В современной экономике инновации и скорость их внедрения являются одним из ключевых преимуществ в сохранении и повышении конкурентоспособности экономических систем любого уровня. Исключением не являются и отрасли промышленности, рассматриваемые как в отдельности, так и в совокупности. Одной из ведущих отраслей в современной российской экономике является нефтехимическая отрасль, представляемая такими видами экономической деятельности (ВЭД), как «Производство химических веществ и химических продуктов» и «Производство резиновых и пластмассовых изделий».

Конкурентные преимущества, основанные на инновациях, носят долгосрочный характер, то есть удерживаются достаточно долго, поскольку требуют значительных затрат и особых компетенций, которые трудно поддаются копированию со стороны конкурентов. Инновации могут быть связаны с созданием новых продуктов и услуг, внедрением новых производственных и управленческих технологий, в том числе основанных на цифровых технологиях, с использованием новых маркетинговых подходов, приобретением интеллектуальной собственности и пр.

Проблематика выявления зависимости протекания инновационных процессов от различных параметров затрат является актуальной в связи с тем, что затраты на инновационную деятельность во многом определяют эффективность и результативность последней. Не менее важным при этом является распределение затрат по направлениям осуществления инновационной деятельности.

Одним из способов изучения, в частности, с целью оптимизации инновационных процессов является моделирование, одна из разновидностей которого заключается в построении логико-графических схем протекания инновационного процесса. Например, такой подход используется А.И. Шинкевичем и А.В. Шумкиным [1] для моделирования процесса выведения инновационных продуктов в машиностроительной отрасли, где в качестве инструментов моделирования задействованы DCOR-моделирование и IDEF0-методология. В исследовании В.А. Васяйчевой [2] задействована методология структурного анализа и проектирования SADT для построения модели развития процесса управления инновационной деятельностью промышленных предприятий. В свою очередь, метод имитационного моделирования был использован в качестве подхода к построению модели инновационного процесса на уровне предприятия в работе А.И. Громова и др. [3].

Другой разновидностью моделирования является экономико-математическое моделирование, базирующееся на задействовании математических инструментов исследования. Например, авторами ранее [4] был применен кластерный анализ в части изучения и моделирования эффективности инновационных процессов, характерных для среднетехнологичных промышленных отраслей. Моделирование инновационного развития на региональном уровне с использованием регрессионного анализа проводят в своем исследовании Л.А. Сосунова и Е.А. Серпер [5]. В своей научной работе Н.Р. Алиева [6] реализует моделирование инновационного процесса в агропромышленном комплексе на основе построения трендовых моделей.

В соответствии с объектом и предметом представленного исследования в качестве ключевого исследовательского инструментария авторами было использовано экономико-математическое моделирование.

Цель исследования состоит в изучении характера протекания инновационной деятельности в отраслях нефтехимической промышленности в разрезе структурирования и выявления параметров влияния различных видов затрат в сфере инновационной деятельности на ее результативность с использованием экономико-математического моделирования.

Материалы и методы исследования

В основе методологии исследования были использованы методы анализа, синтеза, сравнения, обобщения, системного, факторного и регрессионного анализа. Для построения факторной модели затрат в качестве метода исследования был использован метод факторного анализа (с использованием ППП «STATISTIСA»). Моделирование было осуществлено на основе данных статистического сборника НИУ ВШЭ «Индикаторы инновационной деятельности: 2023» за 2003–2021 гг. [7].

Результаты исследования и их обсуждение

Факторный анализ представляет собой способ сокращения числа переменных на основе их объединения по признаку высокой корреляции между собой, сводя их к меньшему количеству независимых факторов.

Для анализа и моделирования были выбраны следующие затраты на инновационную деятельность (переменные) по ее видам (в млн руб.):

Х1 – исследования и разработки (НИР);

Х2 – производственное проектирование (дизайн);

Х3 – приобретение машин и оборудования, прочих основных средств, связанных с инновационной деятельностью;

Х4 – приобретение новых технологий;

Х5 – приобретение прав на результаты интеллектуальной собственности;

Х6 – разработка и приобретение программ для ЭВМ и баз данных;

Х7 – подготовка производства (инжиниринг);

Х8 – обучение и подготовка персонала;

Х9 – маркетинг и создание бренда;

Х10 – прочие расходы.

Результаты факторного анализа данных для первой отрасли нефтехимической промышленности ВЭД «Производство химических веществ и химических продуктов» представлены в табл. 1.

Как видно из табл. 1, факторное поле переменных преобразовалось в три главные компоненты с суммарной описательной долей дисперсии, равной 78,3 %.

Таблица 1

Матрица факторных нагрузок для ВЭД «Производство химических веществ и химических продуктов»

Примечание: расчитано авторами.

Таблица 2

Состав и интерпретация главных компонент для ВЭД «Производство химических веществ и химических продуктов»

Примечание: составлено авторами.

Переменные распределились по главным компонентам следующим образом: в первую компоненту было включено четыре переменные: Х1, Х3, Х6, Х10 – с долей дисперсии 29,9 %, во вторую – также четыре переменные: Х2, Х4, Х5, Х7 – с долей дисперсии 30,1 %, в третью – две переменные: Х8, Х9 – с долей дисперсии 18,3 %. Состав и интерпретация главных компонент представлены в табл. 2.

Последующая интерпретация главных компонент позволяет получить структурированное представление о содержании исследуемого явления или процесса, в данном случае – затрат инновационного характера.

