Działalność innowacyjna a rozwój gospodarczy województw Polski

Transkrypt

1 Elżbieta Izabela Misiewicz * Działalność innowacyjna a rozwój gospodarczy województw Polski Wstęp Innowacyjność, która określana jest jako bijące serce gospodarki XXI wieku [Gerguri, Ramadani, 2000, s. 11], jest jednym z kluczowych elementów kształtowania polityki gospodarczej i wraz z konkurencyjnością oraz przedsiębiorczością tworzy zespół czynników sprzyjających rozwojowi gospodarczemu. O tym jak wielkie znaczenie ma innowacyjność może świadczyć fakt, że jest to jeden z głównych celów programów unijnych, m.in. Strategii Lizbońskiej, która jest podstawowym dokumentem zawierającym priorytety Unii Europejskiej oraz kierunki i perspektywy zmian [Strużycki, 2006, s. 9]. We współczesnej gospodarce coraz częściej działalność innowacyjną wskazuje się jako jedną z głównych przyczyn wpływających na konkurencyjność regionów. Można zatem stwierdzić, że rozwój gospodarczy determinowany jest poprzez prowadzoną na szczeblu krajowym i regionalnym politykę innowacyjną [Grycuk, Russel, 2011, s. 53]. Zależności pomiędzy działalnością innowacyjną a wzrostem gospodarczym są podstawą wielu prowadzonych obecnie badań. Teoretyczny związek pomiędzy innowacyjnością a wzrostem gospodarczym był rozważany już przez Adama Smitha, który twierdził, że na wydajność pracy składają się zarówno specjalizacja, jak i podział pracy, który umożliwia stosowanie sprawniejszych maszyn i urządzeń, a także wzrost kwalifikacji pracowników, co w konsekwencji przyczynia się do większego bogactwa narodów [Smith, 1776]. Chociaż związek między innowacyjnością a wzrostem gospodarczym był już wcześniej w sposób intuicyjny określany, to innowacja nie została wprowadzona do formalnych modeli wzrostu gospodarczego do 1957 roku [Solow, 1957, s ]. Celem artykułu jest określenie i zbadanie zależności występujących pomiędzy działalnością innowacyjną a rozwojem gospodarczym województw Polski, a także określenie pozycji poszczególnych województw pod względem analizowanych zmiennych. Zarówno działalność innowacyjna, jak i rozwój gospodarczy to przykłady zjawisk złożonych, których opis za pomocą tylko jednego wskaźnika nie jest jak się powszechnie uważa możliwy. Oba zjawiska nie są bezpośrednio obserwowane, w związku z tym badanie zależności zachodzących pomiędzy nimi nie jest możliwe przy pomocy klasycznego modelowania ekonometrycznego, dlatego też skorzystano z modelowania miękkiego [Wold, 1980; Rogowski, 1990; Mierzyńska, 1999], dzięki któremu takie zależności można wyodrębnić. Zastosowanie modelowania miękkiego pozwoliło nie tylko na zbadanie relacji między działalnością innowacyjną a rozwojem gospodarczym, ale także na określenie tych wskaźników, które w największym stopniu odzwierciedlają poszczególne zmienne ukryte. Model miękki zbudowano w oparciu o dane statystyczne z roku 2010 dotyczące województw Polski. * Dr, Zakład Ekonometrii i Statystyki, Wydział Ekonomii i Zarządzania, Uniwersytet w Białymstoku, elzbietamisiewicz@wp.pl

2 1. Specyfikacja modelu miękkiego Każdy model miękki składa się z dwóch części: modelu wewnętrznego oraz zewnętrznego pierwszy z nich stanowi schemat zależności między zmiennymi ukrytymi, drugi opisuje relacje między zmiennymi nieobserwowanymi i ich indykatorami [Rogowski, 1990, s. 33]. Relacje wewnętrzne w modelach miękkich mają charakter liniowy, a przyjęty w analizie model wewnętrzny ma następującą postać: INNOW ININ INOUT (1) INNOW 2 RGOS (2) gdzie: RGOS poziom rozwoju gospodarczego, INNOW działalność innowacyjna, ININ wkład w działalność innowacyjną, INOUT efekt działalności innowacyjnej, 0, 1, 2, 0, 1 parametry modelu, składniki losowe. 1, 2 Schemat analizowanego modelu miękkiego przedstawiono na rysunku 1. Rysunek 1. Schemat modelu miękkiego ININ01 ININ02 ININ03 ININ04 ININ05 ININ RGOS01 RGOS02 RGOS03 INOUT01 INNOW RGOS RGOS04 RGOS05 INOUT02 INOUT03 INOUT RGOS06 INOUT04 INNOW01 INNOW02 INNOW03 INNOW04 INNOW05 INNOW06 INNOW07 INNOW08 INNOW09 Zmienne ukryte występujące w modelach miękkich można definiować dwoma sposobami [Perło, 2004, s ]: 1. Dedukcyjnie wtedy zakłada się, że zmienna ukryta jako pojęcie teoretyczne jest punktem wyjścia do poszukiwania danych empirycznych, czyli jest ona zmienną pierwotną w stosunku do danego indykatora. Wskaźniki takich typów zmiennych ukrytych nazywa się odbijającymi. Charakteryzować się one powinny wysoką korelacją między sobą, gdyż reagują na zmiany wartości tej samej wielkości. 2. Indukcyjnie w tym przypadku następuje przejście od zmiennych obserwowalnych do ukrytych, a indykatory nazywa się tworzącymi. Budując modele zawierające zmienne ukryte, należy najpierw określić sposób powiązań pomiędzy wskaźnikami i zmienną teoretyczną. Podjęcie decyzji dotyczącej

