Автореферат (1151072), страница 4
Текст из файла (страница 4)
Итогом стали разработанные концептуальныеосновы по проведению дальнейшего более дифференцированного анализа сфокусировкой внимания на технологических факторах секторов экономики,которые отражают секторальные различия по потенциалу использованияновых технологий и которые оказывают существенное воздействие наразвертывание инновационной активности фирм.Исследование взаимосвязи между интенсивностью конкуренции иинновационной активностью фирм потребовало также учета фактора размерафирм, поскольку чем меньше фирма, тем больше она имеет ограничений ибарьеров для коммерциализации своих инноваций. В работе был обоснованвывод о необходимости учета следующей гипотезы: крупные фирмы имеюттенденцию специализироваться на производстве знания, а малые специализироваться на стадии разработки инноваций.
При этом для отраслейпромышленного производства, отличительными особенностями которыхявляютсякапиталоемкость,концентрацияиинтенсивнаяреклама,тенденцией выступает инновационная активность крупных фирм. Чтокасается малых фирм, то они более инновационно-активны в отрасляхпромышленного производства, где инновации, отсутствие барьеров входа ииспользование квалифицированного персонала играют значимую роль.4.Проведенный множественный регрессионный анализ по 1 757фирмам за 2013 г., входящих в перечень наиболее инновационных фирммира и сгруппированных в контрольные выборки по факторуинновационнойтрехлетнейинтенсивности,динамикипозволилгодовогообъемаоценитьпродажпоказательвкачестверезультативности инновационной активности. Выявлено отсутствиестатистически значимой взаимосвязи между секторами различныхинновационныхэшелоновирезультативностьюинновационнойактивности фирм, измеренной трехлетней динамикой продаж.23Исследованиевзаимосвязиструктурныххарактеристикфирмиинновационной активности потребовало учета фактора технологическогоуровня секторов экономики, так как высоко-, средне- и низко-технологичныесектора состоят из сочетания высоко-, средне- и низко-инновационных фирм,которыеиндивидуальноразличаютсяпоуровнюинновационнойинтенсивности и соответствующей результативности.В рамках проведенного исследования оценки взаимосвязи структурныххарактеристик фирм и инновационной активности с учетом факторатехнологического уровня секторов диссертант использовал следующиепеременные.Зависимая переменная.
Трехлетняя динамика годового объема продаж(Sales_3_YG), как индикатор, который может характеризовать результатыфирмы и в долгосрочной перспективе.Независимые переменные. Размер фирмы. Для измерения размерафирмы применены натуральные логарифмы объема продаж и численностисотрудников (LnSales2013 и LnEmployees2013).Инновационная активность фирмы. В модели использованы следующиепеременные «на входе» инновационной активности фирм: натуральныйлогарифм расходов на исследования и разработки (LnRD2013), их 1-летнийприрост и 3-х-летний прирост (RD_1_YG, RD_3_YG); инновационнаяинтенсивность (доля расходов на исследования и разработки в объемахпродаж - RDintensity).Финансовые и экономические результаты фирмы.
Для измеренияфинансовыхрезультатовдеятельностифирмпримененпоказательприбыльности продаж (доля прибыли в объемах продаж- Profitability), дляэкономических–натуральныйлогарифмпроизводительноститруда(натуральный логарифм годового объема продаж к численности сотрудниковв евро по паритету покупательной способности - LnLabour_prod) и 1-летнийприрост продаж (Sales_1_YG).24Структура рынка. Использован показатель доли рынка, под которойпонимается отношение чистых продаж фирмы к общему объему продаж вданной отрасли согласно данным по исходной, первоначальной базе данных(MS).Фактор технологического уровня секторов экономики.
Для учетаспецифики отраслевых условий использованы следующие переменные: 1)фиктивная переменная для группы высоко-технологичных отраслей (HIdummy) - высокая интенсивность расходов на исследования и разработки,более 5% от общих продаж фирм; 2) фиктивная переменная для группысредне-технологичных отраслей (MI dummy) - средняя интенсивностьрасходов на исследования и разработки, 2-5% от общих продаж фирм; 3)фиктивная переменная для группы низко-технологичных отраслей (LIdummy) - низкая интенсивность расходов на исследования и разработки,менее 2% от общих продаж фирм3.Контрольные переменные.
Фактор инновационной активности фирмиспользован в качестве контрольной переменной и служит основой дляформирования контрольных выборок данных4. Для учета спецификиинновационной активности фирм использованы следующие переменные: 1)фиктивная переменная для группы высоко-инновационных фирм (HFdummy)- высокая интенсивность расходов на исследования и разработки, более 7%от общих продаж фирм; 2) фиктивная переменная для группы среднеинновационных фирм (MFdummy) - средняя интенсивность расходов наисследования и разработки, 2,5-7% от общих продаж фирм; 3) фиктивнаяпеременная для группы низко-инновационных фирм (LFdummy) - низкаяинтенсивность расходов на исследования и разработки, менее 2,5% от общихпродаж фирм.3Monitoring Industrial Research: The 2014 EU Industrial R&D Investment Scoreboard.
