Диссертация (1151073), страница 27
Текст из файла (страница 27)
При формировании микроэкономической базы данных применён последовательный подход (рисунок 6).На первом этапе были взяты исходные информационные базы данных Объединённого исследовательского центра Европейской комиссии за 2013 г., в которой содержится подробная информация о 2 500 наиболее инновационно-активных фирм мира (подробнеесм.: [The EU Industrial R&D Investment Scoreboard, 2014]).На втором этапе были проведены предварительные корректировки исходной информационной базы 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 3-х-летний прирост продаж и расходов на исследования и разработки более 100%; д) относящихся к банковской,финансовой, страховой сфере, торговле.После проведённых корректировок была подготовлена для изучения информационная статистическая база данных за 2013 г.
из 1 757 фирм. Сформированная статистическаябаза данных является репрезентативной. Так, общий размер продаж изучаемых 1 757фирм в 2013 г. составил 13 174,8 млрд. евро, что составляет 37,6% от общего значения валового внутреннего продукта за данный год 36 стран, входящих в ОЭСР [The EU IndustrialR&D Investment Scoreboard, 2013; OECD, 2015]. Структура выборки по срезам отраслей ифирм представлена в таблице 12.Исходные базыОбъединенного исследовательскогоцентраЕвропейской комиссии2 500 наиболее инновационноактивных фирм мира за 2013год«Фильтр»: корректировки на предмет«очищения» изучаемых фирмОтсутствовашие значения изучаемыхпараметровПрибыльность продаж более 50% и менее 20%Инновационная интенсивность более 50%1-летний прирост и 3-х-летний приростпродаж и расходов на исследования и разработки более 100%Исключение из оценки следующих отраслей: банки, финансовый сектор, страхование, торговляРисунок 6.
Графическое представление подхода формированию базы данныхРассчитано по: [The EU Industrial R&D Investment Scoreboard, 2014].Сформированнаяавторская база1 757 фирм за 2013 годТаблица 12. 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%)ИТОГОHF выборкафирм (инновационнаяинтенсивность > 7%)N%MF выборкафирм (инновационная интенсивность:2,5%-7%)N%LF выборкафирм (инновационная интенсивность<2,5%)N%ИТОГОN%48478%15626%428%68239%12620%40767%26751%80046%142%447%21741%27516%624100%607100%526100%1757100%Из 1 757 изучаемых фирм 39% принадлежат группе высокотехнологичных отраслей,46% - средне-технологичным, 16% - низко-технологичным.
Что касается распределенияфирм относительно уровня инновационной интенсивности, то оно более равномерно: 35%- высоко-инновационные фирмы, 35% - средне-инновационные фирмы, 30% - низкоинновационные фирмы.Результаты анализа данныхДля анализа данных эмпирического исследования в качестве программного обеспечения использован статистический пакет IBM SPSS Statistics, версия 23. Описательнаястатистика переменных, использованных диссертантом в модели, представлена в таблице13.Таблица 13. Описательная статистика групп высоко- (HF), средне- (MF) и низкоинновационных (LF) фирм, 2013 г.HF ВЫБОРКА(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ > 7%)354,82490,8Среднекв.отклонение955,06725,9MF ВЫБОРКА(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ: 2,5%7%)NСреднееСреднекв.отклонение607281,3837,66076501,017756,56246249259,116,1%23406,67,8%60760726586,34,2%Profitability62410,2%12,0%607MSSales_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%0,4180,4020,148607607607607607607607607NСреднееRD2013Sales2013624624Employees2013RDintensityLF ВЫБОРКА(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ< 2,5%)NСреднее526526114,714590,2Среднекв.отклонение215,634408,455663,71,2%52652639140,31,3%66846,30,7%9,5%7,7%5269,1%8,1%1,1%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%0,2710,5000,493Примечание: коэффициенты статистически значимы на 5%-ном уровне99Относительный прирост продаж как показатель инновационной результативности в2013 г.
по сравнению с 2010 г. для выборки высоко-инновационных фирм со значением в10,3% превышал аналогичный показатель в остальных двух выборках (для среднеинновационных фирм – 7,8%, для низко-инновационных фирм – 6,1%). При этом численность сотрудников в выборке из высоко-инновационных фирм за 2013 г. со средним значением в 9,3 тыс. сотрудников почти на 65% и 76% ниже средних значений для фирмсреднего и низкого уровня инновационной интенсивности.
Относительная средняя долярынка для выборки высоко-инновационных фирм составляла 0,4% в 2013 г., для выборкисредне-инновационных – 1,1%, низко-инновационных – 2,8%.Что касается относительного прироста расходов на исследования и разработки за 3-хлетний период (2013 г. по сравнению с 2010 г.), то для высоко-инновационных фирм онсоставил 13,9%, для средне- – 10,8% и низко-инновационных – 6,3%.Самым прибыльной группой также оставалась в среднем группа из высокоинновационных фирм, - средняя прибыльность продаж в 10,2% в 2013 г.
против 9,5% и9,1% для средне-и низко-инновационных групп фирм соответственно. Но для выборкивысоко-инновационных фирм характерна относительно большая дисперсия значений (измеряемое среднеквадратическим отклонением) по прибыльности продаж, инновационнойинтенсивности, динамике продаж и расходов на исследования и разработки в сравнении сдругими выборками фирм отраслей.
Иными словами, более высокое расхождение данныхсо средним значением этих данных.Таким образом, с одной стороны, высоко-инновационные фирмы в условиях современной мирохозяйственной ситуации демонстрировали экономическую отдачу, измеряемую прибыльностью продаж, выше, чем фирмы других групп при относительно большойдисперсии значений по прибыльности продаж и инновационной интенсивности.
