a r t y k u ł y Studia Regionalne i Lokalne Nr 1(47)/2012 ISSN 1509 4995 Arkadiusz Świadek* Wielkość przedsiębiorstw i ich struktura własności a rozwój innowacyjności w regionalnych systemach przemysłowych W krajach przechodzących etap transformacji struktura przedsiębiorstw i własności kapitału wpływa na procesy ekonomiczne, w tym również na aktywność innowacyjną w przemyśle. Prowadzone badania wskazują, że kluczem do akceleracji rozwoju ekonomicznego jest transfer technologii z zagranicy, a implementacja nowych rozwiązań zależy głównie od podmiotów średnich i dużych. Przedsiębiorstwa krajowe mikro i małe zlokalizowane w polskich regionach charakteryzują się niechęcią do podejmowania ryzyka, ale w miarę upływu czasu aktywność innowacyjna tych drugich staje się porównywalna do ich zagranicznych i dużych konkurentów. Słowa kluczowe: innowacje, system, region, przemysł. Dynamizm i systemowość innowacji zostały dotychczas opisane w nurtach teoretycznych określanych jako szkoły ewolucyjna i neoschumpeterowska. Proces innowacyjny na poziomie przedsiębiorstwa jest uznawany w tych koncepcjach za układ aktywności, które są ze sobą powiązane przez wzajemne sprzężenia zwrotne. Innowacja jest natomiast rezultatem interaktywnego procesu uczenia, który angażuje często kilku aktorów z wewnątrz i spoza przedsiębiorstwa (Lundvall 1992). Innowacja i jej dyfuzja stają się tym samym rezultatem interaktywnego i kolektywnego procesu sieciowego, ewoluujących powiązań personalnych i instytucjonalnych. Odpowiadają one w regionie na wyzwania stawiane przez nową ekonomię : globalizację i akcelerację zmian technologicznych, stwarzając tym samym szansę rozwoju gospodarczego w słabo rozwiniętych regionach. Systemy innowacyjne na poziomie krajowym i sektorowym stały się przedmiotem badań teoretyczno-empirycznych na świecie na przestrzeni ostatnich 15 20 lat, w Polsce dopiero pod koniec lat dziewięćdziesiątych (Okoń-Horodyńska 1998). Podejście to skupiało się na determinantach rozwoju i dyfuzji innowacji procesowych i produktowych (Edquist i McKelvey 2000, s. 26). Istnieje zróżnicowane podejście do definiowania pojęcia krajowego systemu innowacyjnego. Z perspektywy omawianych na łamach pracy badań można go uznać za całokształt powiązanych ze sobą instytucjonalnych i strukturalnych czynników w gospodarce narodowej i społeczeństwie, manifestowany przez jego trzy podstawowe elementy: przemysł, sferę badawczo-rozwojową (B + R) i instytucje * Zakład Innowacji i Przedsiębiorczości, Wydział Ekonomii i Zarządzania, Uniwersytet Zielonogórski, ul. Podgórna 50, 65-246 Zielona Góra; e-mail: aswiadek@uz.zgora.pl.
6 Arkadiusz Świadek okołobiznesowe oraz występujące między nimi powiązania. System przemysłowy będzie stanowić zbiór podmiotów realizujących działalność produkcyjną, ale niekoniecznie innowacyjną na wyodrębnionym terytorium, dzięki czemu dochodzi do wewnętrznych interakcji między podmiotami oraz w relacji system a jego otoczenie. Warto jednak zwrócić uwagę na to, że jego istotą nie są wewnętrzni i zewnętrzni uczestnicy rynku, tylko raczej relacje zachodzące między nimi. Wnioski z prowadzonych na świecie badań świadczą o tym, że podmioty produkcyjne osiągają większe korzyści ekonomiczne, kiedy są elementami intensywnej integracji sieciowej (Innovationspolitik 2002, s. 41). Krajowy system innowacji składa się z odpowiedników regionalnych, tworzących wspólnie funkcjonalną sieć, łączącą wszystkie podmioty działające w sferze innowacji i transferu technologii w danym kraju (szerzej Jasiński 2000). Lokalne sieci innowacji prowadzą do stworzenia szans (okazji) dla słabo rozwiniętych regionów. Nie przynoszą jednak gotowych rozwiązań wszystkich ich problemów gospodarczych. Dają za to małym i średnim przedsiębiorstwom z jednej strony dostęp do globalnych zasobów, z drugiej umożliwiają produkcję wyrobów na rynek międzynarodowy (Huggins 1995, s. 12). Regionalne systemy przemysłowe dzięki procesowi współpracy odgrywają istotną rolę w podziale pracy wśród producentów, sprzedawców, nabywców czy w sferze badawczo-rozwojowej. Podmioty, które nie kooperują i nie wymieniają wiedzy, redukują swoją konkurencyjność w długim okresie i tracą zdolność do wchodzenia w związki wymiany (Capello 1999, s. 355). Struktura przemysłu w krajach typu catching up jest na ogół mało nowoczesna (czyt. konkurencyjna), cechuje się niskim udziałem wyrobów wysokiej techniki w handlu międzynarodowym. Dotychczasowe obserwacje w powiązaniu z prowadzonymi przez autora badaniami sugerują, że poprawa struktury wymiany będzie miała charakter ewolucyjnych zmian w obszarze klas wielkości przedsiębiorstw i stosowanej w nich technologii produkcji (Świadek 2007). Nowe rozwiązania pozyskiwane są na ogół dzięki biernemu transferowi technologii, tym intensywniej, im częściej przedsiębiorstwo jest elementem międzynarodowego łańcucha przemysłowego (Woodward 2005). Obserwacje prowadzone w najbardziej rozwiniętych krajach wskazują, że mimo rosnącego znaczenia umiędzynarodowienia gospodarki, region postrzegany jest jako alternatywna możliwość egzystencji i rozwoju sektora małych i średnich przedsiębiorstw w nowej konstelacji globalnego rynku. Właśnie z tego powodu jednym z głównych celów polityki regionalnej w Unii Europejskiej jest zapewnienie płynnej adaptacji regionalnych struktur przemysłowych w obliczu światowych zmian parametrów społecznych, gospodarczych i technologicznych (Frenkel 2003). Problem wpływu wielkości i struktury własności przedsiębiorstw na kształtowanie działalności innowacyjnej nie jest zjawiskiem nowym. Co więcej, podejście do niego ewoluowało, zmieniając się dość radykalnie. W okresie powstawania teorii innowacji uważano, że aktywność w tworzeniu nowych technologii jest domeną dużych przedsiębiorstw (szerzej Schumpeter 1960). W latach osiemdziesiątych poprzedniego stulecia podejście to zostało fundamentalnie przeformuło-
