Уровень развития высоких технологий в странах мира, а так же их роль на мировом рынке высоких технологий характеризует Глобальный Индекс Инноваций, динамика которого представлена на рисунке 1 [4].

Рисунок 1 – Трансформация значения среднемирового GII

Источник: Расчёты автора

Резкий скачок индекса в 2011 году объясняется модификацией методики его расчёта за счёт увеличения числа показателей. Кроме того, с каждым годом количество стран, по которым рассчитывается индекс увеличивается. Так если в 2008 году индекс рассчитывался лишь по 107 странам, в 2013 году количество оцениваемых стран достигло142.

В целом, растущая динамика индекса свидетельствует о развитии мирового рынка высоких технологий.

На сегодняшний день окончательно не сформировалась структура мирового рынка высоких технологий, что подтверждают результаты проведённого анализа по 213 странам в период с 2000 г. по 2011 г. Во-первых, был проведён кластерный анализ. Перед проведением анализа, была выдвинута гипотеза, что внутренние рынки высоких технологий в разных странах находятся на разном уровне развития, при этом за прошедшие года темпы роста у стран не совпадали, и поэтому структура развития рынка высоких технологий в странах мира поменялась в период с 2000г. по 2011г.

В целях выявления групп стран была проведена их кластеризация по следующим показателям:

• X2: Объём выпуска высокотехнологичной продукции – High-technology exports (в долларах США);
• X4: Экспорт высоких технологий – ICT goods exports (% от общего экспорта);
• X8: Расходы на НИОКР – Research and development expenditure (% от ВВП).

По нашему мнению, данные показатели наиболее полно отражают состояние рынка высоких технологий  как внутреннего, так и внешнего. Данные для расчёта были взяты с официального сайта Всемирного Банка [3] .

Исходя из расстояний между конечными центрами кластеров, был сделан вывод, что максимальное расстояние наблюдается между первым и четвёртым кластерами (7,861), а минимальное – между третьим и четвёртым кластерами (2,900) с учетом влияния всех факторов классификации в совокупности.

В результате проведенного анализа, получены следующие группы стран:

• 1 кластер – Страны-лидеры с точки зрения присутствия на мировом рынке высоких технологий;
• 2 кластер – Развитые страны с довольно сильной позицией на мировом рынке высоких технологий, с наибольшими затратами на НИОКР;
• 3 кластер – Развивающиеся страны с уровнем присутствия на мировом рынке высоких технологий выше среднего;
• 4 кластер – Страны-аутсайдеры с точки зрения присутствия на мировом рынке высоких технологий.

Таблица 1 – Кластеризация стран мира (2000 г.)

Источник данных: Расчёты автора

Для анализа кластеров была составлена таблица со средними значениями показателей.

Таблица 2 – Средние значения по показателям в каждом кластере (2000 г.)

Источник: Расчёты автора

По данным таблицы 2 мы наглядно видим, что небольшой объём выпуска высокотехнологичной продукции (Х2) приходится на первый кластер, кроме того, уровень экспорта высоких технологий (Х4) в данном кластере находится на уровне выше среднемирового. Показатель расходов на НИОКР (Х8) также является лидирующим в данном кластере. В нём находятся лидеры мирового рынка высоких технологий – США и Япония.

Примечательно, что показатель экспорта высоких технологий (Х4) достигает наибольшего значения в кластере с отстающими странами, что говорит о его высокой значимости.

Для сравнения была проведена кластеризация и за 2011 год, результаты которой представлены в таблице 3.

Таблица 3 – Кластеризация стран мира (2011 г.)

Источник данных: Расчёты автора

В результате в 1-й вошло 7 стран, во 2-й кластер вошли 19 стран; в  3-й кластер –  11 стран и в 4-ый – 114 стран, при этом подкластеры данного кластера распределились следующим образом: в 1-й подкластер вошла 21 страна, во 2-й подкластер – 77 стран, в 3-й подкластер – 14 стран. Из анализа 213 стран было пропущено 64 страны в виду нехватки данных, валидными же оказалось всего 149 стран.

