Scientific journal
Fundamental research
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,074

REGRESSION RELATIONSHIP BETWEEN THE NUMBER OF ORGANISATIONS OF INNOVATION AND UNIVERSITY INFRASTRUCTURE FOR REGIONS OF RUSSIA

Sizyoongo Munenge 1
1 Belgorod State National Research University
В статье университетская инфраструктура рассматривается как часть инновационной инфраструктуры, состоящей из инновационных объектов различного вида (производственно-технологические, экспертно-консалтинговые, кадровые, информационные и финансовые организации и компании). В качестве эмпирической основы для установления регрессионной взаимосвязи между количествами объектов инновационной и университетской инфраструктуры мы взяли базы данных Национального информационно-аналитического центра по мониторингу инновационной инфраструктуры научно-технический деятельности и региональных инновационных систем и Портала информационной поддержки инноваций и бизнеса «Инновации и предпринимательство», а также базу данных Webometrics по рейтингам всех университетов России. Данные по первым двум инновационным базам данных были собраны на конец декабря 2014 г., а распределение университетов по регионам России было осуществлено по данным Webometrics (июль 2015 г.) и сайтам университетов. Первоначально высокие коэффициенты детерминации (R2), полученные при поиске связей между количествами университетов и организаций инновационной инфраструктуры по двум базам данных для всех регионов России, резко уменьшались при исключении данных по Москве и Сакнт-Петербургу. При аналогичном регрессионном анализе взаимосвязей между количествами организаций инновационной инфраструктуры по двум базам данных такого резкого уменьшения коэффициента детерминации не наблюдалось. Полученные результаты, в случае их сопоставления с региональным валовым продуктом и численностью населения регионов, позволяют планировать размещение университетской и инновационной инфраструктуры по регионам России.
The article presents the university infrastructure as a part of innovation infrastructure consisting of innovation objects of various kinds (manufacturing and engineering, expert and advisory, HR, information and finance organisations and companies). We took databases of the National Information and Analytical Center for monitoring innovation infrastructure of scientific and technological activities and regional innovation systems and the Web portal of innovation and business information support «Innovations and entrepreneurship» as well as Webometrics database as an empirical basis in order to determine the relationship between the number of objects of innovation and university infrastructure according to rankings of all Russian universities. Data on the first two innovation databases had been collected as of the end of December 2014, and the distribution of universities according to the Russian regions was made according to Webometrics data (July, 2015) and university websites. Initially high determination coefficients (R2) obtained, when searching relationship between the number of universities and organisations of innovation infrastructure according to two databases for all regions of Russia, decreased dramatically, when excluding data for Moscow and St. Petersburg. Such dramatic decrease of the determination coefficient did not appear, when conducting the similar regression analysis of relationship between the number of innovation infrastructure organisations according to two databases. The obtained results, if compared with the regional gross product and population of regions, allows planning the allocation of the university and innovation infrastructure according to regions of Russia.
regional innovation potential
innovation and university infrastructure
Russian regions
correlation
regression correlation
coefficient of determination R2
benchmarking methodology
Pair correlation matrix
linear regression equation
1. Moskovkin V.M., Krymskiy I.A. Biznes Inform-Business Inform, 2007, no. 9 (2). рр. 32–38.
2. Moskovkin V.M., Krymskiy I.A. Regionalnaya ekonomika: teorya i praktika-Regional Economy: Theory and Practice, 2008, no. 4 (61). pp. 2–9.
3. Moskovkin V.M., Krymskiy I.A. Regionalnyy, Innovacii-Innovation, 2008, no. 5(115). pp. 76–83.
4. Moskovkin V.M., Sizyoongo M. Nauchnyy rezultat. Ser. Ekonomicheskie issledovaniya, 2015, no.3 (5). pp. 64–85.
5. nformatsionnaya podderzhka innovatsiy i biznesa “Innovatsii i predprinimatelstvo” (2003–2016), Available at: http:// http://innovbusiness.ru/ (accessed 30 December 2014).
6. Natsionalnyy tsentr po monitoringu innovatsionnoy infrastruktury nauchno-tehnicheskoy deyatelnosti i regionalnykh innovatsionnykh system (2011–2016), Available at: http://www.miiris.ru (accessed 28 December 2014).
7. Sizyoongo M. sbornik nauchnykh trudov IX Mezhdunarodnoy nauchno-prakticheskoy konferentsii, posvyaschnnoy prazdnovaniyu 140-letiya NRU «BelGU» (Belgorod, 3 marta 2016 g.). – Belgorod: ID «Belgorod» NIU «BelGU», (IX International Scientific and practical conference dedicated to the 140th anniversary of NRU «BelGU» ). Belgorod , 2016, pp. 22–29.
8. Cooke P. Small Business Economics, 1996, no. 2, pp. 159–171.
9. Cooke P. Geoforum, 1992, no. 3, pp. 365–382.
10. Cooke P. Topos New Series, 1993, Vol. 6, pp. 1–30.
11. Harman D. Cities, 1985, no. 3, pp. 218–222.
12. Moskovkin V.M., Sizyoongo M. International Business Management, 2015, no. 7, pp. 91775–1779.
13. Rothwell R. Regional Studies, 1982, no. 5, pp. 361–369.
14. Rothwell R. Annals of Public and Cooperative Economics, 1984, no. 2, pp. 159–172.
15. Rothwell R. Journal of Public Policy, 1984, no. 4, pp. 307–332.

