Инновационный потенциал субъектов РФ

              Следующий регрессор, характеризующий  внутренние затраты на научные  исследования и разработки (costs) представляет собой фактические затраты на выполнение исследований и разработок на территории страны и выражен в денежной форме, млн. рублей. Данный показатель попал в данную группу, поскольку помимо собственных затрат организаций он включает финансирование из-за рубежа, то есть взаимодействие с различными агентами, но исключает выплаты, сделанные за рубежом. Основным источником финансирования инновационной деятельности российских промышленных предприятий остается их собственные средства, доля которых имеет тенденцию к росту (если в период с 1995г. по 1998г.она составляла в среднем 80%, то в период с 1999г. по 2003г. она возросла до 86%, а показатель 2003 г. составил 91%) [7].

 

• Описательная статистика

             Для начала анализа данных  необходимо рассмотреть описательную  статистику, представленную в Таблице №1, которая позволяет обобщить первичные данные.

	VOLUME	TECHNOLOGY	STATUS	SCIENTISTS	FIRMS	FUNDING	COSTS
Mean	449305.4	2395.775	0.100000	9078.975	44.57500	49414371	8748.376
Median	203624.8	1395.500	0.000000	1661.000	21.00000	10540190	1187.500
Maximum	4691972.	17948.00	1.000000	234345.0	710.0000	1.12E+09	245646.1
Minimum	2561.771	11.00000	0.000000	19.00000	1.000000	1001.990	34.90000
Std. Dev.	732700.5	3133.636	0.301893	29068.34	89.13491	1.42E+08	30341.43
Skewness	3.807787	2.832089	2.666667	6.362542	5.826937	5.826981	6.473206
Kurtosis	19.98208	12.14533	8.111111	47.36607	41.39836	42.01165	48.67621
Jarque-Bera	1154.627	385.7332	181.8930	7100.920	5367.490	5525.744	7513.085
Probability	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000
Sum	35944434	191662.0	8.000000	726318.0	3566.000	3.95E+09	699870.1
Sum Sq. Dev.	4.24E+13	7.76E+08	7.200000	6.68E+10	627657.5	1.59E+18	7.27E+10
Observations	80	80	80	80	80	80	80

                                                                                                                                    Таблица №1

 

            По результатам данной таблицы  можно судить о том, что распределение всех переменных отличается от гауссового, это следует из статистики Jarque-Bera, основанной на следующей гипотезе:

H0: Skewness=0, Kurtosis=3

H1: Skewness ≠0, Kurtosis≠3.

Так как, в данном случае Skewness = 3,807787, Kurtosis = 19,98208, то нулевая гипотеза о нормальном распределении отклоняется. Также, следует отметить, что отсутствуют ошибки в данных.

         Средний объем инновационных товаров, услуг и работ в выборке - 449 305,4 млн. руб., минимальное и максимальное значения – 2 561,771 и 4 691 972 млн. руб. соответственно.

          Среднее  количество ученых в выборке  составляет – 9079 человек, минимальное  и максимальное значение соответственно равны – 19 и 234 345 человек, а также среднее количество организаций - 55, минимальное и максимальное значения равны 1 и 710, следовательно, выборка охватывает огромный диапазон человеческого капитала, вовлеченного в инновационный процесс.

            Административный статус имеет достаточно незначительное среднее значение (0,1), так как в РФ сформировано 8 федеральных округов, что означает наличие восьми основных центров, принимающих значение 1.

            Среднее значение по собственным затратам составляет 8 748,376 млн. руб., минимальное и максимальное значения соответственно равны 34,9 и 245 646,1 млн. руб., а среднее значения показателя, отражающего финансовую поддержку со стороны государства равно 49 414 371 рублей, минимальное и максимальное значения составляют 1001,99 и 1 115 806 196 рублей. Исходя из полученных значений можно судить о том, что собственные средства в значительной мере превышают показатель финансирования из средств государственного бюджета. Таким образом, поддержка инноваций и науки со стороны государства ограничивается только высокими словами о их значимости для общества.

 

• Выбросы

 

             Теперь проанализируем наличие  выбросов в данных. Что касается количественных переменных: volume, costs, scientists, firms, technology, funding, то все они не подчиняются правилу, согласно которому минимальное и максимальное значения должны входить в интервал «среднее плюс-минус три стандартных отклонения». Но так как эти переменные не измеряются непосредственно, но являются расчётными характеристиками процесса, то данное правило не работает. Но для того, чтобы окончательно решить исключать наблюдения или нет, необходимо обратиться к графику №1. На графике видно, что переменная volume содержит выброс, поэтому добавим условие volume <3 000 000, что позволяет подчиняться правилу: минимальное и максимальное значения должны входить в интервал «среднее плюс-минус три стандартных отклонения». Также для регрессора funding добавим условие <300 000 000.

                                                                                                                                 

 

 

                                                                                                                                      График №1

 

 

            На графике №2 представлены переменные volume и funding без выбросов.

                                                                                                                            График №2

 

 

           В  дополнение необходимо построить  гистограммы (График №3). По данным графикам видно, что убрав выбросы в регрессорах volume, funding, мы избавились от выбросов в переменных costs, technology, scientists и firms. Распределение количественных переменных по-прежнему не является гауссовым, во всех переменных присутствует скошенность и островершинность. 

