Автореферат (1137975), страница 3
Текст из файла (страница 3)
Одновременное влияние всех компонентовинновационных кластерных эффектов приводит к возникновению синергии:фирмы-участники кластеров мотивированы на создание новых продуктов ифирм сильнее, чем предприятия-одиночки, что приводит к увеличениюинновационной активности всех участников.2. Обоснован подход к исследованию региональных инновационныхкластеров, сочетающий в себе количественный и качественный анализпо данным мезо- и микроуровня.При разработке подхода мы ограничили область анализа инновационныхкластеров. Во-первых, мы учитываем инновационные кластеры, в которыхпредприятия могут не иметь технологических связей. Технологическисвязанные цепочки добавленной стоимости рассматриваются лишь как частьинновационного кластера.
Фирмы в рамках последнего могут использовать весьспектр связей: состоять в одних и тех же бизнес-ассоциациях, сотрудничать содними и теми же образовательными учреждениями, предъявлять спрос на12одинаковые объекты инновационной инфраструктуры. Во-вторых, объектомисследованиявыступаетнеединыйрегиональныймежотраслевойинновационный кластер с четко очерченными границами, а фирма, иоценивается вероятность ее участия в кластере. Анализируются предприятия,обладающие определенным набором свойств – размещением по соседству,взаимодействием с другими участниками рынка, инновационностью, которые стойилиинойвероятностьюмогутбытьучастникамиразличныхинновационных кластеров в регионе.Предлагаемый автором 3х уровневый подход может быть представленследующим образом.Первый уровень – изучение условий и возможностей формированияинновационных кластеров по данным региональной статистики. Исследуетсярегиональная среда, оценивается наличие конкурентоспособных производств инеобходимых ресурсов, степень диверсификации производственной структуры,степеньинновационнойактивностипредприятий,инфраструктурнаяобеспеченность бизнеса в широком смысле этого слова.
В случае, еслиполучаемые результаты свидетельствуют о существовании условий дляразвития кластеров на территории региона, то следующий шаг – поиск техвидовдеятельности,которыеобладаютпризнакамикластеризацииипотенциалом к повышению инновационной активности.Второй уровень – выявление потенциальных отраслевых инновационныхкластеров на основе оценки коэффициентов локализации и специализации,характеризующих концентрацию фирм и занятых в конкретном сектореэкономики региона. Однако эти показатели не учитывают сотрудничествомежду фирмами, то есть не позволяют в полной мере отразить спецификутакого явления, как кластер. Таким образом, для дальнейшего анализа и оценкиинновационных кластерных эффектов необходим переход на микроуровень,позволяющий не только отследить взаимодействие внутри кластера междуорганизациями различных видов деятельности, но и оценить факторы,влияющие на вероятность участия фирмы в кластерах.13Третий уровень – количественная оценка инновационных кластерныхэффектов и качественная характеристика кооперации по данным микроуровня.В данном случае используется комбинация методов количественного икачественного анализа.
На первом этапе, с помощью эконометрическогомоделирования, тестируется гипотеза о том, что предприятия получаютконкурентныепреимуществаотэффектовблизкогоразмещенияивзаимодействия и конкуренции, то есть от инновационных кластерныхэффектов. Этот этап, в свою очередь, разбивается на три последовательныхшага:(1) идентификация участников инновационных кластеров;(2) оценка инновационных кластерных эффектов;(3) выявление факторов, влияющих на вероятность вхождения фирмы винновационные кластеры.Цель второго этапа, основанного на результатах анализа углубленныхинтервьюсучастникамиинновационныхкластеров,-обнаружитьдополнительные факторы, которые не могут быть выявлены с помощьюстатистических методов. Таким образом, мы включаем в исследование техагентов кластеров, с которыми у фирмы отсутствуют явные технологическиесвязи.Подробнее описанный подход представлен блок-схемой на рис.
1:14Анализ возможностей формированиякластеров в регионеРасширениевыборкиАнализ специализации региона(отраслевой анализ)Выдвижение гипотезы о существовании инновационных кластеров в регионеОпределение выборкиУточнениекритериевВыбор критериев группировкиАнализ данных: сравнение показателей группировокГипотеза не подтвержденаИдентификация кластеров••••Характеристика кластеровлокализация/специализацияучастники кластеровтипы взаимосвязейинновационная активностьОценка инновационных кластерных эффектовВыбор факторовВыбор методов анализаОценка факторов, влияющих навероятность вхождения фирмы винновационные кластерыПоиск инновационныхкластерных эффектовЭконометрическийанализУточнениефакторовКачественный анализ(неформализованныеинтервью)ЭконометрическийанализПрименениеиных методованализаСтатистически ненаблюдаемые факторы, влияющие научастие в инновационных кластерахИнституты, формирующие инновационный кластерНаличие/отсутствие инновационных кластерных эффектовФакторы, влияющие на вероятность участия винновационных кластерахРисунок 1.
