Управление инновационным развитием региона аграрно-индустриального типа в условиях неравновесной экономик

     – возрастающая конкуренция в сфере АПК между аграрно-индустриальными, индустриально-аграрными и индустриальными регионами;

     – низкий уровень развития инфраструктуры ЖКХ (особенно на селе) и социальной сферы;

     – дифференциация уровня жизни сельских и городских жителей в таких направлениях, как: обеспечение услугами здравоохранения, обеспечение услугами образования, обеспеченность услугами ЖКХ, уровень заработной платы;

     – противоречивость урбанизационных процессов, миграция населения в города при определенных условиях ведет к деградации  системы сельских поселений;

     – деградация сельского населения. Высокий уровень безработицы, особенно в сельской местности, вызвал такие социально негативные тенденции, как алкоголизм, наркомания, бродяжничество и т.д.

     В диссертации подчеркивается, что есть дополнительные причины, которые обуславливают необходимость целенаправленного государственного регулирования сферы АПК региона:

     – возможности развития АПК сильно зависят от природно-климатических условий, что требует создание различного типа фондов (страховых, резервных);

     – существует дифференциация между инфраструктурой  города и деревни, что негативно сказывается на уровне развития сельских жителей;

     – земля – общее достояние, которое  требует средств для сохранения ее ландшафтов, а также экологического равновесия;

     – продовольственная безопасность –  это один из основных элементов безопасности страны.

3. На основе факторного анализа и разработанной методологии моделирования инновационного процесса предложена когнитивная модель инновационного развития аграрно-индустриальных регионов, учитывающая специфику стартовых условий данного типа регионов и включающая в себя алгоритм последовательного движения от доминирования двухсекторной модели экономики к формированию интегрированной региональной инновационной системы; целевые и управляющие факторы, а также начальные тенденции базисных факторов; сценарное моделирование развития ситуации.

     Рассмотрение  существующих в науке методологических подходов к моделированию экономических систем и процессов позволило разработать авторскую методологию проведения моделирования инновационного развития аграрно-индустриальных регионов.

     Существующие  подходы к экономическому моделированию  региональных систем и процессов: системно-структурный, эконометрический, имитационный, математический – позволяют отразить только определенные стороны инновационного развития региона. Представляется, что наиболее адекватным для моделирования данного процесса выступает когнитивный подход, применяющийся для анализа слабоструктурированных проблем сложных систем.

     Когнитивное моделирование позволяет «встраивать» различные системные приемы и методы в единую программу и тем самым снимать противоречия, обычно возникающие при согласовании и стыковке результатов исследования разных аспектов развития сложной системы. В основе технологии когнитивного анализа и моделирования лежит познавательно-целевая структуризация знаний об объекте и внешней для него среды. Цель такой структуризации – выявление наиболее существенных (базисных) факторов, характеризующих «пограничный» слой взаимодействия объекта и внешней среды, и установление качественных (причинно-следственных) связей между ними. Затем взаимовлияния факторов отображаются с помощью когнитивной карты (модели), которая представляет собой знаковый (взвешенный) ориентированный граф.

     В диссертационном исследовании впервые  осуществлено когнитивное моделирование  инновационного развития региона, применительно  к группе аграрно-индустриальных регионов. Для этого были внесены дополнения к традиционной методологии, основанной на структурных моделях, в которых информационная модель хозяйствующего социально-экономического субъекта взаимодействует с моделью внешней среды – экономической, социальной, политической и т.д.

     Обосновано, что для моделирования инновационного развития наряду с качественным анализом когнитивной модели (анализ содержания составляющих ее блоков, целевых и управляющих факторов, путей и циклов, причинно-следственных связей и их характера), необходимо осуществить моделирование импульсного процесса распространения возмущений, т.е. перехода системы из одного состояния в другое либо эволюционным путем, либо под воздействием сознательных управляющих воздействий.

     Каждый  такой импульсный процесс является возможным сценарием развития системы. Этот способ изучения динамики процессов проще, чем аналитическое исследование моделей поведения в виде систем дифференциальных уравнений, которые затруднительно строить для социальных, экономических, экологических и т.п. объектов. Кроме того, импульсное моделирование на когнитивных картах, являющихся «внешним» описанием систем, позволяет изучать тенденции динамических изменений для всей системы в целом.

     Для проведения импульсного моделирования в одной из вершин графа задается определенное изменение. Эта вершина актуализирует всю систему показателей, т.е. связанных с ней в большей или меньшей степени вершин. Представляется, что в условиях инновационного развития количество таких импульсных изменений постоянно растет, что определяет необходимость использования данной методологии.

     Исходя  из данного подхода и анализа  существующих методологических принципов моделирования экономических процессов доказано, что методология моделирования инновационного процесса должна включать в себя:

     - принципы баланса упрощения процесса  и необходимой сложности модели;

     - методы когнитивного, математического  и структурного моделирования, позволяющие реализовать комплексный подход к построению модели;

     - алгоритм построения модели: определение геометрической формы, отражающей динамику процесса инновационного развития; обоснование параметров порядка модели (главных переменных); разработка технологии мониторинга нестабильности социально-экономических систем как обратной связи контура управления процессом инновационного развития.