 

                                                                                                                

                                                                                                                        

 

                                                                                                                         

                                                                                                                                   График №3

 

 

             Для того, чтобы приблизить эмпирическое распределение к гауссовому, можно исключить еще один выброс в переменной volume (Например: volume <2 500 000). В результате количество наблюдений осталось прежним (как и в случае volume<3 000 000), коэффициент скошенности уменьшился с 3,807787 (показатель представлен в Таблице №1) до 2,097430, как показано на Графике №4. Таким образом, гипотеза о нормальном распределении отклоняется на любом уровне значимости. В целом скошенное и островершинное распределение переменных volume, costs, technology, scientists, funding, firms не противоречат реальности, так как данные охватывают различные субъекты РФ.

 

                                                                                                                              График №4

                      Теоретическая модель

• Взаимосвязь переменных

                Рассмотрение теоретической модели необходимо начать с выявления зависимости между регрессорами. Для этого построим диаграмму рассеивания для независимых переменных costs, technology, scientists, firms, funding и status, отложив по горизонтали зависимую переменную volume. Результаты представлены на Графике №5.

                                                                                                                               График №5

     

 

 

     

 

               По данным графикам выявлены следующие зависимости: между независимыми переменными и зависимой переменной volume существует прямая положительная зависимость, т.е., чем больше собственных затрат, тем больше объем инновационных товаров, работ и услуг; чем больше организаций и ученых, имеющих научную степень задействовано в инновационном процессе, тем больше они производят инновационные товары, работы и услуги; чем больше государство участвует в инновационной деятельности субъектов РФ, тем больший результат имеет инновационный потенциал; чем больше организации и ученные используют различные технологии, тем больше получают объем инновационных товаров, работ и услуг. Что касается качественной переменной - административного статуса, то в данном случае объем инновационных товаров, работ и услуг принимает большее значение в центрах федеральных округов. В целом эти наблюдения не противоречат здравому смыслу, т.е. данные выглядят правдоподобно.

 

• Матрица корреляций, ожидаемые знаки коэффициентов

            Далее рассмотрим матрицу корреляций, представленную в Таблице №2, с помощью которой проверим коэффициенты корреляции на значимость и определим ожидаемые знаки коэффициентов.

 

                                                                                                                                    Таблица №2

Covariance Analysis: Ordinary
Date: 04/27/14   Time: 15:20
Sample: 1 80
Included observations: 75
Correlation
Probability	VOLUME	TECHNOLOGY	STATUS	SCIENTISTS	FUNDING	FIRMS	COSTS
VOLUME	1.000000
	-----
TECHNOLOGY	0.744266	1.000000
	0.0000	-----
STATUS	0.438561	0.518353	1.000000
	0.0001	0.0000	-----
SCIENTISTS	0.730578	0.665769	0.615987	1.000000
	0.0000	0.0000	0.0000	-----
FUNDING	0.139811	0.043598	0.075708	0.196555	1.000000
	0.2316	0.7103	0.5186	0.0910	-----
FIRMS	0.745539	0.595425	0.636252	0.941100	0.213593	1.000000
	0.0000	0.0000	0.0000	0.0000	0.0658	-----
COSTS	0.728783	0.647098	0.580300	0.992725	0.203805	0.920505	1.000000
	0.0000	0.0000	0.0000	0.0000	0.0795	0.0000	-----

 
             Независимые переменные значимо (на любом разумном уровне значимости) коррелируют с зависимой переменной, кроме регрессора funding (Prob.= 0,2316 >5%). Что касается ожидаемых знаков коэффициентов, то они все оправдались: technology, scientists, funding, firms, costs, status положительно коррелируют с зависимой переменной volume. Как и ожидалось в центрах федеральных округов (status=1) производится больший объем инновационных товаров, работ и услуг, чем в отдаленных субъектах РФ (status=0). Что касается корреляции между независимыми переменными, то она является вполне высокой, но значимой на 5% уровне значимости. Объем инновационных товаров, работ и услуг с большей степенью коррелирует с такими параметрами как: собственные затраты, количество организаций, вовлеченных в инновационный процесс и используемые технологии. Переменная funding не коррелирует со всеми переменными (Prob.>5%).

 

• Анализ мультиколлинеарности

           Исходя из результатов, полученных в таблице №2, между переменными scientists и firms, scientists и costs, firms и costs присутствует мультиколлинеарность, так как корреляция больше 75%. Необходимо избавиться от мультиколлинераности, иначе МНК-оценки параметров будут иметь большие стандартные ошибки и малую значимость. Для того, чтобы определить какой параметр более оптимален для модели (firms, scientists или costs), какой необходимо преобразовать, используя различные линейные комбинации, необходимо построить пробные модели.

           Для  начала построим пробную модель  объема инновационных товаров, работ и услуг, представленную в Таблице №3, включив в рассмотрение: используемые технологии, административный статус, государственное финансирование и количество организаций.

 

                  ls volume c technology status funding firms

                                                                                                                              Таблица №3

 

Dependent Variable: VOLUME
Method: Least Squares
Date: 05/01/14   Time: 20:35
Sample: 1 80 IF VOLUME<2500000 AND FUNDING<300000000
Included observations: 75
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	19091.11	33510.20	0.569711	0.5707
TECHNOLOGY	85.20549	13.83429	6.159007	0.0000
STATUS	-213838.0	102793.0	-2.080277	0.0412
FUNDING	0.000106	0.000552	0.192732	0.8477
FIRMS	4717.970	791.9210	5.957626	0.0000
R-squared	0.713692	Mean dependent var		310620.5
Adjusted R-squared	0.697332	S.D. dependent var		353235.8
S.E. of regression	194333.7	Akaike info criterion		27.25688
Sum squared resid	2.64E+12	Schwarz criterion		27.41138
Log likelihood	-1017.133	Hannan-Quinn criter.		27.31857
F-statistic	43.62303	Durbin-Watson stat		2.086944
Prob(F-statistic)	0.000000