В 1-ый кластер вошли страны с самыми высокими значениями показателей. Тем не менее, у него так же имеются показатель, значения которого меньше по сравнению с третьим кластером: Х4. Во 2-ой кластер были включены страны с наибольшими данными по показателю Х8, о чем свидетельствуют средние значения показателей этих стран. 3-ий кластер кое в чём был впереди первого кластера, но кое в чём позади. В третьем кластере наибольшее значение имеет показатель Х4. К 4-му кластеру были отнесены страны, показатели которых имеют отрицательное значение. Сильное смещение кластерных центров произошло в первом, третьем и четвёртом кластерах.

Исходя из расстояний между конечными центрами кластеров, был сделан вывод, что максимальное расстояние наблюдается между вторым и четвёртым кластерами (3,948), а минимальное – между первым и вторым кластерами (2,227) с учетом влияния всех факторов классификации в совокупности. Основываясь на центральных значениях кластеров, была отмечена положительная динамика всех показателей в каждом кластере. Это характеризует развитие рынка высоких технологий во всех странах мира.

В таблице 4 представлены средние значения показателей по кластерам за 2011 год.

Таблица 4 – Средние значения по показателям в каждом кластере (2011 г.)

Источник: Расчёты автора

По таблице 4 наглядно видно, что самое большое значение показатель объёма выпуска высокотехнологичной продукции (Х2) достигает в 1 кластере, что характерно для большого национального рынка высоких технологий. Кроме того, показатель экспорта высоких технологий (Х4) так же довольно высок в данном кластере. Показатель расходов на НИОКР (Х8) не настолько большой. В данном кластере находятся развитые страны – лидеры, с точки зрения присутствия на мировом рынке высоких технологий.

Самое большое значение показатель экспорта высоких технологий (Х4) достигает снова в кластере с отсталыми странами, кроме того, показатель объёма выпуска высокотехнологичной продукции (Х2) в данном кластере теперь имеет большее значение, чем в кластере с развитыми странами, занимающими сильную позицию на мировом рынке высоких технологий.

Мы видим, что состав групп стран за 2000 г. и за 2011 г. сильно отличаются. Кластерные трансформации представлены на рисунке 2.

В целом, значения показателей по первому кластеру остались прежними, наблюдается только небольшое изменение в виду того, что в 2011 году в данный кластер добавились ещё ряд развитых стран. В 2000 году в передовом кластере находились только США и Япония, то есть именно эти две страны были лидерами на мировом рынке высоких технологий. В 2011 году к ним добавились следующие страны: Франция, Германия, Южная Корея, Нидерланды, Сингапур. Это свидетельствует о том, что развитые страны увеличили темпы роста и, соответственно, перешли в другую группу.

Рисунок 2 –  Средние кластерные центры (2000, 2011 гг.)

Источник: Расчёты автора

Во втором кластере с передовыми странами, набирающими мощь на мировом рынке высоких технологий, мы видим, что значение показателя экспорта высоких технологий (Х4) увеличились в 2011 году, в то время как значения показателя объёма выпуска высокотехнологичной продукции (Х2), наоборот, несколько снизились. В 2011 году в данном кластере произошли следующие изменения:

• Достигли уровня передовых следующие страны: Австралия, Дания, Эстония, Испания, Ирландия, Норвегия, Португалия, Словения, Швеция;
• Китай выделился в отдельный кластер, поэтому мы его исключили из кластеризации;
• Франция, Германия, Южная Корея и Нидерланды переместились в кластер со странами-лидерами.

Касательно третьего кластера, мы видим, что значения показателей практически не изменились за это время. Что говорит о торможении в развитии и завоевании рынка высоких технологий. Примечательно, что из данного кластера к 2011 году вышел Сингапур и попал в кластер-лидер, что говорит о его высоком развитии и завоевании мирового рынка высоких технологий.