3 Działalność innowacyjna -INNOW Innovation output -INOUT Innovation input ININ wyboru rodzaju indykatorów, które znajdą się w modelu, powinno wynikać z opisu teoretycznego [Rogowski, 1990, s. 25]. Pierwotny zestaw wskaźników odnoszący się do zmiennych ukrytych po analizie statystycznej (odrzucono indykatory, dla których współczynniki zmienności były niższe niż 10%) został zawężony do dziewięciu opisujących działalność innowacyjną i sześciu określających rozwój gospodarczy. Wskaźniki wykorzystane w modelu przedstawiono w jednostkach względnych, gdyż takie ujęcie umożliwia analizę porównawczą województw, które różną się między sobą m.in. powierzchnią czy liczbą ludności. Przy budowie modelu miękkiego wykorzystano metodologię EIS 2005, w której działalność innowacyjna zdefiniowana została za pomocą dwóch zmiennych: wkładu w działalność innowacyjną (Innovation input - ININ) i efektów innowacyjności (Innovation output INOUT). Pierwsza z nich opisana została za pomocą pięciu indykatorów, drugą zdefiniowano za pomocą czterech wskaźników (tablica 1). Zmienna działalność innowacyjna to zmienna rzędu drugiego, gdyż została ona zdefiniowana przez dwie wyżej omówione zmienne, zatem wszystkie indykatory opisujące wkład w działalność innowacyjną jak i efekty działalności innowacyjnej określają tę zmienną. Wszystkie wskaźniki zmiennej działalność innowacyjna można określić jako stymulanty, gdyż wyższe wartości tych indykatorów wskazują na wyższy poziom badanego zjawiska. Tablica 1. Indykatory zmiennej ukrytej działalność innowacyjna Zmienna ukryta Symbol indykatora ININ01 Nazwa indykatora Jednostki B+R na 10 tys. podmiotów wpisanych do rejestru REGON ININ02 Udział zatrudnionych w B+R w pracujących ogółem ININ03 Nakłady na B+R w relacji do PKB ININ04 Zasoby ludzkie dla nauki i techniki jako odsetek populacji ININ05 Odsetek przedsiębiorstw, które poniosły nakłady na działalność innowacyjną Udział produkcji sprzedanej wyrobów nowych/ istotnie INOUT01 ulepszonych w przedsiębiorstwach przemysłowych w wartości sprzedaży wyrobów ogółem INOUT02 Udział przychodów netto ze sprzedaży produktów innowacyjnych w przychodach netto ze sprzedaży ogółem INOUT03 Zgłoszone wynalazki na 1 milion ludności INOUT04 Udzielone patenty na 1 milion ludności Rozwój gospodarczy, podobnie jak działalność innowacyjna, jest zjawiskiem złożonym, zatem niezmiernie trudno jest ustalić jeden uniwersalny wskaźnik, za pomocą którego badany byłby jego poziom [Strzelecki, 2008, s. 196]. Najczęściej stosuje się produkt krajowy brutto (PKB), uzupełniony o wskaźniki ekonomiczne, demograficzne oraz gospodarcze i społeczne. Przyjęto, że poziom rozwoju gospodarczego województw Polski definiowany jest przez sześć indykatorów (tablica 2). Założono, że wskaźnik stopa bezrobocia rejestrowanego oraz udział rolnictwa, leśnictwa, łowiectwa i rybactwa w tworzeniu krajowej wartości dodanej brutto to destymulanty, a pozostałe cztery indykatory to stymulanty. Tablica 2. Indykatory zmiennej ukrytej rozwój gospodarczy Zmienna Symbol Nazwa indykatora

