Глава 2. Гипотеза исследования. Эмпирическая модель

2.1 Описание гипотез исследования

Эконометрическое исследование проводилось на основании выборки за период с 2001 по 2012 год по 78 регионам Российской Федерации. Изначально в выборку не были включены Республика Крым и город федерального назначения Севастополь за неимением набора данных за рассматриваемый период. Также была исключена Чеченская Республика, поскольку данные по некоторым важным показателям за ряд лет отсутствовали.

Для построения эконометрической модели было использовано 7 факторов, которые были выбраны на основании выдвинутых гипотез. Основными гипотезами в данном исследовании являются следующие предположения:

а) на развитие инновационной деятельности в регионах (которое измеряется в данной работе числом патентов в год на 10 000 населения) влияют затраты на научные исследования и разработки: чем больше средств выделяет регион на развитие научной деятельности, в частности на проведение исследований, тем выше уровень инновационной системы этого региона;

б) чем выше человеческий капитал в регионе, тем выше уровень развития инновационной системы. В качестве прокси для человеческого капитала будем использовать число студентов на 10 000 населения. Соответственно, чем больше студентов в регионе на 10 000 человек населения, тем больше патентов в нем фиксируется;

в) интеграция экономики региона с международным рынком положительно, о которой можно судить по объему экспорта, сказывается на производстве инноваций;

г) число исследователей, работающих в сфере НИОКР, положительно связано с производством инноваций;

д) более высокая численность населения способствует агломерационным эффектам и производству инноваций;

е) Индекс бюджетных расходов показывает, насколько больше (меньше) необходимо затратить бюджетных средств (в расчете на душу населения) в данном субъекте Федерации, с учетом объективных региональных факторов и условий, по сравнению со средним по Российской Федерации уровнем для предоставления одного и того же объема бюджетных услуг. Соответственно, чем выше индекс бюджетных расходов в регионе, тем труднее условия в регионе и ниже уровень инновационной системы;

2.2 Описание эмпирической модели

В качестве объясняемой переменной был выбран показатель, который отражает количество патентов на душу населения.

В эмпирической модели в качестве объясняющих переменных были включены различные показатели, которые, в соответствии с поставленными ранее гипотезами, могут оказывать влияние на развитие инновационной системы регионов. Общий перечень переменных представлен в таблице 2.

Таблица 2 - Описание переменных в эмпирической модели

Наименование фактора в таблице excel	Значение, измерение	Описание фактора, влияние на описательную переменную
patents_pc	Количество патентов на 10 000 населения	Объясняемая переменная
RD_GRP	Доля расходов НИОКР в ВРП, млрд рублей	Отражает уровень обеспеченности региона (прямая зависимость)
student_pc	Количество студентов на 10 000 населения, человек	Отражает уровень развитости образования в регионе (прямая зависимость)
export	Объем экспорта	Отражает уровень открытости региона (прямая зависимость) международному рынку
reg_ibr	Индекс бюджетных расходов (ИБР) по нормативным расходам, к среднему по РФ	Отражает уровень расходов в регионе (обратная зависимость)
researches_pc	Количество исследователей 1 млн. населения	Отражает уровень развитости научной деятельности в регионе (прямая зависимость)
population	Численность населения региона, человек	Отражает размер региона (прямая зависимость)

Для проведения эконометрического анализа рассмотренных выше факторов была выбрана модель, основанная на панельных данных. Совокупность панельных данных содержит повторные наблюдения для одних и тех же выборочных единиц (в данном случае регионов Российской Федерации), которые собраны за несколько лет (в данной работе за каждый год в период с 2001 по 2012 год).

Формулу модели в общем виде можно представить следующим образом:

Log(Y)= α₁*log(X₁) + α₂*log(X₂) + α₃*log(X₃) + α₄*log(X₄) + α₅*X₅+ α₆*log(X₆) +ε (1)

Где Y – объясняемая переменная (количество зарегистрированных патентов), а Х₁…Х₆ – объясняемые переменные в соответствии с таблицей 2.

Важным преимуществом совокупности панельных данных над совокупностью пространственных данных или данных одномерного временного ряда становится то, что панельные данные обширнее, а оценки точнее. Благодаря возможности измерения объясняющих переменных сразу по двум параметрам: индивидуумам (регионам) и времени, оценки, основанные на панельных данных, становятся более предпочтительными нежели, построенные на других источниках данных.¹⁰

Относительно индивидуальных эффектов экономических единиц используется два основных подхода, различающиеся предположениями относительно статуса переменных f_i в модели:

а) Модель с фиксированными эффектами (fixed effects model):

предполагается, что эффекты f_i представляют собой N фиксированных неизвестных параметров модели;

б) Модель со случайными эффектами (random effects model):

предполагается, что эффекты f_i являются случайными величинами и все они некоррелированные с ε_it.¹¹

При работе с реальными панельными данными всегда возникает проблема, какую модель (обычная регрессия, фиксированный или случайный эффект) следует выбрать. На содержательном уровне разницу между моделями можно интерпретировать следующим образом. Обычная модель предполагает, что у экономических единиц нет индивидуальных различий, и в некоторых простых ситуациях такое предположение оправданно. В модели с фиксированным эффектом считается, что каждая экономическая единица «уникальна» и не может рассматриваться как результат случайного выбора из некоторой генеральной совокупности.

В данном исследовании будут рассмотрены данные как с фиксированными, так и со случайными эффектами.

Основой инновационного анализа является производственная функция знаний, введенная Гриличесом (Griliches, 1979). Так называемая производственная функция знаний определяется понятием производственной функции, обычно по типу Кобба-Дугласа, описывающей отношение между выпуском и начальными ресурсами продукции знаний. Производственная функция знаний (ПФЗ) описывает отношение между исходными ресурсами знаний с одной стороны, и производством знаний с другой. В контексте традиционной производственной функции типичные факторы потребления включают в себя труд и основной капитал как главные факторы. В контексте национальной или региональной инновационной системы ПФЗ может использоваться в качестве самой базовой модели системы и определять ее эффективность.