Презентация посвящена опыту выявления факторов инновационной активности и методу оценки эффективности региональных инновационных систем в России

1. ОЦЕНКА ЭФФЕКТИВНОСТИ
РЕГИОНАЛЬНЫХ ИННОВАЦИОННЫХ
СИСТЕМ В РОССИИ
Бабурин В.Л.
Д.г.н., заведующий кафедрой экономической и социальной географии России
географического факультета МГУ им. М.В. Ломоносова
Земцов С.П.
К.г.н., с.н.с. лаборатории исследования корпоративных стратегий и поведения
фирм Института прикладных экономических исследований РАНХиГС
РУДН
2014
VI Международная научная конференция "Модернизация и инновационное развитие
экономических систем: проблемы, стратегии, структурные изменения"

2. Процедура оценки эффективности
региональных инновационных систем (РИС)
в России была разбита на несколько этапов:
1. Исследование российского и зарубежного
опыта исследования факторов
инновационной деятельности и оценки
эффективности РИС
2. Выявление основных факторов, оказывающих
влияние на инновационную деятельность на
региональном уровне в России
3. Оценка эффективности региональных
инновационных систем

3. Патентная активность в ведущих
странах мира

4. Доля коммерциализированных
патентов в России (договоры на
передачу исключительных прав и
лицензионные договоры)

7. Особенности патентной активности в России
• СССР был одним из мировых лидеров по патентной активности в 80-е гг. XX
в. Патентные отделы действовали в большинстве научно-исследовательских
институтов. Патентная активность в России значительно ниже советских
показателей
• Крупные предприятия сектора высоких технологий – основные
патентовладельцы за рубежом (Intel, IBM, Apple, General Motors и др.), в
России – это физические лица и научные организации. В России крупные
предприятия действуют в менее технологичных секторах экономики, что
приводит к их низкой патентной активности
• Качество патентов на изобретения в России в значительной мере зависит от
качества экспертизы заявок на изобретения в региональных центрах
Роспатента. В большинстве регионов страны отсутствуют патентные
поверенные (юристы, оказывающие услуги в оформлении патентов)
• Незначительная доля патентов коммерциализируется. Регистрация патентов
научными учреждениями по результатам НИОКР не всегда имеет
коммерческую цель, а служит для формального отчета. Более того, патент –
часто форма «приватизации» общественного знания (патенты на бетон, на
тесто и т.д.)
• Наблюдается концентрация патентной активности в крупнейших
агломерациях: Московской, Санкт-Петербургской, Казанской, Ростовской,
Екатеринбургской, Новосибирской, Уфимской, Самарской и Пермской

8. Исследования патентной активности
и производственная функция знаний
• Griliches Z. R&D, patents, and productivity. Chicago: University of Chicago. 1984.
• Romer P. Increasing returns and long-run growth. Journal of Political Economy 94 (5):
1002-37. 1986.
• Jaffe A. The Real Effects of Academic Research. // American Economic Review. 1989. №79.
pp. 957-970.
• Feldman M., Florida R. The Geographic Sources of Innovation: Technological Infrastructure
and Product Innovation in the United States // Annals of the association of American
Geographers. 1994. LXXXTV, p. 210-229.
• Feldman M. The Geography of Innovation. – Boston: Kluwer Academic Publishers, 1999.
• Acs, Zoltan J., Luc Anselin, and Attila Varga. Patents and innovation counts as measures of
regional production of new knowledge. Research policy 31.7 (2002): 1069-1085.
• Штерцер Т.А. Эмпирический анализ факторов инновационной активности в
субъектах Российской Федерации // Вестник НГУ. Серия: социально-экономические
науки. 2005. Т. 5. Вып. 2.
• Сердюкова Ю.С., Валиева О.В., Суслов Д.В., Старков А.В. Инновационная система в
регионах России: оценка состояния и развития // Регион: экономика и социология.
2010. № 1. С. 179 – 197.
• Мариев О.С., Савин И.В. Факторы инновационной активности российских регионов:
моделирование и эмпирический анализ // Экономика региона. 2010. № 3. С. 235–
244.

9. Производственная функция знаний (ПФЗ)
Romer, 1986:
• Patent – патентная активность
• НR – человеческий капитал, задействованный в производстве
нового знания
• А – существующий запас знаний
• δ – коэффициент производительности НR
• v и s – эмпирические коэффициенты.
Griliches, 1984:
• RnD_exp – затраты на НИОКР
sv
R AHPatent  
exp)_(RnDfPatent 

10. Эмпирическая функция
Pat_act – зависимая переменная, определяемая как: Pat_rus – число российских заявок на патенты
на млн чел., Pat_PCT – число международных заявок на патенты на 10 млн чел.
Human_cap – человеческий потенциал, описываемый как: High_educ – доля занятых с высшим
образованием и Educ_year – среднее число лет обучения занятых
Pat_Stock – накопленные знания (число использованных патентов кумулятивно с 1994 г.)
RnD_exp – затраты на НИОКР
Pat_demand– спрос на инновации, выраженный числом использованных патентов на д. н.
Knowledge _spillovers– оценка перетоков знания с помощью патентного потенциала
(гравитационная модель по аналогии с рыночным потенциалом – Pat_potential)
Agglomeration – агломерационные эффекты: Urban – доля городских жителей
Specialization – эффекты кластеризации: Ind_conc – индекс концентрации Херфиндаля-Хиршмана по
структуре промышленности






