WWW.KNIGI.KONFLIB.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

 
<< HOME
Научная библиотека
CONTACTS

Pages:     | 1 |   ...   | 71 | 72 ||

«Сборник статей I Научной школы молодых ученых ПРОБЛЕМЫ ПРОГНОЗИРОВАНИЯ И СЦЕНАРНОГО МОДЕЛИРОВАНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО РАЗВИТИЯ ТЕРРИТОРИАЛЬНЫХ СИСТЕМ Екатеринбург, ...»

-- [ Страница 73 ] --

Системообразующую роль в становлении саморазвивающих регионов играют макроэкономические условия как совокупности внешних для регионов институтов, способных по-разному влиять на социально-экономическое их развитие. Они могут, вопервых, содействовать социально-экономическому развитию регионов созданием благоприятных условий для определения приоритетов регионального развития, проявления региональной инициативы и творчества, вовлечения в хозяйственный оборот резервов и возможностей, содействием внутрирегиональной и межрегиональной кооперации и интеграции. Во-вторых, макроэкономические институты в целом и по отдельности могут сдерживать социально-экономическое развитие регионов (или отдельного региона), а тем самым и всего общества, если игнорируют особенности регионов, ограниченно учитывают его потенциальные возможности и ошибочно формируют вектор приоритетного социальноэкономического и всего общественного развития. Большое значение для процесса эволюции дотационных регионов в саморазвивающиеся имеет институциональная среда, создаваемая на федеральном уровне. Нерешенность ряда институциональных проблем в системе межбюджетных отношений препятствует наращиванию налоговой базы слаборазвитых регионов. Например, налоговая база регионов может искажаться из-за проблемы трансфертного ценообразования в крупных холдингах, выбора места уплаты налогов (не по месту фактической деятельности, а по месту регистрации), системы распределения налоговых доходов между уровнями бюджетной системы, разграничения налоговых полномочий и собственности между уровнями власти. Вопрос влияет ли экономическая, в том числе налоговая, политика на федеральном уровне на налоговую базу региональных бюджетов сегодня приобретает особую актуальность. На текущий момент региональные бюджеты находятся в большой зависимости от федеральной финансовой политики.

Закрепленный в Бюджетном кодексе РФ принцип финансовой самостоятельности регионов реализуется недостаточно эффективно. Правовая норма, в соответствии с которой запрещено внесение изменений на федеральном уровне в бюджетное и налоговое законодательство в части налогов и сборов, зачисляемых в бюджеты субъектов Российской Федерации и местные бюджеты, приводящих к снижению налоговых поступлений, без соответствующей компенсации из федерального бюджета, не учитывает взаимозависимость федеральных, региональных и местных налоговых баз. Так, увеличение вывозных таможенных пошлин, которые поступают исключительно в федеральный бюджет, фактически приводит к снижению налоговой базы по налогу на прибыль предприятий, который сегодня зачисляется в бюджеты субъектов Федерации, что, по сути, является прямой централизацией налога на прибыль в федеральном бюджете. Аналогичный результат возникнет при повышении в году совокупной ставки по страховым платежам в государственные социальные внебюджетные фонды.

Поскольку их база тесно взаимосвязана с подоходным налогом на физических лиц, а также с налогами на совокупный доход (ЕНВД и УСН), то вносимые изменения негативно скажутся на поступлениях в региональные и местные бюджеты. Регулирование амортизационной политики федеральным законодательством, напрямую влияет на расчет облагаемой базы налога на прибыль предприятий и налога на имущество предприятий, зачисляемых в региональные бюджеты. Нерешенность проблемы на федеральном уровне налогового регулирования трансфертного ценообразования в вертикально-интегрированных и транснациональных компаниях, определения места уплаты налога (например, по принципу места регистрации компании или по месту возникновения дохода, и др.) негативно сказывается на поступлениях в региональные бюджеты налога на прибыль предприятий.

Повышение федеральными властями тарифов естественных монополий без учета экономических особенностей субъектов Федерации приводит к росту затрат предприятий, снижению рентабельности производства и, в конечном итоге, к снижению налога на прибыль предприятий в региональном бюджете. Следует отметить, что трансформация слаборазвитых дотационных территорий является долгосрочным процессом и будет во многом предопределяться рядом макроэкономических факторов. В первую очередь общей макроэкономической динамикой. Представляется, что в столь не однородном экономическом пространстве, каким является территория Российской Федерации, переход от одной стадии экономической динамики к другой не может быть одновременным и повсеместным.