4 Rozwój gospodarczy - RGOS ukryta indykatora RGOS01 Produkt krajowy brutto na 1 mieszkańca RGOS02 Wartość dodana brutto na 1 pracującego RGOS03 Stopa bezrobocia rejestrowanego RGOS04 Produkcja sprzedana przemysłu na 1 mieszkańca RGOS05 Udział rolnictwa, leśnictwa, łowiectwa i rybactwa w tworzeniu krajowej wartości dodanej brutto RGOS06 Podmioty wpisane do rejestru REGON na 10 tys. ludności 2. Wyniki estymacji i weryfikacji Model miękki szacowano częściową metodą najmniejszych kwadratów, która pozwala na równoczesne uzyskanie ocen parametrów modelu wewnętrznego i zewnętrznego, a odbywa się w trzech następujących etapach [Rogowski, 1990, s ]: 1) iteracyjne oszacowanie wag, co pozwala na oszacowanie wartości zmiennych ukrytych, 2) szacowanie parametrów modelu wewnętrznego i zewnętrznego (ładunków czynnikowych), 3) szacowanie wyrazów wolnych relacji wewnętrznych i zewnętrznych. W wyniku estymacji otrzymano następujące oszacowania parametrów relacji wewnętrznych (w nawiasach podano błędy szacunku otrzymane za pomocą cięć Tuckey a). IN NOW ˆ 0,6461ININ 0,4067INOUT 0,0644 (3) (0,0050) (0,0202) (0,0055) (0,3114) (0,0127) R 2 0,9998 (4) R GOS ˆ 0,8196INNOW 1,0639 (5) 2 0,6701 R (6) Równanie pierwsze pokazuje, że obie zmienne są dodatnio skorelowane ze zmienną działalność innowacyjna. Na zmienną ukrytą INNOW wpływ ma przede wszystkim wkład w działalność innowacyjną, w mniejszym zaś stopniu efekty tej działalności. Drugie równanie obrazuje znaczny wpływ działalności innowacyjnej na poziom rozwoju gospodarczego województw Polski. W obu modelach parametry są istotnie różne od zera oraz obydwa równania posiadają dosyć wysokie wartości R 2, co oznacza dobre dopasowanie do oszacowanych wartości zmiennych ukrytych. Ponieważ występujące w modelach indykatory są odbijające, analizy zmiennych dokonuje się w oparciu o ładunki czynnikowe. Ładunki te to współczynniki korelacji między zmienną nieobserwowalną a jej indykatorami. Tak jak zakładano, wartości ładunków czynnikowych, poza stopą bezrobocia rejestrowanego oraz udziałem rolnictwa, łowiectwa i rybołówstwa w tworzeniu krajowej wartości dodanej brutto, mają dodatnie znaki (tablica 3). Zmienna wkład w działalność innowacyjną najsilniej odbijają: udział zatrudnionych w B+R w pracujących ogółem (0,9446) oraz nakłady na B+R w relacji do PKB (0,8974). Zmienną efekty działalności innowacyjnej najsilniej odzwierciedla liczba zgłoszonych wynalazków na 1 milion (0,9303) i liczba udzielonych patentów na 1 milion ludności (0,9136). Zmienna ukryta działalność innowacyjna bardzo silnie skorelowana jest z trzema wskaźnikami: udziałem zatrudnionych w B+R w pracujących ogółem (0,9261), liczbą zgłoszonych wynalazków na 1 milion (0,9012) i liczbą udzielonych patentów na 1 milion ludności (0,9034).

