Корреляционная матрица для темповых показателей

Пары зависимостей, по которым наблюдалась тесная связь (коэффициент корреляции 0,70-0,99), обработаны полиномами различных степеней. Так, например, в большинстве случаев экспериментальные данные обрабатывались полиномом 4-й степени:

y = b₀ + b₁x + b₂x² + b₃x³ + b₄x⁴. (8)

Параметры b₀, b₁, b₂, b₃, b₄ определялись для функции y=ƒ (x) на основании статистических данных.

Оценка модели e = ƒ (c). В исследовании было рассмотрено обособленное влияние инвестиций - модель v=ƒ (i) - и затрат на исследования и разработки - модель v=ƒ (r) - на ВРП. Вместе с тем необходимо понимать, что эти процессы происходят одновременно. Рост валовой добавленной стоимости, а соответственно и доходов населения, приводит к росту валовых сбережений, что в свою очередь увеличивает валовые инвестиции. Исследования и разработки, воплощенные в конечной продукции, увеличивают валовую добавленную стоимость и предъявляют большой спрос на инвестиционные ресурсы для обновления основного капитала предприятий. При этом потенциал использования как старого, так и нового знания зависит от имеющегося запаса основного (физического) капитала и от темпа его накопления. В то же время само накопление физического капитала представляет собой не что иное, как воплощаемое в экономике новое знание.

Ключевой характеристикой экономически растущего общества является «технологический динамизм»; чем он больше, тем выше расположена выпуклая кривая технического прогресса в осях координат «темп роста выпуска (добавленной стоимости) - темп накопления капитала (инвестиций)» - рис. 1. При этом выпуклость отражает известное свойство убывающей производительности капитала.

Таким образом, экономическое развитие определяется как капиталовооруженностью и ее динамикой, обусловленной, прежде всего, инвестициями, так и затратами на НИОКР. Кроме того, при моделировании инвестиционно-инновационной динамики важно учитывать определенный лаг (временное запаздывание) в изменении роста валовой добавленной стоимости от прироста инвестиций и затрат на исследования и разработки. На рис. 2 показана динамика ВРП текущего года на рубль затрат на НИОКР предыдущего года и динамика инвестиций на рубль затрат на НИОКР с лагом в один год.

На рис. 2 отчетливо видно, что в кризисный 1998 г. экономическая эффективность затрат на исследования и разработки, хотя и существенно уменьшилась, но не достигла минимального значения. Минимальные значения ВРП на рубль затрат на НИОКР и обеспеченность НИОКР инвестиционными ресурсами приходятся на начало стабилизации экономического роста - 2002 г.

Это может быть объяснено тем, что в момент завершения периода восстановительного роста небольшой прирост затрат на НИОКР резко увеличивает полезность инновационной продукции. При этом существующий спрос начинает удовлетворяться путем выпуска меньшего числа продуктов и за достаточно короткое время.

Тем не менее спад 1998 г. был достаточно резким. К этому привела аморфность научно-промышленной политики в течение всего периода радикальных экономических преобразований, проявившаяся в слабой стуктурированности целей и недостаточности мер прямой и косвенной поддержки инновационной деятельности.

Своевременного и адекватного возмещения финансово-ресурсной базы для инновационной деятельности за счет собственных (внутренних) источников предприятий или заемных средств не произошло, да и не могло произойти в силу того, что высокая активность в высокозатратной инновационной сфере может быть обеспечена только при условии доминирующей роли государства и его финансовой поддержке.

После 2002 г. начинается период стабилизации роста, когда ежегодное приращение обеспеченности НИОКР инвестиционными ресурсами в свою очередь вызывает рост экономической эффективности затрат на исследования и разработки. В предкризисный 2007 г. инвестиции на рубль затрат на НИОКР продолжают расти, но экономическая эффективность этих затрат начинает снижаться.

Приведенные выше выкладки позволяют экономически интерпретировать модель e=ƒ (c). Модель описывает зависимость экономической эффективности инноваций (ВРП на 1 руб. затрат на исследования и разработки предыдущего года) от показателя с - обеспеченности НИОКР необходимым притоком инвестиций за предыдущий период (рис. 3).

Рис. 3. Потенциальная функция для зависимости экономической эффективности НИОКР от обеспеченности НИОКР инвестиционными ресурсами за предыдущий период по Свердловской области за 1995-2007 гг.: аппроксимирующая функция - полином 6-й степени

Следует заметить, что с точки зрения общей теории система, в которой может успешно происходить возникновение и распространение новшеств, должна обладать определенными структурными свойствами. Основное свойство с позиции объяснения эволюции системы связано с понятием структурной устойчивости. Под этим обычно подразумевается реакция рассматриваемой системы на введение в нее новых элементов (технологий, продуктов, организационно-управленческих решений и т. п.), способных увеличивать поле своей активности и вовлекать во взаимодействие другие элементы и процессы, происходящие в системе. По-видимому, в достаточно общей ситуации успешное внедрение новшеств связано с «расшатыванием» структурной устойчивости системы путем создания для нее сильно неравновесных условий. Таким образом, система, в которой новшества успешно применяются и могут перестроить систему на новый режим работы, должна обладать некоторой структурной неустойчивостью в смысле неспособности противостоять возникающим структурным флуктуациям.