Блок-схема анализа региональных инновационныхкластеров153.Разработана система показателей, позволяющая провести анализусловий формирования инновационных кластеров в регионах.На основе зарубежных и отечественных теоретических и эмпирическихисследований, рекомендаций экспертов ОЭСР, автором разработана системапоказателей (таблица 1), с помощью которой можно оценить возможностиформирования инновационных кластеров в регионе:Таблица 1Индикаторы оценки возможностей формирования региональныхинновационных кластеровНа основе предложенных показателей с использованием математическойпроцедуры кластерного анализа было проведено исследование стартовыхусловий, необходимых для территориальной концентрации предприятий и их16взаимодействия, по данным 18 регионов Приволжского и Уральскогофедеральныхокругов.Последниерассматривалиськакобъектысопоставительного анализа и конкуренты Пермского края.
Таким образом,были выделены группы регионов по критериям наличия и уровня зрелостиусловий для формирования региональных инновационных кластеров. Былиопределены регионы-лидеры (Башкортостан и Татарстан, Пермский край,Нижегородская, Челябинская и Самарская области), в которых формированиеинновационных кластеров имеет больше шансов на успех, чем в другихрегионах.4. Предложеныкритерии идентификации участников региональныхинновационных кластеров, и обнаружено, что принадлежность кинновационным кластерам положительно влияет на результатыдеятельности компаний.Автором была создана база данных 413 предприятий различных видовэкономической деятельности Пермского края за 2005 и 2007 г.
по информациииз статистических и бухгалтерских форм отчетности, позволяющая оценитьинновационные кластерные эффекты. Количество объектов исследования быловпоследствии сокращено с 413 до 382 в ходе процесса подготовки данных,выявленияочевидныхошибоквбазедляисключениявыбросовинедостоверных значений.Всоответствиистеорией,наборомпризнаков,установленныхэкспертным путем, и доступными для исследования данными, собираемымиРосстатом,былиопределеныкритерииидентификацииучастниковинновационных кластеров. К числу критериев были отнесены следующиепризнаки, в совокупности:1.Участиепредприятиярассматривающеесякакводинрегиональныхизсотрудничества.17доступныхбизнес-ассоциациях,дляоценкиканалов2.Наличие у предприятия совместных проектов с университетами, НИИ,другими предприятиями, расположенными в регионе.
Выбор этого критерияобъясняется тем, что внутренний инновационный потенциал фирмы и ееспособности к внешней кооперации в литературе описаны как дополняющиедруг друга свойства, влияющие на инновационность фирмы.3.Наличие у предприятия затрат на НИОКР. Преимущества этого признакасвязаны с возможностью его измерения, а также с тем, что предприятия,самостоятельноосуществляющиеНИОКР,признаютсянаиболеепривлекательными партнерами для участия в кластерном взаимодействии.По итогам анализа нашей выборки мы выявили, что около 15%промышленных предприятий обладают указанными свойствами и могутвходить в тот или иной инновационный кластер региона. Полученныерезультаты демонстрируют, что участие фирмы в инновационных кластерахположительно влияет на индикаторы, характеризующие результативностьдеятельности предприятий, в частности, на производительность труда поваловой добавленной стоимости и темп ее роста, а также рентабельностьпродаж.
В частности, средние темпы роста производительности по ВДС с 2005по 2007 гг. возможных участников инновационных кластеров на 27,9% выше всравнении с остальными предприятиями выборки.Полученныерезультатысвидетельствуютовозможномналичииинновационных кластерных эффектов для предприятий Пермского края. Для ихвыявления и оценки была протестирована гипотеза о том, что при прочихравных условиях существует положительная связь между показателямиэффективности и участием в региональных инновационных кластерах.Были построены различные спецификации линейной регрессионной модели,представленной в общем виде следующим образом:Y = β0 + β1Age + β2Ind + β3Aglm + β4InCl + β5Empl + β6Ved+ ξ,BBBBBBBBBBBBBBгде β – вектор оцениваемых коэффициентов, Y — зависимая переменная,характеризующая эффективность предприятия, ξ – случайная ошибка.18Независимыми переменными в данном случае выступают: Age - возрастфирмы; Ind – характеристика отрасли, к которой принадлежит фирма(коэффициентспециализации);рядбинарныхпеременных:Aglm–расположение предприятия в пределах городской агломерации; InCl –принадлежность к участникам региональных инновационных кластеров, всоответствии с результатами группировки, полученными на предыдущем этапе.К контрольным переменным относятся: Empl – бинарная переменная,принимающая значение 1, если предприятие принадлежит к группе средних почисленности работников предприятий (от 101 до 500 человек), 0 – в противномслучае.; Ved – бинарная переменная, принимающая значение 1, еслипредприятие относится к химической и нефтехимической отраслям, 0 – вдругом случае.Сводные результаты регрессионного анализа приведены в табл.
2.Таблица 2Зависимость индикаторов эффективности фирмы от некоторыхпоказателей инновационных кластерных эффектовВсе построенные линейные регрессионные модели были проверены сточки зрения выполнения для них условий Гаусса-Маркова. Результаты тестаРамсея дают основания принять гипотезу о корректной со статистическойточки зрения спецификации функциональной формы модели и отсутствиипропущенных значений.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