5 Ze zmienną rozwój gospodarczy silnie związane są wskaźniki: produkt krajowy brutto na mieszkańca (0,8769) i produkcja sprzedana przemysłu na 1 mieszkańca (0,8549). Oceny jakości modelu można dokonać także na podstawie testu Stone a-geissera, który weryfikuje model pod względem jego przydatności do predykcji. Ogólna wartość testu S-G (0,2332), jak i wartości tego testu dla poszczególnych indykatorów zmiennej ukrytej rozwój gospodarczy są większe od zera (RGOS01: 0,4132; RGOS01: 0,2889; RGOS03: 0,3990; RGOS04: 0,4388; RGOS05: 0,2730), co świadczy o dobrej wartości prognostycznej modelu. Tablica 3. Oszacowania parametrów relacji zewnętrznych modelu Zmienna ukryta Symbol indykatora Ładunek czynnikowy Błąd szacunku ININ01 ININ02 ININ ININ03 ININ04 ININ05 INOUT 01 INOUT02 INOUT INOUT03 INOUT04 INNOW01 INNOW02 INNOW03 INNOW04 INNOW INNOW05 INNOW06 INNOW07 INNOW08 INNOW09 RGOS01 RGOS02 RGOS03 RGOS RGOS04 RGOS05 RGOS06 0,8564 0,9446 0,8974 0,8764 0,6876 0,5673 0,5395 0,9303 0,9136 0,8366 0,9261 0,8046 0,8636 0,6960 0,4058 0,3396 0,9012 0,9034 0,8769 0,8173-0,6446 0,8549-0,6125 0,7219 0, ,0001 0,0001 0,0002 0,0027 0,0028 0,0011 0,0012 0,0010 0,0007 0,0016 0,0011 0,0013 0,0041 0,0043 0,0006 0,0005 0,0577 0,0946 0,1005 0,1077 0,0826 0,1209 Ponieważ model został po względem statystycznym pozytywnie zweryfikowany, można przejść do analizy przestrzennego zróżnicowania działalności innowacyjnej i rozwoju gospodarczego województw Polski. 3. Analiza wyników Zastosowanie częściowej metody najmniejszych kwadratów pozwala nie tylko na oszacowanie relacji zachodzących pomiędzy zmiennymi ukrytymi, ale także na oszacowanie wartości tych zmiennych. Oszacowania zmiennych ukrytych nie mają merytorycznej interpretacji, wykorzystywane mogą być do analizy porównawczej, czy też określenia przestrzennego zróżnicowania danego zjawiska. Na podstawie oszacowań wartości zmiennych nieobserwowalnych dokonano liniowego porządkowania, przypisując wartościom tych zmiennych wartości skali porządkowej, czyli rangi, tj. liczby naturalne od 1 do 16. Interpretując kolejność tych liczb, dokonuje się analizy porównawczej. Otrzymane uporządkowanie województw według wartości zmiennych działalności innowacyjna i rozwój gospodarczy przedstawia tablica 4 oraz rysunki 2 3.

6 Tablica 4. Uporządkowanie województw w Polsce wg zmiennych ukrytych Województwo RGOS INNOW Mazowieckie 1 1 Śląskie 2 4 Dolnośląskie 3 5 Wielkopolskie 4 6 Pomorskie 5 3 Małopolskie 6 2 Łódzkie 7 7 Lubuskie 8 16 Zachodnio 9 11 Opolskie Kujawsko Świętokrzyskie Podkarpackie 13 8 Lubelskie 14 9 Podlaskie Warmińsko-mazurskie Najwyższe miejsca w rankingu ze względu na rozwój gospodarczy zajęły województwa: mazowieckie, śląskie, dolnośląskie i wielkopolskie. Województwa te są biegunami rozwoju i zajmują bardzo wysokie pozycje pod względem wskaźników, które najsilniej odbijają zmienną ukrytą RGOS, takich jak: produkt krajowy brutto na 1 mieszkańca, wartość dodana brutto na 1 pracującego i produkcja sprzedana przemysłu na 1 mieszkańca. Na najniższych lokatach, pod względem rozwoju gospodarczego, uplasowały się województwa: podkarpackie, lubelskie, podlaskie i warmińsko-mazurskie. Liderami działalności innowacyjnej są województwa: mazowieckie, małopolskie, i śląskie. W województwach tych bardzo wysokie wartości przyjmują wskaźniki: udział zatrudnionych w B+R w pracujących ogółem oraz zgłoszone wynalazki na 1 mln ludności, które silnie odbijają zmienną INNOW. Najniższy potencjał innowacyjny jest w województwach: podlaskim, świętokrzyskim, warmińsko-mazurskim i lubuskim.

7 Rysunek 2. Województwa w Polsce wg zmiennej INNOW w 2010 r. Ranga 11 zachodnio - po morskie 16 lubuskie dolnośląskie 6 wielkopolskie 3 12 kujawsko - 1 opolskie 7 łódzkie 4 śląskie 15 warmińsko - mazurskie 1 mazowieckie 14 świętokrzyskie - 2 małopolskie 13 podlaskie 9 lubelskie 8 podkarpackie Rysunek 3. Województwa w Polsce wg zmiennej RGOS w 2010 r. Ranga 9 zachodnio - 8 lubuskie dolnośląskie 4 wielkopolskie 5 11 kujawsko - 10 opolskie 7 łódzkie 2 śląskie 16 warmińsko - mazurskie mazowieckie 11 święto - krzyskie 6 małopolskie 1 15 podlaskie 13 lubelskie 13 podkarpackie Jedynie województwa: mazowieckie, łódzkie i opolskie zajęły tę samą lokatę, biorąc pod uwagę wartości rang zmiennych rozwój gospodarczy i działalność innowacyjna. Województwo mazowieckie jest liderem pod względem obu zmiennych ukrytych. Już na etapie analizy wskaźników województwo to wyróżniało się wysokimi wartościami większości indykatorów. Spośród dwunastu wskaźników wybranych do budowy modelu miękkiego w województwie mazowieckim osiem przyjmowało najwyższe wartości. W dziewięciu województwach różnica pomiędzy rangami nie była wyższa niż 2, co potwierdza znaczny wpływ działalności innowacyjnej na poziom rozwoju gospodarczego. Zakończenie Dzięki zastosowaniu modelowania miękkiego możliwe było zbadanie relacji zachodzących pomiędzy działalnością innowacyjną i rozwojem gospodarczym województw