Joint ResearchCentre Directorate General of the European Commission. European Communities, November 2014.4См., напр.: Kirner, E. Kinkel, S., Jaeger, A. Innovation paths and the innovation performance of lowtechnology firms-An empirical analysis of German industry //Research Policy. 2009. Vol. 38. №.
3. P.447-458.25Описаниевыборки.Напервомэтапебыливзятыисходныеинформационные базы данных Объединенного исследовательского центраЕвропейской комиссии за 2013 г., в которой содержится подробнаяинформация о 2 500 наиболее инновационно активных фирм мира5. Навтором этапе были проведены корректировки исходной информационнойбазы на предмет «очищения» изучаемых фирм, имевших: а) отсутствовавшиезначения изучаемых параметров; б) прибыльность продаж более 50% и менее-20%; в) инновационную интенсивность более 50%; г) 1-летний прирост и 3х-летний прирост продаж и расходов на исследования и разработки более100%; д) относящихся к банковской, финансовой, страховой сфере, торговле.После проведенных корректировок была подготовлена для изученияинформационная база данных за 2013 г.
из 1 757 фирм (таблица 1).Таблица 1. Структура выборки по срезам отраслей и фирм, 2013 г.Группа отраслей/фирмHI выборка отраслей(отраслевая инновационнаяинтенсивность > 5%)MI выборка отраслей(отраслевая инновационнаяинтенсивность: 2%-5%)LI выборка отраслей(отраслевая инновационнаяинтенсивность<2%)ИТОГОДляанализаHF выборкафирм(инновационнаяинтенсивность> 7%)N%MF выборкафирм(инновационнаяинтенсивность:2,5%-7%)N%LF выборка фирм(инновационнаяинтенсивность<2,5%)ИТОГОN%N%48478%15626%428%68239%12620%40767%26751%80046%142%447%21741%27516%624100%607100%526100%1757100%данныхэмпирическогоисследованиявкачествепрограммного обеспечения использован статистический пакет IBM SPSSStatistics, версия 23.
Описательная статистика переменных, использованныхдиссертантом в модели, представлена в таблице 2.Подробнее см.: Monitoring Industrial Research: The 2014 EU Industrial R&D Investment Scoreboard.Joint Research Centre Directorate General of the European Commission. European Communities,November 2014. 92 p.526Таблица 2. Описательная статистика групп высоко- (HF), средне- (MF) инизко-инновационных (LF) фирм, 2013 г.RD2013Sales2013HF ВЫБОРКА(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ > 7%)NСреднее Среднекв.отклонение624354,8955,06242490,86725,9MF ВЫБОРКА(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ: 2,5%-7%)NСреднее Среднекв.отклонение607281,3837,66076501,017756,5LF ВЫБОРКА(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ< 2,5%)NСредне Среднекве.отклонение526114,7215,652614590,234408,4Employees2013RDintensity6249259,123406,660726586,355663,752639140,366846,362416,1%7,8%6074,2%1,2%5261,3%0,7%Profitability62410,2%12,0%6079,5%7,7%5269,1%8,1%MSSales_3_YGSales_1_YGRD_3_YGRD_1_YGHIMILI6246246246246246246246240,4%10,3%7,8%13,9%11,2%0,7760,2020,0221,2%15,4%16,4%15,9%20,1%0,4180,4020,1486076076076076076076076071,1%7,8%8,1%10,8%8,4%0,2570,6710,0723,1%10,2%13,2%15,1%17,2%0,4370,4700,2605265265265265265265265262,8%6,1%4,3%6,3%4,6%0,0800,5080,4135,3%8,7%11,7%13,0%19,4%0,2710,5000,493Таким образом, по итогам проведенного анализа, с одной стороны, быловыявлено, что высоко-инновационные фирмы в условиях современноймирохозяйственной ситуации демонстрировали экономическую отдачу,измеряемую прибыльностью продаж, выше, чем фирмы других групп приотносительно большой дисперсии значений по прибыльности продаж иинновационной интенсивности.
С другой стороны, они имели опережающиепо отношению к фирмам других групп темпы прироста объемов продаж (на1-летнем и 3-летнем горизонте). Это во многом достигалось благодаря тому,чтовысоко-инновационныефирмынаиболееактивноинвестировалисредства в исследования и разработки, тем самым, создавая задел длядостижения стратегических преимуществ на рынках. Изучаемая группа фирмболее восприимчива к получению прибыли от реализации совместных сдругими фирмами проектов в сфере исследований и разработок, так как у нихзначительно лучше по сравнению с фирмами других групп развитаинфраструктура, качественнее понимание технологий за счет человеческогокапитала исследователей и инженеров.Диссертант далее эмпирически показал, какие факторы объясняютрезультативностьинновационнойактивностифирмикаковаих27статистическая значимость.
