Критерии сгруппированы в 4 раздела:
Результативность и востребованность научных исследований.
Развитие кадрового потенциала.
Интеграция в мировое научное пространство, распространение научных знаний и повышение престижа науки.
Ресурсное обеспечение деятельности научной организации.
Рассмотрим математическую модель результативности научных исследований и показателей в количестве публикаций и патентов на изобретение и т.п. Результативность и востребованность будут оцениваться по следующим показателям:
число публикаций организации, индексируемых в российской и международных базах цитирования
совокупный импакт-фактор журналов, в которых опубликованы статьи организации за определённый временной период.
количество научных, конструкторских и технологических произведений.
конструкторская и технологическая документация, в том числе стандарты, регламенты и проч.
результаты интеллектуальной деятельности (РИДы) – ноу-хау, включая программы для ЭВМ, базы данных, полезные модели, промышленные образцы и т.д.
факт использования РИДов: акты использования, договоры о предоставлении лицензий, а также отчуждения права на использование результатов.
малые предприятия, созданные с участием организации по ФЗ-217.
финансовая результативность научной организации по источникам дохода
Финансирование научных организаций осуществляется из средств бюджетов всех уровней, собственных средств научных организаций, средств внебюджетных фондов, средств организаций предпринимательского сектора, средств образовательных учреждений высшего профессионального образования, средств частных некоммерческих организаций, средств иностранных источников.
Основным источником финансирования науки является федеральный бюджет.
Построим модели парной регрессии зависимости результативности от финансирования из федерального бюджета.
В первой модели в качестве показателя результативности будет выступать число публикаций российских ученых, индексируемых в Web of Science журналах.
Таблица 1- Исходные данные для построения модели
Год |
Публикации российских ученых в индексируемых Web of Science журналах, тыс. ед. (yi) |
Ассигнования на гражданскую науку из средств федерального бюджета, млрд. руб. (xi) |
2001 |
27,2 |
23,69 |
2002 |
27,0 |
31,06 |
2003 |
27,5 |
41,58 |
2004 |
26,4 |
47,48 |
2005 |
28,0 |
76,91 |
2006 |
23,6 |
97,36 |
2007 |
27,9 |
132,70 |
2008 |
30,1 |
162,12 |
2009 |
32,2 |
219,06 |
2010 |
27,8 |
237,64 |
2011 |
32,3 |
313,90 |
2012 |
31,3 |
355,92 |
Рисунок – График зависимости количества публикаций от финансирования
Получили параболическую зависимость второй степени с коэффициентом детерминации R2= 0,55, которая объясняет 55% изменчивости исследуемой функции. При исследовании выбора модели проверялась парабола четвертой степени с R2=0,62. Поэтому выбираем регрессионную модель :
=29,596+0,000000004∙х4-0,000004∙х3+0,0012∙х2-1,1119∙х
Данное уравнение показывает, что с увеличением финансирования науки на 1 млрд. руб. количество публикаций российских ученых, индексируемых в Web of Science журналах увеличится примерно на 17 единиц.
Оценим качество полученной модели через среднюю ошибку аппроксимации и F-критерий Фишера.
Ошибка аппроксимации рассчитывается по формуле:
A=1n∙yi-iyi∙100
В нашем случае A= 4,7%
Из таблицы Дисперсионный анализ Fнабл=11,92192.
Fкрит= 4,96.
Fкрит < Fнабл, следовательно параметры уравнения регрессии и показатель тесноты связей статистически значимы.
Во второй модели в качестве показателя результативности будут выступать результаты интеллектуальной деятельности, т.е. количество патентов, полученных российскими учеными.
Исходные данные представлены в таблице 2.
Таблица 2. Исходные данные
Год |
Количество выданных патентов |
Ассигнования на гражданскую науку из средств федерального бюджета, млрд. руб. |
2001 |
22930 |
23,69 |
2002 |
25557 |
31,06 |
2003 |
33385 |
41,58 |
2004 |
32071 |
47,48 |
2005 |
31676 |
76,91 |
2006 |
34927 |
97,36 |
2007 |
35829 |
132,70 |
2008 |
40165 |
162,12 |
2009 |
46689 |
219,06 |
2010 |
42471 |
237,64 |
2011 |
43231 |
313,90 |
2012 |
48002 |
355,92 |
Линейное уравнение парной регрессии имеет вид:
=b0+b1∙x
Рассчитаем его параметры в MS Excel с помощью инструмента анализа Регрессия
Множественный R |
0,907475113 |
R-квадрат |
0,82351108 |
Нормированный R-квадрат |
0,805862188 |
Стандартная ошибка |
3489,19904 |
Наблюдения |
12 |
Дисперсионный анализ |
|||||
df |
MS |
F |
Значимость F |
||
Регрессия |
1 |
568072139,5 |
568072139,5 |
46,66078079 |
4,56422E-05 |
Остаток |
10 |
121745099,4 |
12174509,94 |
||
Итого |
11 |
689817238,9 |
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
|
Y-пересечение |
27253,91 |
1676,79 |
16,25 |
0,00 |
23517,78 |
30990,04 |
Переменная х |
63,17 |
9,25 |
6,83 |
0,00 |
42,57 |
83,78 |
По регрессионному анализу имеем:
=27253,90589+63,17434367∙x
Данное уравнение показывает, что с увеличением финансирования науки на 1 млрд. руб. количество патентов, полученных российскими учеными, увеличится примерно на 63 единицы.
Тесноту связей изучаемых признаков определим с помощью коэффициента парной корреляции. С помощью инструмента анализа данных Корреляция получаем матрицу парных коэффициентов корреляции.
Количество выданных патентов |
Ассигнования на гражданскую науку из средств федерального бюджета, млн. руб. |
|
Количество выданных патентов |
1 |
|
Ассигнования на гражданскую науку из средств федерального бюджета, млн. руб. |
0,907475113 |
1 |
rxy=0,907475113, следовательно связь между признаками сильная.
Оценим качество полученной модели через среднюю ошибку аппроксимации и F-критерий Фишера.
Ошибка аппроксимации рассчитывается по формуле:
A=1n∙yi-iyi∙100
В нашем случае A= 7,8%
Из таблицы Дисперсионный анализ Fнабл=46,66078079
Fкрит= 4,96.
Fкрит < Fнабл, следовательно параметры уравнения регрессии и показатель тесноты связей статистически значимы.
Полученные модели показывают зависимость количества публикаций и патентов от финансирования науки, что позволяет корректировать государственную политику в области развития науки инновационной технологии.
Литература.
Рогачёв, А.Ф. Эконометрика: Учебное пособие / А.Ф. Рогачёв, О.А. Заяц.- Волгоградская ГСХА. Волгоград,2009.-80 с.
Мелихова Е.В. Теория вероятности и математическая статистика: Учебное пособие. Ч.2.- Волгоград: ФГБОУ ВПО Волгоградская ГСХА, 2011.-100 с.