; Мариев и др., 2011));

5) Характеристики региона (Наличие специальных экономических зон (Кондратьева, 2010; Ермасова и Никитин, 2014); ВРП (Теплых, Галимарданов, 2017; Ермасова и Никитин, 2014)).

Проанализировав основные факторы, можно выбрать регрессоры, подходящие для нашего исследования. В группе инноваций стоит выбрать инвестиции в основной капитал, так как большинство авторов утверждали о значимости данного параметра. Далее необходимо включить фактор прямых иностранных инвестиций, потому что из обзора литературы было выявлено снижение иностранного инвестирования в российские компании вследствие кризиса, что может повлиять на оценки моделей до и после кризиса.

В следующей группе факторов будут выбраны численность персонала, занятого научными исследованиями и разработками, количество исследователей с учеными степенями, численность выпускников государственных и муниципальных вузов. Число работников с высшим образованием не было выбрано потому, что в дальнейшем исследовании может возникнуть мультиколлинеарность с переменной, отвечающей за численность выпускников ВУЗов.

Далее были отобраны: количество организаций, выполнявших научные исследования и разработки, число выданных патентов, затраты на исследования и разработки, затраты на технологические инновации. Такие переменная как доля предприятий, занимающихся технологическими инновациями, могла вызвать мультиколлинеарность с переменной количества организаций, выполнявших научные исследования и разработки, поэтому не была включена в выборку. Число поданных патентных заявок менее качественный показатель, чем заявки выданные, поэтому они также не включаются в модель. Доля убыточных фирм, наличие специальных экономических зон (Приложение 2) и ВРП также будут использованы в исследовании.

Из обзора литературы было также решено взять лаг денежных вложений с шагом в 1 год для краткосрочных вложений (инвестиции в основной капитал, прямые иностранные инвестиции) и для ВРП, а также лаг с шагом в 2 года для тех вложений, отдача от которых может быть продолжительной (затраты на исследования и разработки, затраты на технологические инновации).

1.3 Изменение инновационной активности под влиянием кризиса

Существует общее убеждение, что инновации имеют мало общего с экономическими кризисами. Однако, начиная с Шумпетера, известно, что инновации являются фундаментальным источником экономических колебаний (Filippetti and Archibugi, 2010). После создания работы Шумпетера о деловых циклах (Schumpeter, 1939), связь между инновациями и динамикой экономического развития была в значительной степени рассмотрена в литературе «длинных волн» после рецессии 1970-х годов. По поводу отношений между инновациями и бизнес-циклами можно выделить два мнения. Согласно первому, инновации носят циклический характер, и поэтому фирмы стремятся сократить свою инновационную активность во время экономического спада, в то время как, второе утверждает, что вместо этого они являются антициклическими, и, следовательно, спады являются благоприятной средой для инноваций (Filippetti and Archibugi, 2010).

Макроэкономическая динамика является результатом поведения фирм: в то время как некоторые фирмы будут проявлять настойчивость в инвестировании в инновации во время рецессии, другие не будут увеличивать свою инновационную активность. Устойчивость инновационной деятельности может зависеть от нескольких факторов. Некоторые из них могут зависеть от конкретных характеристик фирмы, таких как стратегии, отношение руководства, этап развития и так далее. Другие могут влиять на совокупный и зависимый от пути характер инноваций, технологических изменений и научных исследований. Определенные тенденции денежных потоков и прибыли могут оказывать некоторое влияние. Наконец, отраслевая динамика спроса, возможности получения прибыли и технологический потенциал также могут сыграть свою роль (Filippetti and Archibugi, 2010).

Кризис - это, прежде всего, неопределенность в динамике социально-политических параметров, а самая сложная задача - это прогнозировать его (Aganbegian, 2011). Экономические кризисы заставляют компании сокращать свои инвестиции, в том числе инвестиции в инновации, когда отдача от вложений является неопределенной в долгосрочном периоде. Это было подтверждено финансовым кризисом 2008 года, который значительно снизил желание фирм инвестировать в инновации, а во время кризиса 2014-2015 годов количество прямых иностранных инвестиций сократилось до критических значений.

Тем не менее, некоторые фирмы даже увеличили свои расходы на инновации, что говорит о неоднородности структуры. До кризиса 2008 года действующие предприятия с большей вероятностью увеличивали свои инвестиции в инновации, в то время как после кризиса лишь немногие малые предприятия и некоторые новые участники были готовы «плыть против течения», увеличивая свои связанные с инновациями расходы (Archibugi et al., 2013a).

