IX Международная студенческая научная конференция Студенческий научный форум - 2017

Обработка огромных потоков экономической информации приводит к необходимости использования помощи со стороны автоматизированных систем. Для реализации этой задачи необходимы программные средства взаимодействия пользователя с системой. В рамках курсовой работы нами разработан компьютерно-модельный комплексдля автоматизации анализа и оценки показателей инновационного потенциала регионов.

Исходные данные для анализа уровня инновационного развития содержатся в ежегодном сборнике «Регионы России. Социально-экономические показатели».

За результирующий признак (т.е. зависимая переменная), мы взяли:

• объем промышленного производства РД - млн. руб. (Y1);

• объем отгруженной инновационной продукции (объем инновационной продукции) - млн. руб. (Y2);

• ВРП- млн. руб. (Y3);

• Продукция сельского хозяйства - млн. руб. (Y4);

• Затраты на ИКТ - млн. руб. (Y5).

За независимые переменные мы взяли:

• внутренние затраты на исследования и разработки;

• численность персонала занятого исследованиями и разработками;

• численность аспирантов и докторантов;

• инвестиции в основной капитал (производственного назначения);

• количество организаций выполняющих исследования и разработки.

С помощью модельного комплекса нам удалось построить эконометрические модели линейного и степенного вида, характеризующие влияние показателей инновационной деятельности на валовой региональный продукт, сальдированный финансовый результат и объем промышленного производства в регионах Северо-Кавказского федерального округа. Расчетные данные показывают достаточно тесную корреляцию показателей инновационной деятельности с валовым региональным продуктом и объемом промышленного производства, тогда как с сальдированным финансовым результатом тесной связи не прослеживается. Для зависимости валовой региональный продукт – внутренние затраты на исследования и разработки получены следующие результаты табл. 1

Коэффициент r²(индекс детерминации) характеризует степень тесноты корреляции между рассматриваемыми показателями, в данной таблице мы видим что r²для показателя Х₁ является достаточно высоким, следовательно модель статистически значимая.. Также сравнивая r²для линейной и степенной функций, мы видим, что линейная функция лучше описывает зависимость между переменными.

Таблица 1

Расчетные показатели, характеризующие влияние внутренних затрат на исследования и разработки(Х1) на валовой региональный продукт (Y1)

	а		tа	tb	r2	F
Линейная коррелированность	-4,06	0,28	-0,15	3,89	0,75	15,13
Степенная коррелированность	4,52	0,10	1,60	2,78	0,61	7,74

Для проверки значимости модели регрессии используется F-критерий Фишера. Этот критерий как в линейной, так и в степенной модели выше критического, что свидетельствует о возможности их использования для анализа.

Таблица 2

Расчетные показатели, характеризующие влияние численности персонала, занятого исследованиями и разработками (Х3) на валовой региональный продукт (Y1)

	а		tа	tb	r2	F
Линейная коррелированность	-6,78	0,10	-0,31	11,31	0,96	127,91
Степенная коррелированность	0,32	0,81	-1,25	2,86	0,62	7,22

Оценка влияния на ВРП числа организаций, выполнявших исследования и разработки не выявило статистически значимой корреляции между показателями.

Для зависимости ВРП – численность персонала, занятого исследованиями и разработками (Х3) получены следующие результаты табл.2

Согласно данным таблицы модель в целом и параметр b статистически значимые, об этом свидетельствуют F-критерий Фишера и t-критерий Стьюдента. Увеличение численности персонала занятыми исследованиями и разработками на 1 чел. в среднем дает прирост ВРП на 0,1 млрд. руб. Коэффициент регрессии в степенной модели свидетельствует о росте в среднем на 0,81% ВРП в СКФО при росте Х3 на 1 процент.

Модель ВРП - численность исследователей с учеными степенями Х4, согласно коэффициенту детерминации и F-критерию Фишера также статистически значимая. Результаты моделирования представлены в табл.2.

Согласно модели линейного вида увеличение числа исследователей с учеными степенями на 1 единицу приводит в среднем к росту ВРП на 0,59 млрд. руб. Коэффициент регрессии в степенной модели говорит о том, что, рост числа исследователей с учеными степенями на 1 процент ведет в среднем к росту ВРП на 1,04 процента.