Значения показателей стран-аутсайдеров в четвёртом кластере так же остались практически без изменения, что говорит о том, что данные страны не имеют ни ресурсов, ни возможностей для развития на данном секторе рынка. Развитые страны прочно заняли позиции и, в свою очередь, тормозят развитие других стран в данной области.

По среднему значению выборки, мы наблюдаем явный рост показателя объёма выпуска высокотехнологичной продукции (Х2), падение показателя экспорта высоких технологий (Х4), а значение показателя расходов на НИОКР (Х8) осталось, практически, без изменений.

В целях выявления факторов, определяющих характер высокотехнического развития групп-стран, была построена система корреляционно-регрессионных уравнений, при этом в качестве эндогенной переменной был взят глобальных индекс инноваций.

Результаты исследования представлены в таблице 6.

Таблица 6 – Уравнения регрессии по кластерам

Источник: Расчёты автора

Анализ коэффициентов регрессии демонстрирует, что наибольшее влияние на показатель Индекс инноваций стран оказывает объём выпуска высокотехнологичной продукции (Х2) – он значим во всех из построенных регрессиях. Кроме того, почти для всех кластеров, кроме четвёртого, значимость оказывает показатель расходов на НИОКР (Х8). Показатель же экспорта высоких технологий (Х4) оказывает значимость только в двух из четырёх кластерах – в третьем и в четвёртом. То есть можем сделать вывод, что на передовые страны положительное влияние оказывают показатель Х8, в то время, как на отсталые страны показатель Х8, наоборот, оказывает отрицательное влияние. В свою очередь, показатель Х4 оказывает отрицательное влияние на развитые страны, но положительное на страны-аутсайдеры. Примечательно, что показатель Х2 оказывает положительное влияние на все страны мира.

Таким образом, можно сделать вывод, что для увеличения доли присутствия отсталых стран на мировом рынке высоких технологий необходимо увеличивать объём выпуска высоких технологий с последующим экспортом. Данные результаты могут быть достигнуты путём финансирования образования или же формирования данной базы за счёт развитых стран.

Российская Федерация и в 2000 г., и в 2011 г. была отнесена к кластеру со странами-аутсайдерами. Для того чтобы изменить данную ситуацию на рынке высоких технологий, стране нужно прибегать к срочным мерам – в первую очередь, необходимо увеличивать объёмы выпуска высокотехнологичной продукции и расходы на НИОКР.

Результаты регрессионного анализа свидетельствуют о том, что для увеличения доли присутствия стран второго кластера, в том числе и РФ, на мировом рынке высоких технологий необходимо увеличивать объёмы.

Так как экспорт высокотехнологичной продукции стимулирует экономический рост в стране, следовательно, России выгодно только экспортировать высокотехнологичную продукцию, импортируя её при этом по минимуму, однако в настоящее время РФ импортирует значительно больше высокотехнологичной продукции, чем экспортирует. Для современной России характерно торможение трансфера отечественных инновационных разработок за рубеж. Наша страна преуспела именно в технологическом импорте, наблюдается активное продвижение импортных технологий во всех областях деятельности на отечественный рынок. Налицо все черты технологической зависимости России от развитых государств, все больше и больше закрепляющие экономическое отставание.

После рассмотрения нескольких методов определения инновационно-таехнологического потенциала региона, нами было принято решение придерживаться метода оценки О. С. Москвиной [10], и, уже на его основе, провести собственную оценку инновационно-технологического потенциала арктических регионов РФ.

Таким образом, алгоритм оценки инновационного потенциала на региональном уровне может быть представлен в виде трех последовательно реализуемых этапов:

ПЕРВЫЙ ЭТАП:

Определение перечня показателей и их пограничных характеристик, применяемых для оценки инновационного потенциала региона. Пограничные характеристики были выбраны, согласно модели Москвиной.