Wielkość przedsiębiorstw i ich struktura własności 7 wane przez Petera Druckera, który dowodził większego znaczenia powszechnych zachowań innowacyjnych w grupie małych i średnich przedsiębiorstw (szerzej Drucker 1992). Dyskusja ta nie jest zakończona, a problem wpływu wielkości przedsiębiorstw na rozwój technologii wydaje się obecnie zjawiskiem o bardziej heterogenicznej naturze, niż uważano dotychczas. Warunek klas wielkości posiada bowiem zróżnicowane znaczenie w zależności od innych czynników występujących w systemach innowacyjnych (Audretsch 1995). W dalszym ciągu istnieją okoliczności, które sugerują poprawę zaawansowania technologicznego w gospodarce przez stymulowanie innowacyjności w podmiotach dużych. Ma to często miejsce w krajach słabo rozwiniętych gospodarczo, gdzie przedsiębiorczość nie jest odpowiednio wykształcona i daleko jej do zjawiska o powszechnym charakterze. Nie inaczej wygląda sytuacja w obszarze własności przedsiębiorstw. Z jednej strony coraz częściej dowiadujemy się o konieczności endogenicznego wzrostu w kontekście aktywności innowacyjnej w krajach najwyżej rozwiniętych gospodarczo. Z drugiej strony, takie kraje jak Polska, nieposiadające odpowiedniego dynamizmu systemowego i wewnętrznego imperatywu kreowania nowych rozwiązań, jeszcze długo nie będą w stanie stworzyć mechanizmów odpowiedzialnych za generowanie nowej wiedzy i możliwości jej implementacji. Trudno zatem w najbliższych latach oczekiwać, biorąc pod uwagę powolną ewolucję systemów, że w polskich województwach za akcelerację postępu będą odpowiedzialne podmioty krajowe. Przeprowadzone na łamach tej pracy analizy mają wzbogacić dotychczasowy dorobek wiedzy z tego zakresu, przybliżając opisywaną wcześniej ewolucję systemów gospodarczych. Nakreślone ramy koncepcyjne przyczyniły się do podjęcia problematyki wpływu wielkości i charakteru własności przedsiębiorstw na innowacyjność regionalnych systemów przemysłowych. Podstawową hipotezą prowadzonych badań stało się twierdzenie, że aktywność innowacyjna w terytorialnych układach industrialnych i w ich kontaktach z otoczeniem jest istotnie zdeterminowana oddziaływaniem struktury wielkości i własności przedsiębiorstw. Właściwa (umiejętna) identyfikacja przebiegu procesów innowacyjnych oraz ich ograniczeń w krajowym systemie gospodarowania stwarza podstawy do budowy zdywersyfikowanych ścieżek rozwoju sieci innowacyjnych, uwzględniających specyfikę krajową i wewnątrzregionalną, umożliwiających akcelerację procesów kreowania, absorpcji i dyfuzji technologii. Głównym celem badania było poznanie zmiennych warunków wpływu klas wielkości i formy własności przedsiębiorstw na ich aktywność innowacyjną w obrębie regionalnych systemów przemysłowych, a w konsekwencji określenie warunków brzegowych dla modelowej struktury regionalnej sieci innowacji uwzględniającej specyfikę Polski i jej regionów. Zaprezentowane efekty badania stanowią jedynie wybraną część wniosków uzyskanych w wyniku prowadzonych analiz. Warstwa egzemplifikacyjna pracy została oparta na studium szczegółowo eksplorującym cztery wybrane, odmienne przypadki województw: Mazowsza
8 Arkadiusz Świadek Dolnego Śląska, Pomorza Zachodniego i ziemi lubuskiej. Badania przeprowadzono, wykorzystując kwestionariusz ankietowy, na grupie 1919 przedsiębiorstw przemysłowych z wyselekcjonowanych regionów, w tym w 213 przedsiębiorstwach z kapitałem zagranicznym (mikroprzedsiębiorstwa 643, małe 690, średnie 452, duże 134). Podstawową ścieżką gromadzenia danych była procedura łącząca wstępną rozmowę telefoniczną z przesłaniem formularza ankietowego drogą pocztową. Formami uzupełniającymi były wywiad prowadzony telefonicznie lub pozyskiwanie wypełnionego kwestionariusza drogą elektroniczną, względnie faksem. Nieprawidłowo wypełnionych ankiet, jeżeli błędy były poważne, nie uwzględniano w kolejnych etapach badań. Część brakujących danych starano się uzupełnić przez ponowny kontakt z przedsiębiorstwem lub dzięki materiałom dostępnym w formie elektronicznej. Struktura technologiczna przedsiębiorstw uczestniczących w badaniu odpowiadała w przybliżeniu danym prezentowanym przez Główny Urząd Statystyczny. Dokonując doboru próby badawczej, zdecydowano się na analizę czterech przypadków województw reprezentujących zróżnicowany poziom rozwoju przemysłowego (silny, średniosilny, średniosłaby, słaby). Dzięki takiemu zabiegowi przeanalizowano specyfikę regionalnych systemów przemysłowych w kraju i ich ewolucję, ograniczając zdecydowanie koszty związane z tak rozległym badaniem. Pamiętano jednak o tym, że każdy z wziętych pod uwagę przypadków posiada, poza cechami wspólnymi, własną, niepowtarzalną specyfikę. Podjęte analizy miały charakter statyczny i były prowadzone w układzie trzyletnim zgodnie ze standardami metodologicznymi badań nad innowacjami stosowanymi w krajach OECD. Metodyczne uwarunkowania prowadzonych badań Część metodyczna analiz oparta została na rachunku prawdopodobieństwa. W przypadku gdy zmienna zależna osiąga wartości dychotomiczne, nie można bowiem wykorzystać powszechnie stosowanej przy zjawiskach ilościowych regresji wielorakiej. Alternatywnym rozwiązaniem jest zastosowanie regresji logistycznej. Jej zaletą jest to, że analiza i interpretacja wyników jest podobna do klasycznej metody regresji. A zatem sposoby doboru zmiennych i testowania hipotez mają podobny schemat. Występują jednak również różnice, do których zaliczyć możemy: bardziej skomplikowane i czasochłonne obliczenia czy wyliczanie wartości i sporządzanie wykresów reszt, co często nie wnosi nic znaczącego do modelu (Stanisz 2007, s. 217). Pionierami w stosowaniu krzywej logistycznej byli Pierre François Verhulst i Raymond Pearl. Pełny model został jednak po raz pierwszy wykorzystany dopiero przez Josepha Berksona w roku 1944, a następnie 1953 (Berkson 1944, s. 357 365, Berkson 1990). W przypadku modelu, w którym zmienna zależna osiąga wartość 0 lub 1, wartość oczekiwana zmiennej zależnej może być interpretowana jako warunkowe prawdopodobieństwo realizacji danego zdarzenia przy ustalonych wartościach zmiennych niezależnych.