Неизбежная размытость экономических циклов во времени и пространстве были и остаются характерными для России 1990-х и 2000-х годов. Как показал российский опыт, экономическая трансформация начинается с небольшого числа регионов, использующих конъюнктурные конкурентные преимущества. Далее число таких регионов увеличивается;

они образуют все более широкие ареалы роста и, наконец, пространственное распространение (диффузия) экономического роста результируется в положительном темпе роста национальной экономики в целом, распространяясь на слаборазвитые дотационные регионы.

ПРОГНОЗИРОВАНИЕ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО РАЗВИТИЯ РЕГИОНА

С ИСПОЛЬЗОВАНИЕМ АДАПТИВНЫХ МЕТОДОВ

Прогнозирование социально-экономического развития региона представляет собой научно обоснованное представление о будущем состоянии важнейших показателей социальной и экономической сферы жизнедеятельности данного региона. В данном контексте прогнозирование является неотъемлемой частью государственной региональной политики, позволяющей определять направления развития региональной системы и ее элементов. Получаемые при этом результаты используются при решении как тактических, так и стратегических задач управления Для современной практики прогнозирования региональных систем характерно использование двух подходов. Первый связан с использованием методов математического моделирования, в том числе эконометрики, а второй – с теорией систем и синергетикой, которые исследуют нелинейную динамику сложных систем. На данный момент для большинства прогнозных моделей существует ряд ограничивающих их применение факторов. Среди них выделяют работу с малым количеством статистических данных, а также их несопоставимость.



Ограничением для достижения точности прогноза также является неопределенность:

отсутствие стабильности в социально-экономическом развитии региона. В подобной ситуации адекватность в описании процессов достигается с помощью моделей, построение которых основано на адаптивных принципах. В отличие от традиционных, эти модели при отражении текущего состояния изучаемого объекта способны учитывать медленное изменение его динамических характеристик. Это превращает их в эффективный инструмент для прогнозирования и анализа процессов, характеризующих современную экономику. В экономических системах имеет место влияние ретроспективных данных на текущее и будущее состояние системы. При этом необходимо учесть, что чем более отдалены во времени факторные данные, тем слабее их влияние на исследуемый параметр. В отличие от традиционных моделей, адаптивные учитывают данную особенность и, следовательно, более привлекательны с точки зрения разработки прогнозов социально-экономического развития регионов. В экономику идеи адаптации пришли в начале 60-х гг. XX в. вместе с адаптивными прогнозными моделями, теория построения которых была разработана Р.

Брауном и Р. Майером. Термин «адаптация» в настоящее время выступает в нескольких аспектах. Наибольшее распространение получили следующие точки зрения:

1) адаптация – свойство системы приспосабливаться к возможным изменениям функционирования. Под системой, как правило, понимается совокупность объектов и процессов, называемых компонентами, взаимосвязанных и взаимодействующих между собой, которые образуют единое целое, обладающее свойствами, не присущими составляющим его компонентам, взятым в отдельности;

2) адаптация – метод, основанный на обработке поступающей информации и обеспечивающий достижение некоторого критерия оптимизации.

В экономике, чаще всего, адаптация понимается как общий термин для процессов приспособления системы к окружающей среде, посредством которого лица, вырабатывающие тактику системы, изменяют ее структуру и процессы или настройку на окружающую среду с целью поддержания и улучшения функционирования системы 1. Цель адаптации – обеспечение успешного функционирования системы за счет поддержки адекватности.

Несмотря на то, что в современной теории управления социально-экономическими объектами сам термин «адаптация» используется достаточно широко, а в практике реального управления эффективно применяются некоторые принципы адаптации, должного внимания теоретическим исследованиям этого вопроса пока не уделялось. До сих пор нет единой точки зрения на то, в каких условиях следует использовать принципы адаптации, и нет полного описания того, как устроен механизм этого процесса. Механизм адаптации в самом общем виде представляет собой последовательно интегрированный процесс, включающий вариацию, селекцию и сохранение полезных признаков, обеспечивающих приспособление какого-либо объекта к меняющимся по неизвестному закону условиям внешней и внутренней среды его функционирования. При выборе и построении прогнозных моделей необходимо учитывать сложность и динамичность, а также высокий уровень неопределенности экономических процессов. Эта же специфичность должна быть определяющей при выборе адаптивных моделей и алгоритмов для проведения прогнозных расчтов. Развитие аппарата адаптивного прогнозирования экономических процессов в основном осуществлялось по двум направлениям. Первое направление связано с усложнением структуры адаптивных моделей до уровня, обеспечивающего адекватное отражение закономерностей реальных явлений, а второе – с совершенствованием самого адаптивного механизма этих моделей. В настоящее время основной упор делается на совершенствование механизмов адаптивного моделирования, а наибольшей популярностью у специалистов пользуются модели, адаптивный механизм которых построен на основе Тинякова В.И. Модели адаптивно-рационального прогнозирования экономических процессов – Воронеж: Издво Воронеж. гос. ун-та, 2008. – 266 с использования метода экспоненциального сглаживания, представляющего собой полином нулевого порядка (1).





