Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Роль университетов в инновационном развитии регионов инструменты и методы оценки влияния.pdf
3. Инструменты оценки влияния университетов на региональное развитие
3. ИНСТРУМЕНТЫ ОЦЕНКИ ВЛИЯНИЯ
УНИВЕРСИТЕТОВ НА РЕГИОНАЛЬНОЕ
ИННОВАЦИОННОЕ РАЗВИТИЕ
3.1. Регрессионно-корреляционные методы оценки
Проведенный анализ методов и инструментов оценки влияния
университета на инновационное развитие региона позволяет отметить, что оценку эффективности региональных систем высшего
образования можно реализовать инструментальными методами,
среди которых метод анализа среды функционирования, метод добавленной академической стоимости и индек
сный метод являются
наиболее релевантными.
В исследованиях российских ученых для анализа этих взаимоотношений традиционно используются рейтинговые модели
инновационного развития регионов. Они позволяют ранжировать
регионы по уровню их инновационного развития, но не обладают
аналитическими и прогностическими возможностями. Для выявления уровня влияния университетов и образовательной системы
региона на его инновационное развитие необ
ходимо выявить опре-
деляющие факторы и протестировать воздействие каждого из них.
Классическими в этой области стали исследования степени
влияния университетов на региональное инновационное развитие Грилихеса (Griliches) [48] и Джаффе (Jaffe) [27], основанные
на анализе динамики обширных эмпирических данных и поиске
81
Роль университетов в инновационном развитии регионов
корреляции между объемами финансирования университетов и
результатами трансфера университетских разработок, выявившие
связи между эффектами университетских R&D исследований и
корпоративной патентной активностью. В своих работах Блинд
(Blind) и Групп (Grupp) [11], Бреннен (Brennen) и Брокель (Broekel)
установили значимое влияние университетов на инновационную
активность в регионе.
Как правило, изучение влияния университетского сектора на
региональное инновационное развитие связывается с функциями
знаний, в к
оторых одна часть факторных признаков ассоциируется
с исследовательской деятельностью университетов, другая – с исследованиями, проводимыми на предприятиях; итоговый результат функции знаний – «инновационный выход» территории, оцениваемый как годовое количество патентов в регионе.
Для эмпирической оценки анализируемых показателей используется описание математической модели. В ряде зарубежных
исследований применяется эк
онометрическая модель, основанная
на производственной функции Кобба – Дугласа:
ܻൌ݀ήܺ
ଶ
ήܺ
ଵ
ήڮήܺ
ଶ
, (1)
ଵ
где переменная Y представляет собой выход инноваций, а показатели X
… Хn являются n – региональными факторами, учитывае-
1
мыми при анализе. Коэффициенты с 1…сn обозначают силу влияния каждого фактора X
, d представляет собой константу.
n
Часто эта модель строится в виде, предложенном американскими учеными Гриличем и Джаффе:
log INNi = b0 + b1logGIDi + b2logUNIVi +eI, (2)
где INNi – «инновационный выход» географической территории;
GIDi – частные затраты на исследования и разработки [49]; UNIVi –
показатель университетских исследований; e – ошибка модели.
Фактически в таком виде ф
ункция знаний представляет собой
производственную функцию Кобба – Дугласа, прологарифмированную для приведения функции к линейному виду, удобному для
применения метода наименьших квадратов (для логарифмов исходных переменных строится множественная линейная регрессия,
после чего можно вернуться к исходным переменным) [50].
82
3. Инструменты оценки влияния университетов на региональное развитие
Возможны также различные модификации указанной модели.
В частности, имеются варианты, включающие инновационную
активность смежных регионов, и некоторые лаговые переменные,
учитывающие временную задержку между проведением исследований и их коммерческим использованием [51]. Часто исследуются
так называемые «панельные данные», т.е. временной ряд раскладывается на свои составляющие и делается попытка построения
модельной зависимости, соо
тветствующей всем изучаемым регионам (т.е. формально считается, что различия между регионами
нивелированы благодаря учету большого количества факторов:
размер региона, его соседние регионы и др.; фактор времени нивелируется). Были получены удовлетворительные результаты, показывающие явную зависимость между развитием университетского
сектора и инновационным развитием территории
Исследовательская деятельность университетов оценивается
делях по-разному: по количеству защищенных докторских и
в мо
кандидатских диссертаций в год; по количеству выпускников вузов; по непосредственному объему затрат на научные разработки;
по количеству ежегодно издаваемых научных статей. Более того, в
некоторых литературных источниках указывается, что университеты, или вузы, играют двоякую роль с точки зрения инновационной
активности, выступая ка
к источник «свежих идей», «инноваторов»
для промышленности, коим являются выпускники вузов [52].
