Результаты эмпирического анализа

⇐ ПредыдущаяСтр 2 из 2

На основании панельных данных, которые были описаны во 2 главе данной курсовой работы, были проведены четыре регрессионных анализа: два проведенных с использованием модели с фиксированных переменных, а два на модели со случайными эффектами, с использованием разного набора описывающих факторов.

Использование разного набора факторов, в связи с чем было получено четыре уравнения регрессии, а не два, было необходимо для того, чтобы избежать корреляции между различными факторами. Поскольку одним из условий нахождения уравнения множественной регрессии является независимость действия факторов, коллинеарность факторов нарушает это условие, то есть факторы модели дублируют друг друга и один из них рекомендуется исключить из регрессии, для чистоты полученных результатов. В эконометрике предпочтение отдается не тому фактору, что наиболее сильно связан с результатом, а фактору, который при сильной связи с результатом имеет наименьшую тесноту связи с другими факторами. Перед проведением регрессионного анализа в данной курсовой работе также была проведена проверка парных корреляций, результаты которой представлены в таблице 3.

Таблица 3 – Корреляционная матрица

	patents_pc	RD_GRP	student_pc	export	population	reg_ibr	researches_pc
patents_pc		0, 492	0, 660	0, 543	0, 634	-0, 240	0, 638
RD_GRP	0, 492		0, 289	0, 125	0, 437	-0, 087	0, 748
student_pc	0, 660	0, 289		0, 444	0, 455	0, 022	0, 547
export	0, 543	0, 125	0, 444		0, 613	-0, 030	0, 442
population	0, 634	0, 437	0, 455	0, 613		-0, 254	0, 652
reg_ibr	-0, 240	-0, 087	0, 022	-0, 030	-0, 254		-0, 067
researches_pc	0, 638	0, 748	0, 547	0, 442	0, 652	-0, 067

Данные таблицы 3 указывают в целом на корреляционные зависимости между объясняемой переменно - число патентов и рассматриваемыми факторами. Кроме того, высокая корреляционная зависимость прослеживается между долей расходов на НИОКР в ВРП регионов и числом исследователей (75%). Это может повлиять на чистоту проводимого анализа, в связи с чем было решено не включать эти факторы в одну модель и составить разные уравнения регрессии.

В результате проведения регрессионных анализов было составлено три уравнения регрессии, которые представлены ниже:

log(patents_pc) = α ₁log(population) + α ₂log(researches_pc) + α ₃log(student_pc) + α ₄log(export) + α ₅reg_ibr + ε ₁, model = " within" (2)

log(patents_pc) = α ₁log(population) + α ₂log(researches_pc) + α ₃log(student_pc) + α ₄log(export) + α ₅reg_ibr + ε ₂, model = " random" (3)

log(patents_pc) = α ₁log(population) + α ₂log(RD_GRP) + α ₃log(student_pc) + α ₄log(export) + α ₅reg_ibr + ε ₃, model = " within" (4)

log(patents_pc) = α ₁log(population) + α ₂log(RD_GRP) + α ₃log(student_pc) + α ₄log(export) + α ₅reg_ibr + ε ₄, model = " random" (5)

Где:

a) log(patents_pc) – прологарифмированный объясняемый фактор- количество патентов, зарегистрированных в регионе;

б) log(population) – логарифм численности населения региона;

в) log(researches_pc) – логарифм числа исследователей на 1 млн. населения;

г) log(student_pc) – логарифм численности студентов на 10 000 человек постоянного населения;

д) log(export) – логарифм объема экспорта;

е) reg_ibr – индекс ИБР в регионе;

ж) log(RD_GRP) – логарифм доли расходов НИОКР в ВРП региона

Коэффициенты α ₁…α ₅– коэффициенты уравнения регрессии, полученные в ходе проведения регрессионного анализа и представленные ниже, а ε ₁, ε ₂, ε ₃, ε ₄– стандартные ошибки по трем уравнениям регрессий.

По результатам регрессионного анализа, который был выполнен с помощью программы R, были получены значения коэффициентов детерминации.

Таблица 4 – Регрессионная статистика

Регрессионная статистика
R²₁	0, 139
R²₂	0, 221
R²₃	0, 137
R²₄	0, 227

Коэффициент детерминации R²отражает, что на 13, 8% вариация количества патентов относительно общего числа жителей в 78 регионах Российской Федерации в период с 2001 по 2012 год по первому уравнению регрессии объясняется изменениями выбранных объясняющих факторов. Невысокий уровень коэффициента детерминации говорит о том, что ряд факторов в данном регрессионном анализе отсутствует.

Относительно второго уравнения регрессии, которое идентично первому, однако получено из модели со случайными, а не фиксированными эффектами, можно сделать вывод, что на 22, 1% вариация количества патентов обусловлена изменениями объясняющих факторов, а на 77, 9% неучтенными в рассматриваемой модели факторами.

