Научный журнал
Фундаментальные исследования
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,674

УПРАВЛЕНИЕ НАЦИОНАЛЬНЫМИ ИННОВАЦИОННЫМИ СИСТЕМАМИ С УЧЕТОМ МИРОВЫХ ТЕНДЕНЦИЙ ИННОВАЦИОННОГО РАЗВИТИЯ

Саночкина Ю.В. 1
1 ЧОУ ВО «Балтийский гуманитарный институт»
Цель выполненного исследования – проведение сравнительного анализа закономерностей изменения валового внутреннего продукта в странах БРИКС, США, Японии и Германии и разработка на этой основе предложений, направленных на совершенствование системы управления национальными инновационными системами. В работе предложен подход к расчету валового внутреннего продукта, основанный на комбинировании элементов статистического и эконометрического подходов, при этом за основу были приняты данные статистики за период времени, продолжительность которого включает не менее трёх-пяти циклов обновления основных производственных фондов. Полученные эконометрические модели позволили: исследовать устойчивость тенденций роста валового внутреннего продукта; установить силу связи между ростом валового внутреннего продукта в России и в других странах мира, а также между темпами прироста валового внутреннего продукта и кризисными явлениями в экономике страны и в мире в целом. На основе выявленных мировых тенденций инновационного развития определены области их применения в общей системе управления национальными инновационными системами: моделирование производственных функций (в таких моделях расчета, как, например, функция Кобба – Дугласа); установление целевых ориентиров опережающего инновационного развития.
управление национальными инновационными системами
мировые тенденции инновационного развития
эконометрическая модель валового внутреннего продукта
устойчивость роста экономических систем
1. Старинский В.Н. Методический инструментарий прогнозирования рыночных ситуаций // Экономика. Бизнес. Право. 2017. № 10–12. С. 4–37.
2. Саночкина Ю.В. Трансформация производственной функции Кобба – Дугласа в мультипликативную модель с нулевым неразложимым остатком Солоу // Экономика. Бизнес. Право. 2019. № 1–3. С. 31–36.
3. Саночкина Ю.В. Верификация мультипликативных моделей анализа и прогнозирования инновационного развития на примере экономики Китая // Вестник Алтайской академии экономики и права. 2019. № 8 (2). С. 175–181.
4. World Bank, International Comparison Program database [Электронный ресурс]. URL: https://data.worldbank.org/indicator/NY.GDP.MKTP.PP.CD locations (дата обращения: 30.08.2019).
5. Корнев В.П. Статистика: теория статистики: [учеб. пособие]/Саратовский государственный социально-экономический университет. Саратов, 2012. 88 с.
6. Рудакова Р.П., Букин Л.Л., Гаврилов В.И. Практикум по статистике. СПб.: Питер, 2007. 288 с.
7. Полякова В.В., Шаброва Н.В. Основы теории статистики: [учеб. пособие]. 2-е изд. Екатеринбург: Изд-во Урал. ун-та, 2015. 148 с.

Одним из результативных показателей инновационного развития национальной экономической системы является валовой внутренний продукт (ВВП) – стоимость товаров и услуг, созданных за год всеми хозяйствующими субъектами – резидентами страны. В современных условиях обеспечение высоких и стабильных темпов прироста ВВП возможно исключительно благодаря инновациям, инвестициям в инновации. В этой связи приобретают актуальность исследования, направленные на проведение анализа закономерностей изменения валового внутреннего продукта в России и за рубежом и разработка на этой основе инструментов управления инновационным развитием экономики России.

Цель исследования: проведение сравнительного анализа закономерностей изменения валового внутреннего продукта в странах БРИКС, США, Японии и Германии и разработка на этой основе предложений, направленных на совершенствование системы управления национальными инновационными системами.

Материалы и методы исследования

В статистике (в частности, в Системе национальных счетов) используются аддитивные модели расчета ВВП, факторами в которых являются, в частности: расходы на конечное потребление, валовое накопление; валовые добавленные стоимости, налоги, субсидии и т.д.

Для целей международных сравнений значения ВВП, рассчитанные методами статистического подхода, пересчитываются по паритету покупательной способности.

Факторные эконометрические модели расчета ВВП:

1) в дополнение к вышеперечисленным факторам статистических моделей, используют, во-первых, целый ряд других экономических показателей (абсолютных и относительных), а во-вторых, – не только аддитивные, но и другие виды связи между факторами и результативным показателем: мультипликативные, степенные и т.д.;

2) верифицируются данными статистики.

