Абсолютное значение 1% прироста составило по региону «А» составил 2,4, по региону «Б» 2,5, а по региону «В» 14,3

 

2) По трем регионам вместе определить:

Изучение совместного действия факторов на изменение среднего значения качественного признака и изменение структуры явления решается построением системы взаимосвязанных индексов:

1. Индекс переменного состава

1918,4/508=3,77 руб.

3621/3530=1,02 руб.

I п.с.=1,02/3,77=0,27

показывает изменение среднего значения качественного показателя (средней цены) в текущем периоде по сравнению с базисным или предыдущим.

2. Индекс постоянного состава

показывает изменение среднего значения качественного показателя (средней цены) в зависимости от изменения этого показателя у отдельных единиц совокупности.

3621/4828=0,75

 

в) абсолютное изменение внутренних производственных затрат на 1 исследователя в отчетном периоде по сравнению с базисным в результате изменения каждого из факторов находим по формуле:

= Σ Z1q1 – Σ Z0q

 

Таблица 2.4. – Внутренние производственные затраты и число исследователей с научными степенями

Регион Внутренние производственные затраты, млн. руб число исследователей с научными степенями, чел Индекс производственных затрат переменного состава Индекс производственных затрат постоянного состава абсолютное изменение внутренних производственных затрат
базисный период отчетный период базисный период отчетный период
А 242,6 х х 351,4
Б 249,3 227,9 х х -21,4
В 1426,5 2799,1 х х 1372,6
итого по регионам 1918,4 0,27 0,75 1702,6

 

Агрегатный индекс влияния структурных сдвигов за счет изменения структуры численности исследователей с учеными степенями по регионам

Ic.c.=0,27/0,75=0,36

Задание 4

Имеются данные по одной из организаций (табл. 4.1)