Wielkość przedsiębiorstw i ich struktura własności 9 Ogólnie ująwszy, regresja logistyczna jest matematycznym modelem, którego możemy użyć w celu opisania wpływu kilku zmiennych X 1, X 2,..., X k na dychotomiczną zmienną Y. Gdy wszystkie zmienne niezależne są jakościowe, model regresji logistycznej jest równoznaczny z modelem log-liniowym. Dla opisania takiego zjawiska można posłużyć się również regresją probitową (Gruszczyński i in. 2003). Wspólne założenia dla tych modeli są następujące (Lipiec-Zajchowska 2003, s. 129 130): dane pochodzą z próby losowej, Y może przyjmować tylko dwie wartości: 0 lub 1, kolejne wartości Y są statystycznie niezależne od siebie, prawdopodobieństwo, że Y = 1 zdefiniowane jest przez NCD (rozkład normalny) dla modelu probit lub LCD (rozkład logistyczny) dla modelu logit, nie występuje idealna zależność liniowa pomiędzy zmiennymi X i (założenie o braku współliniowości zmiennych niezależnych). Zastosowane modelowanie probitowe pozwoliło ocenić szansę zajścia różnorodnych zachowań innowacyjnych w zależności od przyjętych warunków brzegowych. Modele probitowy i logitowy różnią się specyfikacją rozkładu składnika losowego w równaniu. Jeżeli F jest dystrybuantą rozkładu logistycznego, to mamy do czynienia z modelem logitowym, jeżeli zaś składniki losowe mają rozkład normalny, to otrzymujemy model probitowy (Maddala 2006, s. 378). Zależność między wartościami Logit i Probit: Logit π = = 1,8 Probit 3 Parametry w metodach ze zmienną dychotomiczną szacuje się za pomocą metody największej wiarygodności (MNW). Zgodnie z jej zasadami, poszukuje się wektora parametrów, który gwarantuje największe prawdopodobieństwo otrzymania wartości zaobserwowanych w próbie (Welfe 1998, s. 73 76). W skrócie zastosowanie MNW wymaga sformułowania funkcji wiarygodności i znalezienia jej ekstremum. Można to zrobić analitycznie lub numerycznie. Pomimo dość skomplikowanej procedury MNW zyskała popularność, można ją bowiem stosować w przypadku szerokiej gamy modeli, między innymi o zmiennych parametrach, ze złożoną strukturą opóźnień, heteroskedastycznych, a także nieliniowych. Własności MNW, również w małych próbach, są w wielu przypadkach lepsze od innych, konkurencyjnych estymatorów (Welfe 1998, s. 76). W procedurze estymacji nieliniowej używa się sześciu algorytmów w celu odnalezienia minimum funkcji straty. Umożliwia to uzyskanie najlepszych estymatorów przy danej funkcji straty. Każda z tych metod wykorzystuje różne strategie poszukiwania dla znalezienia minimum funkcji. Do dyspozycji mamy następujące algorytmy (Stanisz 2007, s. 190 191):
10 Arkadiusz Świadek quasi-newtona 1, sympleksów, sympleksu i quasi-newtona, Hooke a-jeevesa przemieszczenia układu, Hooke a-jeevesa przemieszczenia układu i quasi-newtona, Rosenbrocka poszukiwania układu. Tab. 1. Porównanie regresji wielorakiej i regresji logistycznej podobieństwa i różnice Regresja wieloraka Zmienna zależna Y ilościowa ciągła (może przyjmować dowolną wartość) Zmienne niezależne ilościowe i jakościowe Współczynniki estymowane MNK Zmienna zależna Y jest liniowo powiązana ze zmiennymi niezależnymi. Zjawisko współliniowości prowadzi do obciążonych współczynników regresji lub uniemożliwia ich estymację. Stosujemy globalny test F do oceny istotności poszczególnych współczynników regresji. Reszty powinny mieć rozkład normalny. Analiza reszt umożliwia wykrycie punktów odstających. Współczynnik determinacji R 2 lub poprawione R 2 jest miarą dopasowania modelu. Źródło: Stanisz 2007, s. 254. Regresja logistyczna Zmienna zależna dychotomiczna (przyjmuje tylko dwie wartości) Zmienne niezależne ilościowe i jakościowe Współczynnik estymacji metoda największej wiarygodności. Zmienna zależna Y jest powiązana nieliniowo ze zmiennymi niezależnymi. Liniowo powiązany jest natomiast logit. Test ilorazu wiarygodności (mający rozkład chi-kwadrat) jest stosowany do oceny istotności współczynnika regresji. Test t i test Walda są stosowane do oceny istotności poszczególnych współczynników regresji. Można zastosować również test ilorazu wiarygodności. Reszty powinny mieć rozkład normalny. Analiza reszt umożliwia wykrycie punktów odstających. Odpowiednikiem jest pseudo R 2 (R 2 McFaddena lub R 2 Nagel Kerke a). Maksymalizacji funkcji wiarygodności dla modeli logitowego lub probitowego dokonuje się za pomocą technik używanych przy estymacji nieliniowej. Dla analizy probitowej i logitowej dostępne są proste w obsłudze programy komputerowe (Maddala 2006, s. 373). Zmiennymi niezależnymi, którymi posłużono się w badaniu, są: wielkość przedsiębiorstw w podziale na mikro, małe, średnie i duże podmioty oraz charakter ich własności w podziale na przedsiębiorstwa krajowe, zagraniczne i z kapitałem mieszanym. Po stronie zmiennych zależnych znalazły się: nakłady na działalność innowacyjną w powiązaniu z ich strukturą (badania i rozwój, inwestycje w nowe maszyny i urządzenia techniczne, inwestycje w budynki, 1 W pracy zastosowano metodę quasi-newtona dla celów poszukiwania maksimum wiarygodności oszacowanych parametrów modeli. Biorąc pod uwagę fakt, że różnice między poszczególnymi metodami dotyczą głównie precyzji obliczeń, a w pracy wystarczająca okazywała się ogólna postać modelu dla interpretacji badanych zjawisk, użycie pierwszej z nich było według autora wystarczająco uzasadnione.
Wielkość przedsiębiorstw i ich struktura własności 11 budowle oraz grunty, nowe oprogramowanie komputerowe); implementacja nowych wyrobów i procesów, uwzględniając również szczegółowe rozwiązania w tym zakresie (nowe produkty, nowe procesy technologiczne); kooperacja innowacyjna w ujęciu podmiotowym: z dostawcami, konkurentami, odbiorcami, szkołami wyższymi, jednostkami badawczo-rozwojowymi (JBR), zagranicznymi instytutami badawczymi. Przyjęte zmienne niezależne stanowią zbiór punktów odniesienia obrazujących aktywność innowacyjną przedsiębiorstw przyjętą na podstawie metodologii stosowanej dla krajów OECD (Podręcznik 2005). Biorąc pod uwagę logiczne relacje zachodzące między badanymi zmiennymi, przyjęto założenie, że składniki losowe mają rozkład normalny, a w konsekwencji wykonano obliczenia w oparciu o modelowanie probitowe. Weryfikację statystyczną modeli i ich parametrów przeprowadzono w oparciu o statystykę Chi-kwadrat Walda i powiązane z nią prawdopodobieństwo testowe p, oraz statystykę t-studenta. Wszystkie obliczenia zostały wykonane przy wykorzystaniu oprogramowania Statistica i uwzględnieniu analogicznych warunków wyjściowych co do oceny istotności modeli i ich parametrów, oferowanych przez użyty program. Ze względu na estetykę prezentacji wyników badań, autor zdecydował o przedstawieniu jedynie modeli spełniających kryteria oceny istotności parametrów, rezygnując tym samym z rozbudowanej formy prezentacji uwzględniającej także obliczone błędy standardowe, statystyki oceny istotności parametrów i prawdopodobieństwa występowania zjawisk. Było to uzasadnione również faktem, że postać strukturalna modelu jest wystarczająca dla analizy badanych zjawisk. Ze względu na trudności interpretacyjne związane z modelowaniem typu probit zdecydowano się na budowę modeli jednoczynnikowych. Wyeliminowano również możliwość autokorelacji zmiennych niezależnych z powodu ich wykluczającego się charakteru. Biorąc pod uwagę fakt, że wszystkie przyjęte do badania zmienne mają charakter binarny (osiągane wartości 0 lub 1), prezentacja wyników zostanie zakończona na poziomie strukturalnej postaci modelu. Dodatni znak występujący przy parametrze oznacza, że prawdopodobieństwo zajścia zdarzenia innowacyjnego jest wyższe w wyodrębnionej grupie przedsiębiorstw w relacji do pozostałej zbiorowości. Modelowanie probitowe jest skutecznym narzędziem badawczym w przypadku dużych, ale statycznych prób, w których zmienna zależna posiada postać jakościową. Dane z zebranych ankiet wprowadzono do arkusza kalkulacyjnego Excel, gdzie podlegały wstępnemu przygotowaniu przy wykorzystaniu metod logiki formalnej. Łącznie, z perspektywy przyjętych celu i hipotezy badawczej, skonstruowano ponad pięćset modeli probitowych, z których tylko część osiągnęła statystyczną istotność. Uzyskane formuły pogrupowano i zinterpretowano w układach międzynarodowym, między- i wewnątrzregionalnym.
