Север и рынок. 2022, № 2.

СЕВЕР И РЫНОК: формирование экономического порядка. 2022. № 2. С. 35-44. Sever i rynok: formirovanie ekonomicheskogo poryadka [The North and the Market: Forming the Economic Order], 2022, no. 2, pp. 35-44. ИННОВАЦИОННОЕ РАЗВИТИЕ И ИННОВАЦИИ В ПРОМЫШЛЕННОСТИ СЕВЕРА И АРКТИКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Таблица 2 Коэффициент устойчивости ИРР (Куст), %* Субъекты АЗРФ ^ст, % Уровень устойчивости Мурманская обл. 5,80 Высокий Республика Карелия 10,66 Средний Архангельская обл. 14,48 Средний Ненецкий АО 21,86 Низкий Республика Коми 6,75 Высокий Ямало-Ненецкий АО 11,81 Средний Красноярский край 0,03 Высокий Республика Саха (Якутия) 13,58 Средний Чукотский АО 5,72 Высокий *Составлено авторами. Эффективность инновационной деятельности регионов Важным критерием оценки результативности инновационной деятельности (ИД) региона является показатель эффективности, характеризующий соотношение конечного результата и затраченных на его получение ресурсов [25, 32, 33]. Исходя из этого, эффективность ИД в количественном выражении можно оценить посредством некоторого коэффициента Keff, определяемого через выражение: K eff = Y/X, (2) где Y — индикатор результативности ИД, определяемый показателемх8 (выходной параметр: объем инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг, %); X — среднее значение всех показателей, характеризующих инновационный потенциал и содействие в развитии ИД (входной параметр: среднее значение суммы показателей x), рассчитываемое по формуле: П * = ^ Хі / П’ (3) 1=1 где n — количество входных параметров (в нашем случае n = 7). Ранжирование нормированных средних значений Keff за период 2015-2019 гг., построенное на основе расчетных данных по формуле (2), представлено на рис. 4. Архангельская область і ,о Республика Коми 0,46 Красноярский край 0,40 Мурманская область 0,36 Республика Саха (Якутия) 0,28 Чукотский АО М 0,19 Республика Карелия Ш 0,16 Ямало-Ненецкий АО I 0,05 Ненецкий АО 0,00 Рис. 4. Распределение коэффициента ИД регионов АЗРФ за период 2017-2019 гг. © Егоров Н. Е., Бабкин А. В., Бабкин И. А., Мартынушкин А. Б., 2022 40 Как следует из данной иллюстрации, несомненным лидером по эффективности ИД является Архангельская область, это обусловлено в основном существенным повышением уровня инновационной продукции в 2017 г. по сравнению с другими годами (Y = 20,8 %). Крайне небольшие показатели Keff наблюдаются у Ямало­ Ненецкого и Чукотского автономных округов, имеющих также низкие уровни инновационного развития (рис. 2). Для задач управления и прогнозных оценок ИРР представляет интерес выявление взаимной связи между входными и выходными параметрами инновационной системы. Для этого необходимо определить их степень корреляции и регрессионную зависимость. Результаты выполненного корреляционного анализа для модели парной линейной регрессии приведены на рис. 5. За рассматриваемый период времени коэффициент корреляции Пирсона по регионам составляет 0,61, что показывает наличие определенной взаимосвязи между этими показателями и позволяет использовать регрессионную формулу зависимости вида y = f(x) для моделирования прогнозных оценок влияния входных параметров на выходную ожидаемую результативность ИД региона. На рис. 5 R2 — коэффициент детерминации между переменными величинами Y и X, характеризующий индекс корреляции: чем ближе значение коэффициента к 1, тем сильнее зависимость.