)ln()ln()_ln(
)exp_ln()_ln(
)_ln()_ln(
654
32
10
iii
ii
ii
RXemplRnD
RnDstockPat
CapHumanactPat
tionSpecializaionAgglomerat
spilloversKnowledgedemandPatInfraXi

 __

11. Основные тестируемые гипотезы
• Модель производственной функции знаний (ПФЗ), учитывающая
человеческий капитал, накопленный объем знаний и расходы на
НИОКР, плохо описывает патентную (инновационную) активность в
России
• В модели производственной функции знаний расходы на НИОКР в
целом меньше влияют на патентную активность, чем расходы на
опытно-конструкторские разработки, так как значительная часть
первых идёт на фундаментальные исследования
• В России доля занятых в НИОКР в значительно большей степени
определяет патентную активность, чем доля занятых с высшим
образованием
• В России большую значимость имеют региональные факторы, такие
как плотность населения или урбанизация
• Фактор перетока знаний в России незначим из-за низкой
интенсивности взаимодействия между учеными и исследователями
• Особое значение в России играют агломерационные и
локализационные эффекты

13. Отброшенные регионы, патентная активность
в которых сильно различалась по годам

15. Панельная регрессия с фиксированными эффектами. 984 наблюдения. Зависимая
переменная: Pat_rus
Переменные Коэффициенты (стандартная ошибка)
Константа
3,19***
(0,19)
2,96***
(0,32)
2,52***
(0,34)
1,04
(0,85)
7,76***
(1,6)
5,86***
(1,61)
High_educ
0,27***
(0,09)
0,27***
(0,08)
0,18***
(0,07)
0,18***
(0,07)
0,26***
(0,08)
0,18***
(0,06)
Pat_stock2
0,1***
(0,03)
0,1***
(0,03)
0,02
(0,04)
0,02
(0,04)
0,07*
(0,03)
0,01
(0,04)
RnD_exp
0,05***
(0,02)
0,05***
(0,02)
0,01
(0,02)
0,01
(0,02)
0,04**
(0,02)
0
(0,02)
PhD
0,04
(0,05)
0,05
(0,05)
0,05
(0,05)
0,04
(0,05)
0,04
(0,05)
Pat_potential
0,56***
(0,11)
0,56***
(0,11)
0,5***
(0,11)
Urban
0,35*
(0,18)
Pop_dens
-1,54***
(0,53)
-1,06**
(0,52)
R2 0,86 0,86 0,87 0,87 0,86 0,87
Исправленный
R2 0,85 0,85 0,86 0,86 0,85 0,86

16. Панельная регрессия с фиксированными эффектами. 984 наблюдения. Зависимая
переменная: Pat_PCT
Переменные Коэффициенты (стандартная ошибка)
const
-27,42***
(3,53)
-12,53**
(5,81)
-12,94**
(5,84)
-13,06**
(5,78)
Educ_years
11,8***
(1,37)
5,26**
(2,42)
5,57**
(2,44)
5,37**
(2,44)
Pat_stock1
0,27***
(0,07)
0,17*
(0,1)
0,07
(0,1)
RnD_appl
0,08*
(0,04)
0,08*
(0,04)
Pat_potential
0,55**
(0,23)
R2 0,69 0,7 0,7 0,71
Исправленный
R2 0,66 0,67 0,67 0,67

17. 




 






 

exp_
_55,0_04,0
2,0
_
_55,0_04,0
8,0_
RnD
PCTPatrusPat
Ind
capHuman
PCTPatrusPat
IndeffRIS
Оценка эффективности РИС
RIS_eff – индекс эффективности региональных инновационных систем
Ind – индекс, рассчитываемый по формуле линейного масштабирования
(«макс-мин»)
Pat_Rus – отечественные заявки на патенты
Pat_PCT – международные заявки на патенты
Human_cap – число занятых с высшим образованием, тыс. чел.
RnD_exp –затраты на НИОКР, млн руб.
Коэффициенты при переменных, описывающих патентную активность
взяты из средней коммерциализируемости заявок.
Веса перед субиндексами взяты из уравнений регрессий при
переменных Human_cap и RnD_exp при расчете двухфакторной модели.

19. Динамика эффективности РИС ведущих
регионов России с 1998 по 2012 гг.

20. Выводы
• ПФЗ в целом применима для описания патентной активности в регионах России
• На число российских заявок наибольшее влияние оказывает доля занятых с высшим
образованием, накопленное число использованных патентов, затраты на НИОКР и плотность
населения
• Если в функцию включить патентный потенциал, то он станет наиболее значимым фактором
вместе с долей занятых с высшим образованием и плотностью населения, что указывает на
концентрацию патентной активности в нескольких кластерах регионов
• Фактор перетока знаний в России может быть значим (значим патентный потенциал), но этот
вопрос требует дополнительного изучения
• Особое значение агломерационных и локализационных эффектов в России не выявлено
• Показатель доли занятых в НИОКР менее значим, чем доля занятых с высшим образованием,
несмотря на снижение качества образования в России, но благодаря сохранению советского
наследия
• При описании числа международных заявок значимы переменные среднего числа лет
обучения, затрат на прикладные исследования и патентный потенциал, но последний – в
меньшей степени
• Во второй модели ПФЗ расходы на НИОКР в целом меньше влияют на патентную активность,
чем расходы на опытно-конструкторские разработки, так как значительная часть первых идёт на
фундаментальные исследования
• Разработана и апробирована методика оценки эффективности РИС по созданию нового знания.
Среди лидеров преобладают регионы с крупнейшими агломерациями. В работе показано, что
РИС большинства ведущих регионов с середины 2000-х гг. теряют свою эффективность.