где x t – значение показателя, характеризующего уровень прогнозируемого процесса в момент времени t;

a t – изменяющийся во времени параметр, характеризующий средний уровень прогнозируемого процесса в момент времени t;

t – случайные независимые отклонения фактических значений от текущего среднего, имеющие нулевое математическое ожидание и конечную дисперсию Применение данного метода в краткосрочном прогнозировании получило широкое распространение после выхода работ П. Винтерса и Р. Брауна. Успех метода объясняется тем, что с их помощью удается построить эффективный механизм корректировки коэффициентов прогнозной модели в ситуациях, когда прогнозирование экономического развития происходит в условиях отсутствия информации о закономерности изменения параметров системы. Первые модели адаптивного прогнозирования были разработаны для одномерных временных рядов, применение к которым традиционных методов было не совсем корректным. Так как зачастую на практике длина ряда должна составлять порядка сотен единиц, что является не всегда возможным. В данном случае актуальной становится задача прогнозирования короткого временного ряда порядка 10 – 20 значений. Другой, не менее важный, аспект заключается в том, что большинство разработанных методов прогнозирования временных рядов применимы лишь в случае нормального распределения величины t. На практике зачастую данное требование не выполняется. Развитием простейшей модели можно считать полином первого порядка:

где a1t, a 2 t - текущие значения коэффициентов модели;

– период упреждения;

– случайные независимые отклонения расчетных от фактических, имеющие нулевое математическое ожидание и конечную дисперсию 2.

Его структура, в отличие от полинома нулевой степени, способна адекватно отражать тенденцию линейного роста исследуемого процесса. Это позволяет избавиться от систематической ошибки, которая имеет место при использовании экспоненциальной средней в качестве прогнозной модели подобных процессов. В основе дальнейшего развития и обобщения моделей полиномиального типа лежит доказанная Р. Брауном и Р. Майером фундаментальная теорема экспоненциального сглаживания 1. С ее помощью удается расширить класс адаптивных моделей, в которых используется принцип экспоненциального сглаживания, до множества полиномов произвольной степени Для определения неизвестных коэффициентов a0, a1,…,ap делается предположение о том, что полином, представляющий детерминированную часть выражения, можно представить в точке = 0 в виде ряда Маклорена.

Горелик Н.А. Адаптация при прогнозировании экономических показателей методом экспоненциального сглаживания Экономика и математические методы, 1981. - Т. XVII, Вып. 6.

где – k-я производная, вычисленная в точке = Несмотря на гибкость, с которой адаптивные модели отражают изменения в характере динамики прогнозируемых показателей, возможности их применения ограничены. Прежде всего, это касается процессов, характеризующихся периодически повторяющимися сезонными эффектами. Для прогнозирования таких процессов разработан специальный класс моделей, отличительной особенностью которых является наличие в их структуре коэффициентов сезонности. В зависимости от способа включения этого коэффициента различают два типа этих моделей.

К первому типу относятся модели с мультипликативным коэффициентом сезонности:

где a 1t – изменяющийся во времени коэффициент, динамика которого характеризует тенденцию развития процесса;

f t, f t 1,..., f t l 1 – коэффициенты сезонности;

l – количество фаз в полном сезонном цикле (при месячных наблюдениях l = 12, при квартальных – l = 4).

Ко второму типу относятся модели с аддитивным коэффициентом сезонности:

g t, g t 1,..., g t l 1 – адаптивные коэффициенты сезонности.

Фактически модели этих типов представляют собой определенного рода комбинацию адаптивного полинома нулевой степени и соответствующего коэффициента сезонности.

Одновременно с процессом создания более сложных по своей структуре прогнозных моделей велась работа и по совершенствованию их адаптивных механизмов. Основное внимание при этом уделялось вопросу выбора такой величины параметра сглаживания а ( a i в уравнениях (1, 3-4) и a it – в (2, 5-6)), который минимизировал бы ошибку предсказания.

В тех случаях, когда оптимальный уровень параметра а с течением времени подвержен изменениям, эффективность этого подхода снижается, так как оптимум по обучающей части может не совпадать с оптимумом по всему временному ряду.

Рассматривались различные способы непрерывной перенастройки параметра а, но на данный момент нет явных предпочтений по выбору способа уточнения параметра а. Общие принципы адаптивного прогнозирования по одномерным временным рядам хотя и могут быть перенесены на многофакторные модели, но детали их конкретной реализации имеют свои особенности, порождаемые многомерной структурой взаимосвязей в решаемых задачах.