В данной статье университетская инфраструктура рассматривается как часть инновационной инфраструктуры, состоящей из инновационных объектов различного вида (производственно-технологические, экспертно-консалтинговые, кадровые, информационные и финансовые организации и компании). Такая инфраструктура, привязанная к различным регионам страны, называется региональной инновационной инфраструктурой. Этот термин (regional innovation infrastructure) мы впервые встречаем в работе R. Rothwell [13], опубликованной в 1982 г. В дальнейшем он развивает это понятие в работах [14, 15], причем в последней работе он использует термин «региональный инновационный потенциал».

Наряду с термином «regional innovation infrastructure» с 1985 г. в зарубежной литературе используется термин «regional innovation networks» [8, 11]. Как отмечено в работе [4], выщеуказанные две работы, вместе с широким кластером работ по национальным инновационным системам, способствовали через 10 лет введению в научной оборот концепции «regional innovation systems» [9, 10]. Достаточно большое количество отечественных работ по инновационным инфраструктурам, сетям и системам мало дают нового в методологическом плане по сравнению с зарубежными исследованиями и не имеют преемственности с ними [4]. В то же время в работах [1–3] был намечен систематический подход к изучению динамики объектов региональной инновационной инфраструктуры в рамках бенчмаркинговой методологии, нашедший продолжение в работе [4].

В данной работе мы попытаемся изучить регрессионные взаимосвязи между количествами объектов инновационной и университетской инфраструктуры для всех регионов РФ.

Цель данного исследования заключается в изучении регрессионных взаимосвязей между количествами университетов и организаций инновационной инфраструктуры по всем регионам России.

Материалы и методы исследования

В качестве эмпирической основы для установления регрессионной взаимосвязи между количествами объектов инновационной и университетской инфраструктуры мы взяли базы данных Национального информационно-аналитического центра по мониторингу инновационной инфраструктуры научно-технический деятельности и региональных инновационных систем [6] и Портала информационной поддержки инноваций и бизнеса «Инновации и предпринимательство» [5], а также базу данных Webometrics по рейтингам всех университетов России. Данные по первым двум инновационным базам данных были собраны на конец декабря 2014 г. [4], а распределение университетов по регионам России было осуществлено по данным Webometrics (июль, 2015 г.) и сайтам университетов [7, 12].

После этого регрессионные взаимосвязи между количествами объектов инновационной и университетской инфраструктуры для всех регионов России, как с учетом, так и без учета данных по Москве и Санкт-Петербургу, определялись с помощью стандартной программы регрессионного анализа, реализованной в пакете стандартных программ Excel.

