Studia i Materiały. Miscellanea Oeconomicae Rok 15, Nr 2/2011 Wydział Zarządzania i Administracji Uniwersytetu Jana Kochanowskiego w Kielcach L u d z i e, z a r z ą d z a n i e, g o s p o d a r k a Rozalia Sitkowska 1 WIELOWYMIAROWA OCENA POTENCJAŁU INNOWACYJNEGO WYTYPOWANYCH DZIAŁÓW PRZETWÓRSTWA PRZEMYSŁOWEGO 2 Wprowadzenie Celem przeprowadzonych badań, zaprezentowanych w artykule, była weryfikacja opracowanej metodyki WAP innova (Wielowymiarowej Analizy Porównawczej Innowacyjności) na potrzeby ewaluacji i monitoringu innowacyjności wybranych zaawansowanych techniczne działów przetwórstwa przemysłowego, których wyroby są adekwatne do aplikacji uzyskanych w Programie Strategicznym. Konieczność wczesnego wykrywania niekorzystnych tendencji w gospodarce w obszarze innowacyjności przemysłu zmusza do dokonywania wielowymiarowych ocen w celu wypracowania odpowiednich mechanizmów stymulujących rozwój techniki i poprawę innowacyjności. Innowacyjność jest zdaniem Scotta Sink a jedną z siedmiu rozróŝnialnych, ale nie wykluczających się miar wyników działania systemu, czyli skuteczności (efectiveness), sprawności/wydajności (efficiency), jakości (quality), rentowności (profitability), produktywności (productivity), jakości warunków pracy (quality of work life) 3. Wielowymiarowe podejście do badań konkurencyjności wymaga doskonalenia wykorzystywanych nowych narzędzi oraz rodzi potrzebę weryfikowania instrumentarium agregatowej oceny innowacyjności róŝnych obszarów gospodarki. 1 Mgr inŝ. Rozalia Sitkowska, asystent, Instytut Technologii Eksploatacji PIB w Radomiu. 2 Wyniki prac pochodzą z Programu Strategicznego Innowacyjne systemy wspomagania technicznego zrównowaŝonego rozwoju gospodarki realizowanego w latach 2010-2014 w Instytucie Technologii Eksploatacji Państwowym Instytucie Badawczym w Radomiu. 3 A. Kosieradzka, St. Lis, Produktywność. Metody analizy, oceny i tworzenia programów poprawy. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000. 215
Zdaniem A. Balickiego 4 innowacyjność jest jednym z wielu zagadnień (ekonomia, marketing, statystyka społeczna, finanse i analiza ekonomiczna, organizacja i zarządzanie, ubezpieczenia, analiza regionalna i inne), dla których badania muszą uwzględniać złoŝoność zjawiska, a w jego opisie występują problemy wielowymiarowości. Wyniki przeprowadzonych w 2011 r. badań porównawczych, z wykorzystaniem danych statystycznych 2009 r., pozwoliły na stwierdzenie przydatności metody wielowymiarowej do oceny innowacyjności grup producenckich (branŝ) 5, dlatego teŝ przeprowadzono badania innowacyjności działów przetwórstwa przemysłowego, przy czym wykorzystano dane według klasyfikacji PKD 2007. Budowa Europejskiej Przestrzeni Naukowej (ERA), jako systemu badań i innowacji znacznie rozszerza zakres badań multidyscyplinarnych, w tym oceny sektorowej, branŝowej 6. Główny nurt badań unijnych poświęcony jest badaniom porównawczym krajów i regionów europejskich. W badaniach europejskich i krajowych następuje ewolucja wykorzystywanych metod analizy wielowymiarowej w ocenie sektorowej 7,8 oraz doskonalenie statystyki europejskiej, w tym zmiana systemu EVA na TGM 9. Komisja Europejska wypracowała narzędzia oceny porównawczej w ramach Sectoral Innovation Watch (SIW) (Europe INNOWA) przeprowadzonych w 1200 korporacjach, na danych 2008 r. i według klasyfikacji NACE Rev. 1 10. W badaniach tych wykorzystywano względny technologiczny wskaźnik specjalizacji (RCA), który określały 11 : produktywność B+R, opisana liczbą patentów wynikających z określonej kwoty zaangaŝowanych środków w działalność B+R, produktywność patentu, tj. relacja pomiędzy wnioskami patentowymi a wynikami gospodarczymi, relacja pomiędzy wydatkami na B+R, a wynikami (zyskami) przedsiębiorstw. Z badań europejskich przeprowadzonych w 19 dziedzinach gospodarczych w UE-27, Japonii i USA wynika, iŝ Unia Europejska skupia się nadal na tradycyj- 4 A. Balicki, Statystyczna analiza wielowymiarowa i jej zastosowania społeczno-ekonomiczne. Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk 2009, s. 48-62. 5 R. Sitkowska, Wielowymiarowa ocena innowacyjności wybranych grup producenckich. Problemy Eksploatacji 2011 (w druku). 6 J. Kozłowski, Statystyka nauki, techniki i innowacji w krajach UE i OECD. Stan i problemy rozwoju. Warszawa, kwiecień 2011 r.; http://www.nauka.gov.pl/fileadmin/user_upload/nauka/polityka _naukowa_panstwa/analizy_raporty_statystyki/20110404_statystyka_nauki_techniki_i_innowacji _w_krajach_ue_i_oecd.pdf (kwiecień 2011). 7 H. Hollanders, A. Arundel, European Sector Innovation Scoreboards, December 8, 2005. 8 R. Wintjes, T. Dunnewijk (Unu-Merit), Sectoral Innovation Systems in Europe: The Case of the ICT Sector. Europe-Innova 9 May 2008. 9 European Valuation Application na Table, Graph, Map. 10 Odpowiednik nieaktualnej klasyfikacji PKD 2004. 11 Identification of Europe s sectoral innovation leaders; Sectoral Innovation Watch (SIW) (Europe INNOVA). 216
nym przemyśle: maszynowym, wyrobów metalowych, natomiast USA i Japonia głównie w technologiach wspomagających (biotechnologie, nanotechnologie i techniki ICT) przemysł. W urządzeniach pomiarowych i kontrolnych, według wskaźnika RCA, wiodącym krajem są przede wszystkim Stany Zjednoczone przed Unią Europejską i Japonią, natomiast w elektronicznych komponentach zdecydowaną przewagę nad USA i UE-27 posiada Japonia 12. Wyniki prac SIW mają szczególne znaczenie dla określenia dystansu technicznego polskiego przemysłu maszynowego w porównaniu z liderami europejskimi, a ponadto na umiejscowienie badanego sektora w rankingu badanej przestrzeni (europejskiego przetwórstwa przemysłowego). Metodologia RCA poddana została krytyce przez autorów z Centre for European Economic Research (ZEW) 13, a w szczególności podwaŝono czy patenty rzeczywiście mogą być uznane jako element wyjściowy oceny działalności B+R, wobec niskiej zdolności patentowej wielu krajów. W badaniach porównawczych innowacyjności sektorowej, oprócz względnego technologicznego wskaźnika specjalizacji, SIW posłuŝyło się wskaźnikami zgrupowanymi w trzech blokach tematycznych (wiedza i technologia; interakcje między partnerami; popyt i współpraca z instytucjami). W pierwszym z nich, tj. wiedzy i technologii wykorzystywano następujące wskaźniki 14 : z obszaru poza działalnością badawczo-rozwojową 15, w tym: intensywność pozyskania środków ze źródeł zewnętrznych, intensywność nakładów inwestycyjnych na maszyny i oprogramowanie, intensywności B+R, będącej relacją nakładów na działalność B+R do wartości dodanej lub produkcji sprzedanej, udziału firm wprowadzających nowe produkty na rynek w danym sektorze, opisujące umiejętności (HRST, odsetek menadŝerów na wysokim szczeblu posiadających wysokie kwalifikacje, odsetek techników o wysokich umiejętnościach, udział specjalistów (ICT) o wysokim poziomie kwalifikacji), oznaczające odsetek firm prowadzących działalność szkoleniową. W drugim bloku tematycznym poświęconym interakcjom między partnerami w badaniach Europe INNOVA uwzględniono wskaźniki: znaczenie MSP i duŝych przedsiębiorstw, venture capitale, znaczenie interakcji z uŝytkownikami i dostawcami, udział bezpośrednich inwestycji zagranicznych. Zaś w bloku tematycznym 12 A more research-intensive and integrated European Research Area Science, Technology and Competitiveness key figures report 2008/2009; http://ec.europa.eu/invest-in-research/monitoring/ statistical01_en.htm (sierpień 2011). 