Согласно «принципу раскрытия сущности законов» [1, c. 7], характеристика исследуемого явления предполагает количественное и качественное описание его параметров.

В [2] нами предложены и в [3] на примере экономики Китая верифицированы две произвольно выбранные эконометрические модели расчета ВВП, каждая из которых содержит количественные и качественные параметры, обеспечивающие абсолютную тождественность расчетных значений фактическим значениям ВВП Китая, взятым за период «с 2000 по 2016 г. включительно» [3]. Выполненная верификация моделей свидетельствует о наличии научно обоснованных решений проблемы расчета результативного показателя в рамках эконометрического подхода.

Результаты исследования и их обсуждение

Этап 1. Исследование устойчивости тенденций роста ВВП.

Для целей исследования ВВП в рамках комбинированного подхода нами приняты как достоверные данные Всемирного банка [4], взятые по странам БРИКС (Бразилии, России, Индии, Китаю, Южно-Африканской Республике), а также США, Германии и Японии (табл. 1) – признанным мировым лидерам, из которых двое последних имеют показатели ВВП, соизмеримые с показателями России.

Таблица 1

Валовой внутренний продукт отдельных стран мира за 1990–2018 гг., рассчитанный Всемирным банком по паритету покупательной способности (трил долл.)

Годы

Страны мира

Германия

Япония

США

БРИКС

Бразилия

Россия

Индия

Китай

ЮАР

1990 г.

1543

2417

5963

1000

1188

1080

1121

236,4

1991 г.

1676

2584

6158

1049

1166

1128

1267

241,9

1992 г.

1748

2665

6520

1068

1019

1217

1480

242,2

1993 г.

1772

2714

6859

1145

953

1305

1725

251,0

1994 г.

1854

2799

7287

1231

851

1422

1992

264,5

1995 г.

1926

2936

7640

1313

833

1562

2256

278,4

1996 г.

1975

3083

8073

1366

818

1710

2526

295,7

1997 г.

2022

3170

8578

1437

843

1810

2806

308,6

1998 г.

2083

3169

9063

1458

807

1944

3169

313,6

1999 г.

2164

3207

9631

1486

871

2146

3343

325,8

2000 г.

2244

3404

10252

1586

1001

2279

3707

347,7

2001 г.

2346

3493

10582

1643

1075

2441

4105

364,3

2002 г.

2419

3589

10936

1720

1168

2574

4550

383,8

2003 г.

2475

3694

11458

1772

1339

2828

5100

402,4

2004 г.

2592

3877

12214

1925

1473

3134

5767

432,1

2005 г.

2636

4046

13037

2048

1697

3488

6624

469,0

2006 г.

2821

4231

13815

2194

2133

3883

7693

510,3

2007 г.

2999

4416

14452

2390

2377

4293

9024

552,1

2008 г.

3123

4456

14713

2560

2878

4511

10087

580,8

2009 г.

3034

4251

14449

2576

2769

4903

11120

576,2

2010 г.

3205

4481

14992

2803

2927

5382

12446

600,7

2011 г.

3427

4573

15543

2975

3475

5782

13919

633,4

2012 г.

3504

4747

16197

3090

3692

6214

15301

659,8

2013 г.

3648

4967

16785

3239

3766

6727

16779

688,1

2014 г.

3822

4987

17522

3317

3762

7363

18345

714,0

2015 г.

3919

5136

18219

3233

3523

8036

19821

730,9

2016 г.

4111

5222

18707

3161

3531

8788

21388

743,1

2017 г.

4346

5320

19485

3255

3784

9597

23267

767,2

2018 г.

4505

5485

20494

3366

3986

10498

25362

789,3

Примечание. Источник: разработано автором на основе [4].