Среди моделей «панельного типа» неплохие результаты дает
модель с участием факторов роста, показывающая, что темпы инновационного развития территорий имеют сильную связь с приростом затрат на исследования [53].
Даже при относительно «грубых» оценках во всех моделях
наблюдается умеренная точность, ук
азывающая на возможность
связи между развитием университетов и инновационным ростом
прилегающих к ним территорий.
Применительно к объекту рассмотрения настоящей монографии приведенные уравнения позволяют раскрыть взаимосвязь регионального инновационного развития и региональных факторов с
использованием регрессионного подхода. В качестве независимой
переменной можно использовать уже рассчитанные рейтинги ин-
83
Роль университетов в инновационном развитии регионов
новационного развития регионов страны. Переменные Xn – агрегированные статистические показатели из базы данных «Информационно-аналитические материалы по результатам проведения
мониторинга эффективности деятельности образовательных организаций высшего образования» Министерства образования и науки РФ, классифицированные по определенному признаку.
Уровень инновационного развития региона можно описать
системой показателей из центральной базы статистических данных Росстата, характеризующих различные стороны этого сло
ж-
ного явления:
Y
– объем инновационных товаров;
1
Y
– количество патентов;
2
Y
– доля высокотехнологичных отраслей;
3
Y
– создание передовых технологий;
4
Y
– патентная активность;
5
Y
– прирост инвестиций.
6
В качестве показателей, наиболее полно по совокупности
характеризующих образовательную систему региона, можно выбрать следующие индикаторы:
‒ X
– общая численность студентов, обучающихся по про-
1
граммам бакалавриата, специалитета, магистратуры, слушателей программ дополнительного профессионального образования,
среднего профессионального образования;
‒ X
– число предприятий, с которыми заключены договоры
2
на подготовку специалистов; число предприятий, являющихся базами практики, с которыми оформлены договорные отношения;
‒ X
– общий объем средств, поступивших (за отчетный год)
3
от НИОКР, выполненных собственными силами;
‒ X
– общее количество публикаций организации в расчете
4
на 100 НПР;
‒ X
– количество бизнес-инкубаторов, технопарков, центров
5
коллективного пользования научным оборудованием;
‒ X
– количество малых предприятий;
6
‒ X
– общая численность аспирантов (адъюнктов), интер-
7
нов, ординаторов, ассистентов-стажеров, докторантов;
84
3. Инструменты оценки влияния университетов на региональное развитие
‒ X8 – общая численность ППС (без внешних совместителей
и работающих по договорам ГПХ), общая численность научных
работников (без внешних совместителей и работающих по договорам ГПХ).
Агрегированные показатели можно протестировать на предмет силы влияния этой группы показателей на уровень инновационной активности. Для получения более достоверных результатов
необходимо исследовать массив данных с выборк
ой за 8–10 лет по
всем регионам России. Предложенный методологический подход
позволит оценить степень влияния образовательной системы на
уровень инновационного развития региона.
Сложность количественной интерпретации статистической
связи между категориями «образовательная систем региона – инновационное развитие региона» обусловлена объективно низким
общим уровнем инновационного развития большинства регионов
по сравнению с регионами-лидерами, а т
акже наличием высокой
степени коррелированности данных для описания образовательной системы регионов России.
3.2. Метод анализа оболочек данных
Анализ инструментов измерения уровня инновационного развития, наиболее распространенными из которых являются индексы регионального инновационного развития, позволяет сделать
вывод о том, что, несмотря на их аналитическую ценность, для
оценки эффективности и качества инновационного развития, мо-
оринга и оценки инвестиционных перспектив, целей и резуль-
нит
татов государственной инновационной политики необходима разработка специальных индикаторов для проведения сравнительных
региональных исследований.
С точки зрения управления высшим образованием эффективность деятельности университетов является приоритетной задачей, а все стейкхолдеры заинтересованы в максимизации результатов и минимизации входных параметров (на
пример, кадровые и
финансовые ресурсы, качество подготовки выпускников и результаты научных исследований).
85
Роль университетов в инновационном развитии регионов
ɪ
ɪ
)
ɪ
)
Отечественные наработки в этой сфере подробно рассмотрены ранее [54]. Существует также много зарубежных исследований,
посвященных анализу эффективности вузов [55–60].
Исследование проблем высшего образования указывает на то,
что университеты используют множество входных и выходных
параметров. В этой связи умение правильно спроектировать образовательный процесс является жизненно важным. Университеты
рассматриваются как организации, использующие финансовые и
челов
еческие ресурсы в качестве входных данных для получения
капитала и исследовательских продуктов в качестве выходных
данных (рис. 20).