13 Ch. Grimpe, N. Leheyda, Ch. Rammer, A. Schmiele, W. Sofka, Sectoral Innovation Systems in Europe: Monitoring, Analysing Trends and Identifying Challenges Machinery and Equipment Sector. Centre for European Economic Research (ZEW), Manmheim, April 2008; http://www.europeinnova.org/c/document_library/get_file?folderid=24913&name=dlfe-2663.pdf (lipiec 2011). 14 Ch. Grimpe, N. Leheyda, Ch. Rammer, A. Schmiele, W. Sofka, op.cit. 15 Non-R&D innovation activities. 217
dotyczącym popytu i współpracy z instytucjami wyróŝniono: popyt krajowy, dostęp do finansowania innowacyjności, w tym ze środków publicznych. Wyniki przeprowadzonych badań ZEW pokazały, Ŝe sektory maszynowe Polski, Węgier i Słowacji posiadają niski poziom innowacyjności, ale wysokie tempo wzrostu, dzięki temu mogą być one uznane za kraje doganiające. Liderami zaś w sektorze maszynowym UE-27, według tych badań, tj. o wysokim poziomie innowacyjności i wysokim tempie wzrostu są: Belgia, Norwegia i Niemcy 16. Dostępne systemy informacyjne, w tym GUS i Eurostat przedstawiają zasadniczo dane agregowane w układzie krajowym i regionalnym. Dodać naleŝy, Ŝe raporty sektorowe, prezentowane przez Europe INNOVA dotyczyły poszczególnych działów i ich grup producenckich (Machinery and equipment sector), bądź wyodrębnionych sektorów (ICT Sector 17 ) i pochodziły z badań korporacji, na postawie obowiązującej do 2008 r. klasyfikacji NACE Rev. 1. Z uwzględnionych w badaniach działów pochodziły produkty i usługi wytypowane do analizy produktowej ze względu na podobne właściwości techniczne i funkcjonalne do rezultatów zaplanowanych i uzyskanych w PS 18. W weryfikacji metodyki WAP innova uwzględniono szczególnie następujące działy polskiego przetwórstwa przemysłowego, w tym produkcję: chemikaliów i wyrobów chemicznych (PKD 20: poziom techniki średniowysoki), metalowych wyrobów gotowych, z wyłączeniem maszyn i urządzeń (PKD 25; średnioniski), wyrobów elektronicznych i optycznych, komputerów (PKD 26; wysoki), urządzeń elektrycznych (PKD 27; średniowysoki), maszyn i urządzeń (PKD 28; średniowysoki). 1. Charakterystyka wybranych wskaźników dla badanych działów Z charakterystyki badanego obszaru moŝna stwierdzić, iŝ wytypowane działy w 2009 r. dostarczyły 26,2% produkcji sprzedanej przetwórstwa przemysłowego, zatrudniały 28,0% pracowników przetwórstwa przemysłowego. Tendencje wartości produkcji sprzedanej wytypowanych działów są bardzo istotne w wyjaśnieniu przyjętych wskaźników do weryfikacji metody WAP innova, rys. 1. W badanych obszarze najwaŝniejszym działem była produkcja wyrobów z metali, ze względu na znaczny udział w strukturze produkcji sprzedanej przetwórstwa przemysłowego (7,8%), zatrudnieniu (11,0%) i posiadanych środków trwałych 16 Ch. Grimpe, N. Leheyda, Ch. Rammer, A. Schmiele, W. Sofka, op.cit. 17 R. Wintjes, T. Dunnewijk, op.cit. 18 R. Sitkowska, Zastosowanie procedury analizy produktowej w działaniach projektowych przedsięwzięć naukowych na przykładzie wybranych wyrobów produkcji instrumentów i przyrządów pomiarowych. Zeszyty Naukowe UE w Katowicach pt. Studia Ekonomiczne 2011 (przyjęte do druku). 218