Необходимость применения принципов адаптации при построении многофакторных моделей возникает тогда, когда есть основание считать, что степень влияния факторов на моделируемый показатель зависит от времени, т. е. когда для достижения адекватности реальному процессу требуется модель с изменяющимися во времени коэффициентами. В общем случае такую модель можно записать в виде:

y t – значение зависимой переменной (показателя) в момент t;

xt ( x1t, x2t,..., xmt ) – m-мерная вектор-строка значений независимых переменных (факторов) в момент t;

bt (b1t, b2t,...,bmt ) коэффициентов модели, изменяющих с течением времени свои значения по неизвестному закону;

t – ненаблюдаемая случайная ошибка.

Неудачно выбранные начальные значения быстро сглаживаются и практически не искажают результатов расчетов, а ошибка, допущенная при выборе формы зависимости, может частично компенсироваться корректирующими воздействиями адаптивного механизма, неправильно сформированный набор значимых факторов автоматически не корректируется и приводит к искажению содержательного смысла модели и, следовательно, ограничивает ее применение. К сожалению, эта проблема пока мало изучена. На данный момент получили развитие применения адаптивного подхода в сочетании с имитационным моделированием, однако нет ни конкретных моделей, ни общих принципов их построения на основе подобного сочетания. Адаптивные модели, довольно давно использующиеся для прогнозирования экономических процессов, при отражении текущего состояния исследуемого объекта способны учитывать эволюцию его динамических характеристик. Это превращает их в эффективный инструмент для прогнозирования и анализа процессов, характеризующих экономическую систему на этапе ее становления. Рассмотрим реализацию данных моделей на примере прогнозирования миграции в Республике Башкортостан.

Применяя адаптивные модели прогнозирования, найдем модель, которая в лучшей мере отражает прогноз при «скачущих» данных. Наиболее распространенной является экспоненциальная модель Брауна. (1) Как видно из рисунка 2, прогноз по модели Брауна дает точные результаты, совпадающие с исходными данными. Прогноз делается на один шаг вперед, коэффициент миграции снижается. Дальнейшим развитием моделей была комбинация адаптивного полинома нулевой степени и сезонного коэффициента.

Рисунок 2 – Прогноз по экспоненциальной модели Брауна Прогноз по адаптивной модели Хольта (8), учитывающий линейный тренд, но не учитывающий сезонность, показал наиболее точные результаты:

где a(t), b(t) и - коэффициенты модели; они адаптируются, уточняются по мере появления новых данных. По данному прогнозу видно, что в дальнейшем миграция по республике будет снижаться. Прогноз по модели Хольта-Уинтерса (9), учитывающая мультипликативный тренд и сезонность.

где k – период упреждения;

Yр(t) — расчетное значение экономического показателя для t-гo периода;

a(t), b(t) и F(t) - коэффициенты модели; они адаптируются, уточняются по мере перехода от членов ряда с номером t-1 к t;

F(t+k-L) - значение коэффициента сезонности того периода, для которого рассчитывается экономический показатель;

L - период сезонности (для квартальных данных L=4, для месячных – L=12).

Одним из универсальных методов прогнозирования с помощью адаптации является использования полиномиальных моделей.

В таблице 1 приведены формулы, необходимые для расчета по этим моделям.

Процедура прогнозирования временных рядов на основе адаптивных полиномиальных моделей состоит из следующих этапов.

1. Выбирается вид модели экспоненциального сглаживания, задается значение параметра сглаживания. При выборе порядка адаптивной полиномиальной модели могут использоваться различные подходы, например, графический анализ, метод последовательных разностей и др.

2. Определяются начальные условия. Например, для полиномиальной модели первого порядка необходимо определить a1,0,a2,0.

Чаще всего в качестве этих оценок берут коэффициенты соответствующих полиномов, полученные методом наименьших квадратов.

Начальные условия для модели нулевого порядка обычно получают усреднением нескольких первых уравнений ряда. Зная эти оценки, с помощью указанных в таблице формул находят начальные значения экспоненциальных средних.

3. Производится расчет значений соответствующих экспоненциальных средних.

4. Находятся оценки коэффициентов модели.

5. Осуществляется прогноз на одну точку вперед, находится отклонение фактического значения временного ряда от прогнозируемого. Шаги с 3 по 5 данной процедуры повторяются для всех t n, где n — длина ряда.

6. Окончательная прогнозная модель формируется на последнем шаге в момент t = n.

Прогноз получается на базе выражения (3) путем подстановки в него последних значений коэффициентов и времени упреждения.