Таблица 4.1 – Динамика доли затрат на оплату труда во внутренних затратах

Годы
% 42,2 47,9 48,7 45,8 46,3 44,2 39,7 37,6
                   
1) Метод укрупнения интервалов:              
за первые три года: (2003-2005) 42,2+47,9+48,7:3=106,333      
за вторые три года: (2006-2008) 45,8+49+46,3:3=110,33      
за третьи три года: (2009-2011) 44,2+39,7+37,6:3=96,43 2) метод скользящей средней      
за первые три года: (2003-2005) 42,2+47,9+48,7:3=46,2
за вторые три года: (2006-2008) 47,9+48,7+45,8:3=47,4
за третьи три года: (2009-2011) 48,7+45,8+49:3=47,8 45,8+49+46,3:3=47,03 49+46,3+44,2:3=46,5 46,3+44,2+39,7:3=43,4 44,2+39,7+37,6:3=40,5 3) Система уравнений вида y=f(t) Вид зависимости – прямая Уравнение тренда yt=a0+a1t Система уравнений     Выравнивание по прямой(определение линии тренда) имеет выражение: yt=a0+a1t · t—условное обозначение времени; · а0 и a1—параметры искомой прямой. Параметры прямой находятся из решения системы урав­нений: Система уравнений упрощается, если значения t подоб­рать так, чтобы их сумма равнялась Σt = 0, т. е. начало отсчета времени перенести в середину рассматриваемого периода. Если до переноса точки отсчета t = 1, 2, 3, 4…, то после переноса: · если число уровней ряда нечетное t = -4 -3 -2 -1 0 +1 +2 +3 +4 · если число уровней ряда четное t = -7 -5 -3 -1 +1 +3 +5 +7 Таким образом, ∑t в нечетной степени всегда будет равна нулю.   Задание 4. Уравнение парной регрессии. Использование графического метода. Этот метод применяют для наглядного изображения формы связи между изучаемыми экономическими показателями. Для этого в прямоугольной системе координат строят график, по оси ординат откладывают индивидуальные значения результативного признака Y, а по оси абсцисс - индивидуальные значения факторного признака X. Совокупность точек результативного и факторного признаков называется полем корреляции. На основании поля корреляции можно выдвинуть гипотезу (для генеральной совокупности) о том, что связь между всеми возможными значениями X и Y носит линейный характер. Линейное уравнение регрессии имеет вид y = bx + a + ε Здесь ε - случайная ошибка (отклонение, возмущение). Причины существования случайной ошибки: 1. Невключение в регрессионную модель значимых объясняющих переменных; 2. Агрегирование переменных. Например, функция суммарного потребления – это попытка общего выражения совокупности решений отдельных индивидов о расходах. Это лишь аппроксимация отдельных соотношений, которые имеют разные параметры. 3. Неправильное описание структуры модели; 4. Неправильная функциональная спецификация; 5. Ошибки измерения. Так как отклонения εi для каждого конкретного наблюдения i – случайны и их значения в выборке неизвестны, то: 1) по наблюдениям xi и yi можно получить только оценки параметров α и β 2) Оценками параметров α и β регрессионной модели являются соответственно величины а и b, которые носят случайный характер, т.к. соответствуют случайной выборке; Оценочное уравнение регрессии (построенное по выборочным данным) будет иметь вид y = bx + a + ε, где ei – наблюдаемые значения (оценки) ошибок εi, а и b соответственно оценки параметров α и β регрессионной модели, которые следует найти. Для оценки параметров α и β - используют МНК (метод наименьших квадратов). Метод наименьших квадратов дает наилучшие (состоятельные, эффективные и несмещенные) оценки параметров уравнения регрессии. Но только в том случае, если выполняются определенные предпосылки относительно случайного члена (ε) и независимой переменной (x). Формально критерий МНК можно записать так: S=∑(yi -y*i)2 →min Система нормальных уравнений. a•n+b∑x=∑ya∑x+b∑x2 =∑y•x Для наших данных система уравнений имеет вид 24a+14074.5b=85986.5 14074.5a+58932234.77b=383931619.94 Из первого уравнения выражаем а и подставим во второе уравнение: Получаем эмпирические коэффициенты регрессии: b = 6.5808, a = -276.4729 Уравнение регрессии (эмпирическое уравнение регрессии): y=6.5808x-276.4729 Эмпирические коэффициенты регрессии a и b являются лишь оценками теоретических коэффициентов βi, а само уравнение отражает лишь общую тенденцию в поведении рассматриваемых переменных. Для расчета параметров регрессии построим расчетную таблицу (табл. 1)
x y x2 y2 x • y
151.5 22952.25
56.6 227.9 3203.56 51938.41 12899.14
493.5 2799.1 243542.25 7834960.81 1381355.85
240.7 4648.6 57936.49 21609481.96 1118918.02
202.9 384.7 41168.41 147994.09 78055.63
6570.3 43168842.09 4691194.2
7.3 50.3 53.29 2530.09 367.19
89.9 1900.8 8082.01 3613040.64 170881.92
42.2 1780.84 2911.8
7286.2 50304.3 53088710.44 2530522598.49 366527190.66
104.3 252.2 10878.49 63604.84 26304.46
81.8 914.4 6691.24 836127.36 74797.92
449.2 804.6 201780.64 647381.16 361426.32
159.2 625.3 25344.64 391000.09 99547.76
2730.5 7455630.25
61.5 3782.25
409.7 3063.1 167854.09 9382581.61 1254952.07
220.9 1138.3 48796.81 1295726.89 251450.47
89.4 265.2 7992.36 70331.04 23708.88
253.3 952.5 64160.89 907256.25 241268.25
874.6 3576.4 764925.16 12790636.96 3127919.44
1906.9 2075.1 3636267.61 4306040.01 3957008.19
43.6 1900.96
15.3 60.9 234.09 3708.81 931.77
14074.5 85986.5 58932234.77 2647712909.85 383931619.94



1. Параметры уравнения регрессии.
Выборочные средние.



Выборочные дисперсии:



1.1. Коэффициент корреляции
Линейный коэффициент корреляции принимает значения от –1 до +1.
Связи между признаками могут быть слабыми и сильными (тесными). Их критерии оцениваются по шкале Чеддока:
0.1<rxy <0.3:слабая;
0.3<rxy <0.5:умеренная;
0.5<rxy <0.7:заметная;
0.7<rxy <0.9:высокая;
0.9<rxy <1:весьмавысокая;
В нашем примере связь между признаком Y фактором X весьма высокая и прямая.
Кроме того, коэффициент линейной парной корреляции может быть определен через коэффициент регрессии b:

1.2. Уравнение регрессии (оценка уравнения регрессии).
Линейное уравнение регрессии имеет вид y = 6.58 x -276.47
Коэффициентам уравнения линейной регрессии можно придать экономический смысл.
Коэффициент регрессии b = 6.58 показывает среднее изменение результативного показателя (в единицах измерения у) с повышением или понижением величины фактора х на единицу его измерения. В данном примере с увеличением на 1 единицу y повышается в среднем на 6.58.
Коэффициент a = -276.47 формально показывает прогнозируемый уровень у, но только в том случае, если х=0 находится близко с выборочными значениями.
Но если х=0 находится далеко от выборочных значений х, то буквальная интерпретация может привести к неверным результатам, и даже если линия регрессии довольно точно описывает значения наблюдаемой выборки, нет гарантий, что также будет при экстраполяции влево или вправо.
Подставив в уравнение регрессии соответствующие значения х, можно определить выровненные (предсказанные) значения результативного показателя y(x) для каждого наблюдения.
Связь между у и х определяет знак коэффициента регрессии b (если > 0 – прямая связь, иначе - обратная). В нашем примере связь прямая.

 

 

ГЛАВА 3. АНАЛИЗ РЕЗУЛЬТАТИВНОСТИ НАУЧНЫХ ИССЛЕДОВАНИЙ И РАЗРАБОТОК В ЭКОНОМИКЕ РОССИИ

По данным таблицы 3.1. взятыми с сайта http://issek.hse.ru/news/78125732.html поведем анализ методом группировки.

Таблица 3.1. Публикация российских авторов в научных журналах, индексируемых в skopus, по типам документов

  2005 г. 2006 г. 2007 г 2008 г. 2009 г. 2010 г. 2011г. 2012г. 2013г.
Публикации всего
Статьи
Доклады
Обзоры
прочее

 

В качестве примера произведем группировку публикаций российских авторов в научных журналах по типам документов. Количество публикаций по годам колеблется от 41 158 до 31 854 ед. при этом выделим 3 группы лет, то величина интервала составит

 

I= X max- Хmin/n=41158-31854/3=3101 ед. публикаций

31854+3101=34955

1 группа регионов от 31854 до 34955

34955+3101=38056

2 группа регионов от 34955 до 38056

38056+3101=41158

 

 

Таблица 3.2. Распределение всех публикаций по годам

№ группы Группы публикаций Количество лет в группах
от 31854 до 34955
от 34955 до 38056
от 38056 до 41158

 

Таблица 3.2. Публикация российских авторов в научных журналах, индексируемых в WEB SCIENS, по типам документов

  2010 г. 2011г. 2012г. 2013г.
Публикации всего
Статьи
Доклады
Обзоры

 

Таблица 3.3. Поступление патентных заявок и выдача патентов на изобретения

  2010 г. 2011 г. 2012 г. 2013 г.
Подано патентных заявок в России всего
- Отечественными
- иностранными
Выдано патентов в РФ
-отечественными
-иностранными

 

Таблица 3.4. Создание передовых производственных технологий по степени новизны и видам экономической деятельности

  всего Из них технологий
Новые в стране Принципиально новые
Передовые производственные технологии
Добыча полезных ископаемых -
Обрабатывающие производства
Производство и распределение газа,ээ, воды -
Транспорт и связь - - - - -
Образование

 

Таблица 3.5. Использование передовых производственных технологий по формам собственности и источнику приобретения

  Всего Из них технологии
Разработанные в отчитывающейся организации приобретенные
В России За рубежом
Российская собственность
Государственная
Федеральная
Региональная
Муниципальная
Общественных организаций
Частная

 

 

 

ЗАКЛЮЧЕНИЕ

 

Наука – это огромный вклад в развитие человечества. Результаты научных открытий сложно переоценить, поэтому можно с уверенностью говорить, что она является одной из самых высокооплачиваемых сфер экономики многих развитых и развивающихся государств современного мира. Вклад науки в историю напрямую зависит от экономического вклада, т.е. от объема финансирования и использования этих денежных средств по назначению. Поэтому можно утверждать, что финансирование научных исследований и разработок является одной из важнейших проблем в сфере развития и существовании науки. [8]

Довольно остро эта проблема обстоит в России. За последние несколько лет после революционных 1990-х годов российская инновационная и научная политическая активность значительно возросла: были созданы и запущены многочисленные федеральные целевые научные программы, созданы институты развития (РОСНАНО, РВК и др.), строительство крупных современных науко-градов и т.д. Такие проекты требуют значительного объема финансового влияния не только со стороны государства, но и со стороны бизнес-сектора. «Однако результаты, пока, к сожалению, не оправдывают изначальные надежды», - утверждает Евгений Клочихин, профессор Британского университета Манчестера. [8]