12 Arkadiusz Świadek Województwo lubuskie Na podstawie uzyskanych wyników trudno postawić tezę, że innowacyjność przemysłu w regionie lubuskim zawdzięcza się firmom mikro i małym. Im jest ich więcej w stosunku do podmiotów średnich i dużych, tym prawdopodobieństwo wystąpienia firmy innowacyjnej jest niższe. Te negatywne zależności są szczególnie wyraźne dla grupy najmniejszych jednostek. Istotne statystycznie prawidłowości dostrzegamy dla nakładów finansowych ponoszonych na B + R i implementacji nowych procesów technologicznych, ale głównie w przypadku wdrożeń niezwiązanych bezpośrednio z działalnością produkcyjną. Po stronie współpracy w obszarze innowacji niekorzystne interakcje zachodzą w przypadku grupy krajowych i zagranicznych jednostek B + R czy szkół wyższych. Jest to zgodne ze światowymi tendencjami zidentyfikowanymi w tym obszarze. Tab. 2. Postać probitu przy zmiennej niezależnej wielkość przedsiębiorstwa w modelach opisujących innowacyjność przemysłu w regionie lubuskim 2 Atrybut innowacyjności Wielkość przedsiębiorstwa mikro małe średnie duże 1. Nakłady na działalność B + R 0,42x 0,26 0,34x 025 0,61x 0,44 2. Oprogramowanie komputerowe 0,75x+0,87 0,39x+0,80 0,65x+0,49 1,15x+0,56 3. Wprowadzenie nowych wyrobów 4. Implementacja nowych procesów 0,45x+1,13 1,10x+0,91 technologicznych (w tym): a) systemy okołoprodukcyjne 0,40x 0,02 0,76x 0,25 b) systemy wspierające 0,82x 0,22 0,63x 0,21 0,50x 0,56 0,98x 0,54 5. Współpraca z krajowymi 0,46x 1,65 JBR-ami 6. Współpraca z zagranicznymi JBR-ami 0,80x 1,48 0,64x 1,77 Źródło: opracowanie własne na podstawie badań. Firmy średnie zwiększają szansę na innowacyjność w regionie, ale dotyczy to głównie obszaru finansowania i wdrażania nowego oprogramowania. Korzystne relacje widoczne są również w kontaktach średnich podmiotów z krajowymi jednostkami B + R. Za dyfuzję technologii w regionie odpowiadają przede wszystkim przedsiębiorstwa duże, co przejawia się zarówno w działalności B + R, implementacji nowych rozwiązań (bez wyrobów), jak i we współpracy innowacyjnej (bez krajowych JBR-ów). Modele statystycznie istotne w tej grupie firm nie dość, że występują stosunkowo najczęściej, to osiągane wartości prawdopodobieństwa są wyższe niż dla modeli opisujących zachowania przedsiębiorstw średnich. Zatem nacisk w regionalnej polityce innowacyjnej powinien być położony na poprawę dynamiki zmian technologicznych w podmiotach średnich i dużych, równolegle 2 W tabelach zamieszczono jedynie modele z parametrami istotnymi statystycznie.
Wielkość przedsiębiorstw i ich struktura własności 13 należy prowadzić szczegółowe studia nad przyczynami słabej innowacyjności firm mikro i małych. Charakter własności stanowi w regionie lubuskim jedną z głównych determinant aktualnego stanu innowacyjności przemysłu. Firmy krajowe są w małym stopniu zainteresowane unowocześnianiem produkcji i oferowaniem nowych wyrobów. To poważny problem systemowy, który wynika prawdopodobnie z izolacji tych przedsiębiorstw w regionie, co z kolei jest konsekwencją braku kontaktów z firmami odpowiedzialnymi za transfer technologii do województwa. W odmiennej sytuacji do jednostek krajowych są głównie firmy zagraniczne, ale również te z mieszaną strukturą własności. Oznacza to, że aktualnie warunkiem koniecznym prowadzenia działalności innowacyjnej jest posiadanie w swojej strukturze kapitału obcego (zagranicznego). Innymi słowy transfer technologii do regionu odbywa się przede wszystkim dzięki firmom posiadającym swoją główną siedzibę za granicą, a w mniejszym stopni dzięki podmiotom krajowym. Tab. 3. Postać probitu przy zmiennej niezależnej charakter własności przedsiębiorstwa w modelach opisujących innowacyjność przemysłu w regionie lubuskim Atrybut innowacyjności Charakter własności przedsiębiorstwa krajowe zagraniczne mieszane 1. Nakłady na działalność B + R 0,53x+0,01 0,38x 0,43 0,59x 0,39 2. Inwestycje w dotychczas niestosowane 0,56x+1,31 0,57x+0,79 środki trwałe (w tym): a) w budynki, lokale i grunty b) w maszyny i urządzenia techniczne 0,46x+1,00 0,48x+0,57 3. Oprogramowanie komputerowe 0,92x+1,38 0,83x+0,53 0,80x+0,62 4. Wprowadzenie nowych wyrobów 5. Implementacja nowych procesów technologicznych 0,58x+1,45 0,54x+0,91 (w tym): a) metody wytwarzania b) systemy okołoprodukcyjne 0,65x+0,31 0,58x 0,27 c) systemy wspierające 0,66x+0,07 0,56x 0,51 0,52x 0,42 6. Współpraca z dostawcami 7. Współpraca z konkurentami 8. Współpraca z jednostkami PAN 9. Współpraca ze szkołami wyższymi 0,73x 1,25 0,73x 1,76 10. Współpraca z krajowymi JBR-ami 11. Współpraca z zagranicznymi JBR-ami 0,93x 1,14 0,76x 1,89 12. Współpraca innowacyjna ogółem 0,32x+0,01 0,55x 0,25 Źródło: opracowanie własne na podstawie badań. Różnice w kooperacji między jednostkami innowacyjnymi ograniczają się do intensywniejszego współdziałania firm z mieszaną strukturą własności ze szkołami wyższymi, a podmiotów z kapitałem obcym z zagranicznymi jednostkami badawczo-rozwojowymi.