(6,3%). Natomiast najmniejszym działem była produkcja wyrobów elektronicznych i optycznych (oraz komputerów), pod względem produkcji sprzedanej (3,5%); zatrudnienia (2,4%) oraz posiadanych środków trwałych (2,0%). Dodać naleŝy, Ŝe przewagą wytypowanych działów było niŝsze techniczne uzbrojenie pracy (o 15,7 pp.) w odniesieniu do przetwórstwa przemysłowego (229,5 tys. zł na zatrudnionego) oraz wyŝsza produktywność środków trwałych o 11 pp. (1,63 w przetwórstwie). Natomiast badany obszar znamionował się niŝszą wydajnością pracy, niŝszą produkcją przypadającą na 1 podmiot. Rysunek 1. Zmiany wartości produkcji sprzedanej w wytypowanych działach przetwórstwa przemysłowego w latach 2005-2009 (PKD 2007). Źródło: opracowanie własne na podstawie danych GUS 19. Były to podmioty zatrudniające nieco mniej pracowników niŝ przeciętnie w przetwórstwie przemysłowym, gdzie średnie zatrudnienie wynosiło blisko 205 osób na jeden podmiot gospodarczy, tabela 1. Badane działy wyróŝniały się ponadprzeciętnym udziałem w nakładach B+R (29,9%) i w zakupach wiedzy ze źródeł zewnętrznych (26,4%) przetwórstwa przemysłowego, a niŝszym w nabyciu technologii zewnętrznej w postaci materialnej (embodied technology 20 ), rys. 2. Dodać naleŝy, iŝ stosunkowo najwyŝsze nakłady na działalność innowacyjną z pięciu badanych działów poniosła produkcja wyrobów z metali (5,7% nakładów przetwórstwa przemysłowego), a najniŝsze produkcja wyrobów elektronicznych i optycznych (2,3%). Niezwykle waŝnym dla podejmowania decyzji o projektowanych kierunkach badawczych w dziedzinie nauk techniczno-przyrodniczych 19 TakŜe w następnych, jeśli nie podano inaczej. 20 K.B. Matusiak, Innowacje i transfer technologii. Słownik pojęć, PARP, Warszawa 2008, s. 68. 219
oraz o kontynuowaniu prac naukowo-badawczych jest znajomość występujących tendencji w obszarach gospodarki, do których adresowane są wyniki i aplikacje. Na rysunku 3. przedstawiono kształtowanie się tendencji intensywności innowacji 21, będącej relacją procentową nakładów na działalność innowacyjną do produkcji sprzedanej. Tabela 1. Charakterystyka badanych działów na tle przetwórstwa przemysłowego (dane 2009 r.). Wyszczególnienie Wartość brutto środków trwałych na podmiot, w mln zł Techniczne uzbrojenie pracy 1 zatrudnionego, w tys. zł Produktywność środków trwałych Wydajność pracy na 1 zatrudnionego, w tys. zł Produkcja sprzedana na jeden podmiot, w mln zł Zatrudnienie na 1 podmiot przetwórstwo przemysłowe (dane rzeczywiste) 47 229,5 1,63 374,3 76,7 204,8 badane działy (w relacji % do przetwórstwa przemysłowego) 83,5 84,3 111,0 93,7 92,7 99,0 Źródło: opracowanie własne na podstawie danych GUS. w % 35,0 30,0 25,0 20,0 15,0 10,0 5,0 20,4 29,9 26,4 w tym udział nakładów na: 17,5 18,3 0,0 Nakłady na działalność innow acyjną działalność B+R zakup w iedzy ze źródeł zew nętrznych budynki i budow le maszyny, urządzenia techniczne i narzędzia oraz środki transportu Rysunek 2. Udział wytypowanych działów w działalności innowacyjnej przetwórstwa przemysłowego w 2009 r. 21 Dane lat 1994-2008 dotyczą grupowania według PKD 2004, a w 2009 r. - PKD 2007. 220