Результаты исследования и их обсуждение

Исходные данные для регрессионного анализа приведены в табл. 1. Рассчитанные на ее основе матрицы парных корреляций между количествами университетов и организаций инновационной инфраструктуры по двух базам данных, как с учетом, так и без учета данных по Москве и Санкт-Петербургу, приведены в табл. 2 и 3.

Tаблица 1

Распределение количества университетов (2015 г.) и организаций инновационной инфраструктуры по первой и второй базам данных (2014 г.) по регионам РФ

№ п/п

Регионы РФ

Nun

sizungo01.wmf

sizungo02.wmf

№ п/п

Регионы РФ

Nun

sizungo03.wmf

sizungo04.wmf

1

2

3

4

5

6

7

8

9

10

1

Moсквa

309

224

429

42

Белгородская область

10

17

14

2

Санкт-Петербург

110

52

83

43

Кировская область

10

6

8

3

Moскoвскaя область

67

43

49

44

Республика Северная Осетия – Алания

10

3

2

4

Pocтовскaя область

46

37

25

45

Брянская область

9

9

9

5

Краснодарский край

43

12

22

46

Республика Коми

9

4

10

6

Свердловская область

40

39

38

47

Томская область

9

32

43

7

Самарская область

36

22

25

48

Вологодская область

8

6

7

8

Республика Татарстан (Татарстан)

34

36

40

49

Липецкая область

8

3

6

9

Республика Башкортостан

30

28

19

50

Пензенская область

8

13

7

10

Новосибирская область

28

59

41

51

Псковская область

8

3

4

11

Ставропольский край

27

6

13

52

Чувашская Республика – Чувашия

8

8

10

12

Красноярский край

27

24

20

53

Владимирская область

7

7

6

13

Челябинская область

25

15

27

54

Орловская область

7

3

11

1

2

3

4

5

6

7

8

9

10

14

Волгоградская область

24

9

10

55

Республика Бурятия

7

7

8

15

Воронежская область

24

34

27

56

Республика Cаха (Якутия)

7

13

9

16

Омская область

24

7

12

57

Тамбовская область

7

10

12

17

Республика Дагестан

24

7

8

58

Курганская область

6

6

5

18

Нижегородская область

23

32

40

59

Амурская область

5

5

7

19

Пермская область

23

6

13

60

Архангельская область

5

9

8

20

Иркутский край

20

16

22

61

Забайкальский край

5

5

5

21

Оренбургская область

20

5

6

62

Камчатский край

5

2

2

22

Кемеровская область

19

7

8

63

Республика Мордовия

5

6

11

23

Алтайский край

18

21

21

64

Ульяновская область

5

13

14

24

Ярославская область

18

14

12

65

Республика Карелия

4

7

13

25

Рязанская область

17

5

5

66

Кабардино-Балкарская Республика

3

10

2

26

Хабаровский край

17

20

17

67

Костромская область

3

2

3

27

Тюменская область

16

21

13

68

Новгородская область

3

8

6

28

Саратовская область

15

23

17

69

Республика Марий Эл

3

6

5

29

Смоленская область

15

7

3

70

Республика Хакасия

3

0

3

30

Ленинградская область

13

7

4

71

Чеченская Республика

3

3

1

31

Астраханская область

12

16

10

72

Карачаево-Черкесская Республика

2

3

1

32

Ивановская область

12

6

9

73

Республика Адыгея (Адыгея)

2

1

2

33

Мурманская область

12

9

12

74

Республика Калмыкия

2

1

2

34

Удмуртская Республика

12

12

17

75

Республика Тыва (Тува)