ɈɋɇɈȼɇɕȿ ɉȺɊȺɆȿɌɊɕ
ȼɏɈȾɇɕȿ ɉȺɊȺɆȿɌɊɕ
Ɏɢɧɚɧɫɨɜɵɟ ɪɟɫɭɪɫɵ (ɝɪɚɧɬɵ
ɝɨɫɭɞɚɪɫɬɜɚ, ɱɚɫɬɧɵɟ ɞɨɬɚɰɢɢ,
ɑɟɥɨɜɟɱɟɫɤɢɟ ɪɟɫɭɪɫɵ (ɫɬɭɞɟɧɬɵ,
ɩɪɟɩɨɞɚɜɚɬɟɥɢ, ɢɫɫɥɟɞɨɜɚɬɟɥɢ,
ɵ ɢ ɬ.ɞ.)
ɫɛɨ
ɚɧɬɵ)
ɚɫɩɢ
ɂɧɮɪɚɫɬɪɭɤɬɭɪɧɵɟ
ɨɛɴɟɤɬɵ
ɚɬɨɪɢɢ
ɢ ɥɚɛɨ
Рис. 20. «Производственный процесс» университетов
ȼɏɈȾɇɕȿ ɉȺɊȺɆȿɌɊɕ
ɑɟɥɨɜɟɱɟɫɤɢɣ ɤɚɩɢɬɚɥ (ɜɵɩɭɫɤɧɢɤɢ,
ɍɫɥɭɝɢ ɞɥɹ ɨɛɳɟɫɬɜɚ (ɤɨɧɫɚɥɬɢɧɝ
ɡɧɚɧɢɹ ɢ ɬ.ɞ.)
ɂɫɫɥɟɞɨɜɚɧɢɹ (ɩɭɛɥɢɤɚɰɢɢ,
ɩɚɬɟɧɬɵ, ɧɨɜɵɟ ɩɪɨɞɭɤɬɵ ɞɥɹ
ɤɨɦɩɚɧɢɣ, ɢɧɧɨɜɚɰɢɢ
ɝɨɫɭɞɚɪɫɬɜɟɧɧɵɯ ɢ ɱɚɫɬɧɵɯ
ɤɨɦɩɚɧɢɢ
В качестве исходных данных можно использовать число, получивших степень доктора философии, а также количество преподавателей (академический персонал) и имеющихся финансовых
ресурсов (которые включает в себя количество помещений, лабораторий и т.д.). К выходным параметрам можно отнести количество
выпускников вместо числа работающих преподавателей (произ-
86
3. Инструменты оценки влияния университетов на региональное развитие
водство человеческого капитала) и количество внешних ресурсов,
привлеченных к научно-исследовательской деятельности (гранты,
консультирование и т.д.), вместо результатов исследования.
Недостатком такого анализа является рассмотрение простых
количественных данных. В литературе, посвященной производственным процессам образования, говорится о том, что качество
входных и выходных параметров имеет значение для определения
эффективности и результативности иссле
дуемой области. В то же
время определение точных показателей для описания процессов
высшего образования является очень сложной задачей. Например,
даже если накопленные знания студентов могут рассматриваться
вместо качества высшего образования (данный параметр является
спорным), то в случае среднего образования нет никаких сравнительных исследований.
Методология анализа оболочек данных (data envelopment
analysis DEA) используется в к
ачестве непараметрического метода
для анализа эффективности. Она хорошо известна как инструмент
эмпирического анализа.
В модели DEA техническая эффективность определяется как
относительная способность каждой единицы принятия решений (DMU), в нашем случае университетов, приносить результат.
Определение набора параметров, который сочетает в себе несколько выходных и входных параметров, является наиболее важным
моментом анализа DEA. Этот набор парамет
ров определяется аналитиком, однако метод DEA через технику линейного программирования выбирает наилучший набор весовых коэффициентов для
каждого DMU, чтобы максимизировать коэффициент эффективности (выходы / входы).
Математическая формулировка методологии DEA может иметь
дело с постоянной отдачей от масштабов производства (CRS) и с
моделью с переменным эффектом от масштаба (VRS). При постоянной отдаче от м
асштабов (CRS) размер отдельно взятого коэффициента DMU не важен в процессе определения эффективности
эксплуатационных характеристик, т. е., DMU коэффициент имеет
одинаковую эффективность независимо от их относительного раз-
87
Роль университетов в инновационном развитии регионов
мера. Очевидно, существует много сомнений относительно сопоставимости «маленьких» и «крупных» единиц в этом отношении:
«крупные» единицы эксплуатируют общие входы для получения
различных результатов. Результаты параметры VRS могут быть
получены путем введения коэффициента измерения в методологию DEA: каждая единица анализируется по отношению к другим,
имея тот же «относительный размер». Показатели CRS и VRS могут быть вычислены для к
аждого блока, поэтому можно рассчитать и «масштаб» эффективности, который определяется как отношение СRS/VRS.