w % 14,0 12,0 10,0 8,0 6,0 przetw órstw o przemysłow e maszyn i urządzeń maszyn biurow ych i komputerów maszyn i aparatury elektrycznej trend dla maszyn biurow ych i komputerów 4,0 2,0 0,0 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 Rysunek 3. Tendencje intensywności innowacji w wybranych działach na tle przetwórstwa przemysłowego w latach 1994-2009. Na podstawie danych przedstawionych na rysunku 3 wynika, Ŝe tendencja wzrostowa intensywności innowacji wystąpiła tylko w dziale produkcji maszyn biurowych i komputerów 22, w pozostałych podobnie jak przeciętnie w przetwórstwie przemysłowym tendencje malejące. Występujące tendencje w badanych działach skłaniają do poszukiwania mocnych i słabych stron innowacyjności przyjętego do badań obszaru przetwórstwa przemysłowego, do którego aplikowane są efekty działalności B+R Programu Strategicznego, a ponadto utwierdzą projektodawcę w podjętych decyzjach oraz stanowić będą zaczyn do śledzenia trendów w nowym układzie statystycznym (PKD 2007). Zaprezentowane zagadnienie, ze względu na znaczenie przyjętych do badań działów spotkać się powinno równieŝ z zainteresowaniem przedsiębiorstw z wytypowanych branŝ oraz stanowić przyczynek do badań sektorowych. 2. Przyjęta metodologia oceny wybranych działów Celem prowadzonego badania innowacyjności wytypowanych działów było ustalenie rankingów agregatowych, cząstkowych i poszczególnych wskaźników (przyjętych cech) dla określenia w sumarycznym wymiarze stanu zaawansowania technologii wytwarzania i eksploatacji przyjętego obszaru badawczego. Zapropo- 22 Odpowiednik produkcji wyrobów elektronicznych i optycznych w PKD 2007. Tendencje przedstawiono dla grupowania działów w układzie PKD 2004. 221
nowana metodologia badań ma za zadanie stworzenie odpowiednio dobranych wskaźników do ich oceny po zakończeniu Programu Strategicznego. Schemat wyboru obiektów do badań przedstawiono na rysunku 4. Sektor dóbr inwestycyjnych Sektor wysokiej techniki Sektor średniowysokiej techniki + Wytyczone główne kierunki prac badawczych Foresightu technologicznego I Aparatura II Systemy sterowania III Materiały IV Technologie proekologiczne V - Bezpieczeństwo Produkty wytypowanych działów w powiązaniu z głównymi kierunkami prac badawczych Foresight i rezultatami PS Wyselekcjonowany obszar badawczy Rys. 4. Schemat wyboru obszaru badawczego. Źródło: opracowanie własne 23,24. W wielowymiarowej analizie porównawczej innowacyjności (WAP innova ) wyróŝniono następujące etapy 25 : sformułowanie celów i hipotez badawczych, określenie struktur przestrzennej, rodzajowej, czasowej, zebranie danych statystycznych, wybór finalnych zmiennych diagnostycznych, doprowadzenie do porównywalności rodzajowej, określenie wag dla poszczególnych elementów tworzących badane struktury, przeprowadzenie analizy porównawczej dla danych historycznych, określenie mocnych i słabych stron innowacyjności badanego obszaru, sformułowanie wniosków końcowych. 23 Nauka i technika w 2009 r. GUS, Warszawa 2011. 24 Zaawansowane Technologie przemysłowe i ekologiczne dla zrównowaŝonego rozwoju kraju. Instytut Technologii Eksploatacji Państwowy Instytut Badawczy w Radomiu http://www.portal technologii.pl/2index/index.html (lipiec 2011). 25 Zmodyfikowano na podstawie: B. Pawełek, Metody normalizacji zmiennych w badaniach porównawczych złoŝonych zjawisk ekonomicznych. Wydawnictwo Uniwersytetu Ekonomicznego, Kraków 2008, op.cit. s. 34. 222
Bardzo waŝnym etapem było doprowadzenie do porównywalności rodzajowej, a więc ujednolicenie charakteru zmiennych diagnostycznych. W pracy przewaŝają stymulanty, jak w większości przypadków znanych z literatury przedmiotu róŝnych zastosowań, a nieliczne destymulanty zostały przekształcone na stymulanty 26. Większość współczesnych autorów jest zdania, Ŝe dobór cech nie powinien być subiektywny, a oparty na określonej procedurze (np. T. Grabiński i in. 27, A. Zielaś 28, D. Witkowska 29 ). Według tej procedury postępowanie jest