14 Arkadiusz Świadek Województwo zachodniopomorskie Innowacyjność przemysłu w regionie zachodniopomorskim nie zależy od firm mikro i małych. Im jest ich więcej w stosunku do podmiotów średnich i dużych, tym prawdopodobieństwo wystąpienia firmy innowacyjnej jest niższe. Najniższe prawdopodobieństwo wystąpienia podmiotu innowacyjnego obserwujemy w zbiorowości firm najmniejszych i jednocześnie dotyczy ono wszystkich badanych płaszczyzn, ze szczególnie silnym oddziaływaniem obszaru finansowego. W porównaniu z innymi grupami przedsiębiorstw zbiorowość podmiotów małych charakteryzuje się również słabą aktywnością w generowaniu nowych rozwiązań, z tym że liczba oszacowanych modeli jest mniejsza niż w przypadku mikropodmiotów. Tab. 4. Postać probitu przy zmiennej niezależnej wielkość przedsiębiorstwa w modelach opisujących innowacyjność przemysłu w regionie zachodniopomorskim Atrybut innowacyjności Wielkość przedsiębiorstwa mikro małe średnie duże 1. Nakłady na działalność B + R 0,36x 0,27 0,62x 15 0,79x 0,62 2. Inwestycje w dotychczas 0,39x+0,97 0,45x+0,74 niestosowane środki trwałe (w tym): a) w budynki, lokale i grunty 0,64x 0,27 0,38x 0,53 b) w maszyny i urządzenia techniczne 0,31x+0,80 0,31x+0,63 3. Oprogramowanie komputerowe 0,75x+0,89 0,84x+0,46 0,94x+0,62 4. Wprowadzenie nowych wyrobów 0,42x 0,33 0,40x 0,56 5. Implementacja nowych procesów 0,36x+0,72 technologicznych (w tym): a) metody wytwarzania 0,26x+0,19 b) systemy okołoprodukcyjne 0,85x 0,13 0,41x 0,45 0,75x 0,37 c) systemy wspierające 0,59x 0,16 0,73x 0,35 6. Współpraca z dostawcami 0,28x 0,25 0,41x 0,58 7. Współpraca z jednostkami PAN 0,69x 1,40 0,42x 1,68 8. Współpraca ze szkołami 0,65x 1,28 0,45x 1,26 0,75x 1,72 wyższymi 9. Współpraca z krajowymi 0,87x 0,80 JBR-ami 10. Współpraca z zagranicznymi JBR-ami 0,41x 0,07 0,55x 0,39 Źródło: opracowanie na podstawie autorskich badań. Obecnie w regionie najbardziej innowacyjne są przedsiębiorstwa średnie ich aktywność w tym zakresie dotyczy prawie wszystkich badanych obszarów. Choć nie za każdym razem prawdopodobieństwo przekracza wartość 0,5, to i tak pozo-
Wielkość przedsiębiorstw i ich struktura własności 15 staje ono istotnie różne w stosunku do pozostałych grup przedsiębiorstw (włączając również duże). Warto zaznaczyć, że firmy średnie dominują pod względem aktywności innowacyjnej zarówno w obszarze finansowym, implementacyjnym, jak i kooperacyjnym. Obserwowane przeniesienie punktu ciężkości z firm dużych w kierunku średnich świadczy o ewolucji regionalnego systemu przemysłowego, gdzie przeobrażenia technologiczne nie są już domeną elitarnej grupy podmiotów, lecz stały się zjawiskiem powszechnym. Zjawisko to nie osiągnęło wprawdzie poziomu docelowego w postaci wysokiej kreatywności wśród podmiotów małych i mikro, niemniej stanowi wsparcie dla budowy wewnętrznego systemu innowacji. Działalność przedsiębiorstw dużych stanowi raczej uzupełnienie, często istotne, procesów realizowanych przez mniejsze podmioty, na przykład w obszarze kooperacji z zagranicznymi jednostkami badawczo-rozwojowymi. Natomiast firmy średnie znajdują się w silnych związkach z dostawcami, szkołami wyższymi czy krajowymi JBR-ami. Takie kształtowanie się modeli skłania do wniosku o konieczności tworzenia odmiennych instrumentów wsparcia w ramach polityki innowacyjnej w regionie dla podmiotów mikro i małych (problem pobudzania świadomości) oraz pozostałych. Tab. 5. Postać probitu przy zmiennej niezależnej charakter własności przedsiębiorstwa w równaniach opisujących innowacyjność przemysłu w regionie zachodniopomorskim Atrybut innowacyjności Charakter własności przedsiębiorstwa krajowe zagraniczne mieszane 1. Nakłady na działalność B + R 0,51x 0,41 2. Inwestycje w dotychczas niestosowane środki trwałe (w tym): a) w budynki, lokale i grunty b) w maszyny i urządzenia techniczne 3. Oprogramowanie komputerowe 0,72x+1,29 0,52x+0,63 0,92x+0,63 4. Wprowadzenie nowych wyrobów 0,42x 0,47 0,52x 0,39 5. Implementacja nowych procesów technologicznych (w tym): a) metody wytwarzania b) systemy okołoprodukcyjne c) systemy wspierające 0,38x+0,02 0,51x 0,35 6. Współpraca z dostawcami 7. Współpraca z konkurentami 8. Współpraca z jednostkami PAN 0,65x 1,62 9. Współpraca ze szkołami wyższymi 10. Współpraca z krajowymi JBR-ami 0,92x 1,04 0,88x 1,84 11. Współpraca z zagranicznymi JBR-ami 0,41x 0,26 12. Współpraca innowacyjna ogółem Źródło: opracowanie własne na podstawie badań.
