Факторы востребованности ведущих вузов России_семинар "Актуальные исследовани...
Земцов С.П., Коцемир М.Н. Оценка эффективности региональных инновационных систем с помощью модели DEA.
1. ОЦЕНКА ЭФФЕКТИВНОСТИ РЕГИОНАЛЬНЫХ
ИННОВАЦИОННЫХ СИСТЕМ С ПОМОЩЬЮ
МОДЕЛИ DEA.
КАКИЕ РЕГИОНЫ РОССИИ БОЛЕЕ
ЭФФЕКТИВНО СОЗДАЮТ НОВЫЕ
ТЕХНОЛОГИИ И ПОЧЕМУ?
Авторы: Земцов С.П. (РАНХиГС, МГУ),
Коцемир М.Н. (НИУ ВШЭ)
Докладчик: Земцов Степан Петрович,
к.г.н., с.н.с.
E-mail: zemtsov@ranepa.ru
Институт прикладных экономических исследований
РАНХиГС
Центр статистических исследований и экономики
знаний НИУ ВШЭ
МГУ им. М.В. Ломоносова
22.12.2016
Третий Российский экономический конгресс
2. Цель
2
Актуальность:
• Режим санкций – ограничения на заимствование новых технологий
• Создана инновационная инфраструктура в большинстве регионов
• Но какова эффективность инновационной политики регионов?
Цель:
• Предложить подходы к оценке эффективности создания новых
технологий в региональных инновационных системах (РИС)
России в 1998-2012 гг.
Гипотеза:
• Эффективность регионов по созданию новых технологий выше, если
в них выше плотность городской среды, а соответственно
взаимодействие инновационных агентов
3. Используемые определения
3
Региональная инновационная система (РИС) – это
сеть взаимодействующих инновационных агентов и
соответствующей инфраструктуры [Cooke, 1992; Tödtling,
Tripple, 2005]
Эффективность (в нашей работе) – соотношение
полученных результатов и используемых ресурсов
[Ширяев, 2014]
Эффективность РИС – получение максимального
инновационного выпуска при используемом объеме
ресурсов (инвестиции в научные исследования,
человеческий капитал) [Zabala-Iturriagagoitia, 2007; Chen,
Guan, 2012; Zhu, 2013; Kotsemir, 2013]
4. Что такое DEA?
Оболочечный анализ, или анализ среды функционирования
(англ. Data Envelopment Analysis, DEA) – метод сравнительного
анализа деятельности сложных систем (единиц принятия решения),
основанный на оценке соотношения результатов (outputs) к
использованным ресурсам (inputs) [Charnes, Cooper, 1962]
,
min
r
r
0
0
0
Xx
Yy
rr
r
• θ – оценка эффективности
региона r
• λ – вектор констант (n×1)
• xr – вектор затрат (1×k)
• уr – вектор выпуска (1×m)
• X – матрица затрат (k×n)
• Y – матрица выпуска (m×n)
Оценка эффективности регионов 2 и 5
равна 1 (граница производ. возм.)
2
5
A
B
OA
Оценка эффективности региона
B равна отношению ОA/OB
0
5. Преимущества и недостатки DEA
Преимущества метода DEA
не требует априорного задания вида функциональной
зависимости между переменными «затрат» (input variables) и
переменными «выпуска» (output variables)
не вводятся ограничения на весовые коэффициенты для
переменных
работает с большим числом переменных, каждая из которых может
быть выражена в разных единицах измерения
возможность оценить изменения переменных, необходимые для
перехода неэффективных объектов анализа на границу
эффективности
Недостатки метода DEA
оценки эффективности исследуемых объектов сильно зависят от
статистических шумов и статистических выбросов
трудность обоснования выбора переменных «затрат» и переменных
«выпуска»
оценки сильно зависят от состава выборки (при добавлении нового
региона необходимо пересчитывать оценки эффективности заново)
при малом объёме выборки и большом наборе переменных оценки
эффективности могут быть некорректными 5
6. Переменные DEA
6
Вид зависимости основан на производственной
функции знаний [Griliches, 1979; Romer, 1990;
Zemtsov et al., 2016]
Выпуск: число потенциально
коммерциализируемых патентов на
изобретения в год
Затраты:
• Внутренние затраты на НИОКР, млн руб.