następujące: ustalanie wstępnego zestawu cech (zmiennych) na podstawie kryteriów merytorycznych, poddawanie tego zestawu analizie formalno-statystycznej, a w końcu na tej podstawie wybór optymalnego zestawu zmiennych objaśniających. Wyodrębnione do analizy obszary problemowe wraz z zastosowanymi wskaźnikami zestawiono w tabeli 2. Tabela 2. Obszar badawczy; moduły i wskaźniki oceny innowacyjności działów powiązanych z efektami Programu Strategicznego. Moduł Zasoby ludzkie i kreowanie nowej wiedzy Intensywność B+R Wskaźniki, z definicjami Szkolenia personelu, w % nakładów na działalność innowacyjną Udział nakładów na szkolenia w relacji do nakładów B+R, w % Stopień zaangaŝowania przemysłu w rozwój zasobów wiedzy, tj. relacja procentowa rocznych nakładów przemysłu na działalność B+R do wartości produkcyjnych nakładów inwestycyjnych Intensywność nowej wiedzy, relacja procentowa wartości niematerialnych (suma nakładów na działalność B+R i zakupów wiedzy ze źródeł zewnętrznych) do wartości produkcji sprzedanej Udział personelu w działalności B+R, w % zatrudnionych Udział badaczy, w % zatrudnionych Udział zatrudnionych w duŝych przedsiębiorstwach, w % pracujących Umiejętność pozyskania środków zewnętrznych, w tys. zł na 1 pracownika B+R. Nakłady na działalność innowacyjną ze źródeł zewnętrznych (róŝnica pomiędzy ogólną kwotą nakładów na działalność innowacyjną a nakładami ze środków własnych) przypadające na 1 osobę personelu zatrudnionego w działalności B+R, w tys. zł na 1 osobę Nakłady na działalność B+R, w tys. zł na 1 badacza Zakup wiedzy ze źródeł zewnętrznych, w tys. zł na 1 badacza Zakup oprogramowania w tys. zł na 1 osobę personelu B+R Intensywność B+R, w % sprzedaŝy produktów nowych lub istotnie ulepszonych cd tabeli na str. nast. 26 B. Pawełek, op.cit., s. 37. 27 T. Grabiński, S. Wydymus, A. Zeliaś, Metody doboru zmiennych w modelach ekonometrycznych. PWN, Warszawa 1982. 28 A. Zielaś, Taksonomiczna analiza przestrzennego zróŝnicowania poziomu Ŝycia w Polsce w ujęciu dynamicznym. Wydawnictwo Akademii Ekonomicznej, Kraków 2000. 29 D. Witkowska, Podstawy ekonometrii i teorii prognozowania. Oficyna Ekonomiczna, Kraków 2005. 223
Intensywność innowacji poza działalnością B+R (non R&D) Zastosowanie technologii informacyjnotelekomunikacyjnych (ICT) Finansowanie innowacji Nowoczesność Produktywność zasobów 30 Produktywność energii Źródło: opracowanie własne cd. tabeli. Intensywność nakładów inwestycyjnych na maszyny i urządzenia techniczne (embodied technology), w % produkcji sprzedanej Marketing (nakłady) dot. nowych i istotnie ulepszonych produktów, w % wartości produkcji sprzedanej tych wyrobów Zapewnienie odpowiedniego środowiska dla innowacji (klimatyzacja, modernizacja, etc.), relacja procentowa nakładów inwestycyjnych na budynki i budowle do wartości brutto środków trwałych Udział (%) zakupów maszyn z importu w inwestycjach typu embodied technology Szerokopasmowy dostęp do Internetu, w % ogółu przedsiębiorstw danego rodzaju działalności Przedsiębiorstwa posiadające bezprzewodowe sieci LAN, w % ogółu przedsiębiorstw danego rodzaju działalności Przedsiębiorstwa posiadające Intranet, w % ogółu przedsiębiorstw danego rodzaju działalności Przedsiębiorstwa posiadające system informatyczny do obsługi zamówień, w % ogółu przedsiębiorstw danego rodzaju działalności Udział środków własnych w finansowaniu innowacji badanego przemysłu, w % nakładów ogółem Nakłady na innowacje na 1 przedsiębiorstwo w przemyśle, w tys. zł Udział kredytów bankowych w finansowaniu