2

2

4

35

Ханты-Мансийский АО – Югра

12

5

4

76

Сахалинская область

2

2

3

36

Калининградская область

11

11

10

77

Еврейская автономная область

1

0

2

37

Калужская область

11

12

25

78

Магаданская область

1

0

2

38

Курская область

11

5

7

79

Республика Ингушетия

1

0

1

39

Приморский край

11

15

19

80

Ямало-Ненецкий автономный округ

1

0

3

40

Тверская область

11

13

12

81

Ненецкий автономный округ

0

0

0

41

Тульская область

11

15

10

82

Чукотский автономный округ

0

0

0

           

Итого

1482

1192

1475

Tаблица 2

Матрица парных корреляций (R2) между количествами университетов и организаций инновационной инфраструктуры по двум базам данных для всех 82 регионов РФ

 

sizungo05.wmf

sizungo06.wmf

Nun

sizungo07.wmf

1

0,935

0,897

sizungo08.wmf

0,935

1

0,931

Nun

0,897

0,931

1

Tаблица 3

Матрица парных корреляций (R2) между количествами университетов и организаций инновационной инфраструктуры по двум базам данных для всех 80 регионов РФ

 

sizungo09.wmf

sizungo10.wmf

Nun

sizungo11.wmf

1

0,806

0,512

sizungo12.wmf

0,806

1

0,554

Nun

0,512

0,554

1

Графики всех шести линейных регрессионных взаимосвязей, соответствующих табл. 2 и 3, приведены на рис. 1–6. Сравнение табл. 2 и 3 показывает, что исключение из статистической обработки Москвы и Санкт-Петербурга, данные по которым можно рассматривать как статистические выбросы, приводит не к улучшению, а к ухудшению корреляционных связей: коэффициент детерминации R2 при расчете корреляции между количествами университетов и организаций инновационной инфраструктуры по двум базам данных снизился приблизительно с 0,9 до 0,5.

pic_114.wmf

Рис. 1. Линейная регрессионная взаимосвязь количества организаций инновационной инфраструктуры по первой базе данных (2014 г.) с количеством университетов по 82 регионам РФ (2015 г.)

pic_115.wmf

Рис. 2. Линейная регрессионная взаимосвязь количества организаций инновационной инфраструктуры по первой базе данных (2014 г.) с количеством университетов по 80 регионам РФ (2015 г.)

pic_116.wmf

Рис. 3. Линейная регрессионная взаимосвязь количества организаций инновационной инфраструктуры по второй базе данных (2014 г.) с количеством университетов по 82 регионам РФ (2015 г.)

pic_117.wmf

Рис. 4. Линейная регрессионная взаимосвязь количества организаций инновационной инфраструктуры по второй базе данных (2014 г.) с количеством университетов по 80 регионам РФ (2015 г.)

pic_118.wmf

Рис. 5. Линейная регрессионная взаимосвязь количества организаций инновационной инфраструктуры по первой и второй базах данных (2014 г.) для 82 регионов РФ

pic_119.wmf

Рис. 6. Линейная регрессионная взаимосвязь количества организаций инновационной инфраструктуры по первой и второй базе данных (2014 г.) для 80 регионов РФ

В то же время коэффициент детерминации R2 при анализе регрессионной взаимосвязи между количествами объектов инновационной инфраструктуры по двум базам данных уменьшился ненамного (табл. 2, 3, рис. 5, 6).

Заключение

Таким образом, в работе получены линейные регрессионные уравнения между количествами университетов и организаций инновационной инфраструктуры по двум базам данных объектов инновационной инфраструктуры.

Первоначально высокие коэффициенты детерминации R2, полученные при поиске связей между количествами университетов и организаций инновационной инфраструктуры по двум базам данных для всех регионов России, резко уменьшались при исключении данных по Москве и Санкт-Петербургу. При аналогичном регрессионном анализе взаимосвязей между количествами организаций инновационной инфраструктуры по двум базам данных такого резкого уменьшения коэффициента детерминации не наблюдалось. Причины этого эффекта пока остаются для нас открытыми. Полученные результаты, в случае их сопоставления с региональным валовым продуктом и численностью населения регионов, позволяют планировать размещение университетской и инновационной инфраструктуры по регионам России.