Таким образом, можно сказать, что экономические кризисы дают возможность компаниям, отраслям и целым странам реструктурировать производственные мощности и использовать новые возможности. Продвинутые компании понимают, что экономический кризис не будет длиться вечно и что период восстановления рано или поздно наступит.

Новый экономический цикл также может привести к специфическим изменениям в структуре производства и спроса. Чтобы воспользоваться возможностями нового экономического и производственного цикла, успешные компании должны быть подготовлены путем представления рынку новых или улучшенных товаров и услуг, увеличивая свою инновационную активность (Archibugi et al., 2013a).

В работе Archibugi et al. (2013b) утверждается, что кризис привел к концентрации инновационной деятельности в небольшой группе быстрорастущих новых фирм и тех фирм, которые уже были чрезвычайно инновационными до кризиса. Компании, которые преследуют более инновационные исследовательские стратегии по разработке новых продуктов и рынков, лучше справляются с кризисом (Archibugi et al., 2013b).

Таким образом, из вышесказанного можно выделить то, что кризис как экономическое, социальное и политическое явление влияет на инновационную активность фирм неоднородно.

Однако в случае последнего кризиса свою роль также сыграла политика «импортозамещения». Многие предприятия получили поддержку от государства для развития своей инновационной активности, для того, чтобы удовлетворить спрос, который возник в результате отсутствия санкционных продуктов, технологий и услуг на российском рынке. Также данная политика развивает экономику страны, путем создания высокотехнологичного инновационного производства в различных отраслях и, следовательно, появляются новые рабочие места и квалифицированные работники, применяющие новые технологии и знания.

Более того, кризис 2014-2015 годов лишь усугубил недостатки инновационной деятельности в России. Его следствием стали санкции со стороны ЕС, которое установило запрет на инвестиции в самые продвинутые секторы российской экономики (инфраструктурный, транспортный, телекоммуникационный и энергетический), а также добычу нефти, газа и минералов. Более того большинство членов Европейского банка реконструкции и развития воздержались от финансирования новых проектов в России. В свою очередь США также ввели санкции, которые ограничивали инвестиционное и военное сотрудничество с Россией и таким образом затронули более 90% российского нефтяного сектора и почти всю российскую газодобычу. Затем Корпорация частных зарубежных инвестиций запретила рассмотрение любых инвестиций в проекты на территории России.

Из вышесказанного, можно выявить, что главный фактор экономического роста региональный, однако появление такого внешнего шока как кризис непременно повлияет на драйверы инновационной активности регионов. Рассмотрение кризиса 2014-2015 в региональном контексте поможет понять какую реакцию он вызвал на агрегированном уровне.

Стоит учесть то, что Лякин в своей работе утверждал, что кризис 2014-2015 годов не является циклическим, а вызван накопившимися структурными проблемами, в отличие от кризиса 1998 и 2008 годов (Лякин, 2018). Из-за этого реакция различных фирм может быть неоднозначной и отличной от предыдущей, и поэтому следует понять, каким образом кризис 2014-2015 года повлиял на инновационную активность фирм в регионах России.



2. Постановка исследовательской проблемы

Проблема, которая рассматривается в данной работе, заключается в том, что необходимо проверить, каким образом кризис 2014-2015 годов повлиял на инновационную активность по регионам Российской Федерации.

Для этого необходимо построить модель, учитывающую влияние факторов наряду с влиянием кризиса. Но, в начале, необходимо определиться с тем, каким образом будет оцениваться инновационная активность региона. В данном исследовании таким показателем стал объем инновационных товаров, работ, услуг, измеряющийся в миллионах рублей. Главной причиной выбора стало то, что данная переменная отражает применение новых методов в производстве товаров, работ и услуг или же таких производственных методов, которые в течение последних трех лет подвергались в разной степени технологическим изменениям. Это во многом соотносится с тем, как ранее была определена инновационная активность.

Исследователи не пришли к единому выводу о направлении влияния кризиса на инновационную активность, некоторые утверждали, что кризис негативно влияет на способность компаний производить новые технологии, продукты и услуги. Другие ученые, наоборот, говорили о стимулирующем эффекте кризиса, о том, что он побуждает фирмы увеличивать свою инновационную активность, чтобы оставаться конкурентоспособными на рынке (Filippetti and Archibugi, 2010). Таким образом, существует доля неопределенности в оценке влияния кризиса, реакция компаний может быть неоднозначной. Однако, как было уже ранее сказано, для того, чтобы улучшить инновационную активность была введена политика «импортозамещения». Следовательно, из всего вышесказанного, можно выделить первую гипотезу данного исследования:

H1: Кризис 2014-2015 года положительно влиял на инновационную активность регионов Российской Федерации.