innowacji przemysłu, w % nakładów ogółem Odnowienie środków trwałych, w % wartości brutto środków trwałych Udział nakładów inwestycyjnych na maszyny i urządzenia techniczne, w % nakładach inwestycyjnych Linie automatyczne, w szt. na 1 mld wartości brutto środków trwałych Linie sterowane komputerem, w szt. na 1 mld wartości brutto środków trwałych Komputery do sterowania i regulacji procesami, w szt. na 1 mld wartości brutto środków trwałych Wartość brutto środków trwałych na 1 podmiot, w mln zł Techniczne uzbrojenie pracy na 1 zatrudnionego, w tys. zł Produktywność środków trwałych (produkcja sprzedana do wartości brutto środków trwałych) Wydajność pracy w tys. zł na 1 pracującego Produktywność maszyn (produkcja sprzedana do wartości brutto maszyn - dane dla wszystkich podmiotów) ZuŜycie energii elektrycznej na 1 zatrudnionego w MWh (destymulanta przekształcona na stymulantę) Energochłonność produkcji sprzedanej w kwh (zuŝycie energii elektrycznej na 100 zł produkcji sprzedanej - destymulanta przekształcona na stymulantę) 30 Dane głównie dla podmiotów zatrudniających powyŝej 49 osób. 224
Warunkiem poprawnego zastosowania metodyki WAP innova jest przekształcenie cech w taki sposób, aby rozpatrywane łącznie spełniały warunek porównywalności 31. Do potrzeb oceny zagregowanej w metodzie WAP innova, wykorzystano następującą procedurę (rys. 5): Macierz z wyjściowymi zmiennymi (danymi statystycznymi) Ustalenie kierunku preferencji charakteru zmiennych Przyjęcie wag dla zmiennych diagnostycznych Normalizacja zmiennych Agregacja zmiennych znormalizowanych (agregacja cząstkowa) Zredukowana macierz zmiennych diagnostycznych Agregacja zmiennej syntetycznej (agregatowej) Rysunek 5. Procedura porządkowania algorytm grupowania danych. Źródło: opracowanie własne 32. Innowacyjność badanych działów, w roku t określono jako macierz X t, która zawiera n grup (działów) (n=24) m-wymiarowych (m=35 wskaźników). W badaniach skorzystano ze zmodyfikowanego narzędzia opracowanego w arkuszu kalkulacyjnym Excel 33. W konstrukcji syntetycznego wskaźnika innowacyjności działów wykorzystano model agregujący obliczanie wskaźnika syntetycznego 34. W ocenie mocnych i słabych stron innowacyjności działów przetwórstwa przemysłowego wykorzy- 31 J. Kisielińska, St. Stańko, Wielowymiarowa analiza danych w ekonomice rolnictwa. Roczniki Nauk rolniczych, Seria G, T. 96, z. 2, 2009; http://www.wne.sggw.pl/czasopisma/pdf/rnr_t96_z2_s63.pdf (maj 2011). 32 R. Sitkowska, Wielowymiarowa ocena innowacyjności wybranych grup producenckich, op.cit. 33 J. Bućko, R. Sitkowska, Analiza porównawcza innowacyjności polskich regionów w 2006 r. (według metodologii EIS). Problemy Eksploatacji, 2008, nr 3, s. 113-121. 34 R. Sitkowska, Ocena innowacyjności subsektorów ICT w Polsce. Problemy Eksploatacji, 2009, nr 2, s. 214. 225
stano czteropoziomową klasyfikację innowacyjności bazującą na metodzie oceny miernika rozwoju 35,36. Istotną w zastosowanej metodzie wieloparametrycznej oceny innowacyjności wytypowanych działów sektora wysokiej i średniowysokiej techniki w Polsce jest kwestia relatywności, a więc punktu odniesienia miar. Tym odniesieniem była przeciętna dla przetwórstwa przemysłowego. 