Первая главная компонента была интерпретирована авторами как «базисно-цифровые затраты», поскольку объединила в себе прежде всего затраты на НИР; приобретение основных средств, связанных с инновационной деятельностью; программное (цифровое) обеспечение. Вторая главная компонента была определена как «инновационно-технологические затраты», поскольку объяснялась факторными нагрузками переменных, связанных с затратами на производственное проектирование и инжиниринг; приобретение новых технологий и интеллектуальной собственности. Третья главная компонента получила интерпретацию «организационно-маркетинговые затраты» в силу определяющих ее затрат в области обучения и подготовки персонала, а также маркетинга и брендирования.

Далее был определен характер влияния выделенных групп затрат на один из ключевых показателей, используемых в оценке результативности инновационной деятельности, – объем инновационных товаров, работ, услуг (млн руб.). Для этого была построена модель множественной регрессии, где в качестве зависимой переменной Y1 выступал объем инновационных товаров, работ, услуг, а в качестве независимых переменных – главные компоненты. Результаты регрессионного анализа представлены в табл. 3.

Таблица 3

Результаты и статистика регрессионного анализа для ВЭД «Производство химических веществ и химических продуктов»

Примечание: составлено авторами.

Итоговое уравнение регрессии для ВЭД «Производство химических веществ и химических продуктов» получило вид

Y1 = 134131,5 + 42195,4×F1 +

+ 44309,2×F2 + 22817,9×F3.

Из уравнения можно сделать вывод, что наибольший вклад и влияние на результативность инновационной деятельности оказывает вторая компонента, характеризующая инновационно-технологические затраты, связанные с финансированием новых технологий в таких аспектах, как производственное проектирование, приобретение новых технологий и прав на интеллектуальную собственность. Далее по степени влияния идет первая компонента, характеризующая затраты как базового характера (на НИР и основные средства), так и цифрового характера (на разработку и приобретение программных средств). Меньшее влияние на результативность оказывают организационно-маркетинговые (или их иногда еще называют управленческие) затраты, связанные с обучением и подготовкой персонала и маркетинговой деятельностью.

Аналогичное исследование результативности инновационной деятельности по затратам было проведено для ВЭД «Производство резиновых и пластмассовых изделий».

Результаты факторного анализа данных для ВЭД «Производство резиновых и пластмассовых изделий» представлены в табл. 4.

Как видно из табл. 4, факторное поле переменных преобразовалось в четыре главные компоненты с суммарной описательной долей дисперсии, равной 72,1 %.

Переменные распределились по главным компонентам следующим образом: в первую компоненту включено четыре переменные: Х4, Х5, Х9, Х10 – с долей дисперсии 24,0 %, во вторую: Х1, Х3 – с долей дисперсии 19,9 %, в третью: Х7, Х8 – с долей дисперсии 14,9 %, в четвертую: Х2, Х6 – с долей дисперсии 13,3 %.

Таблица 4

Матрица факторных нагрузок для ВЭД «Производство резиновых и пластмассовых изделий»

Примечание: составлено авторами.

Таблица 5

Состав и интерпретация главных компонент ВЭД «Производство резиновых и пластмассовых изделий»

Состав и интерпретация главных компонент представлены в табл. 5.

В результате интерпретации входящих в первую главную компоненту переменных, отражающих затраты на приобретение новых технологий и прав в сфере интеллектуальной собственности, маркетинг и разработку бренда, прочие инновационные затраты, рассматриваемая компонента была обозначена как «инновационно-технологические затраты». Системный анализ состава переменных второй главной компоненты, куда вошли затраты на НИР и приобретение основных средств, связанных с инновационной деятельностью, позволил интерпретировать указанную компоненту как «базисные затраты». Состав переменных, позволивших выделить их в третью компоненту, дал возможность определить последнюю как «инжиниринговые затраты». И, наконец, четвертая главная компонента в результате вошедших в ее состав переменных, связанных с затратами на производственное проектирование и программное (цифровое) обеспечение, была отнесена авторами к категории «проектно-цифровые затраты».

Далее был определен характер влияния выделенных групп затрат на один из ключевых показателей, используемых в оценке результативности инновационной деятельности, – объем инновационных товаров, работ, услуг (млн руб.). Для этого была построена модель множественной регрессии, где в качестве зависимой переменной Y2 выступал объем инновационных товаров, работ, услуг, а в качестве независимых переменных – главные компоненты. Результирующее уравнение регрессии для ВЭД «Производство резиновых и пластмассовых изделий» получило вид линейной регрессии (факторные признаки F1, F3, F4 оказались незначимыми):

Y2 = 36223,65 + 14020,6×F2.

Из уравнения можно сделать вывод, что ключевое влияние на результативность инновационной деятельности оказывает вторая компонента, характеризующая базисные затраты, связанные с выполнением НИР и приобретением основных средств, связанных с инновационной деятельностью.

Заключение

Таким образом, были выделены обобщающие факторные признаки (главные компоненты) в совокупности видов затрат на инновационную деятельность, а также разработаны факторные модели результативности инновационной деятельности в нефтехимической отрасли, отражающие характер влияния выделенных групп затрат (факторов) в сфере инновационной деятельности на результирующий ее показатель. Построенные модели могут быть использованы в целях планирования и оптимизации затрат на инновационную деятельность для рассмотренных ВЭД.