К положительным особенностям рассмотренных моделей следует отнести то, что при поступлении новой, свежей информации расчеты повторять не придется. Достаточно принять в качестве начальных условий последние значения функций сглаживания S ti и продолжить вычисления. Как видно из графиков, в адаптивных моделях существует «отставание» на шаг.

Рисунок 5 – Прогнозирование по адаптивной полиномиальной модели нулевого порядка Рисунок 6 – Прогнозирование по адаптивной полиномиальной модели второго порядка Как видно из реализации некоторых видов адаптивных моделей прогнозирования многие из них отражают процесс моделирования с точностью. Адаптивные параметры можно подобрать таким образом, что точность прогноза повышается и модель в наилучшей степени отражает прогнозируемый процесс. Адаптивные полиномиальные модели удобны тем, что практически любой ряд можно разложить в виде многочлена.

Таблица 1 - Основные формулы для прогнозирования по адаптивным полиномиальным моделям.

Преимущество адаптивных моделей в том, что они отражают динамические свойства временного ряда и учитывают информационную ценность его ретроспективных членов и поэтому способны давать достаточно точные оценки будущих значений. Такие модели предназначаются, прежде всего, для краткосрочного прогнозирования. Они позволяют достичь компромисса между требованием статистических подходов к увеличению объемов выборки для получения более точных оценок и требованием однородности данных, ибо, чем больше период наблюдений, тем выше вероятность того, что исследуемый процесс или объект претерпел коренные изменения.

ОСНОВНЫЕ ТЕНДЕНЦИИ НАУЧНО-ТЕХНИЧЕСКОГО РАЗВИТИЯ

СВЕРДЛОВСКОЙ ОБЛАСТИ

За период 2009-2010 гг. доля безработных в общей численности трудоспособного населения Свердловской области значительно выросла. Основной причиной такого увеличения является дисбаланс между спросом и предложением на рынке труда. Здесь наблюдается острый дефицит рабочей силы в производственной и переизбыток специалистов непроизводственной сферы. Таким образом, не смотря на тот факт, что количество учреждений начального профессионального образования, которые занимаются подготовкой «производственников», превышает количество ВУЗов, в то время как число поступающих в высшие учебные по сравнению с учреждениями НПО имеет противоположную тенденцию (см. рис 2). В итоге на предприятиях наблюдается недостаток рабочей силы, особенно той категории работников, которые в своей деятельности успешно совмещают науку и технику.

Рисунок 1 – Численность учреждений НПО и ВУЗов в соотношении с количеством Речь идет о научно-технических кадрах (НТК). В международной статистике НТК определяются как «совокупность всех лиц, проживающих в стране, имеющих законченное образование третьей ступени (по Международной стандартной классификации образования) в области науки и техники либо не имеющих его, но занятых научно-технической деятельностью, где обычно требуется подобная квалификация». На практике становится сложнее определить, к какой категории специалистов относятся «научно-технические кадры», какую долю в их деятельности занимает научная, а какую прикладная составляющие. Многие авторы отмечают, что «ученых занимает не только «чистая наука».

Они активно вторгаются в сопредельные области»1. Одно можно сказать с уверенностью, что НТК успешно совмещают и научную и техническую деятельность. Поэтому одним из ключевых определяющих факторов привлечения специалистов в ряды НТК является подержание эти двух сфер. В первую очередь, это относится к материальному обеспечению науки.В 2010 году Минэкономразвития России разработало стратегию инновационного развития Российской Федерации на период до 2020 года под названием «Инновационная Россия – 2020». «Стратегия задает долгосрочные ориентиры развития субъектам инновационной деятельности, включая органы государственной власти всех уровней, науку и предпринимательский сектор, а также ориентиры финансирования сектора фундаментальной и прикладной науки, поддержки коммерциализации разработок» 2.

Наибольшую долю среди внутренних затрат на исследования занимает разработка. Именно на этом этапе производственного цикла наука теснейшим образом связана с техникой, и научная работа переходит в научно-техническую (см. рис.2) 3. Изменения произошли и в самой структуре кадрового составляющей. Несмотря на то, что количество выпускников высших учебных заведений, поступающих в аспирантуру, увеличилось в регионе, число защитивших диссертацию и продолжающих заниматься научной деятельностью с каждым годом становится меньше (см. рис. 3). Парадоксальным остается тот факт, что при имеющейся тенденции заработная плата сотрудников составляет основную долю затрат на исследования и разработки в регионе.

Рисунок 2 – Внутренние затраты на исследования и разработки по видам работ Рисунок 2 – Внутренние затраты на исследования и разработки по видам затрат, млн. руб.

