Методология оценки научно-технического потенциала регионов.
Необходимость оценки научно-технического потенциала (НТПт) регионов Российской Федерации продиктована потребностью во владении объективной информацией об уровне НТПт нашей страны, для идентификации субъектов РФ, на территориях которых можно сформировать эффективные субъекты инновационной деятельности, и множеством других целей.
Научно-технический потенциал – это совокупность аккумулированного в инновационном секторе финансового и человеческого капитала, определяющая общие инновационные возможности территории, и результативность функционирования самого сектора, отражающая эффективность текущей инновационной деятельности.
Для выбора математического инструментария, подходящего для поставленной задачи, необходимо кратко рассмотреть некоторые недостатки, связанные с его возможным использованием в методиках.
К примеру, расчетные показатели могут значительно различаться в масштабах своего численного выражения: для одних значения могут колебаться в промежутке от 0,00001 до 0,001, в то время как для других вариация целой части может составить значительный диапазон для изменений. В этом случае необходимо производить отдельные операции по приведению показателей к сопоставимому виду и потребовать дополнительных затрат по времени на реализацию этой задачи.
Кроме того, это может повлиять и на систему весовых коэффициентов, которая в результате будет носить больше корректировочный характер, вследствие чего такая система коэффициентов потеряет свою информативность об уровне значимости каждого показателя в отдельности.
К тому же, в итоговых значениях рейтинга зачастую не понятен максимально возможный балл. Это означает, что любые конкретные значения вне рамках рейтинга по всей выборке не будут нести никакой информации даже о примерном положении региона.
Алгоритм методики оценки НТПт регионов Российской Федерации можно представить следующим образом:
Шаг 1. Здесь выделяются основные показатели и факторы, которые в дальнейшем будут использованы при расчете итоговой оценки для каждого региона, а также выстраивается система предпочтений для этих факторов.
Все факторы разбиваются на две группы:
1. Факторы, отражающие ресурсную составляющую.
2. Факторы, выступающие в качестве оценки результатов инновационной деятельности.
К первой группе факторов можно отнести:
1) численность персонала, занятого научными исследованиями и разработками (чел.);
2) численность исследователей с учеными степенями (чел.);
3) внутренние затраты на научные исследования и разработки (млн.руб.);
4) затраты на технологические инновации (млн.руб.);
5) число организаций, выполнявших научные исследования и разработки (ед.).
Соответственно ко второй группе фак-торов относятся:
1) число созданных передовых производственных технологий (ед.);
2) число используемых передовых производственных технологий (ед.);
3) число патентов на изобретения и полезные модели (ед.).
Использование относительных величин рекомендуется производить в случае, когда исследователей интересуют результаты лишь какой-то конкретной части выборки, конкретных регионов. Соответственно, если в ходе анализа не было выявлено, что генерируемые искажения затрагивают интересующие исследователей регионы, то стоит включать рассматриваемые показатели в методику.
К наиболее работоспособным в условиях развивающихся инновационных систем относятся следующие относительные показатели:
1. Доля внутренних затрат на исследования и разработки в ВРП (%).
2. Удельный вес персонала, занятого исследованиями и разработками в общем числе занятых в экономике (%).
3. Численность исследователей с ученой степенью в расчете на занятых в экономике (%).
4. Количество выданных охранных документов на изобретения и полезные модели в расчете на население (ед./тыс.чел.).
5. Число созданных передовых производственных технологий в расчете на население (ед./тыс.чел.).
Для случая, когда интерес для исследователей представляет лишь часть выборки, можно включить в рассмотрение следующие показатели:
1. Доля затрат на технологические инновации в ВРП (%).
2. Число использованных передовых производственных технологий в расчете на население (ед./тыс.чел.).
3. Удельный вес инновационной продукции в общей объеме отгруженной продукции (%).
4. Доля отгруженной инновационной продукции в ВРП (%).
Шаг 2. Выбранные на предыдущем шаге показатели воспроизводятся в единой таблице на конкретную дату по всем имеющимся регионам.
