Неонета С.И.

Многомерный анализ статистических данных инновационной деятельности регионов Украины

В рамках данной работы был рассмотрен подход к типологизации регионов по инновационной деятельности. Целесообразность учета этих показателей подтверждается все большим влиянием инновационной деятельности на развитие регионов.

Применение многомерного анализа, а именно методов многомерного шкалирования позволило расположить регионы в пространстве трехмерной размерности признаков, для достаточно адекватного воспроизведения наблюдаемых расстояний между ними. В результате появилась возможность "измерить" эти расстояния в терминах найденных латентных переменных [4]. Так, в данной работе можно объяснить расстояния в терминах таких 12 показателей инновационной деятельности: организации, которые выполняют научные работы; численность работников научных организаций (основной деятельности); численность кандидатов наук, занятых в экономике Украины; расходы на выполнение научных работ; число работников научных организаций, которые работали за рубежом по контракту; количество выездов научных работников за пределы Украины; общий объем расходов на инновационную деятельность; количество выполненных научных и н-т работ, всего разработок, единиц; количество промышленных предприятий, которые внедряли инновации, всего единиц; объем реализованной инновационной продукции; доход (прибыль) от использования изобретений,  промышленных образцов; количество промышленных предприятий, которые реализовали инновационную продукцию.

Выбор данной системы показателей обусловлен оптимальностью критериев, характеризующих региональную дифференциацию уровня развития регионов.

В результате применения метода был построен график точек зависимости воспроизведенных расстояния от исходных расстояний для текущей конфигурации. Такая диаграмма рассеяния называется диаграммой Шепарда.

Исследование и анализ данных, воспроизведенных на диаграмме, позволили решить задачу наиболее эффективного размещения объектов, приближенно сохраняющий расстояния между ними в новом пространстве признаков, размерность которого существенно меньше исходного [1,3].

По результатам построения пространственного расположения регионов, были выделены условно 4 кластера. В первый кластер вошли регионы, обладающие наивысшим инновационным потенциалом (Киевский, Харьковский, Днепропетровский, Донецкий и Запорожский регионы). Как видно в эту группу входят регионы, имеющие значительный экономический потенциал. Во второй кластер вошли регионы, также имеющие высокий уровень развития и активно развивающие инновационную деятельность (Ивано-Франковский, Луганский, Черкасский, Львовский, Сумской, Полтавский регионы). Необходимо отметить, что основная масса украинских регионов, находящихся в третьей группе, имеют низкий инновационный потенциал (АРК, Винницкий, Ровненский, Кировоградский, Волынский, Житомирский, Одесский, Хмельницкий, Николаевский регионы).  В четвертую группу вошли регионы, которые практически не осуществляют инновационную деятельность вследствие очень низкого инновационного потенциала (Закарпатский, Черниговский, Черновецкий, Херсонский, Тернопольский).

Таким образом, можно констатировать, что основная масса регионов Украины имеет низкий инновационный потенциал, не позволяющий в конечном итоге в ближайшей перспективе обеспечить Украине достойное место на мировом рынке.  Предлагаемая методика оценки инновационного потенциала регионов не претендует на окончательность и, несомненно, может подвергнуться доработке, но, возможно, поможет в дальнейшей разработке методик его оценки.  

Литература

1. Андерсон Т. Введение в многомерный статистический анализ/ Пер. С англ.. – М.: ГИФМЛ., 1963.- 500 с.

2. Данько М. Інноваційний потенціал у промисловості України // Економіст, 1999. - № 10. - С. 28-34.

3. Дубров А.М., Многомерные статистические методы / А.М. Дубров,  В.С. Мхитарян, Л.И.  – М.: Финансы и статистика, 1998. – 352 с.

4. Гриньов А. В. Оцінка інноваційного потенціалу підприємства // Проблеми науки, 2003. - №12. – С. 12 -17.