Модели DEA могут быть ориентированы на входные и выходные параметры. В модели, ориентированной на входные параметры, сводятся к минимуму вводимые параметры DMU при
сохранении уровня мощности. Напротив, в моделях, ориентированных на вых
одные параметры, максимизируется уровень результатов, сохраняя при этом входные параметры постоянными.
Очевидно, что разница между этими двумя спецификациями состоит в способности каждого DMU контролировать входную или
выходную величину. Результаты CCR в отличии от результатов
VRS остаются неизменными по отношению к входным или выходным параметрам.
Оценка эффективности формируется с помощью проце
дуры
DEA. Если значение технической эффективности равно единице,
это означает, что университет или образовательная система региона являются эффективными, максимизируют выходные параметры
с учетом уровня входного сигнала. Когда оценки эффективности
меньше единицы, университет или регион является неэффективным, а следовательно, невозможно поднять производительность
без увеличения затрат.
Иными словами, основная идея модели DEA заклю
чается в
том, что эффективность любой организации можно представить в
виде отношения результатов к затраченным ресурсам. Применительно к вузам в качестве ресурсов могут выступать расходы на
научную деятельность, фонд оплаты труда или совокупные издержки. В качестве результатов – численность выпускников, обла-
88
3. Инструменты оценки влияния университетов на региональное развитие
дателей ученых степеней, защитившихся в данном университете,
количество публикаций и патентов. Как и при построении рейтингов, предполагается, что каждый критерий имеет свой «вес», при
этом специально назначать его не требуется – он определяется внутри модели путем решения оптимизационной задачи.
Оценку вклада университета в инновационное развитие
предлагается базировать на методологии DEA, которая позв
оляет сравнить деятельность сложных экономических систем на основе анализа inputs и outputs, а также недискретных параметров
функционирования этих систем. Региональная инновационная система и университет как актор этой системы представляют собой
сложноорганизованную экосистему, в которой преобразовываются
переменные параметров input «входа» – факторы инновационного
развития, – преобразуются в переменные параметров output «выхода» – результаты иннов
ационной деятельности. Деятельность
исследуемого сложного объекта со множеством inputs и outputs
анализируется его в окружающей среде функционирования и сопоставляется с другими акторами.
Разработка подобных методов оценки эффективности региональной инновационной системы и вклада (вовлеченности) университетов в региональное развитие позволит изучать различные
аспекты их деятельности, создавая инструментарий оценки их потенциала.
Пре
дставляется перспективным применение подхода DEA
к исследованию роли и потенциала социальных институтов регионального развития и инновационных региональных систем,
активизации инновационной деятельности ее субъектов, для использования при оценке и выработке механизмов повышения эффективности университетов и ранжировании регионов, что важно
при стратегическом планировании инновационных региональных
стратегий и позволяет более эффективно реализовывать иннов
аци-
онную политику в регионах.
Критерий эффективности определяется отношением результата деятельности экономической системы к затраченным ресурсам.
Распространенным способом измерения эффективности также яв-
89
Роль университетов в инновационном развитии регионов
ляется сопоставление фактических показателей с базисными или
нормативными величинами. Однако зачастую такие методы не
позволяют получить целостное представление об эффективности
функционирования сложных систем.
Региональную инновационную систему можно представить
как преобразователь имеющихся у нее переменных параметров
«входа» – факторов инновационного развития ( innovation enablers),
затрат ресурсов, в получаемые переменные параметров «выхода»
– результаты инновационной деятельности (innovation output): выпуск иннов
ационных товаров, работ, услуг, доля инновационной
экономики и экономические эффекты в регионе.
В этом контексте оценка эффективности деятельности региональной экономической инновационной экосистемы состоит в
определении эффективности преобразования потребляемых ей ресурсов в получаемые результаты.
Среди показателей, характеризующих уровень инновационного развития российских регионов и деятельность университетов,
общедоступными для ана
лиза и оценки являются показатели Росстата и рассчитанные на их основе показатели по статистической
оценке уровня технологического развития отраслей экономики
и науки, инноваций и передовых производственных технологий,
рост значений которых можно практически однозначно трактовать
как свидетельство позитивного уровня инновационного развития
региона. Проклассифицируем их с представленных выше позиций
на input- и output-пок
азатели (табл. 2).
Вклад университетов в инновационное развитие территории
их размещения определяется рядом факторов, важнейшими из которых являются следующие: уровень инновационного развития региона, уровень инновационного потенциала региона, уровень интеллектуального потенциала университетов для развития региона.
Показатели уровня инновационного развития региона характеризуют результативность инновационных процессов в региональной эк
ономике и отражают степень инновативности экономики региона, свидетельствуют об эффективности инновационных
процессов.
90