16 Arkadiusz Świadek Charakter własności badanych przedsiębiorstw również nie jest bez znaczenia dla aktywności innowacyjnej w regionie zachodniopomorskim, choć liczba istotnych modeli ustępuje tej osiągniętej w województwie lubuskim. Niską skłonnością do tworzenia czy transferu wiedzy cechują się firmy krajowe. W przeciwieństwie do nich aktywność innowacyjna przedsiębiorstw zagranicznych jest wyraźnie wyższa w obszarach działalności B + R, implementacji nowych wyrobów i kooperacji jako całości. W przedsiębiorstwach o mieszanej strukturze własności aktualnie nie sposób jednoznacznie ocenić problemu asymilacji przez nie wiedzy, mimo że omawiana działalność korzystnie wpływa na firmy zagraniczne. Województwo dolnośląskie W regionie dolnośląskim wielkość przedsiębiorstw również ma znaczenie dla realizowanej na tym terenie działalności innowacyjnej. Główną siłą napędową innowacji są przedsiębiorstwa średnie wraz z firmami dużymi. Te drugie odgrywają istotną rolę szczególnie w obszarze implementacji nowych technologii i kooperacji innowacyjnej. Na przeciwnym biegunie znajdują się podmioty mikro, w których aktywność innowacyjna jest słabsza niż w pozostałych grupach łącznie. Niezwykle interesujący jest jednak fakt wystąpienia jedynie jednego modelu istotnego statystycznie w grupie przedsiębiorstw małych, dodatkowo w którym parametr osiągnął znak dodatni. Biorąc pod uwagę dotychczasowe analogiczne badania w innych regionach, w powiązaniu z dynamicznymi zmianami w potencjale technologicznym województwa dolnośląskiego w Polsce można postawić tezę, iż podmioty małe nie są czynnikiem destymulującym działalność innowacyjną, jak ma to miejsce w regionach ekonomicznie słabych i przeciętnych, stanowiąc ich immanentne ograniczenie rozwojowe (pejoratyw). Innymi słowy środek ciężkości innowacyjnej, choć pozostaje domeną podmiotów średnich i dużych, przenosi się w kierunku firm małych. To niewątpliwie jedna z istotniejszych cech aktywności innowacyjnej na Dolnym Śląsku, podkreślająca jego specyfikę.
Wielkość przedsiębiorstw i ich struktura własności 17 Tab. 6. Postać probitu przy zmiennej niezależnej wielkość przedsiębiorstwa w modelach opisujących innowacyjność przemysłu w regionie dolnośląskim Atrybut innowacyjności Wielkość przedsiębiorstwa mikro małe średnie duże 1. Nakłady na działalność B + R 0,71x 0,17 0,43x 0,48 0,82x 0,45 2. Inwestycje w dotychczas niestosowane 0,41x+1,15 0,48x+0,91 środki trwałe (w tym): a) w budynki, lokale i grunty 0,30x 0,37 0,33x 0,53 b) w maszyny i urządzenia 0,33x+0,86 techniczne 3. Oprogramowanie komputerowe 0,60x+0,76 0,26x+0,44 0,45x+0,45 4. Wprowadzenie nowych wyrobów 5. Implementacja nowych procesów 0,27+0,91 0,42x+0,74 0,74x+0,78 technologicznych (w tym): a) metody wytwarzania 0,58x+0,07 b) systemy okołoprodukcyjne 0,35x 0,21 0,44x 0,44 0,94x 0,39 c) systemy wspierające 0,37x 0,28 0,44x 0,49 0,47x 0,43 6. Współpraca z konkurentami 0,72x 2,02 7. Współpraca ze szkołami 0,51x 1,38 0,55x 1,66 wyższymi 8. Współpraca z krajowymi 0,55x 1,34 0,43x 1,59 JBR-ami 9. Współpraca z zagranicznymi JBR-ami 10. Współpraca z odbiorcami 0,45x 0,53 0,77x 0,72 11. Współpraca innowacyjna ogółem 0,27x+0,02 0,67x 0,12 Źródło: opracowanie na podstawie autorskich badań. Zaobserwowane kształtowanie się modeli skłania do wniosku o konieczności budowy odmiennych instrumentów wsparcia (polityka innowacyjna) w regionie dla podmiotów mikro (problem pobudzania świadomości), małych (poprawa dynamizmu), średnich i dużych (utrzymanie wysokiego zaangażowania w działalność innowacyjną).
18 Arkadiusz Świadek Tab. 7. Postać probitu przy zmiennej niezależnej charakter własności przedsiębiorstwa w równaniach opisujących innowacyjność przemysłu w regionie dolnośląskim Atrybut innowacyjności Charakter własności przedsiębiorstwa krajowe zagraniczne mieszane 1. Nakłady na działalność B + R 0,53x+0,05 2. Inwestycje w dotychczas niestosowane środki trwałe (w tym): a) w budynki, lokale i grunty 0,34x 0,18 b) w maszyny i urządzenia techniczne 3. Oprogramowanie komputerowe 0,45x+0,96 0,55x+0,50 4. Wprowadzenie nowych wyrobów 5. Implementacja nowych procesów technologicznych 0,68x+1,42 0,71x+0,77 (w tym): a) metody wytwarzania 0,33x+0,38 b) systemy okołoprodukcyjne 0,73x+0,28 0,59x 0,37 c) systemy wspierające 0,61x+0,11 0,59x 0,44 6. Współpraca z dostawcami 7. Współpraca z konkurentami 0,67x 2,02 8. Współpraca z jednostkami PAN 9. Współpraca ze szkołami wyższymi 0,65x 1,01 10. Współpraca z krajowymi JBR-ami 11. Współpraca z zagranicznymi JBR-ami 12. Współpraca z odbiorcami 0,39x 0,35 13. Współpraca innowacyjna ogółem Źródło: opracowanie własne na podstawie badań. Biorąc pod uwagę własność przedsiębiorstw i ich rozwój technologiczny obserwujemy typowe, choć zanikające w rozwiniętych regionach, antyinnowacyjne zachowania firm krajowych (9 modeli istotnych statystycznie na 18 możliwych). Przeciwne zachowanie, ale wyraźnie zróżnicowane wewnątrz grupy ma miejsce w przedsiębiorstwach zagranicznych i o mieszanej strukturze własności, co daje relatywnie szeroką bazę podmiotów innowacyjnych w regionie. Nie zmienia to faktu, że z perspektywy własności system przemysłowy Dolnego Śląska przypomina przypadek znajdujący się między regionami słabymi a silnymi w Polsce. Wydaje się, że czynnikiem sprzyjającym przyciąganiu kapitałów obcych jest również lokalizacja województwa przy granicy zachodniej kraju. Województwo mazowieckie W regionie mazowieckim wielkość przedsiębiorstw ma odmienne znaczenie dla realizowanej na tym terenie działalności innowacyjnej niż w obserwowanych dotychczas województwach.
