Тема реферата: Инновационный потенциал субъектов РФ

Содержание

1.      Введение…………………………………………………………………………………
3

2.      Анализ данных………………………………………………………………………….  4

a.       Источник данных……………………………………………………………….  4

b.      Описание переменных………………………………………………………….  5

c.       Описательная статистика ………………………………………………………
6

d.      Выбросы…………………………………………………………………………..7

3.      Теоретическая модель………………………………………………………………….10

a.       Взаимосвязь
переменных………………………………………………………10

b.      Матрица корреляций, ожидаемые
знаки коэффициентов…………………...11

c.       Анализ мультиколлинеарности………………………………………………..12

d.      Графики, предполагаемые
функциональные связи…………………………..14

4.      Выбор модели……………………………………………………………………….......15

a.       Правдоподобные знаки, значимость
регрессии в целом……………………..15

b.      Гистограмма остатков, гетероскедастичность
……………………………….16

c.       Верная/неверная спецификация
модели, значимость коэффициентов, скорректированный R2........................................................................................16

5.      Анализ выбранной модели……………………………………………………………..20

a.       Интерпретация коэффициентов……………………………………………….20

b.      Тест Вальда ……………………………………………………………………..20

c.       Доверительные интервалы……………………………………………………..21

d.      Прогнозирование ………………………………………………………………21

6.      Заключение……………………………………………………………………………...23

7.      Список литературы……………………………………………………………………..24

8.      Приложение №1………………………………………………………………………...25

Инновационное развитие национальной экономики является движущим механизмом, который позволяет стабилизировать и обеспечивать качественный уровень развития страны в долгосрочной перспективе. В результате глобального кризиса 2008-2010 гг. государства, бизнес и общество по-новому взглянули на инновации. Для большинства стран стало приоритетным поднятие инновационного потенциала на новый высокотехнологический уровень, обеспечивающий конкурентные преимущества перед развивающимися странами. Несмотря на значительные фундаментальные и технологические заделы, а также уникальность научно-технической базы, инновационная активность России находится на низком уровне. По итогам на 2008 год доля России в числе патентов, которые регистрируются в Европе и США составила всего 0,1 %. Согласно Концепции социально-экономического развития страны на период до 2020г. «Переход к инновационной экономике - абсолютный императив развития России» [1]. По прогнозам, Россия может выйти на уровень 5-10% на рынках высокотехнологичных товаров и услуг, создав конкурентоспособную экономику знаний и высоких технологий [2].

Для анализа факторов, оказывающих существенное влияние на инновационное развития субъектов РФ, необходимо было собрать показатели, публикуемые на сайтах Федеральной службы государственной статистики (http://www.gks.ru), а также Федерального казначейства (Казначейства России) (http://www.roskazna.ru). Все показатели переменных, используемых для анализа, представлены в Приложении №1. Данные были собраны за 2012 год, поскольку данный период явно отражает текущую ситуацию инновационного развития субъектов РФ после глобального кризиса 2008-2010гг., и показывает предварительные результаты взаимодействия государства, бизнеса и общества на инновационный потенциал России.
Теперь проанализируем наличие выбросов в данных. Что касается количественных переменных: volume, costs, scientists, firms, technology, funding, то все они не подчиняются правилу, согласно которому минимальное и максимальное значения должны входить в интервал «среднее плюс-минус три стандартных отклонения». Но так как эти переменные не измеряются непосредственно, но являются расчётными характеристиками процесса, то данное правило не работает. Но для того, чтобы окончательно решить исключать наблюдения или нет, необходимо обратиться к графику №1. На графике видно, что переменная volume содержит выброс, поэтому добавим условие volume <3 000 000, что позволяет подчиняться правилу: минимальное и максимальное значения должны входить в интервал «среднее плюс-минус три стандартных отклонения». Также для регрессора funding добавим условие <300 000 000. Исходя из результатов, полученных в таблице №2, между переменными scientists и firms, scientists и costs, firms и costs присутствует мультиколлинеарность, так как корреляция больше 75%. Необходимо избавиться от мультиколлинераности, иначе МНК-оценки параметров будут иметь большие стандартные ошибки и малую значимость. Для того, чтобы определить какой параметр более оптимален для модели (firms, scientists или costs), какой необходимо преобразовать, используя различные линейные комбинации, необходимо построить пробные модели. Для начала построим пробную модель объема инновационных товаров, работ и услуг, представленную в Таблице №3, включив в рассмотрение: используемые технологии, административный статус, государственное финансирование и количество организаций.