Лаврентьев М.А. Наука. Технический прогресс. Кадры. Сборник статей и выступлений / М.А. Лаврентьев. – Новосибирск: Наука (Сибирское отделение), 1980. – 173 с.

Стратегия инновационного развития Российской Федерации на период до 2020 «Инновационная Россия – 2020»

Орлов В.Н. Методологические проблемы определения эффективности научно-технической деятельности / В.Н. Орлов //Научно-техническая революция и некоторые методологические проблемы технических наук (сборник статей). – Ленинград: Министерство связи СССР. – 1970. – 98-106 с.

По данным 2010 года оплата труда в общей структуре затрат составила около 48% (рис. 2). Несмотря на первый взгляд высокий уровень оплаты труда персонала, занятого в сфере НИОКР, дальнейшая научная деятельность ученых не является для них привлекательной. Причина состоит в том, что труд ученого, занимающегося «чистой»

наукой, фундаментальными исследованиями, является недостаточным. Необходимо внедрение фундаментальных знаний в практику. Для достижения этой цели требуется подготовка высококвалифицированных специалистов, которые занимаются наукой, отлично разбираются в производственном процессе, а также могут взять на себя роль руководителя проекта. Четкого определения данной категории работников нет. Различные авторы дают свою трактовку понятия НТК. С одной стороны, это специалисты, выполняющие функции ученого, инженера и организатора 1 2. С другой – многопрофильные специалисты, выполняющие функции ученого, инженера, техника и технолога3. Но в любом случае НТК – это исследователи, увеличение роли которых растет с признанием необходимости перехода экономики страны на инновационный путь развития (см. рис. 3).

Рисунок 3 - Численность персонала, занятого исследованиями и разработками, по категориям Сокращение доли работников технических специальностей (техник, технолог и т.д.) связано с повышением уровня образования в целом по стране. Вчерашним школьникам, сегодняшним абитуриентам намного желаннее получить специальность экономиста, бухгалтера в вузе, чем техническую специальность в училище или техникуме. Однако проводить фундаментальные исследования и разработки не достаточно, необходимо также грамотно внедрить инновации в производство. Именно на этапе освоения и создания уже опытных образцов возникает острый дефицит в «эксплуатационниках». Наука не может существовать без практики, как и практика без науки. Если наблюдается перевес в одну сторону, то вторая будет испытывать затруднения в своем развитии. Переход экономики страны на инновационный путь развития привел к пониманию необходимости воспроизводства НТК и возникновению понятия «инновационно-активных предприятий»

(ИАП), где подобные кадры играют ключевую роль. Для идентификации ИАП в рационально использовать методику разработанную Правительством РФ. Согласно этой методике, отнесение предприятий к инновационному типу осуществляется на основе сравнения «средних значений показателей инновационной деятельности за последние три полных отчетных года. Если период деятельности предприятия составляет менее трех лат, то статистическая и финансовая (бухгалтерская) отчетность представляется за полные последние отчетные годы деятельности данного предприятия. Основными показателями, причисляемыми предприятие к инновационно-активному являются:

Волков В.А. Наука и техника СССР: 1917-1987. Хроника / А.В. Волков, В.Л. Гвоздецкий, В.М. Орел, М.А.

Урманчев. – М.: Наука, 1987. – 759 с.;

Дерягин А.В. Наука и инновационная экономика в России / А.В. Дерягин. – М.: Инновации, 2005. - 220 с.;

Научно-техническая революция: личность, деятельность, коллектив / под ред. Л.В. Сохань, В.А. Тихонович – Киев: Нукова думка, 1975. – 344 с.

доля затрат на научно-исследовательские, опытно-конструкторские работы и технологические работы и (или) затрат на приобретение новых технологий в общем объеме расходов предприятия (не менее 40%);

доля инновационной продукции в объеме отгруженной продукции (не менее 40%);

доля объектов интеллектуальной собственности (патентов, лицензий, авторских свидетельств и др.) в стоимости нематериальных активов предприятия (не менее 20%);

доля расходов на целевую подготовку специалистов-менеджеров высшего и среднего звена; в общих затратах предприятия на обучение и переподготовку персонала (не менее 30%) (договора с ВУЗами);

доля затрат на коммерциализацию продукции (коэффициент коммерциализуемости);

доля расходов на подготовку и переподготовку высококвалифицированных рабочих в общих затратах предприятия на обучение и переподготовку персонала (не менее 40%);

планируемый коэффициент обеспечения нематериальными активами (не ниже 5%).

Исходя из самой характеристики предприятия, как инновационно-активного, обязательными принципами его деятельности выступают инновационность и активность.