8 Polski w 2010 roku. Uzyskane wyniki świadczą o silnej, dodatniej, statystycznie istotnej zależności pomiędzy badanymi zmiennymi ukrytymi. Z przeprowadzonych analiz wynika, że wpływ na zmienną działalność innowacyjna miał przede wszystkim wkład w działalność innowacyjną, w mniejszym zaś stopniu efekty z działalności innowacyjnej. Uzyskane rezultaty potwierdzają, że istotny wpływ na stopień rozwoju gospodarczego województw w Polsce w 2010 roku wywierała działalność innowacyjna. To przede wszystkim wkład w działalność innowacyjną, czyli poniesione nakłady na B+R czy inwestowanie w czynnik ludzki, przyczyniają się do wzmocnienia działalności innowacyjnej, a w konsekwencji do wzrostu gospodarczego województw oraz podniesienia konkurencyjności polskiej gospodarki. Należy pamiętać, że szacując model miękki częściową metodą najmniejszych kwadratów, otrzymuje się także oszacowania wartości zmiennych ukrytych, które pozwoliły na stworzenie rankingów województw ze względu na analizowane zmienne nieobserwowalne. Literatura 1. Gerguri S., Ramadani V. (2010), The Impact of Innovation into the Economic Growth, University Library of Munich, Germany, MPRA Paper, Vol Grycuk A., Russel P. (2011), Polityka innowacyjna w Polsce w ujęciu krajowym i regionalnym, w: Innowacyjność polskiej gospodarki, Zygierewicz A. (red.), Wydawnictwo Sejmowe Kancelarii Sejmu, Warszawa. 3. Mierzyńska D. (1999), Modele miękkie w analizie porównawczej złożonych zjawisk społecznoekonomicznych, rozprawa doktorska, Wydawnictwo UwB, Białystok. 4. Perło D. (2004), Źródła finansowania rozwoju regionalnego, Wydawnictwo Wyższej Szkoły Ekonomicznej w Białymstoku, Białystok. 5. Rogowski J. (1990), Modele miękkie. Teoria i zastosowanie w badaniach eknomicznych, Wydawnictwo Filii UW w Białymstoku, Białystok. 6. Smith A. (1776), An Inquiry into the Nature and Causes of the Wealth of Nations, Glasgow Edition of Works, Vol Solow R.M. (1957), Technical Change and the Aggregate Production Function, Review of Economics and Statistics, Vol Strużycki M. (2006), Innowacyjność w teorii i praktyce, SGH, Warszawa. 9. Strzelecki Z. (2008), Gospodarka regionalna i lokalna, PWN, Warszawa. 10. Wold H. (1980), Soft modelling: Intermediate between traditional model building and data analysis, Banach Centre Publication. Streszczenie Celem artykułu było określenie i zbadanie relacji występujących pomiędzy działalnością innowacyjną a rozwojem gospodarczym województw Polski, a także ukazanie pozycji poszczególnych województw pod względem analizowanych zmiennych. Ponieważ wszystkie badane zmienne są nieobserwowalne, do określenia relacji między nimi zastosowano modelowanie miękkie. Model miękki został oszacowany na podstawie danych dla województw Polski z roku Wyniki estymacji pokazały silny, statystycznie istotny wpływ działalności innowacyjnej na poziom rozwoju gospodarczego. Słowa kluczowe innowacyjność, rozwój gospodarczy, modelowanie miękkie

9 Innovation activity and economic development of voivodeships of Poland (Summary) The aim of this article was identification and a study of the correlation between innovation activity and economic development of voivodeships of Poland and showing the positions of various regions in terms of the analyzed variables. As all the examined variables are latent, the author used soft model to determine the relations among them. Soft model was estimated using data for Polish voivodeships in The estimation results showed a strong and statistically significant impact of innovation activity on the level of economic development. Keywords innovation, economic development, soft model