Таким образом, будет построена регрессионная модель, оценивающая уровень инновационной активности региона в зависимости от некоторых факторов, включая дамми-переменную кризиса.

Стоит также учитывать то, что в данном случае кризис мог привести к значительным изменениям в структуре инноваций по регионам. Исходя из этого, необходимо понять какое влияние оказал кризис 2014-2015 года на драйверы инновационной активности регионов, и было ли это влияние значимым. Таким образом, можно выделить вторую гипотезу:

H2: Кризис 2014-2015 года привел к статистически значимым изменениям в факторах инновационной активности регионов Российской Федерации.

Таким образом, будет построена тестовая модель, позволяющая оценить статистически значимые изменения в роли факторов. Далее будут построены регрессионные модели, оценивающие инновационную активность региона на двух разных подвыборках до и после кризиса, проанализированы и сравнены между собой на основе этой тестовой модели.



3. Методология исследования

3.1 Данные

В рамках данного исследования для проведения расчетов и выявления статистических закономерностей была сформирована первоначальная выборка по 85 регионам Российской Федерации с 2010 по 2018 год. Данные были получены с помощью базы данных Федеральной службы государственной статистики (Регионы России. Социально-экономические показатели).

Данная выборка была преобразована:

- Были исключены данные по Республике Крым и городу федерального значения Севастополь, так как они вошли в состав Российской Федерации лишь в 2014 году, поэтому не было данных за годы, предшествующие кризису;

- Также были удалены такие регионы как Республика Ингушетия, Чеченская республика, Еврейская автономная область и Чукотский автономный округ ввиду отсутствия большей части данных за заданный промежуток времени.

Таким образом, выборка включила в себя 711 наблюдений по 79 регионам за 2010-2018 годы. Выбор данного временного промежутка является не случайным, так как с 2010 года началось восстановление экономики после кризиса 2008 года, и он уже не оказывал значимого влияния на инновационную активность регионов, что может сместить результаты оценивания (Aganbegian, 2011).

Для того чтобы оценить влияние кризиса на инновационную активность по регионам РФ, необходимо учитывать и другие факторы, которые могли повлиять на зависимую переменную - объем инновационных товаров, работ, услуг, исчисляемый в денежном выражении. В противном случае, в модели может возникнуть эндогенность, и это приведет к смещенным и несостоятельным оценкам.

Переменные, исчисляемые в денежных единицах, были переведены в сопоставимые цены к 2010 году, для того, чтобы избавиться от эффекта инфляции и получить более качественные оценки.

Исходя из анализа литературы, были выбраны следующие переменные:

- Инвестиции в основной капитал (Spitsin et al., 2018; Мариев и др., 2010; Штерцер, 2005; Пушкарев и др., 2018; Ермасова и Никитин, 2014);

- Прямые иностранные инвестиции (Пушкарев и др., 2018; Ермасова и Никитин, 2014);

- Численность персонала, занятого научными исследованиями и разработками (Кондратьева, 2010; Pogodaeva et al, 2015; Пушкарев и др., 2018; Spitsin et al., 2018; Aldieri et al. , 2019);

- Количество исследователей с учеными степенями (Pogodaeva et al, 2015; Штерцер, 2005);

- Численность выпускников государственных и муниципальных вузов (Пушкарев и др., 2018);

- Количество организаций, выполнявших научные исследования и разработки (Теплых, Галимарданов, 2017; Пушкарев и др., 2018);

- Число выданных патентов (Теплых, Галимарданов, 2017; Ермасова и Никитин, 2014);

- Расходы на исследования и разработки (Теплых, Галимарданов, 2017; Zemtsov, Baburin , 2016; Штерцер, 2005; Crescenzi and Jaax, 2017);

- Расходы на технологические инновации (Теплых, Галимарданов, 2017; Pogodaeva et al, 2015; Штерцер, 2005);

- Доля убыточных фирм (Теплых, Галимарданов, 2017; Мариев и др., 2010);

- Дамми наличия специальных экономических зон (Кондратьева, 2010; Ермасова и Никитин, 2014);

- Валовой региональный продукт (Теплых, Галимарданов, 2017; Ермасова и Никитин, 2014).

3.2 Методология

Для исследования исходных данных была применена методология регрессионного анализа. Так как целью работы является выявление влияния кризиса на региональную инновационную активность, было решено также рассмотреть отдельные региональные эффекты, учитывая панельную структуру данных.