Wielkość przedsiębiorstw i ich struktura własności 19 Tab. 8. Postać probitu przy zmiennej niezależnej wielkość przedsiębiorstwa w modelach opisujących innowacyjność przemysłu w regionie mazowieckim Atrybut innowacyjności Wielkość przedsiębiorstwa mikro małe średnie duże 1. Nakłady na działalność B + R 0,74x 0,08 0,82x 0,51 1,19x 0,41 2. Inwestycje w dotychczas 0,63x+0,91 0,42x+0,46 0,47x+0,54 niestosowane środki trwałe (w tym): a) w budynki, lokale i grunty 0,77x 0,45 0,29x 0,84 0,61x 0,84 b) w maszyny i urządzenia 0,44x+0,58 0,33x+0,26 techniczne 3. Oprogramowanie komputerowe 0,36x+0,46 0,48x+0,23 4. Wprowadzenie nowych 0,36x+0,55 0,38x+0,32 0,76x+0,36 wyrobów 5. Implementacja nowych procesów 0,57x+0,72 0,24x+0,37 0,59x+0,38 technologicznych (w tym): a) metody wytwarzania 0,39x+0,02 0,32x 0,20 b) systemy okołoprodukcyjne 0,69x 0,22 0,22x 0,57 0,62x 0,60 0,56x 0,51 c) systemy wspierające 0,41x 0,69 0,45x 0,93 0,60x 0,88 6. Współpraca ze szkołami 0,48x 1,64 wyższymi 7. Współpraca z krajowymi 0,32x 1,25 0,41x 1,46 JBR-ami 8. Współpraca z zagranicznymi 0,51x 2,19 1,26x 2,20 JBR-ami 9. Współpraca z odbiorcami 0,22x 0,71 10. Współpraca innowacyjna ogółem 0,32x 0,04 0,59x 0,20 Źródło: opracowanie własne na podstawie badań. Siłą napędową innowacji nie są jedynie przedsiębiorstwa średnie, ewentualnie duże. Najistotniejsze z perspektywy systemowej i ewolucyjnej jest wsparcie aktywności innowacyjnej w regionie przez klasę małych przedsiębiorstw przemysłowych, głównie w obszarze biernego transferu technologii. Dotychczasowe badania w silnych gospodarczo województwach sugerowały w nielicznych przypadkach, że podmioty małe raczej nie są zainteresowane podejmowaniem działalności innowacyjnej. Natomiast w mazowieckim dostrzegamy szerokie zainteresowanie jej prowadzeniem. To niewątpliwie silna cecha aktywności innowacyjnej na Mazowszu, ukazująca jego specyfikę. Na przeciwnym biegunie ponownie znajdują się podmioty mikro, w których aktywność innowacyjna jest istotnie słabsza niż w pozostałych grupach łącznie. Dotyczy to prawie wszystkich rozpatrywanych obszarów. Trudno jednocześnie oczekiwać, że ta sytuacja miałaby się zmienić w bliskiej przyszłości.
20 Arkadiusz Świadek Obserwowane zjawiska świadczą o tym, że relacje między podmiotami, ich dotychczasowe doświadczenia, poziom zaufania do rynku i wprowadzanie nowych rozwiązań sprawiają, iż system przemysłowy w regionie działa sprawnie. Uwzględniając jego możliwości w skali kraju, a także wielkość przedsiębiorstw, można postawić tezę, że posiada on odpowiedni potencjał dynamizujący zmiany technologiczne i ma szansę na powiększanie dystansu innowacyjnego w stosunku do innych regionów. Tab. 9. Postać probitu przy zmiennej niezależnej charakter własności przedsiębiorstwa w modelach opisujących innowacyjność przemysłu w regionie mazowieckim Atrybut innowacyjności Charakter własności przedsiębiorstwa krajowe zagraniczne mieszane 1. Nakłady na działalność B + R 0,79x+0,32 0,56x 0,41 1,02x 0,43 2. Inwestycje w dotychczas niestosowane środki trwałe (w tym): a) w budynki, lokale i grunty 0,32x 0,45 0,50x 0,77 b) w maszyny i urządzenia techniczne 0,38x+0,71 0,62x+0,34 3. Oprogramowanie komputerowe 0,47x+0,71 0,83x+0,25 4. Wprowadzenie nowych wyrobów 0,33x+0,67 5. Implementacja nowych procesów 0,53x+0,93 0,96x+0,42 technologicznych (w tym): a) metody wytwarzania 0,42x+0,22 0,53x 0,18 b) systemy okołoprodukcyjne 0,38x 0,16 0,44x 0,51 c) systemy wspierające 0,38x 0,52 0,45x 0,88 6. Współpraca z dostawcami 7. Współpraca z konkurentami 8. Współpraca z jednostkami PAN 9. Współpraca ze szkołami wyższymi 10. Współpraca z krajowymi JBR-ami 0,46x 0,98 0,55x 1,42 11. Współpraca z zagranicznymi JBR-ami 1,42x 1,15 1,04x 2,24 1,15x 2,24 12. Współpraca z odbiorcami 0,71x 0,84 13. Współpraca innowacyjna ogółem 0,49x+0,25 0,73x 0,22 Źródło: opracowanie własne na podstawie badań. Zaobserwowane kształtowanie się modeli skłania do wniosku o konieczności budowy odmiennych instrumentów wsparcia (polityka innowacyjna) w regionie dla podmiotów mikro (problem pobudzania świadomości), małych, średnich i dużych (utrzymanie wysokiego zaangażowania w działalność innowacyjną). Cieszy również fakt monotoniczności znaków przyjmowanych w prezentowanych modelach, nie istnieje bowiem przypadek, który w jakimkolwiek stopniu mógłby wprowadzić wątpliwości interpretacyjne. Biorąc pod uwagę własności przedsiębiorstw i ich skłonności do podejmowania działalności innowacyjnej, obserwujemy również nietypowe zachowania jak
Wielkość przedsiębiorstw i ich struktura własności 21 na warunki krajowe. Co prawda w dalszym ciągu dostrzegamy antyinnowacyjne zachowania firm krajowych (12 modeli z parametrami istotnymi statystycznie na 18 możliwych), to jednak podmiotami inicjującymi zmiany nie są już jedynie przedsiębiorstwa zagraniczne, lecz również te o mieszanej strukturze własności. Obserwuje się tym samym przeniesienie środka ciężkości z jednostek z wyłącznym kapitałem zagranicznym na rzecz tych, w których istnieje kapitał rodzimy, a jest ich w strukturze regionalnej zdecydowanie więcej. Ponadto ta grupa jednostek wyraźnie przeważa w aktywności innowacyjnej nad podmiotami zagranicznymi. Wnioski Zróżnicowanie aktywności innowacyjnej w polskich regionach, biorąc pod uwagę strukturę wielkości i własności przedsiębiorstw w systemach przemysłowych, wskazuje na ich ewolucję, a w konsekwencji odmienne nawyki w badanym zakresie. W najsłabszym ekonomicznie przypadku (województwo lubuskie) nie dość, że rozwój przemysłu jest ograniczony na skutek aktualnego potencjału gospodarki, to jeszcze dodatkowe negatywne tendencje są potęgowane przez niekorzystne uwarunkowania strukturalne. Dynamizm innowacyjny jest skoncentrowany w podmiotach dużych, wspomagany w kilku obszarach jednostkami średnimi. Antyinnowacyjne zachowania dotyczą przedsiębiorstw mikro i małych. W regionie zachodniopomorskim dostrzegamy zmianę polegającą na przenoszeniu aktywności innowacyjnej w kierunku podmiotów średnich w powiązaniu z dużymi, podczas gdy mikro i małe firmy w dalszym ciągu nie rozwijają nowych technologii. Biorąc pod uwagę naturalne zróżnicowanie liczby przedsiębiorstw średnich w relacji do dużych, bez względu na obiektywny potencjał gospodarek, aktywność innowacyjna dotyczy znacznie szerszej grupy firm, co przyczynia się do bardziej intensywnego przepływu wiedzy w systemie. W regionie dolnośląskim zgodnie z przyjętym podejściem ewolucyjnym małe przedsiębiorstwa przestają wykazywać zachowania anyinnowacyjne, aby w najlepiej rozwiniętym regionie (województwo mazowieckie) stać się istotną grupą wsparcia innowacyjnego. Obserwowane zjawiska świadczą o niezwykle szerokiej bazie przedsiębiorstw ukierunkowanych na zmiany technologiczne, co w powiązaniu z potencjałem gospodarczym tych województw daje im niewspółmierną przewagę sprzyjającą tworzeniu nowych rozwiązań. Z punktu widzenia struktury własności przedsiębiorstw jednostki krajowe cechuje ambiwalentne podejście do procesów innowacyjnych. Na przeciwnym biegunie znajdują się podmioty zagraniczne. Zgodnie jednak z wcześniej postawioną tezą na temat zmian o charakterze ewolucyjnym, aktywność innowacyjna w polskich regionach przesuwa się w kierunku podmiotów o mieszanej strukturze własności. Mimo wszystko poziom świadomości i akceptacji dla innowacji w grupie podmiotów krajowych pozostawia wiele do życzenia. Tym samym tezy o endogenicznym regionalnym rozwoju technologicznym, wspieranym między innymi teorią klastrów, w warunkach polskich są mało realne. Główną przyczyną