     Эти базовые положения позволили  сформулировать основные методологические требования к построению модели инновационного развития аграрно-индустриальных регионов, конкретизирующиеся в следующих группах методов:

• методы сбора и первичной обработки фактического материала по системе и окружающей среде;
• методы когнитивной структуризации, применяемые поэтапно и позволяющие формализовать знания экспертов в предметной области;
• методы статистического анализа динамики социально-экономических явлений и процессов, позволяющие в совокупности с экспертными методами решать задачу идентификации объекта;
• методы когнитивного моделирования, позволяющие комплексно решать задачи анализа сложности, связности, устойчивости, чувствительности системы, а также задачи построения сценариев ее развития.

     Построение модели должно осуществляться в следующей последовательности:

    1) определение геометрической формы, отражающей динамику процесса;

    2) обоснование параметров порядка модели (главных переменных);

    3) разработка технологии мониторинга нестабильности социально–экономических систем как обратной связи контура управления процессом инновационного развития.

    Когнитивная модель инновационного развития региональной социально-экономической системы представлена на рис. 1.

    Для элементов когнитивной модели определялся  период запаздывания (лаг), с которым  происходит воздействие на изменение  взаимосвязанных параметров. Для определения периода запаздывания сведения о факторных признаках были взяты в целом по РФ за 2000–2008 гг. При расчете были использованы первые разницы, а не исходные значения отдельных показателей, таких как средний размер номинальной начисленной заработной платы (руб.), число организаций, выполнявших исследования и разработки (на 100 тыс. жителей), удельный вес организаций, осуществлявших технологические инновации, в общем числе организаций (%), внутренние затраты на исследования и разработки (тыс. руб. на 1 занятого в экономике), затраты на технологические инновации (тыс. руб. на 1 занятого в экономике), число созданных и число используемых передовых производственных технологий, инвестиции в основной капитал на душу населения в фактически действовавших ценах (рублей) и инвестиции в основной капитал (без субъектов малого предпринимательства) по видам экономической деятельности (тыс. руб. в расчете на одного занятого соответствующим видом деятельности).  
 

Рис. 1. Когнитивная модель инновационного развития региональной социально-экономической системы 

    Оценка  запаздывающей зависимости между рядами производилась в результате построения линейного уравнения регрессии, где в качестве результативного признака y брались абсолютные приросты среднего размера номинальной начисленной заработной платы, а в качестве факторных поочередно оценивались отобранные влияющие признаки, значения которых были сдвинуты на 1, 2, и т.д. временных периодов. Полученное уравнение рассматривается как специальный случай уравнения линейной регрессии. Если Бета коэффициент (b_i) i-ой переменной с определенным запаздыванием (лагом) значим, то можно заключить, что результативная переменная y предсказывается (или объясняется) с соответствующим запаздыванием.

    В ходе построения когнитивной модели было выявлено, что на объем производства (ВРП в расчете на душу населения) оказывают существенное положительное влияние инвестиции в основной капитал, фондовооруженность труда и уровень экономической активности населения. Увеличение количества патентных заявок приводит к снижению числа убыточных организаций, росту доходов от собственности и объему отгруженной продукции по виду деятельности производства и распределения электроэнергии, газа и воды.

    Число созданных передовых производственных технологий зависит от объема внутренних затрат на исследования и разработки и численности персонала, занятого исследованиями, и, в свою очередь, приводит к увеличению доходов населения, занятого в сельском хозяйстве.

    Так, для фактора прирост удельного веса организаций, осуществлявших технологические инновации, наибольший по значению (0,54) и значимый (р=0,00001) коэффициент регрессии соответствует периоду запаздывания, равному трем годам. То есть через три года после увеличения удельного веса организаций, осуществлявших технологические инновации, на 1% прирост среднего размера начисленной заработной платы составит в среднем 0,54 руб. Периоду запаздывания в один год также соответствует значимый коэффициент регрессии, но с обратным направлением воздействия на доходы (минус 0,32).

    Было  выявлено, что такие показатели инновационной  активности (см. табл. 3), как число организаций, выполнявших исследования и разработки (на 100 тыс. жителей); удельный вес организаций, осуществлявших технологические инновации, в общем числе организаций (%); удельный вес исследователей с учеными степенями в их общем числе (%); объем инвестиций в основной капитал на душу населения в фактически действовавших ценах (руб.), положительно влияют на изменение среднего уровня начисленной заработной платы с запаздыванием в три года. Через два года проявляется эффект от затрат на технологические инновации (тыс. руб. на 1 занятого в экономике).

     С лагом в один год на средний  уровень начисленной заработной платы влияет прирост числа используемых передовых производственных технологий (в расчете на 1 тыс. жителей). Размер удельного веса инновационных товаров, работ, услуг влияет на уровень заработной платы в этот же временной период без какого-либо запаздывания.

     Для показателей численность персонала, занятого исследованиями и разработками (в % от общего числа занятых); удельный вес исследователей, занятых исследованиями и разработками, в численности занятого населения (%); удельный вес занятого населения с высшим профессиональным образованием (%);

Таблица 3

Показатели  инновационной активности аграрно-индустриальных

  регионов в 2008 г.