Как было сказано ранее, для того, чтобы оценить эффект влияния кризиса на инновационную активность в регионе, необходимо учитывать также те факторы, которые могут оказывать значимое влияние на зависимую переменную. Таким образом, регрессионная модель зависимости уровня инновационной активности от различных факторов может быть представлена в данном виде:

(1)

где: i - инвестиции в основной капитал,

pi - прямые иностранные инвестиции,

s - численность персонала, занятого научными исследованиями и разработками,

d - количество исследователей с учеными степенями,

h - численность выпускников государственных и муниципальных вузов,

f - количество организаций, выполнявших научные исследования и разработки,

p - число выданных патентов,

ic - расходы на исследования и разработки,

tc - расходы на технологические инновации,

u - доля убыточных фирм,

ez - дамми наличия специальных экономических зон,

g - Валовой региональный продукт,

c - дамми - переменная кризиса.

Далее было решено преобразовать исходную модель. Так как регионы России являются достаточно разнородными по своим параметрам, возникает большой разброс в данных, более того, существует эффект инфляции. Следовательно, необходимо нормировать эти переменные относительно какой-либо величины и преобразовать переменные, выражаемые в денежном эквиваленте к сопоставимым ценам. Таким образом, вместо обычного ВРП был взят ВРП на среднегодовую численность занятых, инвестиции в основной капитал и ПИИ также были взяты на среднегодовую численность занятых. Переменные - объем инновационных товаров, работ, услуг; численность персонала, занятого научными исследованиями и разработками; затраты на научные исследования и разработки; затраты на технологические инновации; выдача патентов в Российской Федерации, были преобразованы по отношению к количеству предприятий и организаций. Количество исследователей с учеными степенями, численность выпускников государственных и муниципальных вузов были преобразованы относительно количества предприятий и организаций.

В модели также были учтены лагированные значения денежных вложений с шагом в 1 год для краткосрочных вложений (инвестиции в основной капитал, прямые иностранные инвестиции) и для ВРП, а также лаг с шагом в 2 года для тех вложений, отдача от которых может быть продолжительной (затраты на научные исследования и разработки, затраты на технологические инновации). В дополнение к дамми-переменной кризиса было решено включить дамми по каждому году, чтобы учесть временную специфику инноваций.

Был подсчитан инфляционный коэффициент за 2010-2018 годы и переменные, выражаемые в денежных единицах, были представлены в сопоставимых ценах к 2010 году.

Для того, чтобы оценить статистически значимые изменения факторов в моделях до и после кризиса будет построена тестовая модель по аналогу исследования Teplykh (2018). Данная модель будет оценивать совместное взаимодействие кризиса и других факторов. Далее будет проведен тест Вальда на совместную значимость сдвигов.

Предполагается наличие простых линейных зависимостей между зависимой переменной и регрессорами. Оценка модели, представленной выше, будет производиться с помощью метода наименьших квадратов. Расчеты были получены с помощью программы RStudio.

Далее будут представлены основные результаты данной работы.



4. Описание результатов

Прежде чем приступить к анализу данных, исходная выборка была проверена на выбросы с помощью графического анализа, где было выявлено наличие экстремальных значений по переменным (Приложение 3).

Также было решено ввести нелинейность в виде натурального логарифма для переменных, выражаемых в денежном эквиваленте для того чтобы уменьшить их неоднородность.

Следующим этапом являлся тест на однородность, заключающийся в расчете коэффициентов вариации. Данный анализ показал, что мало варьируется ln_GRP, ln_cap_inv. Средне варьируется ln_inn_goods, ln_inn_costs, ln_tech_costs и unprofit. Показатели остальных переменных демонстрируют высокую степень вариации, следовательно, их нельзя назвать однородными.

Таблица 1 Коэффициенты вариации

	ln_inn_goods	ln_cap_inv	ln_GRP	doctors	ln_fdi	scientists
Коэффициент вариации, %	14,65	5,83	4,92	73,55	21,03	87,27
	ln_inn_costs	high_ed	ln_tech_costs	patents	unprofit
Коэффициент вариации, %	10,26	50,58	13,07	64,42	18,87

Далее данные были протестированы на нормальность. Для этого был проведен тест Харке-Бера, который показал, что все переменные имеют распределение отличное от нормального на 1% уровне значимости.

Далее представлены статистические значения по полученной выборке (Таблица 2).