ВТОРОЙ ЭТАП:

Проведение анализа по выбранным показателям, согласно предложенному Москвиной методу и в соответствии с формулами.

ТРЕТИЙ ЭТАП:

Формирование профиля инновационного потенциала регионов.

Рассмотрим этапы более подробно.

ПЕРВЫЙ ЭТАП:

В настоящей работе выбор обобщающих показателей осуществлялся исходя из следующего:

Система показателей должна обеспечивать комплексную характеристику инновационных процессов, включая все его основные стадии: “наука – инновации – производство и распространение”.

В этой связи все обобщающие показатели были сгруппированы в пять оценочных блоков, характеризующих инновационный потенциал региона: Научные ресурсы, Кадровые ресурсы, Финансовые ресурсы, Технологические ресурсы, Результативная компонента.

Таким образом, выбранные показатели были представлены в таблице 1, нами были взяты иные показатели, нежели были представлены в методике Москвиной, так как методика этого автора была направлена больше на оценку потенциала предприятия, нежели на совокупность регионов.

Затем мы определяли пограничные состояния выбранных показателей в виду необходимости интерпретации результатов.

Таблица 1 – Система обобщающих показателей, характеризующих инновационный потенциал региона

* R – пороговое значение обобщающего показателя инновационного потенциала, выраженное через характеристику параметра, отражающего границу минимально допустимого уровня кризисности его состояния;

**Z – пороговое значение обобщающего показателя инновационного потенциала, выраженное через характеристику параметра, отражающего границу его предкризисного состояния.

Источник: [Составлено автором]

После этого мы переходим ко второму этапу.

ВТОРОЙ ЭТАП:

В рамках данного этапа мы проводим анализ выбранных показателей.

Анализ рассогласования нормативных и фактических параметров потенциала. Методически данный анализ представлен следующим образом (см. таблицу 2).

Таблица 2 – Анализ показателя инновационного потенциала

* I – значение показателя, характеризующего ресурсную и результативную составляющую инновационного потенциала

Источник: [10]

После этого мы переходим к осуществлению третьего этапа.

ТРЕТИЙ ЭТАП:

В рамках данного этапа мы интерпретируем полученные результаты  для осуществления оценки инновационно-технологического потенциала регионов.

Данное действие проходило в рамках определения системы неравенств, увязывающих обобщающие показатели с их пограничными характеристиками (см. таблицу 3).

Таблица 3 – Модель интерпретации оценки инновационного потенциала региона

Источник: [10]

Таким образом, у нас получается три возможных варианта:

1. Зона неудовлетворительного состояния инновационного потенциала (i < 0). Отражает негативные тенденции в формировании инновационной экономики, что требует разработки системы мероприятий, направленных на повышение ресурсной и, соответственно, результативной составляющей инновационного потенциала региона.

2. Зона кризисного состояния (0 < i < = 1). Свидетельствует о недостаточном для формирования инновационной экономики региона уровне потенциала и необходимости поиска путей улучшения использования его ресурсной составляющей и активизации конечных результатов инновационной деятельности.

3. Зона удовлетворительного состояния (i > 1). Для нее характерен выход с траектории кризисного развития инновационных процессов, и она требует разработки мероприятий, направленных на поддержание позитивной динамики сложившейся ситуации.

Результаты представленного анализа выступают основой определения направлений по реализации инновационных преобразований.

Апробация представленного алгоритма проведена на материалах арктических регионов РФ в инновационно-технической сфере. В качестве исследуемого периода взят 2012 г.

В ходе первого этапа методики мы собрали показатели необходимые для проведения оценки инновационно-технологического потенциала и представили их в таблице 4.

Таблица 4 – Региональные показатели в инновационно-технической сфере, 2012

Источник: [Регионы России. Социально-экономические показатели.2013: стат. сб. / Росстат. – М., 2013]

Данные показатели мы и будем анализировать в последующем для оценки инновационно-технологического потенциала.