На рис. 3 показаны достаточно существенные флуктуации региональной социально-экономической системы. Учитывая большое число колебаний фактических данных, в качестве аппроксимирующей функции был использован полином 6-й степени. Динамика фактических показателей может при этом рассматриваться как хаотическая [15].

На рис. 3 три минимума и два максимума функции e=ƒ (c). Крайний левый минимум описывает ситуацию 2002 г., рассмотренную выше. Два других минимума позволяют сделать достаточно убедительный вывод о наличии бифуркации в инвестиционно-инновационной сфере в преддверии системных кризисов. Два устойчивых минимума экономической эффективности НИОКР, примерно равных по величине, возникают при разных значениях параметра «с».

Правый минимум соответствует низкому значению затрат на НИОКР в предкризисные 1996-1997 гг. В те годы действительно имело место недофинансирование сферы НИОКР со стороны государства, а у частных предприятий не было средств на проведение исследований и разработок. Это привело к тому, что в этот период параметр с был один из самых больших за весь анализируемый период. Средний минимум соответствует ситуации 2006-2007 гг. В этот период и затраты на НИОКР, и инвестиции прирастали достаточно высокими темпами, что привело к относительному снижению параметра с. Таким образом, экономическая эффективность инноваций может достичь минимума при различных значениях обеспеченности НИОКР инвестиционными ресурсами.

Согласно экспериментальным данным, максимальное значение экономической эффективности НИОКР наблюдается при больших значениях параметра с, что соответствует ситуации, когда инвестиции прирастают большими темпами, чем прирастают затраты на исследования и разработки. Однако может наблюдаться и иная ситуация, когда высоким значениям экономической эффективности НИОКР соответствуют малые величины затрат на исследования и разработки. При этом важно отслеживать «качество» этих затрат и направленность применения результатов НИОКР (нано- и биотехнологии, информационные технологии, эффективная энергетика, высокотехнологичное здравоохранение и др.). Относительно небольшие затраты на исследования в этих отраслях экономики дадут колоссальный экономический эффект.

Говоря о «качестве» затрат на исследования и разработки, необходимо остановиться на «инновационных ловушках развития». Для понимания сути этого явления воспользуемся терминологией Д. Норта [17]. Как отмечает Д. Норт, «приращение изменений в технологической сфере, однажды принявшее определенное направление, может привести к победе одного технологического решения над другими даже тогда, когда первое технологическое направление, в конце концов, оказывается менее эффективным по сравнению с отвергнутой альтернативой».

В этой связи, рассматривая два максимума функции e=ƒ (c), мы можем отнести их к «инновационным ловушкам». Формирование инновационной ловушки происходит за менее короткий срок, чем выход из нее. Выход из инновационной ловушки длителен и достаточно труден (бифуркационная точка - новый экономический кризис). Эволюционный путь возможен, но только с помощью государства. Пока оно само не изменит свою политику с краткосрочной модели на долгосрочную и не начнет вкладывать в свой капитал (в большей степени в человеческий, поскольку вложения в производственный капитал могут быть осуществлены и частным сектором), показывая, таким образом, серьезность своих намерений, экономические

агенты будут чувствовать себя неуверенно и не будут осуществлять долгосрочных инвестиций и затрат на исследования и разработки, т. е. менять свою поведенческую модель с краткосрочной на долгосрочную. Только тогда, когда экономические агенты-резиденты начнут получать выгоды от следования долгосрочной модели, можно ожидать перехода системы в точку устойчивого максимума.

Функция e=ƒ (c) является максимизируемой по определению. Соответственно движение к точке глобального максимума - есть процесс самоорганизации региональной социально-экономической системы, а все остальные точки являются неустойчивыми. В целом же моделирование экономико-технологической реальности региона позволяет найти «точки роста» эффективности НИОКР при резонансном воздействии на конвергентные технологии.

Следует отметить, что экономико-технологическая реальность региона формируется при взаимопроникновении разных технологий, это в каком-то смысле усредненная экономико-технологическая база устойчивого роста, элементы которой отвечают ситуации, предсказанной Ю.В. Яременко: «Ставка только на высокопродуктивные отрасли может привести к тому, что экономика в целом будет низкопродуктивна, маломасштабна... Страна с полной занятостью, ориентированная на средние технологии, в целом даст гораздо более высокую производительность труда» [17]. Концепция экономико-технологической реальности позволяет анализировать, предвидеть и управлять синергетическими процессами и эффектами коэволюции сложившихся и возникающих технологических укладов, избежать перекосов в структурной политике и способствовать успешному развитию региональных социально-экономических систем.

Поиск по сайту: