СТАТЬИ АРБИР
 

  2025

  Февраль   
  Пн Вт Ср Чт Пт Сб Вс
27 28 29 30 31 1 2
3 4 5 6 7 8 9
10 11 12 13 14 15 16
17 18 19 20 21 22 23
24 25 26 27 28 1 2
   

  
Логин:
Пароль:
Забыли свой пароль?


Оценка инновационной конкурентоспособности регионов на основе кластерного подхода

Одной из актуальных проблем на сегодняшний день для российских предприятий (в том числе для предприятий Республики Мордовия) является проблема активизации инновационной деятельности. Интерес к анализу инновационных процессов в экономике диктуется значением технологического развития как фактора конкурентоспособности регионов. Большое значение при анализе инновационной деятельности следует уделить многомерным статистическим методам анализа информации. В данном исследовании применялся метод fc-средних, который считается достаточно удобным и быстродейственным. ППП «Statistica» позволяет реализовать данный метод, предварительно задавая различное количество кластеров, на которые будет разбита исследуемая совокупность данных .

Воспользуемся кластерным анализом для разбиения регионов Приволжского федерального округа (ПФО) на однородные группы по уровню инновационного развития. В ходе проведенного теоретического анализа были выделены следующие факторы регионального развития:

Х1 - степень износа основных фондов, %;

Х2 - индекс физического объема инвестиций в основной капитал, %;

Х3 - удельный вес убыточных организаций, %;

Х4 - кредиты, предоставленные кредитными организациями юридическим лицам, млн р.;

Х5 - индекс потребительских цен, %;

Х6 - валовой региональный продукт, млн р.;

Х7 - численность персонала, занятого исследованиями и разработками, чел.;

Х8 - внутренние затраты на исследования и разработки, тыс. р.;

Х9 - число организаций, выполнявших исследования и разработки;

X10 - выпуск из аспирантуры с защитой диссертации, чел.;

Xn - численность студентов высших учебных заведений на 10 000 чел.

Как видно, исходные данные измеряются в различных единицах. Однако оценка сходства между объектами сильно зависит от абсолютного значения признака, единицы его измерения и от степени его вариации

в совокупности. Чтобы устранить подобное влияние на процедуру классификации, можно значения исходных переменных нормировать (стандартизировать) различными способами.

Стандартизация исходных данных проводилась по методу:

x.. - x.

Ч 1

=

ст

где ХЧ - индивидуальное значение i-го объекта по 1-тому признаку (i = 1, n; 1 = 1, k); г.. - нормированное значение i-го объекта по 1-тому признаку; X. - среднее значение объектов по j-тому признаку; ст. - среднеквадратическое отклонение значений объектов по .-тому признаку.

Поскольку исследуемую совокупность можно разбить на различное количество кластеров, то представляет интерес задача выбора оптимального варианта разбиения. Для этого при помощи ППП «Statistica» были построены графики различных методов разбиения. При визуальном анализе наилучшим методом для разбиения совокупности на кластеры можно признать - метод Варда (рис. 1).

Рис. 1. Кластеризация регионов ПФО по исследованию инновационного развития с помощью метода Варда

Результаты кластерного анализа показали, что данную совокупность можно разделить на два однородных кластера. В первый кластер вошли регионы, характеризующиеся довольно низким инновационным развитием, он включает в себя 8 субъектов ПФО, в том числе Республика Мордо

вия. В этот кластер помимо Мордовии вошли также следующие регионы ПФО: Ульяновская, Пензенская, Кировская области, Чувашская Республика, Оренбургская область, Удмуртская Республика, Республика Марий Эл. Во второй кластер вошло 6 субъектов ПФО, характеризующиеся высоким инновационным развитием: Республика Башкортостан, Республика Татарстан, Самарская, Саратовская и Нижегородская области, Пермский край.

Подобное разбиение оказалось оптимальным, так как практически отсутствуют совпадения средних значений, что подтверждает и графическое изображение средних нормированных значений результативных признаков по кластерам (рис. 2).

1.5 1.0 0.5

0.0 •0.5 -1.0

Для интерпретации полученных результатов воспользуемся рис. 2, который позволяет дать достаточно полную характеристику однородности регионов, вошедших в рассматриваемый кластер.

В состав первого кластера вошли регионы, характеризующиеся довольно низким инновационным потенциалом, низким темпом прироста ВРП, низким числом организаций, выполнявших исследования и разработки, а также высоким уровнем инфляции и доли убыточных организаций. Для него характерна низкая доля выпуска студентов из аспирантуры с защитой диссертации и низкая доля студентов высших учебных заведений, а также низкая доля затрат на внутренние исследования и разработки. В соответствии с невысоким инновационным потенциалом, инновационная активность здесь невысока. В его состав входит и Республика Мордовия.

Во второй кластер вошли регионы, характеризующиеся высоким инновационным развитием. Эти регионы характеризуют высокий уровень

экономического развития, имеют высокий темп прироста валового регионального продукта. В данной группе регионы с высокой численностью персонала, занятого исследованиями и разработками, а также велики внутренние затраты на исследования и разработки и кредиты, предоставляемые кредитными организациями юридическим лицам. Для регионов характерна низкая доля убыточных предприятий и износа основных фондов. В целом по второму кластеру можно отметить, что высокий уровень инновационной активности соответствует довольно благоприятному инновационному климату, сложившемуся здесь.




Е. Н. Подзорова Мордовский государственный университет имени Н. П. Огарева (Саранск)


Конкурентоспособность территорий. Материалы XV Всероссийского форума молодых ученых с международным участием в рамках III Евразийского экономического форума молодежи «Диалог цивилизаций «ПУТЬ НАВСТРЕЧУ» Часть 9. Направления: 17. Математические и инструментальные методы экономики 18. Механические системы. Аналитическая химия, физика 21. Проблемы региональной и муниципальной экономики, Екатеринбург Издательство Уральского государственного экономического университета 2012



МОЙ АРБИТР. ПОДАЧА ДОКУМЕНТОВ В АРБИТРАЖНЫЕ СУДЫ
КАРТОТЕКА АРБИТРАЖНЫХ ДЕЛ
БАНК РЕШЕНИЙ АРБИТРАЖНЫХ СУДОВ
КАЛЕНДАРЬ СУДЕБНЫХ ЗАСЕДАНИЙ

ПОИСК ПО САЙТУ
  
Количество Статей в теме 'Стратегическое планирование': 601