В рамках второго этапа мы проводим анализ показателей согласно методике второго этапа. Полученный результат в виде показателя I представлен в таблице 5.1

Таблица 5.1 – Расчётные региональные показатели в инновационно-технической сфере, 2012

Источник: [Расчёты автора]

Таким образом, проведенные расчеты, представленные в табличном виде, позволяют выявить и проранжировать наиболее сложные по проблемности факторы инновационного развития, что приводит нас к реализации третьего этапа:

1. В целом в инновационной сфере регионов наблюдаются довольно позитивная ситуация. Это касается как ее ресурсной составляющей, так и результативных характеристик. Однако их уровень, в основном, находится в зоне кризисного и даже неудовлетворительного состояния. То есть инновационный потенциал и по мере способности, и по степени готовности может быть охарактеризован как недостаточный для формирования инновационно активной экономики региона.

2. Среди ресурсных характеристик наиболее проблемными выглядят кадровый блок. Выпуск профессионалов с высшим образованием (К1) в регионах крайне мал. Из этого вытекает малое количество персонала, занимающегося научными исследованиями (Н1). И как следствие данные факторы влияют на результирующий показатель (Р3) выпуска инновационных товаров, работ, услуг.

3. Можно отметить, что финансовый блок выглядит довольно удовлетворительно, только некоторые регионы находятся за кризисным порогом.

Основываясь на проведённом анализе инновационного потенциала арктических регионов РФ, мы выяснили, что из трёх взятых результирующих показателей только показатель в количество выданных патентов находится на уровне выше критического. Что же касается уровень инновационной активности промышленных предприятий (Р2) и объёмов выпущенных инновационных товаров, работ и услуг (Р3), то эти показатели почти во всех регионах находятся ниже критического уровня.

Показатель Р2 положителен только в Ненецком АО, Чукотском АО и в Республике Карелии, в остальных же регионах этот показатель отрицательный. Р3, в свою очередь, положителен лишь в Архангельской области.

На наш взгляд, патентование изобретений и открытий как способ регистрации интеллектуальной собственности наиболее полно отражает процессы развития научной сферы. Это позволяет использовать патентную информацию и для анализа интенсивности инновационной деятельности, и для выявления особенностей ее территориальной дифференциации. Так, сравнительная оценка с российскими показателями свидетельствует о том, что ни один из регионов  не относится к числу центров патентной активности: в основном реализация инноваций осуществляется за счет технологий, экспортируемых из других территорий РФ (в частности, Москва и С.-Петербург). Сложившуюся ситуацию в значительной степени обусловило ослабление деятельности за годы реформ почти исчезнувших конструкторских бюро промышленных предприятий, отсутствие специализированных НИИ, неразвитость инновационной инфраструктуры.

Анализируя показатели, можно сказать, что на лидирующих позициях по показателям среди выбранных регионов находятся: Архангельская область, Республика Карелия. Наихудший же результат по показателям у Ненецкого АО.

Резюмируя вышесказанное, отметим, что усиление инновационного потенциала в регионах нам видится в решении трех взаимосвязанных задач:

-        в активизации ресурсных возможностей развития инновационного потенциала (в первую очередь – финансовой составляющей, по сути, определяющей все остальные его компоненты),

-        повышении результативных показателей инновационного развития, в том числе через сокращение значительных различий в пространственном развитии инноваций (как в отраслевом, так и в территориальном разрезе).

Все это требует изменения системы управления инновационными процессами в соответствии со следующими требованиями:

1) учет неопределенности, повышенного риска и высокозатратности инноваций;

2) обеспечение взаимоувязки инновационной политики (на всех уровнях) с экономическими, социальными, экологическими аспектами территориального развития;

3) достижение баланса интересов и оптимальное сочетание объектов и субъектов инновационной деятельности в целях обеспечения эффективных результатов социально-экономического развития;

4) трансформации характера методов управления в условиях формирования инновационно активной экономики.