По третьему уравнению (с фиксированными эффектами), как видно из таблицы 2, данный показатель практически идентичен полученному результату в первом уравнении (также с фиксированными эффектами).

Что касается четвертого уравнения регрессии (модель со случайными переменными и использованием фактора ВРП), то оно в большей степени описывает имеющиеся данные, так как вариация объясняемого фактора (количества патентов) на 22, 7% обуславливается изменениями объясняющих факторов и на 77, 3% неучтенными в эмпирической модели факторами.

Такие низкие показатели могут быть объяснены тем, что ряд факторов для инновационной системы не был определен гипотезами.

Результаты регрессионного анализа представлены в таблице 5.

Таблица 5 – Коэффициенты уравнений регрессий

Независимая переменная	log(patents_pc)₁	log(patents_pc)₂	log(patents_pc)₃	log(patents_pc)₄
log(population)	-1, 619** (0, 509)	0, 636*** (0, 097)	-1, 611** (0, 509)	0, 613*** (0, 093)
log(researches_pc)	-0, 067 (0, 045)	0, 038 (0, 04)	-	-
log(RD_GRP)	-	-	-0, 022 (0, 049)	0, 081* (0, 039)
log(student_pc)	0, 581*** (0, 099)	0, 818*** (0, 085)	0, 588*** (0, 1)	0, 833*** (0, 085)
log(export)	0, 044** (0, 014)	0, 072*** (0, 013)	0, 054*** (0, 012)	0, 073*** (0, 012)
reg_ibr	-0, 08 (0, 079)	-0, 12. (0, 067)	-0, 086 (0, 079)	-0, 124. (0, 066)
N

В данной таблице представлены полученные в ходе проведения регрессионного анализа коэффициенты уравнений регрессий. В крайнем левом столбце представлены независимые переменные – объясняющие факторы, а в остальных ячейках отражены коэффициенты по трем уравнениям, которые были представлены выше.

Также в каждой из ячеек представлена стандартная ошибка по каждому из коэффициентов (значение в скобках), а также значимость каждого из них, которая обозначена звездами или точкой. Три звезды (***) означают высокую значимость полученного коэффициента - на уровне 0, 1%. Две звезды (**) отражают, что значимость соответствует уровню 1%. Одна звезда (*) отражает значимость 5%, (.) – значимость 10%.

Нижняя строка отражает количество наблюдений для каждого из уравнений – 936.

При проведении сравнительного анализа по полученным данным в Таблице 4, можно сделать вывод о том, что наиболее значимыми оказались модели со случайными эффектами.

Таким образом итоговые уравнения регрессий по моделям со случайными эффектами выглядят следующим образом:

log(patents_pc) = 0, 636*log(population) + 0, 038*log(researches_pc) + 0, 818*log(student_pc) + 0, 072*log(export) - 0, 12*reg_ibr (6)

log(patents_pc) = 0, 613*log(population) + 0, 081*log(RD_GRP) + 0, 833*log(student_pc) + 0, 073*log(export) – 0, 124*reg_ibr (7)

Необходимо интерпретировать каждый из полученных коэффициентов.

Рассматривая первое из полученных уравнений регрессии: Коэффициент уравнения регрессии по 1 фактору (численность населения региона) равен (0, 636), что можно интерпретировать следующим образом: при увеличении численности населения на 1 %, число патентов в относительном показателе увеличивается на 0, 64%. Данный фактор имеет значимость на уровне 0, 1%, соответственно, можно сделать вывод о том, что поставленная ранее гипотеза о положительном влиянии роста населения на развитие инновационной системы (которая оценивается в данном случае числом зарегистрированных патентов), подтвердилась.

Коэффициент по фактору числу исследователей не имеет значимого влияния на производство инноваций.

Гипотеза о положительном влиянии числа студентов в регионе на развитие его инновационной системы подтвердилось. Так, при увеличении числа студентов на 1%, количество зарегистрированных патентов увеличивается на 0, 818 %. Данная зависимость является высоко значимой – на уровне 0, 1%., это говорит о важности развития университетов в регионах: усиления научной и образовательной функций университетов, повышения квалификации преподавателей, увеличение привлекательности регионов для привлечения высококвалифицированных преподавателей, а также абитуриентов, увеличении конкурентоспособности вузов регионов страны относительно зарубежных вузов, с целью снижения «утечки мозгов» за рубеж.

Увеличение расходов на НИОКР в ВРП имеет положительный эффект на рост инновационной системы региона. Гипотеза, поставленная в начале исследования, подтвердилась, данный фактор, по результатам регрессионного анализа, оказался значимым в модели со случайными эффектами на уровне 0, 1%. При увеличении расходов на 1% количество зарегистрированных патентов в регионе увеличивается на 0, 081%.