Исследуемая модель множественной линейнойрегрессии оценивалась с помощью метода наименьших квадратов. В общемвиде связь зависимой и независимых переменных может быть выраженаследующим уравнением:y 0 1 x1 2 x2 3 x3 4 x4 5 x5 6 x6 7 x7 8 x8 9 x9 10 x10 11 x11 12 x12 13 x13 0где y - Sales_3_YG, x1 - LnSales2013, x 2 - Ln Employees 2013, x3 - LnRD2013, x 4- RD_1_YG, x5 - RD_3_YG, x6 -RDintensity, x 7 -Profitability, x8 -LnLabour_prod, x9 - Sales_1_YG, x10 - MS, x11 - HI dummy, x12 - MI dummy, x13 LI dummy, 0 , 1 , 2 , i - неизвестные параметры модели, ε - случайнаяошибка.Сводные результаты регрессионного анализа приведены в таблице 3.Таблица 3.
Результаты регрессионного анализа, 2013 г.ПЕРЕМЕННЫЕLnSales2013LnEmployees2013LnRD2013RD_1_YGRD_3_YGRDintensityProfitabilityLnLabour_prodSales_1_YGMSHIMILIКонстантаF-статистикаR-квадратСтандартнаяошибка оценкиHF ВЫБОРКАMF ВЫБОРКА(ИННОВАЦИОННАЯ(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ > 7%)ИНТЕНСИВНОСТЬ: 2,5%МОДЕЛЬ 17%) МОДЕЛЬ 2СтандартизирTСтандартизирTованныестатистиованныестатистикакоэффициенткакоэффициентыы0,080,940,020,740,070,940,020,67-0,06*-2,22*0,020,78-0,08*-2,54*-0,02-0,600,59*17,69*0,56*20,20*-0,03-1,070,010,400,031,120,11*4,13*0,08*3,28*0,000,110,41*14,82*0,35*12,58*-0,02-0,680,020,78-0,01-0,520,020,730,010,34-0,01-0,210,010,53-0,02-0,84Сводка для моделиLF ВЫБОРКА(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ< 2,5%)МОДЕЛЬ 3СтандартизирTованныестатистикакоэффициенты0,071,800,041,050,030,94-0,07-1,930,30*8,60*-0,14-3,780,13*3,74*0,030,870,52*15,47*-0,03-0,930,020,45-0,03-0,45-0,09*-2,29*-23,6229,80,6500,1264,50,5684,876,90,4259,2%6,7%6,6%Примечание: * - коэффициенты статистически значимы на 5%-номуровне.Полученные результаты свидетельствуют, что регрессионная модель 1(для HF выборки) является статистически значимой, и пять независимых28параметров (LnRD2013, RD_1_YG, RD_3_YG, LnLabour_prod, Sales_1_YG)статистически значимы и на 65% объясняют дисперсию результативностиинновационной активности, измеряемого показателем трехлетней динамикигодового объема продаж (Sales_3_YG).Полученные результаты интересны тем, что принадлежность фирм квысоко-,средне-инизко-инновационнымвыборкамдаетразнуюстатистически значимую силу воздействия трехлетней динамики расходов наисследования и разработки (RD_3_YG) и однолетней динамики годовогообъема продаж (Sales_1_YG) на зависимую переменную трехлетнейдинамикигодовогообъемапродаж(Sales_3_YG).Приэтомстандартизированные коэффициенты регрессии при фиктивных переменныхгрупп отраслей статистически незначимы (за исключением, модели 3 длягрупп низко-технологичных отраслей), что позволяет говорить об отсутствиивзаимосвязи между секторами различных инновационных эшелонов ирезультативностью инновационной активности фирм.
Такой результат можетбыть объяснен тем, что инновационная активность является необходимымусловием эффективного функционирования и даже выживания фирм нарынке не только в высоко-технологичном, но и в других секторах экономики,например, в низко-технологичном.Еще одним итогом проведенного исследования стало выявление длявыборкивысоко-инновационныхфирмположительнойсвязипроизводительности труда (LnLabour_prod) и трехлетней динамики годовогообъема продаж (Sales_3_YG), тогда как подтвердить наличие такой связи дляиных выборок фирм не удалось. Это может свидетельствовать одоминирующем значении производительности труда среди относительномалого размера «нишевых» фирм высоко-инновационного бизнеса, которыепри отсутствии барьеров входа и выхода, благоприятной конкурентной средыиграют куда более значимую роль в инновационной сфере, нежели крупные.29Проведенное исследование не подтвердило статистически значимогоналичия опосредующего влияния текущей доли рынка, размера фирм нарезультативность инновационной активности фирм.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