Таблица 3

Расчетные показатели, характеризующие влияние внутренних затрат на исследования и разработки (Х1) на объем промышленной продукции (Y3)

	а		tа	tb	r2	F
Линейная коррелированность	-8,27	0,10	-0,45	2,16	0,48	4,66
Степенная коррелированность	0,02	1,21	-4,00	6,25	0,89	39,07

Из двух моделей статистически значимой получилась модель степенного вида. Коэффициент детерминации равен 0,89, что говорит о том, что 89% вариации Y3 объясняет построенное уравнение регрессии. Критерий Фишера, а также критерии Стьюдента для параметров модели выше критических значений, что также свидетельствует о высоком качестве модели. Согласно коэффициенту регрессии при X3 в модели степенного вида прирост внутренних затрат на исследования и разработки и на один процент приводит в среднем к росту промышленного производства на 1,21 процентов.

Таблица 4

Расчетные показатели, характеризующие влияние численности исследователей с учеными степенями (Х4) на объем промышленной продукции (Y3)

	а		tа	tb	r2	F
Линейная коррелированность	-5,52	0,17	-0,24	1,53	0,32	2,34
Степенная коррелированность	0,0008	1,89	-2,57	3,37	0,69	11,34

Расчетные показатели для модели объем промышленного производства - численность исследователей с учеными степенями Х4 представлены в табл.4

Как видно из таблицы в модели степенного вида невысокий уровень коэффициента детерминации (0,32), критерии Фишера и Стьюдента также ниже критического, т.е такую модель нельзя использовать для анализа, она низкого качества. Статистические характеристики модели степенного вида в общем удовлетворяют требованиям качества - r² = 0,69; F = 11,34; tа = 3,37; tа = 2,57. Согласно уравнению степенного вида рост численности исследователей с учеными степенями на 1% ведет в среднем к росту промышленного производства на 1,89 процента.

Таким образом, анализ показал, что между промышленным производством и инновациями также наблюдается тесная корреляция. Однако если в моделях с ВРП больше прослеживалась линейная связь, то зависимость между инновациями и промышленным производством носит больше нелинейный характер.

Разработанный нами программный комплекс обеспечивает автоматизацию выполнения следующих работ: ввод исходной информации для расчёта данных необходимых для проводимого анализа; возможность редактирования и обновления данных; автоматизация расчётов; получение диаграмм и графиков на основе проведенных расчетов; предоставление отчётов; вывод данных на экран или на печать при желании пользователя.

В работе сформулирован комплекс задач автоматизации анализа и оценки влияния показателей инновационной деятельности на социально-экономические показатели региона, а также приведена характеристика входной и выходной информации комплекса задач анализа и оценки инновационной деятельности промышленности региона.

С помощью разработанного ПО нам удалось построить эконометрические модели линейного и степенного вида, характеризующие влияние показателей инновационной деятельности на валовой региональный продукт, сальдированный финансовый результат и объем промышленного производства в регионах Северо-Кавказского федерального округа. Расчетные данные показывают достаточно тесную корреляцию показателей инновационной деятельности с валовым региональным продуктом и объемом промышленного производства, тогда как с сальдированным финансовым результатом тесной связи не прослеживается.

Список литературы

1. Адамадзиев К.Р., Адамадзиева А.К., Магомедгаджиев Ш.М., Гаджиев Н.К.Сетевая экономика: Учебное пособие./Под ред. проф. Адамадзиева К.Р., 2-е изд., перераб. и доп.- Махачкала: Издательско-полиграфический центр ДГУ, 2011.-178с.

2. Дагестан в цифрах 2016[Электронный ресурс]. – Режим доступа: http://dagstat.gks.ru/wps/wcm/connect/rosstat_ts/dagstat/ru/publications/official_publications/electronic_versions/

3. Енин С. В. Роль информационных технологий в инновационном развитии / С. В. Енин // Весніксувязі. 2008. - №4. - С. 19-21

4. Магомедгаджиев Ш.М. Моделирование и оценка влияния информатизации на показатели инновационной деятельности регионов. Материалы XLI международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» Украина, Крым, Ялта-Гурзуф. //Вестник Московского университета имени С.Ю.Витте. Серия 1: Экономика и управление. С.195-197

5. Магомедгаджиев Ш.М., Гасанова Н.Р. Оценка влияния инновационной деятельности на основные социально-экономические показатели регионов России с помощью методов эконометрического моделирования // Фундаментальные исследования. – 2016. – № 5-2. – С. 371-376;

6. Регионы России. Социально-экономические показатели. 2015: Стат. сб. / Росстат. - М., 2015 г. – 1266 с.

7. Эконометрика: учебник / Под ред. И. И.Елисеевой. – М.: Проспект, 2011. – 288 с. [44]

7

Код для цитирования: Скопировать