Ориентированность рынка региона на внешний рынок также сказывается на росте производства инноваций (коэффициент значим на уровне 0, 1%) В соответствии с полученным коэффициентом, при увеличении экспорта на 1% единицу, число зарегистрированных патентов в регионе увеличивается на 0, 72%.

Как показал регрессионный анализ, индекс ИБР практически не оказывает влияния на объясняемый фактор, однако по полученному коэффициенту регрессии можно судить, об обратной зависимости между данным и объясняемым фактором, что подтверждает гипотезу.

Основываясь на полученных результатах, можно сказать, что регионам следует обратить внимание на значимые факторы производства инноваций. В первую очередь, следует усиливать университеты, а также повышать качество преподавания в них, за счет чего будет возможным избежать «утечки мозгов» как из регионов, так и из страны.

Также стоит обратить внимание на то, что интеграция регионов в международный рынок за счет роста экспорта производимой продукции, которую сопровождают грамотные маркетинговые мероприятия, способствует созданию новых изобретений, продуктов и услуг, что ведет к росту производства новых знаний.

ЗАКЛЮЧЕНИЕ

Данная работа состоит из трех частей, введения и заключения. Во введении сформулированы предмет и объект исследования, актуальность и значимость работы, обобщены основные гипотезы и упомянуты методы.

Первая часть работы является теоретической. В ней описаны основные понятия и определения инноваций, ее функции и признаки, виды классификации, взгляды на инновационное развитие различных теорий, в частности, Новой экономической географии., ситуация с производством инноваций, сложившаяся в Российской Федерации.

Во второй и третьей главах работы представлена эмпирическая часть исследования. На основе выдвинутых гипотез была построена эмпирическая модель, по типу производственной функции знания, предложенной З. Грилихесом. В качестве зависимой переменной выступило число зарегистрированных патентов. В качестве объясняющих переменных в моделях выступили: численность населения в регионе, количество студентов, уровень экспорта, доля расходов на НИОКР в ВРП, число исследователей, ИБР. Для 78 регионов РФ была составлена база панельных данных за временной период с 2001 по 2010 год. Результаты регрессионного анализа позволили сделать выводы о значимости влияния рассматриваемых факторов на производство инноваций в РФ. В соответствии с результатами регрессионного анализа, наиболее значимыми факторами, влияющими на рост числа зарегистрированных патентов, оказывают, во-первых, человеческий капитал, во-вторых, величина образовательного центра в регионе, выраженная числом студентов на 10000 населения – что вполне логично и говорит о необходимости развитии университетов в качестве основного элемента инновационной системы.

Также значимое влияние на производство инноваций оказывает экспорт, который отражает открытость регионов международному рынку. Рост экспорта не только благоприятствует развитию экономики региона, но и, как показало исследование, способствует росту инноваций в соответствующем регионе.

Численность населения регионов, которая коррелирует с агломерационными эффектами, также положительно влияет на производство инноваций. Это является подтверждением теории новой экономической географии.

К сожалению, число исследователей не является значимым фактором для производства инноваций. Это говорит о том, что в российской системе НИОКР работа исследователей не является эффективной.

Еще один вывод, который может быть сделан по результатам проделанного исследования, является то, что увеличение затрат на развитие инновационной деятельности в регионе приносит свои плоды и является важным фактором, обеспечивающим развитие инновационной системы региона.

Таким образом, все цели исследования были достигнуты, и подтверждены практически все гипотезы, поставленные в начале исследования.

Исследование показало, что несмотря на достигнутые значимые результаты о факторах инновационной системы РФ, было выявлено, что ряд факторов остался невыявленным, поэтому необходимо продолжить исследование и данная работа может послужить основой для дальнейших более глубоких исследований с использованием иных факторов влияния на инновационное развитие регионов РФ.

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ:

1. Вербик М., Путеводитель по современной эконометрике. – М.: Научная книга, 2008. – 615 с.

2. Ратникова Т. А. Введение в экономический анализ панельных данных // «Экономический журнал НИУ ВШЭ» - 2006, 50 с.

3. Gochberg L.M Rating of innovative development of the activity of the Russian Federation: vol. 2. /Ed... – Moscow: SRU HSE, 2014. – 88 p.

4. Highsbers Ch. National Innovation Sysytems in Russia and EU /Ed. V.V. Ivanov, N.I. Ivanova, J. Rhoseboom, – Moscow: CIPNAS NAS, 2006. – 280 p.

5. Kauffmann, A., Das Stä dtesystem der Russischen Fö deration aus Sicht der Neuen Ö konomischen Geographie. – P.: Universitä tsverlag, 2010. – 212 p.

6. Lundvall, B. National Systems of Innovation: Towards a Theory of Innovation and Interactive Learning. B. Lundvall. – London, 1992, - 317 p.