Таблица 2 Статистические значения по выборке

Переменная	Обозначение	Min	Среднее	Max	Медиана	Станд. откл.
Объем инновационных товаров, работ, услуг, рублей на организацию	ln_inn_goods	5,729	12,595	17,272	12,948	1,846
ВРП на среднегодовую численность занятых, рублей	ln_GRP	12,26	13,67	16,55	13,64	0,672
Инвестиции в основной капитал на среднегодовую численность занятых, рублей	ln_cap_inv	10,74	12,27	15,45	12,2	0,715
Поступление прямых иностранных инвестиций в РФ, рублей на организацию	ln_fdi	2,093	9,606	14,896	9,741	2,02
Численность персонала, занятого научными исследованиями и разработками, чел. на организацию	scientists	0,001	0,094	0,46	0,069	0,082
Внутренние затраты на научные исследования и разработки, рублей на организацию	ln_inn_costs	6,228	11,227	18,059	11,267	1,152
Затраты на технологические инновации, рублей на организацию	ln_tech_costs	5,996	11,713	15,521	11,843	1,531
Удельный вес убыточных организаций, %	unprofit	14,5	32,6	61,4	31,7	6,15
Выдача патентов в РФ, шт. на организацию	patents	0	0,005	0,023	0,005	0,003
Выпуск бакалавров, специалистов, магистров, чел. на организацию	high_ed	0	0,301	2,001	0,285	0,152
Численность исследователей с учеными степенями, чел. на организацию	doctors	0,001	0,014	0,064	0,011	0,01
Дамми, где 0 - отсутствие экономической зоны в регионе, 1 - наличие хотя бы 1 экономической зоны	ec_zone	0	0,226	1	0	0,419
Дамми, где 0 - год до наступления кризиса, а 1 - год после	crisis	0	0,556	1	1	0,497

Можно заметить, что практически по всем переменным, за исключением дамми, медиана и среднее значение примерно равны, более того, стандартное отклонение не является большим. Это может говорить о том, что переменные в выборке проявляют малую степень неоднородности, что подтверждается анализом коэффициентов вариации (Таблица 1), где было выявлено небольшое количество экстремальных значений.

Далее было решено провести анализ динамики кризиса, чтобы уточнить его временные рамки. Первым шагом было построение графика изменения переменных во времени, который представлен на Рисунке 1. Этими переменными были объем инновационных товаров, работ, услуг (inn_goods) и поступление прямых иностранных инвестиций в Российскую Федерацию (fdi), измеряемые в миллионах рублей. Выбор данных переменных не является случайным, первая переменная обозначает инновационную активность региона, и рассмотрение влияния кризиса на данный показатель является целью данного исследования. Вторая переменная была выбрана исходя из обзора литературы - согласно ему поступление ПИИ должно было претерпеть значительные изменения из-за санкций, введенных во время кризиса, что непременно отразится на графике.



Рис. 1 Изменение объема инновационных товаров, работ, услуг и ПИИ в РФ, млн. рублей.

При анализе графика можно наблюдать изменение обеих показателей в разрезе двух временных периодов: до и после 2014 года. Особенно явно виден перелом по переменной, отвечающей за поступление ПИИ в РФ, что предполагалось в теории, а также можно заметить незначительные отличия по переменной, обозначающей объем инновационных товаров, работ и услуг.

Далее было решено построить простые линейные модели на кросс-секционных данных, чтобы выявить наличие сдвига по 2014 году. В ходе построения уравнений первоначальная модель была преобразована, ввиду ограничения по малому количеству наблюдений.

Таким образом, регрессионное уравнение для тестовых моделей принимает следующий вид:

(2)



Где: е_i - случайная ошибка.

Результаты оценки моделей с робастными стандартными ошибками представлены в Приложении 4. При рассмотрении моделей можно заметить, что после 2014 года начинается изменение в оценках параметров исследуемой регрессии: переменные, описывающие ВРП, инвестиции в основной капитал, удельный вес убыточных организаций становятся значимыми в моделях, построенных на данных после кризиса. Показатель выпуска патентных заявок, напротив, становится незначимым в моделях, построенных на данных с 2014 года. Оценки переменной ПИИ и затрат на технологические инновации в среднем не претерпевали значительных изменений на протяжении исследуемого периода.

Однако при детальном рассмотрении переменной численности персонала, занятого научными исследованиями и разработками можно наблюдать значительное изменение: до кризиса данный показатель оказывал положительное влияние на выпуск инновационной продукции, товаров и услуг, на данных после кризиса ситуация стала обратной - наблюдается негативное влияние. Показатель внутренних затрат на научные исследования и разработки также претерпевает значительные изменения: если ранее он оказывал негативное влияние на зависимую переменную, то после стал влиять на нее положительно.

...