22 Arkadiusz Świadek jest brak wewnętrznej zdolności do samopodtrzymującego rozwoju innowacyjnego, tj. autodynamizmu systemowego. Wielkość i własność kapitału w polskich przedsiębiorstwach odgrywają istotną rolę w realizacji procesów kreowania i implementacji nowych technologii oraz dla inicjacji związków współpracy innowacyjnej. Literatura krajowa i obca wskazuje na sektor małych i średnich przedsiębiorstw finansowanych przez wewnętrzny kapitał jako ten, który ze względu na swoją przewagę liczebną, odpowiada za proces rozprzestrzeniania się technologii na rynku szczególnie lokalnym i regionalnym. Nie ma w tym przypadku znaczenia poziom technologiczny wprowadzanych rozwiązań. Tymczasem z prowadzonych badań wynika, że omawiane interakcje są częściej zależne od specyfiki systemu przemysłowego i aktualnej fazy jego rozwoju. Zgodnie z perspektywą ewolucyjną i systemową w miarę wzrostu potencjału przemysłowego i poprawy jego konkurencyjności, odpowiedzialność za akcelerację postępu przesuwa się, z punktu widzenia klas wielkości: z dużych jednostek gospodarczych, przez średnie, w kierunku małych, a z punktu widzenia charakteru własności: z zagranicznych podmiotów w kierunku mieszanych. Właściciele krajowych mikroprzedsiębiorstw w warunkach polskich charakteryzują się daleko posuniętą wstrzemięźliwością w podejmowaniu ryzyka wynikającego z prowadzenia działalności innowacyjnej. Polityka krajowa ukierunkowana na wsparcie innowacji w sektorze małych i średnich przedsiębiorstw, powinna uwzględniać nie tylko potrzebę stosowania zróżnicowanych mechanizmów proinnowacyjnych dla poszczególnych klas wielkości podmiotów, ale również fakt odmiennej dojrzałości województw w obszarze potencjału absorpcji generowanych rozwiązań. Bibliografia Audretsch D., 1995, Innovation and Industry Evolution, Cambridge MA: MIT Press. Berkson J., 1944, Application of the logistic function to bio-assay, Journal of the American Statistical Association, t. 39, nr 227, s. 357 365. Berkson J., 1990, Maximum Likelihood in the Pharmaceutical Science, New York: Marcel Dekker. Capello R., 1999, Spatial transfer of knowledge in high technology milieux: learning versus collective learning processes, Regional Studies, t. 33, nr 4, s. 353 365. Drucker P., 1992, Innowacja i przedsiębiorczość. Praktyka i zasady, tłum. A. Ehrlich, Warszawa: Państwowe Wydawnictwo Ekonomiczne. Edquist Ch., McKelvey M., 2000, Introduction, w: Ch. Edquist, M. McKelvey (red.), Systems of Innovation: Growth, Competitiveness and Employment, Cheltenham: Edward Elgar. Frenkel A., 2003, Barriers and limitations in the development of industrial innovation in the region, European Planning Studies, t. 11, nr 2, s. 115 137. Gruszczyński M., Kluza S., Winek D., 2003, Ekonometria, Warszawa: Wyższa Szkoła Handlu i Finansów Międzynarodowych. Huggins R., 1995, Competitiveness and the global region: the role of networking, w: J. Simmie (red.), Innovation, Networks and Learning Regions?, London: Jessica Kingsley.
Wielkość przedsiębiorstw i ich struktura własności 23 Innovationspolitik. Mehr Dynamik für zukunftsfähige Arbeitsplätze, 2002, Berlin, Bonn: Bundesministerium für Wirtschaft und Technologie, Bundesministerium für Bildung und Forschung. Jasiński A.H., 2000, Narodowy system innowacji w Polsce, w: A.H., Jasiński (red.), Innowacje i transfer techniki w gospodarce polskiej, Białystok: Wydawnictwo Uniwersytetu w Białymstoku. Lipiec-Zajchowska M. (red.), 2003, Wspomaganie procesów decyzyjnych, t. 2: Ekonometria, Warszawa: Wydawnictwo C.H. Beck. Lundvall B.A. (red.), 1992, National Systems of Innovation: Towards a Theory of Innovation and Interactive Learning, London: Pinter. Maddala G.S., 2006, Ekonometria, tłum. M. Gruszczyński, E. Tomczyk, B. Witkowski, Warszawa: Wydawnictwo Naukowe PWN. Podręcznik Oslo. Zasady gromadzenia i interpretacji danych dotyczących innowacji, 2008, Warszawa: Ministerstwo Nauki i Szkolnictwa Wyższego. Okoń-Horodyńska E., 1998., Narodowy system innowacji w Polsce, Katowice: Wydawnictwo Akademii Ekonomicznej w Katowicach. Reid A., Musyck B., 2000, Industrial policy in Wallonia: A rupture with the past? European Planning Studies, t. 8, nr 2, s. 183 200. Schumpeter J., 1960, Teoria rozwoju gospodarczego, tłum. J. Grzywicka, Warszawa: Państwowe Wydawnictwo Naukowe. Stanisz A., 2007, Przystępny kurs statystki, t. 2, Kraków: Statsoft. Świadek A., 2007, Determinanty aktywności innowacyjnej w regionalnych systemach przemysłowych w Polsce, Szczecin: Wydawnictwo Naukowe Uniwersytetu Szczecińskiego. Welfe A., 1988, Ekonometria, Warszawa: Państwowe Wydawnictwo Ekonomiczne. Woodward R. (red.), 2005, Sieci innowacji w polskiej gospodarce stan obecny i perspektywy rozwoju, Raporty CASE, nr 60, Warszawa: Centrum Analiz Społeczno- -Ekonomicznych. Size and ownership structure of enterprises versus development of innovations in the regional industrial systems In transition economies, the size and ownership structure of enterprises determine their economic behaviour as well as their attitudes towards innovations. Many studies show that one of the key factors accelerating economic performance of the companies is technological transfer from abroad, and that successful implementation of the new know-how is mainly undertaken by medium and large enterprises. The domestic micro and small enterprises located in Polish regions proved to be rather risk-averse and therefore not very innovative. However, their innovative activities accelerate over time, and eventually they catch up with foreign and large enterprises. Key words: innovation, system, region, industry.