7. Nelson, R. National Systems of Innovation: A Comparative Analysis. R. Nelson – Oxford: 1993, - 560 p.

8. Perret J. K. Knowledge as a driver of regional growth in the Russian Federation. – Springer, 2014. – 367 p.

9. Васильев И.А. Анализ эффективности инвестиционных проектов. – М.: ВЕДИ, 2001. – 208 с.

10. Виленский П.Л., Лившиц В.Н., Орлова Е.Р, Смоляк С.А. Методы оценки инвестиционных проектов. – М.: Дело, 1998. – 248 с.

11. Жданова О. А. Роль инноваций в современной экономике // Экономика, управление, финансы: материалы междунар. науч. конф. (г. Пермь, июнь 2011 г.). — Пермь: Меркурий, 2011. – 124 с.

12. Лексин, В. Н., Швецов, А. Н. Государство и регионы: теория и практика государственного регулирования территориального развития. – М.: Издательство ЛКИ. – 2007. – 357 с.

13. Кисуркин А. А. Факторы, влияющие на инновационное развитие региона и их классификация по уровням управления // «Современные проблемы науки и образования». – Х.: 2012. - 8 с.

14. Нестерова Н. Н. Инновационный потенциал: роль и место в развитии экономики региона //Социально-экономические явления и процессы – 2012, - 4 с.

15. Петрухина Е. В. Основные факторы инновационного развития регионов // «Научные ведомости Белгородского государственного университета» – О.: 2014, - 10 с.

16. Пчелинцев, О. С. Региональная экономика в системе устойчивого развития. – М.: Наука, 2004. – 89 с.

17. Хмелевский С. В. Каковы инновационные системы России? – 2009, - 19 с.

18. Самуэльсон П.Э., Нордхаус В.Д. Экономика, 18-ое издание. – М.: 2007 680 с.

19. Старик Д.Э. Расчеты эффективности инвестиционных проектов: Учеб. пособие. – М.: Финстатинформ, 2001. – 131 с.

20. Татаркин А. И. Интеллектуальный ресурс общества и его роль в воспроизводственном процессе // Экономика региона. 2010. № 3. С. 20-32.

21. Волконицкая К. Г., Ляпина С. Ю. Развитие региональных инновационных систем [электронный ресурс]: статья – М.: 2017 С. 19. URL: http: //naukovedenie.ru/PDF/162EVN514.pdf (дата обращения 10.09.16)

22. Волчкова Н. Новая теория международной торговли и новая экономическая география, [электронный ресурс]: 2011. URL: http: //institutiones.com/general/1162-teoriya-mezhdunarodnoj-torgovli.html (дата обращения 20.09.16)

23. Манаков А. Г «Новая экономическая география» и оценка ее применимости в России [электронный ресурс]: URL: http: //old.pskgu.ru/projects/pgu/storage/we6137/wepgu01/wepgu01_10.pdf 7 с. (дата обращения 20.08.16)

24. Мингалева Ж. А. Влияние активности патентной деятельности на инновационное развитие национальной экономики [электронный ресурс]: Экономика региона №4, 2010. – URL: file: ///C: /Users/%D0%A1%D0%B5%D1%80%D0%B3%D0%B5%D0%B9/Downloads/vliyanie-aktivnosti-patentnoy-deyatelnosti-na-innovatsionnoe-razvitie-natsionalnoy-ekonomiki.pdf (дата обращения 19.09.16)

[1] Самуэльсон П.Э., Нордхаус В.Д. Экономика, 18ое издание. – М.: 2007 С. 383

[2] Волконицкая К. Г., Ляпина С. Ю. Развитие региональных инновационных систем. – М.: 2017 С. 9

[3] Волконицкая К. Г., Ляпина С. Ю. Развитие региональных инновационных систем. – М.: 2017 С. 2

[4] Нестерова Н. Н. Инновационный потенциал: роль и место в развитии экономики региона //Социально-экономические явления и процессы. – М.: 2012 С. 152-153

[5] Жданова О. А. Роль инноваций в современной экономике // Экономика, управление, финансы: материалы междунар. науч. конф. (г. Пермь, июнь 2011 г.). — Пермь: Меркурий, 2011. — С. 38-40.

[6] Манаков А. Г «Новая экономическая география» и оценка ее применимости в России. – С. 84

[7] Там же. – С. 85

[8] Хмелевский С. В. Каковы инновационные системы России? – 2009 С. 2

[9] Хмелевский С. В. Каковы инновационные системы России? – 2009 С. 7

[10] Вербик М., Путеводитель по современной эконометрике, - М., 2009, С. 497-298

[11] Т. А. Ратникова Введение в экономический анализ панельных данных [электронный ресурс]: глава учебника – URL: https: //www.hse.ru/data/2010/12/31/1208183686/10_02_06.pdf (дата обращения: 28.08.16)

⇐ Предыдущая 12