В чем заключается проблема «застоя» в инновационном развитии науки? Алексей Захаров, доцент Высшей школы экономики, делает упор на то, что Российской науке прежде всего нужны деньги и доверие. Финансирование науки и образования (в первую очередь высшего) в нашей стране неадекватно мало и не отвечает вызовам времени. Необходимо кратное увеличение заработной платы ученых и работников высшего образования. [8]

Рис. 1. Внутренние затраты на НИОКР в российской экономике, в постоянных ценах, % к 1990 г. [9]

По оценке агентства Томсон — Ройтерс, «проблема заключается в значительном сокращении финансирования фундаментальных и прикладных исследований в России после развала Советского Союза» . В 1990 г. внутренние расходы на НИОКР составляли 2% ВВП (13,1 млрд. рублей). В 1992 г. в результате «шоковой терапии» этот показатель сократился почти в 3 раза — до 0,7% ВВП (3,2 млрд. рублей в постоянных ценах 1989 г.). Благодаря обвальному падению ВВП в 1990-е годы к 2000 г. этот показатель вырос до 1,05% (3,3 млрд. рублей в постоянных ценах 1989 г.), но затем рост прекратился и в 2012 г. составил 1,1% ВВП. [10]

В 2000 – 2011 гг. бюджетное финансирование НИОКР выросло в текущих ценах с 17 до 319 млрд. рублей – почти в 20 раз. Но в условиях высокой инфляции рост нельзя назвать значительным, ведь если рассмотреть его в постоянных ценах, то он составил всего 56%. Расходы на науку в постоянных ценах 1989 г составляют 5,8 млрд. рублей [3]. То есть, сегодня Россия тратит на науку в 2 раза меньше, чем 23 года назад. [9]

Согласно данными Росстата, внутренние расходы на НИОКР в России составили в 2011 г. 610 млрд. рублей. Из них 106 млрд. на фундаментальные исследования, 92 млрд. – на прикладные исследования и 348 млрд. – на ОКР. Расходы на гражданскую науку составили соответственно 313 млрд. рублей, в том числе на фундаментальную науку – 91 млрд., а на прикладные исследования и ОКР – 222 млрд. рублей. Более того, если в 2000 г. на финансирование науки было выделено 1,7% федерального бюджета, то в 2011 г. – только 1,6% [4]. То есть произошло относительное уменьшение расходов государства на НИОКР. При этом увеличились расходы федерального бюджета на прикладную науку – с 0,1% ВВП до 0,4%. Доля расходов на фундаментальную науку составила 0,1% ВВП в 2000 г., в 2009 г. достигла 0,2%, а в 2012 г. упала до 0,1% ВВП [5]. Ассигнования на гражданскую науку упали с 1,0% федерального бюджета в 2007 г. до 0,7% в 2012 г. Но при этом доля расходов на финансирование фундаментальных исследований в академическом секторе сократилась с 0,14% до 0,12% ВВП. [9]

В связи с этим, следует сделать вывод о том, что современная экономическая политика не уделяет должного внимания проблеме финансового обеспечения научного сектора страны. Несмотря на то, что достаточно большой объем средств отнесен на эту отрасль, эти средства не показывают должного результата в жизни российской науки.

 

 

СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ

1. Курс социально-экономической статистики: Учебник для вузов /Под ред. проф. М.Г.Назарова. – М.: Финстатинформ, ЮНИТИ-ДАНА, 2000. – 771с.

2. Информационно-правовая система “Гарант”. Обзор от 12.04.2013

 

3. Справочно-правовая система Консультант Плюс Версия Проф. Обзор от 25.02.2013 г.

4. Финансирование инновационной деятельности: Учебное пособие/ Под. Ред. Подшиваленко Г.П., Демчинская О-В. - М.: ФА при Правительстве РФ, 1993 г.

5. Сизова Т.М. Статистика: Учебное пособие. – СПб.: СПб ГУИТМО, 2012. – 80 с.

6. http://issek.hse.ru/news/78125732.html

7. Индикаторы науки: 2013 : статистический сборник. — М. : Национальный исследовательский университет «Высшая школа экономики», 2013. — 400 с. — ISBN 978-5-7218-1310-8 (в обл.).

8. Финансирование исследований и разработок в России. Ук. соч. С. 150.

9. Индикаторы науки: 2013. Статистический сборник. М., 2013. С. 54.

10. Фундаментальная наука России: состояние и перспективы развития. М., 2009. С. 29.

11. http://life-prog.ru/view_statistika.php?id=8