С другойстороны, они имели опережающие по отношению к фирмам других групп темпы приростаобъёмов продаж (на 1-летнем и 3-летнем горизонте). Это во многом достигалось благодаря тому, что высоко-инновационные фирмы наиболее активно инвестировали средства висследования и разработки, тем самым, создавая задел для достижения стратегическихпреимуществ после завершения кризиса. Изучаемая группа фирм более восприимчива кполучению прибыли от реализации совместных с другими фирмами проектов в сфере исследований и разработок, так как у них значительно лучше по сравнению с фирмами других групп развита инфраструктура, качественнее понимание технологий за счёт человеческого капитала исследователей и инженеров.Диссертант далее эмпирически показывает, какие факторы объясняют результативность инновационной активности фирм и какова их экономическая значимость. Исследу-100емая модель множественной линейной регрессии оценивается с помощью методанаименьших квадратов.
В общем виде взаимосвязь зависимой и независимых переменныхможет быть выражена следующим 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 - трёхлетняя динамика годового объёма продаж (Sales_3_YG), x1 - натуральный логарифм годового объёма продаж фирмы (LnSales2013), x 2 - натуральный логарифм численности сотрудников (Ln Employees 2013), x3 - натуральный логарифм расходов на исследования и разработки (LnRD2013), x 4 - 1-летний прирост расходов на исследования иразработки (RD_1_YG), x5 - 3-х летний прирост расходов на исследования и разработки(RD_3_YG), x6 - инновационная интенсивность (доля расходов на исследования и разработки в объёмах продаж - RDintensity), x 7 - прибыльность продаж (доля прибыли в объёмах продаж - Profitability), x8 - натуральный логарифм производительности труда (натуральный логарифм годового объёма продаж к численности сотрудников в евро по паритету покупательной способности - LnLabour_prod), x9 - 1-летний прирост продаж(Sales_1_YG), x10 - доля рынка, под которой понимается отношение чистых продаж фирмык общему размеру продаж в данной отрасли согласно данным по исходной, первоначальной базе (MS), x11 - фиктивная переменная для группы высоко-технологичных отраслей(HI dummy), x12 - фиктивная переменная для группы средне-технологичных отраслей (MIdummy), x13 - фиктивная переменная для группы низко-технологичных отраслей (LIdummy), 0 , 1 , 2 , i - неизвестные параметры модели, ε - случайная ошибка.Сводные результаты регрессионного анализа пошаговым методом отбора переменных приведены в таблице 14 (подробно результаты представлены в Приложении 4).
Порезультатам моделирования гетероскедастичности и мультиколлинеарности выявлено небыло.Таблица 14. Результаты регрессионного анализа, 2013 г.ПЕРЕМЕННЫЕLnSales2013LnEmployees2013МОДЕЛЬ 1SALES_3_YGМОДЕЛЬ 2SALES_3_YGМОДЕЛЬ 3SALES_3_YGHF ВЫБОРКА(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ > 7%)MF ВЫБОРКА(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ: 2,5%7%)СтандартизиTрованные костатистикаэффициентыLF ВЫБОРКА(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ< 2,5%)Стандартизированные коэффициентыTстатистика0,080,070,940,940,020,020,740,67Стандартизированные коэффициентыTстатистика0,070,041,801,05101ПЕРЕМЕННЫЕLnRD2013RD_1_YGRD_3_YGRDintensityProfitabilityLnLabour_prodSales_1_YGMSHIMILIКонстантаF-статистикаR-квадратСтандартнаяошибка оценкиМОДЕЛЬ 1SALES_3_YGМОДЕЛЬ 2SALES_3_YGМОДЕЛЬ 3SALES_3_YGHF ВЫБОРКА(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ > 7%)MF ВЫБОРКА(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ: 2,5%7%)СтандартизиTрованные костатистикаэффициентыLF ВЫБОРКА(ИННОВАЦИОННАЯИНТЕНСИВНОСТЬ< 2,5%)Стандартизированные коэффициентыTстатистика-0,06*-0,08*0,59*-0,030,030,08*0,41*-0,02-0,010,010,01-2,22*-2,54*17,69*-1,071,123,28*14,82*-0,68-0,520,340,530,02-0,020,56*0,010,11*0,000,35*0,020,02-0,01-0,02Сводка для модели0,78-0,6020,20*0,404,13*0,1112,58*0,780,73-0,21-0,84Стандартизированные коэффициентыTстатистика0,03-0,070,30*-0,140,13*0,030,52*-0,030,02-0,03-0,09*0,94-1,938,60*-3,783,74*0,8715,47*-0,930,45-0,45-2,29*-23,6229,80,6500,1264,50,5684,876,90,4259,2%6,7%6,6%Примечание: * - коэффициенты статистически значимы на 5%-ном уровне.Диссертантом по итогам проведённого исследования изучены стандартизованныекоэффициенты регрессии, которые показывают, на сколько сигм изменится в среднемрезультат, если соответствующий независимый фактор, изменится на одну сигму принеизменном среднем уровне других факторов.
В силу того, что все переменные заданыкак центрированные и нормированные, стандартизованные коэффициенты регрессиисравнимы между собой. Сравнивая их друг с другом, можно ранжировать независимыефакторы по силе их воздействия на зависимую переменную Sales_3_YG.Обсуждение полученных результатов исследованияОдним из основных результатов данного исследования является вывод о том, чтотрёхлетнюю динамику годового объёма продаж (Sales_3_YG) в силу ограничений в применении стандартных и часто используемых в научных работах параметрах (см.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