• Численность экономически активного
городского населения с высшим
образованием, чел.
7. Инновационный выпуск?
7
Новые технологии ассоциируются с патентами на
изобретения [Griliches, 1979, 2007]
Низкое качество патентов: высокая волатильность, низкая
коммерциализируемость, форма отчетности, патентные тролли
и др. Примеры: Квасенков О.И. – 31 тыс. патентов,
Щепочкина Ю.А. – 4 тыс.
• Innov – число коммерциализируемых патентов
• Pat_rus – число российских патентов
• Pat_PCT — число международных PCT-заявок
0.08 и 0.5 - доли (8% and 50%) коммерциализированных
патентов в предыдущие периоды
, , ,0.08 _ 0.5 _i t i t i tInnov Pat rus Pat PCT
18. Фактор эффективности:
запасы знаний, интенсивность НИОКР
18
Зависимая переменная: ln(эффективность РИС по DEA).
Модель фиксированных эффектов. 978 наблюдений. 1998-2012. Временные
эффекты включены.
Константа −8.44*** 0.83)
Ln (затраты на НИОКР в ВРП)2 0.16*** (0.01)
Ln (число патентов кумулятивно с 1994 г.) 1.26*** (0,16)
LSDV R2 0.84
Within R2 0.49
Зависимая переменная: ln(эффективность РИС по DEA)
Модель пула. 978 наблюдений.
Константа −1.25*** (0,16)
Ln (патентный потенциал) 0.14*** (0,01)
Ln (расстояние до агломерации с 1 млн чел.) −0.21*** (0,02)
Ln (число малых фирм к ЭАН) 0.16*** (0,03)
Ln (доля затрат на НИОКР к ВРП)2 0.12*** (0,01)
R2 0.43
Скорректированный R2 0.43
19. Выводы
19
Методика позволяет оценить способности РИС создавать
новые технологии, но не учитывается их способность
реализовывать новые продукты
Проблемы статистического учета
Высокая пространственная и временная дифференциация
эффективности
Основные факторы эффективности:
• агломерационные эффекты (?)
• запас знаний (укорененность)
• интенсивность финансирования НИОКР
Требуется проведение регионально дифференцированной
политики
20. СПАСИБО ЗА ВНИМАНИЕ!
Земцов Степан Петрович
zemtsov@ranepa.ru
URL: http://www.ranepa.ru/prepodavateli/sotrudnik/?742
Институт прикладных экономических исследований РАНХиГС
Лаборатория инновационной экономики ИЭП им. Е.Т. Гайдара
Географический факультет МГУ им. М.В. Ломоносова
Статьи, в которых изложены результаты
• Zemtsov S., Muradov A., Wade I., Barinova V. Determinants of regional innovation in
Russia: are people or capital more important? // Foresight-Russia. 2016. №2. С. 29 – 42.
• Бабурин В.Л., Земцов С.П. Факторы патентной активности в регионах России //
Вестник НГУ. Серия: Социально-экономические науки. 2016. Том 16. № 1. С.86 -
100.
• Земцов C.П., Мурадов А.К., Баринова В.А. Факторы региональной инновационной
активности: анализ теоретических и эмпирических исследований // Инновации.
2016. № 5. C. 42-51.
• Земцов С., Баринова В. Смена парадигмы региональной инновационной политики в
России: от выравнивания к «умной специализации» // Вопросы экономики. 2016. №
10. C. 70-77.
• Земцов С.П. Обзор статистических методов регионального анализа инновационной
деятельности // Региональные исследования. 2016. № 2