Таблица 2

Уравнения аппроксимирующих линий трендов и соответствующие им достоверности аппроксимации

Страны

Уравнения аппроксимирующих линий трендов, выраженные:

линейной функцией

полиномом 2-й степени

полиномом 3-й степени

Бразилия

y = 95,33x + 687,5

R2 = 0,9669

y = 1,1066x2 + 62,133x + 859,02

R2 = 0,9742

y = – 0,1975x3 + 9,9925x2 – 46,315x + 1152,9

R2 = 0,9866

Россия

y = 130,28x + 104,63

R2 = 0,8567

y = 4,7403x2 – 11,933x + 839,38

R2 = 0,9200

y = – 0,6266x3 + 32,935x2 – 356,04x + 1771,7

R2 = 0,9791

Индия

y = 309,73x – 575,4

R2 = 0,9082

y = 12,89x2 – 76,958x + 1422,5

R2 = 0,9960

y = 0,3401x3 – 2,4148x2 + + 109,82x + 916,41

R2 = 0,9993

Китай

y = 827,68x – 3584,5

R2 = 0,8988

y = 36,813x2 – 276,71x + 2121,5

R2 = 0,9980

y = 0,4633x3 + 15,963x2 – 22,251x + 1432,1

R2 = 0,9988

ЮАР

y = 21,684x + 147,27

R2 = 0,9757

y = 0,3487x2 + 11,222x + 201,32

R2 = 0,9898

y = – 0,0333x3 + 1,8456x2 – 7,0461x + 250,82

R2 = 0,9967

США

y = 513,67x + 4695,8

R2 = 0,9927

y = 3,7382x2 + 401,52x + 5275,2

R2 = 0,9956

y = – 0,0162x3 + 4,4658x2 + + 392,64x + 5299,3

R2 = 0,9956

Япония

y = 108,79x + 2268,8

R2 = 0,9915

y = 0,4317x2 + 95,84x + 2335,7

R2 = 0,9923

y = – 0,0325x3 + 1,8939x2 + 77,994x + 2384,1

R2 = 0,9926

Германия

y = 99,96x + 1257,1

R2 = 0,9689

y = 2,2672x2 + 31,942x + 1608,5

R2 = 0,9967

y = 0,0535x3 – 0,1394x2 + + 61,314x + 1529

R2 = 0,9975

Достоверность

аппроксимации:

     

– минимальное

значение

R2 = 0,8567 (Россия)

R2 = 0,9200 (Россия)

R2 = 0,9791 (Россия)

– максимальное

значение

R2 = 0,9927 (США)

R2 = 0,9980 (Китай)

R2 = 0,9993 (Индия)

Примечание. Источник: разработано автором на основе данных табл. 1.

Использование данных, взятых из одного источника, обеспечивает методологическое единство расчетов, что особенно актуально при выполнении сравнительного анализа.

Представленные в табл. 1 исходные данные, в целях выявления закономерностей изменения валового внутреннего продукта в странах БРИКС, США, Японии и Германии, были аппроксимированы («аналитически выровнены» [5, c. 83]) линейной функцией, а также полиномами второй и третьей степеней. Результаты аппроксимации представлены в табл. 2.

Полученное в уравнениях линейных трендов значение углового коэффициента k является, с одной стороны, арктангенсом угла наклона прямой, рассчитанной методом наименьших квадратов, к оси x (ленте времени), а с другой, – среднегодовым приростом ВВП, в триллионах долларов: Китай – 827,68; США – 513,67; Индия – 309,73; Россия – 130,28; Япония – 108,79; Германия – 99,96; Бразилия – 95,33, ЮАР – 21,684. Коэффициент вариации полученных значений равен 105,28 %, что свидетельствует об их неоднородности [6, c. 68] и, следовательно, о неравномерности экономического и инновационного развития экономических систем стран мира.

Вывод, который может быть сделан по результатам данного этапа исследования: тенденции роста экономических систем стран мира, включенных в табл. 1, несмотря на их неоднородность, являются устойчивыми, что подтверждается высокой достоверностью аппроксимации линейных трендов, лежащей в диапазоне от R2 = 0,8567 до R2 = 0,9927.

Этап 2. Исследование силы связи между ростом ВВП в России и в других странах мира.

На основе данных табл. 1 рассчитаны коэффициенты парной корреляции ВВП России и других стран мира (табл. 3). В табл. 3 страны мира расположены в порядке возрастания силы корреляционной связи: от наименьшего значения (0,91321, с США) до наибольшего (0,96647, с Бразилией).

Сила связи, указанная в табл. 3, определена по шкале Чеддока, согласно значениям коэффициентов парной корреляции Пирсона (rxy) [7, c. 93], а именно: при 0,1 < rxy ≤ 0,3 – сила связи является слабой; при 0,3 < rxy ≤ 0,5 – умеренной; при 0,5 < rxy ≤ 0,7 – заметной; при 0,7 < rxy ≤ 0,9 – высокой; при 0,9 < rxy ≤ 1,0 – весьма высокой.