Инновационность предполагает разработку и внедрение новых или усовершенствованных продуктов, технологических процессов и иные виды инновационной деятельности, имеющие ряд особенностей, отличающих их от традиционных, не инновационно-активных предприятий. Таким образом, «инновационно-активные предприятия – это предприятия, имеющие в своем активе интеллектуальную собственность, осуществляющие разработку и внедрение новых или усовершенствованных продуктов (работ, услуг), технологических процессов, соответствующие системе показателей, относящих их к инновационным, отвечающие характеристикам активности, осуществляющие самостоятельно трансфер технологий»1. К сожалению число инновационно-активных организаций в регионе с каждым годом уменьшается. В последние годы резко упал статус научных исследований, отраслевая наука на предприятиях остановилась в своем развитии, прикладная наука деградировала. На сегодняшний день научно-исследовательские и опытно-конструкторские разработки на предприятиях нашей страны и, в частности, региона постепенно уступают свое место уже готовой импортной продукции. Купить уже разработанные новации и собрать их по образцу намного легче, чем разработать свои (см. рис. 4).

Рисунок 4 – Динамика количества инновационно-активных организаций Отраслевая наука, которая активно развивалась в период научно-технического прогресса, на данный момент уходит в прошлое. Поэтому очевидным фактом является необходимость перехода страны и региона на путь инновационного развития, что Мильская Е.А. Венчурное предпринимательство в системе управления инновациями // Труды III Международной научно-практической конференции «Экономика и промышленная политика России». – СПб:

СПбГПУ, 2004. – с.53-57.

невозможно сделать без наличия высококвалифицированных научно-технических кадров (НТК). Таким образом, подведем основные итоги анализа ситуации в регионе за 2006- гг.: увеличение уровня безработицы; перемещение внимания из сферы производства в непроизводственную сферу (производство услуг); увеличение уровня финансирования науки (повышение оплаты труда, затрат на разработки и прикладные исследования); повышение роли исследователей в производственном процессе; уменьшение количества инновационноактивных предприятий.

СОДЕРЖАНИЕ

Глава 1. Методология прогнозирования и моделирования социально-экономических процессов: основные подходы, методы и инструменты Анимица П.Е. Применение методов прогнозирования в целях диагностики Атаева А.Г, Проблемы прогнозирования и сценарного моделирования Орешников В.В. социально-экономического развития территориальных систем Глушенкова М.А. Методы прогнозирования банковских кризисов и их Гурбан И.А., Методология моделирования национального богатства регионов Денисова О.А., России Пыхов П.А.

Драпкин И.М., Особенности моделирования банковских кризисов на основе Трофимов А.А., кластеризации Тюрина Ю.А.

Кац И.С., Нормативный подход к анализу и прогнозированию развития Симонова В.Л., общественного сектора экономики Мезенцева Е.С.

Мариев О.С., Эконометрические модели анализа региональных факторов Савин И.В., инновационного развития производительных сил Игнатьева Е.Д.

Нагимов Р.М. Прогнозирование рынков труда и образовательных услуг на Нехорошкова О.В., Моделирование в налогообложении с помощью построения Радченко С.М. структурной функциональной модели деятельности налоговой Попов Е.В., Направления моделирования трансакционной функции Симонова В.Л.

Судакова А.Е. Моделирование деятельности хозяйствующих субъектов потребительского рынка в условиях влияния теневой экономики Глава 2. Обмен опытом прогнозирования, планирования, развитие методологии построения прогнозов и сценариев социально-экономического развития территориальных систем Гурбан И.А. Благосостояние субъектов Российской Федерации как составляющая состояния национального человеческого капитала Денисова О.А., Энергетическая безопасность регионов Урала и Дальнего Пыхов П.А., Востока: результаты диагностики, принципы и механизмы Потанин М.М. повышения Комлева Н.С. Разработка сценариев и обоснование приоритетов устойчивого Котляров М.А., Перспективы использования матричных мультипликаторов для Трынов А.В. прогнозирования влияния инвестиционных проектов на Куратова Л.А. Прогнозирование объемов услуг организации (на примере Меньшанов П.Н., Особенности динамики уровня кредиторской задолженности Сердюкова Ю.С. предприятий агропромышленного комплекса Новосибирской области и Алтайского края в период экономического кризиса Мигранова Л.И. Прогнозирование кадровой потребности, как основной фактор социально-экономического развития региона Наумов И.В. Инерционный сценарий воспроизводства научно-технического Никулина Н.Л., Теоретико-методические подходы к оценке финансовой Синенко А.И. безопасности региона Пазуха С.А. Основные факторы, определяющие финансовую успешность и Паклина Т.И. Введение голосования в модель социальной дилеммы Пасынков А.Ф., Международный опыт использования системы национальных Захарчук Е.А. счетов в исследованиях социально-экономического развития Погребцова Е.А. Сценарное прогнозирование социально-экономического развития агропромышленного комплекса Омской области Сердюкова Ю.С. Современные подходы к мониторингу и прогнозированию Смирнова Т.Л. Развитие рынка Томской области в условиях формирования Стыров М.М. Прогноз финансирования социальных расходов в северных Татаркин Д.А., Экономико-теоретическая модель эволюции дотационных Сидорова Е.Н. регионов в саморазвивающиеся Фатхутдинова Л.Р. Прогнозирование социально-экономического развития региона с Шумик Е.С. Основные тенденции научно-технического развития Проблемы прогнозирования и сценарного моделирования социально-экономического развития территориальных систем:

