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

РУДН2014

VI Международная научная конференция "Модернизация и инновационное развитие экономических систем: проблемы, стратегии, структурные изменения"

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

Патентная активность в ведущих странах мира

Доля коммерциализированныхпатентов в России (договоры на

передачу исключительных прав и лицензионные договоры)

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

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.

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

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

spilloversKnowledgedemandPatInfraX i

__

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

Отброшенные регионы, патентная активность в которых сильно различалась по годам

Панельная регрессия с фиксированными эффектами. 984 наблюдения. Зависимая

переменная: Pat_rus

Переменные Коэффициенты (стандартная ошибка)

Константа3,19***

(0,19)

2,96***

(0,32)

2,52***

(0,34)

1,04

(0,85)

7,76***

(1,6)

5,86***

(1,61)

High_educ0,27***

(0,09)

0,27***

(0,08)

0,18***

(0,07)

0,18***

(0,07)

0,26***

(0,08)

0,18***

(0,06)

Pat_stock20,1***

(0,03)

0,1***

(0,03)

0,02

(0,04)

0,02

(0,04)

0,07*

(0,03)

0,01

(0,04)

RnD_exp0,05***

(0,02)

0,05***

(0,02)

0,01

(0,02)

0,01

(0,02)

0,04**

(0,02)

0

(0,02)

PhD0,04

(0,05)

0,05

(0,05)

0,05

(0,05)

0,04

(0,05)

0,04

(0,05)

Pat_potential0,56***

(0,11)

0,56***

(0,11)

0,5***

(0,11)

Urban0,35*

(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

R20,85 0,85 0,86 0,86 0,85 0,86

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_years11,8***

(1,37)

5,26**

(2,42)

5,57**

(2,44)

5,37**

(2,44)

Pat_stock10,27***

(0,07)

0,17*

(0,1)

0,07

(0,1)

RnD_appl0,08*

(0,04)

0,08*

(0,04)

Pat_potential0,55**

(0,23)

R2 0,69 0,7 0,7 0,71

Исправленный

R20,66 0,67 0,67 0,67

exp_

_55,0_04,02,0

_

_55,0_04,08,0_

RnD

PCTPatrusPatInd

capHuman

PCTPatrusPatIndeffRIS

Оценка эффективности РИС

RIS_eff – индекс эффективности региональных инновационных системInd – 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.

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

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.