Вывод: сила связи между ростом ВВП России и других стран мира является весьма высокой.

Этап 3. Исследование силы связи между темпами прироста ВВП и кризисными явлениями в стране и в мире.

Алгоритм данного этапа исследования включал следующие аналитические процедуры:

1) расчет ежегодных темпов прироста ВВП (год к году), в % (табл. 4);

2) расчет среднегодового темпа прироста ВВП по каждой стране – среднего арифметического значений, рассчитанных согласно п. 1 настоящего алгоритма, в % (табл. 4);

3) расчет по каждой стране общего количества спадов (снижения по отношению к предыдущему году) объемов ВВП (табл. 4);

4) расчет коэффициента парной корреляции Пирсона между массивами данных, полученными согласно пп. 2 и 3 настоящего алгоритма;

5) то же, в годы глобальных финансово-экономических кризисов.

На данном этапе исследования экономика Россия исключена из рассмотрения, в целях исключения влияния на результат внутриэкономических проблем 1990-х гг.

Таблица 3

Коэффициенты парной корреляции ВВП России и других стран мира

Показатели

Страны мира

США

Япония

Индия

Германия

Китай

ЮАР

Бразилия

Коэффициент парной корреляции Пирсона rxy, рассчитанный для ВВП России и данной страны

0,91321

0,91402

0,92881

0,93526

0,94481

0,95986

0,96647

Сила связи по шкале Чеддока

весьма

высокая

весьма

высокая

весьма

высокая

весьма

высокая

весьма

высокая

весьма

высокая

весьма

высокая

Примечание. Источник: разработано автором на основе данных табл. 1.

Таблица 4

Исследование силы связи между темпами прироста ВВП и кризисными явлениями в стране и в мире

Годы

Темпы прироста ВВП, исчисленные год к году, %

Германия

Япония

США

Бразилия

Индия

Китай

ЮАР

1990 г.

база

база

база

база

база

база

база

1991 г.

8,62

6,91

3,27

4,90

4,44

13,02

2,33

1992 г.

4,30

3,13

5,88

1,81

7,89

16,81

0,12

1993 г.

1,37

1,84

5,20

7,21

7,23

16,55

3,63

1994 г.

4,63

3,13

6,24

7,51

8,97

15,48

5,38

1995 г.

3,88

4,89

4,84

6,66

9,85

13,25

5,26

1996 г.

2,54

5,01

5,67

4,04

9,48

11,97

6,21

1997 г.

2,38

2,82

6,26

5,20

5,85

11,08

4,36

1998 г.

3,02

–0,03

5,65

1,46

7,40

12,94

1,62

1999 г.

3,89

1,20

6,27

1,92

10,39

5,49

3,89

2000 г.

3,70

6,14

6,45

6,73

6,20

10,89

6,72

2001 г.

4,55

2,61

3,22

3,59

7,11

10,74

4,77

2002 г.

3,11

2,75

3,35

4,69

5,45

10,84

5,35

2003 г.

2,32

2,93

4,77

3,02

9,87

12,09

4,85

2004 г.

4,73

4,95

6,60

8,63

10,82

13,08

7,38

2005 г.

1,70

4,36

6,74

6,39

11,30

14,86

8,54

2006 г.

7,02

4,57

5,97

7,13

11,32

16,14

8,81

2007 г.

6,31

4,37

4,61

8,93

10,56

17,30

8,19

2008 г.

4,13

0,91

1,81

7,11

5,08

11,78

5,20

2009 г.

–2,85

–4,60

–1,79

0,63

8,69

10,24

–0,79

Окончание табл. 4

Годы

Темпы прироста ВВП, исчисленные год к году, %

Германия

Япония

США

Бразилия

Индия

Китай

ЮАР

2010 г.

5,64

5,41

3,76

8,81

9,77

11,92

4,25

2011 г.

6,93

2,05

3,68

6,14

7,43

11,84

5,44

2012 г.

2,25

3,80

4,21

3,87

7,47

9,93

4,17

2013 г.

4,11

4,63

3,63

4,82

8,26

9,66

4,29

2014 г.

4,77

0,40

4,39

2,41

9,45

9,33

3,76

2015 г.