Шаг 3. На основании этих данных по каждому из показателей строится гистограмма по всей выборке.
Шаг 4. По полученным гистограммам проводится нечеткая классификация значений выбранных параметров. Для этого вводится лингвистическая переменная «Уровень показателя» и устанавливаются пять значений:
1) высокий уровень показателя;
2) средний-высокий уровень показателя;
3) средний уровень показателя;
4) средний-низкий уровень показателя;
5) низкий уровень показателя.
Для каждого показателя устанавливается соответствие его текущего уровня каждому из значений переменной «Уровень показателя».
Шаг 5. После классификации значений показателя переходят к их ранжированию по уровню. Цель данного шага – определить значения показателей, попадающих в зону неуверенности, в соседние классы, с определенной вероятностью. Для этого вводится параметр «ранг», характеризующий степень принадлежности текущего значения фактора нечеткой системе уровней, сконструированной выше и вычисляющийся следующем образом:
1. Для значений показателя, попадающих в кластеры «низкий», «средний», «высокий», ранг равняется единице для данного уровня фактора и нулю для остальных уровней.
2. Для значений показателей, попадающих в зону неуверенности, вычисляются ранги для двух соседних кластеров, их сумма должна быть равна единице. Вычисление данных рангов идет по правилу вычисления ординаты наклонного ребра трапециевидной функции принадлежности по заданной абсциссе точки на нижнем основании трапеции. После этого, ни одно значение показателей не попадает в зону неуверенности, а те, которые входили в неё, отнесены к соседним классам с определенной принадлежностью.
Шаг 6. Для каждого показателя устанавливается свой вес, в соответствии с системой предпочтений, введенной на первом шаге. Более предпочтительные для нас факторы будут иметь более серьёзный вклад в итоговую оценку, чем менее предпочтительные показатели.
Далее, на единичном интервале задаются трапециевидные функции правдоподобия лингвистической переменной «Уровень показателя».
Формулы для расчетов комплексных оценок выглядят следующим образом:
где i – индекс каждого конкретного показателя,
j – индекс уровня показателя (общее число уровней M=3),
λij – ранг i-го показателя по своему j-ому уровню, определяемый таблицами из пятого шага,
αi – абсциссы максимумов функций принадлежности терм-множества лингвистической переменной «Уровень показателя».
По обоим блокам факторов представляют промежуточные комплексные оценки их уровней: оценка имеющихся ресурсов в регионе и оценка результатов инновационной деятельности. Значения полученных оценок находятся в интервале от 0 до 1. Соотношение этих двух характеристик, преобразованных в данные с ненулевой целой частью, позволит рассчитать эффективность региональной инновационной деятельности по каждому субъекту. Подобная оценка не может использоваться как полноценный фактор, поэтому в дальнейшем её использование будет носить надстроечный характер.
После расчета характеристики эффективности дается финальная комплексная оценка по всем факторам. Итоговый рейтинг будет также варьироваться от 0 до 1, это позволит разбить результаты на 10 равных интервалов, или карманов, и уже внутри каждого интервала провести ранжирование регионов в соответствии с их уровнем эффективности. Размер интервалов и их количество может быть различным в зависимости от ситуации и взглядов исследователя. Подобная форма всего лишь удобна для реализации методики в пакетах программирования, где всегда возможна корректировка параметров карманов.
Понятная система весов и система предпочтений, четкое разделение факторов по своей природе и характеру позволяют оценивать регионы с различных сторон и делать соответствующие выводы. К примеру, если в системе предпочтений задать наивысший приоритет показателям, отражающим сложившийся уровень человеческого капитала в инновационном секторе региона, то можно идентифицировать в выборке субъекты, в которых более целесообразно создавать научно-исследовательские центры, НИОКР и т.п. Соответствующие показатели в системе предпочтений будут менее значимы, если речь идет о возможности внедрения производств с существующими технологиями.