сборник статей I Научной школы молодых ученых Формат 60х84/16. Печать на ризографе. Бумага писчая.

620014, Екатеринбург, ул. Московская, Учреждение РАН Институт экономики УрО РАН

Pages:     | 1 |   ...   | 71 | 72 ||
 



Похожие работы:

«ТРАДИЦИОННЫЕ ЗНАНИЯ В ОБЛАСТИ ЗЕМЛЕПОЛЬЗОВАНИЯ И ВОДОПОЛЬЗОВАНИЯ Душанбе, 2006 Информационный сборник публикуется в рамках проекта Мобилизация общин в Центральной Азии: внедрение устойчивого управления земельными ресурсами на уровне общин и наращивание потенциала местного населения при поддержке Регионального Центра ПРООН в Братиславе и Программы Глобального Механизма Конвенции по Борьбе с Опустыниванием (КБО). Данный информационный бюллетень разработан и издан неправительственной организацией...»

«Подготовлено при финансовом содействии Национального фонда подготовки финансовых и управленческих кадров в рамках его Программы поддержки академических инициатив в области социально экономических наук. ФИНАНСОВАЯ АКАДЕМИЯ АКАДЕМИЯ ПРИ МЕНЕДЖМЕНТА ПРАВИТЕЛЬСТВЕ РФ И РЫНКА ИНСТИТУТ ПРОФЕССИОНАЛЬНОЙ ОЦЕНКИ В рамках инновационного проекта развития образования, программы поддержки развития академических инициатив в области социально экономических наук разработан комплект учебников, учебно...»

«Егорова Е.А. Кучмаева О.В. Экономика труда Москва, 2004 УДК 331 ББК 65.24 Е 302 Егорова Е.А., Кучмаева О.В. Экономика труда / М., Московская финансово-промышленная академия. – 2004, 80 с. Егорова Е.А., 2004 Кучмаева О.В., 2004 Московская финансово-промышленная академия, 2004 2 Содержание Введение Тема 1. Предмет и метод курса “Экономика труда” 1. Сущность и роль труда в обществе 2. Основные категории науки о труде 3. Структура наук о труде, их взаимосвязь Тема 2. Регулирование и планирование...»

«Экономическая статистика. Шпаргалка Е. Красникова 2 Книга Е. Красникова. Экономическая статистика. Шпаргалка скачана с jokibook.ru заходите, у нас всегда много свежих книг! 3 Книга Е. Красникова. Экономическая статистика. Шпаргалка скачана с jokibook.ru заходите, у нас всегда много свежих книг! Е. О. Красникова Экономическая статистика. Шпаргалка 4 Книга Е. Красникова. Экономическая статистика. Шпаргалка скачана с jokibook.ru заходите, у нас всегда много свежих книг! 1 ЦЕЛЬ, ЗАДАЧИ, ПРЕДМЕТ...»

«Москва, 2006 Автомобильный транспорт Закавказья – 2006 2 Уважаемые читатели, Когда я держу в руках очередную Синюю книгу IRU по проблемам автотранспорта, я испытываю профессиональную гордость за то, что я принадлежу к миру автотранспорта, который делает жизнь каждого человека комфортнее, решает грандиозные экономические задачи. Представить нашу жизнь без него уже просто невозможно – он действительно служит человеку! В странах Закавказья значение автотранспорта особенно велико: в транспортном...»

«Издательство: Омега-Л Год: 2009, 328 стр. В пособии излагаются теоретические подходы к управлению конкурентоспособностью, определяется значение национальной доктрины и роль конкурентных преимуществ в формировании конкурентоспособности, раскрываются специфические особенности рыночных структур и поведение организации в зависимости от типа рынка, рассматриваются стратегии сегментации и позиционирования, анализируются особенности использования маркетинговых инструментов для обеспечения...»






 
© 2013 www.knigi.konflib.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.