2,54

2,99

3,98

–2,53

9,14

8,05

2,37

2016 г.

4,90

1,67

2,68

–2,23

9,36

7,91

1,67

2017 г.

5,72

1,88

4,16

2,97

9,21

8,79

3,24

2018 г.

3,66

3,10

5,18

3,41

9,39

9,00

2,88

Среднегодовой темп прироста ВВП за 1990–2018 гг., %

3,92

2,99

4,52

4,47

8,48

11,82

4,42

Количество наблюдений, лет

28

28

28

28

28

28

28

Из них количество спадов

1

2

1

2

1

Примечание. Источник: разработано автором на основе данных табл. 1.

Коэффициент парной корреляции Пирсона между среднегодовыми темпами прироста ВВП, рассчитанными по странам мира, и количествами лет, в течение которых наблюдалось снижение ВВП, составляет – 0,4714. Знак «минус» свидетельствуем о том, что связь является обратной, при этом сила связи по шкале Чеддока является умеренной.

Выводы, которые могут быть сделаны на основании данных табл. 4:

1) сила связи между темпами роста ВВП и проявлениями кризисных явлений в экономике страны является взаимно обратной;

2) экономики стран с наивысшими темпами роста ВВП (11,82 % Китай, 8,48 % – Индия) являются бескризисными;

3) в год глобального финансово-экономического кризиса (2009) в четырех странах из семи наблюдался спад объема ВВП, при этом во всех четырех странах (Германия, Япония, США, ЮАР) в течение двух лет, предшествующих кризисному (в 2007 и 2008 гг.), наблюдалось замедление темпов прироста ВВП, исчисленных год к году.

Этап 4. Определение областей применения выявленных закономерностей.

Практическое применение полученных закономерностей, по нашему мнению, возможно в следующих областях управления национальными инновационными системами.

1. Моделирование производственных функций.

В таких моделях расчета ВВП (ВНП), как, например, функция Кобба – Дугласа, результативный показатель может рассматриваться как заданная величина (этап 1, табл. 2). В этом случае, в рамках трудосберегающей модели роста, элиминируя фактор «труда» (принимая его на уровне отчетных данных), из уравнения с одной переменной (капиталом) определяется потребность в инвестициях в инновации, обеспечивающие известный результат; аналогично может быть рассчитана дополнительная потребность в инновационных кадрах, в рамках капиталосберегающей модели роста.

2. Установление целевых ориентиров опережающего инновационного развития.

Рассчитанные среднегодовые темпы прироста ВВП (табл. 4) могут быть использованы для разработки так называемого инерционного варианта прогноза, тогда как опережающее инновационное развитие (оптимистичный вариант прогноза) предполагает выполнение расчетов с использованием динамики стран-лидеров (табл. 2). Во втором случае разность между значениями оптимистичного и инерционного вариантов прогноза будет не чем иным, как целевым ориентиром программы инновационного развития.

Как показало выполненное исследование, валовой внутренний продукт, рассматриваемый в качестве эконометрической модели, зависящей от единственной переменной (фактора времени), открывает новые перспективы в выявлении мировых тенденций инновационного развития и в их применении в системе управления национальными инновационными системами.

Заключение

В процессе выполнения исследования предложен подход к расчету ВВП, основанный на комбинировании элементов статистического и эконометрического подходов, при этом за основу были приняты данные статистики за период времени, продолжительность которого включает не менее трёх-пяти циклов обновления основных производственных фондов.

Полученные эконометрические модели позволили:

1) исследовать устойчивость тенденций роста ВВП;

2) установить силу связи:

– между ростом ВВП в России и в других странах мира;

– между темпами прироста ВВП и кризисными явлениями в стране и в мире.

В свою очередь, выявленные мировые тенденции инновационного развития позволили определить области их применения в общей системе управления национальными инновационными системами.


Библиографическая ссылка

Саночкина Ю.В. УПРАВЛЕНИЕ НАЦИОНАЛЬНЫМИ ИННОВАЦИОННЫМИ СИСТЕМАМИ С УЧЕТОМ МИРОВЫХ ТЕНДЕНЦИЙ ИННОВАЦИОННОГО РАЗВИТИЯ // Фундаментальные исследования. – 2019. – № 10. – С. 81-86;
URL: https://fundamental-research.ru/ru/article/view?id=42568 (дата обращения: 29.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674