3. Wyniki weryfikacji metodyki WAP innova dla wytypowanych działów przetwórstwa przemysłowego Wyniki agregatowej (według przyjętych 35 wskaźników) oceny innowacyjności (tabela 3) wskazują, Ŝe liderem wśród badanych 24 działów przetwórstwa przemysłowego została produkcja koksu i produktów rafinacji ropy (PKD 19), ze wskaźnikiem agregatowym wynoszącym 0,6167. Dla porównania lidera, charakteryzowały mocne wskaźniki cząstkowe w pięciu modułach: intensywności (działalności B+R i non R&D); zastosowaniu technologii ICT, finansowaniu innowacji oraz produktywności zasobów, w dwóch modułach średniomocne wskaźniki, zaś najniŝszy w produktywności energii. Przemysł ten charakteryzuje wysokie zuŝycie energii, tak więc w odniesieniu do tego kryterium naleŝy dział ten porównywać z adekwatnymi przemysłami produkcji koksu i rafinacji ropy wiodącymi w świecie. Natomiast lider badanych działów (PKD 26) uzyskał mocne oceny w przypadku trzech modułów: zastosowaniu technologii ICT, nowoczesności i produktywności zasobów, a tylko w odniesieniu do zasobów ludzkich i kreowania nowej wiedzy średniomocne. W przypadku pozostałych modułów dział ten powinien uzyskać wsparcie dla poprawy intensywnośći B+R i non R&D, finansowania innowacji oraz produktywności energii (tabela 3). W przeprowadzonej ocenie innowacyjności trzy działy produkcji (chemikaliów i wyrobów chemicznych, urządzeń elektrycznych, wyrobów z metali) zostały sklasyfikowane na II poziomie innowacyjności. KaŜdy z tych działów wykazuje odmienne zagadnienia wymagające wsparcia zewnętrznego, a w największym stopniu dział PKD 25, w którym obszarem niezbędnym do wzmocnienia są zasoby ludzkie i kreowanie nowej wiedzy. Ostatnią pozycję w opracowanym rankingu uzyskała produkcja maszyn i urządzeń, w której występuje pilna potrzeba dofinansowania zwłaszcza obszaru w duŝej mierze wpływającego na najsłabszą ocenę w dziedzinie intensywności (B+R, non R&D), a takŝe finansowania innowacji, nowoczesności oraz produktywności zasobów i energii, gdzie wystąpiły średnioniskie notowania. Analizowa- 35 Stańczyk E., Innowacyjność w województwach. Wiadomości Statystyczne, 2008, nr 10, s. 58. 36 R. Sitkowska, Wielowymiarowa ocena potencjału rozwoju społeczno-gospodarczego województwa świętokrzyskiego na tle wybranych regionów (z wykorzystaniem metodologii European Regional Innovation Scoreboard), Studia i Materiały Miscellanea Oeconomicae Nr 1/2010, wydane przez WZIA UJK Kielce, maj 2010, s. 161-171. 226
no rozpiętość ocen innowacyjności badanych działów w przekroju wyodrębnionych modułów (rys. 6). Rys. 6. Rozpiętość uzyskanych wskaźników przez badane działy o ocenie modułowej i syntetycznej w 2009 r. Z rozkładu uzyskanych lokat dodać naleŝy, Ŝe produkcja wyrobów elektronicznych i optycznych, komputerów (z wartością sumarycznego wskaźnika wynoszącą 0,4563) nie uzyskała większościowego pakietu lokat mocnych (31,4%) wobec 54,3% mocnych lokat lidera. Z analizy rozpiętości wskaźników przedstawionych (w tabeli 3. i na rysunku 6.) w układzie problemowym zauwaŝa się, Ŝe: najwyŝsze notowania i największą rozpiętość wskaźników odnotowano w module dotyczącym zastosowania technologii ICT; od 0,4801 w produkcji wyrobów z metali do 0,7874 w produkcji wyrobów elektronicznych i optycznych, dość wyrównany poziom wskaźników cząstkowych uzyskały działy w module opisującym nowoczesność, bardzo duŝe zróŝnicowanie poziomu rozwoju wystąpiło w dziedzinie finansowania innowacji, 227
228
stosunkowo najmniej korzystne wskaźniki wystąpiły w ocenie cząstkowej intensywności R&D, B+R oraz zasobów ludzkich i kreowania nowej wiedzy, badane działy w niewielkim stopniu róŝniły się w ocenie agregatowej (od 0,3578 w produkcji maszyn i urządzeń do 0,4563 w produkcji wyrobów elektronicznych i optycznych), co stanowi szczególną rekomendację do wsparcia tych działów we wszystkich ocenianych modułach, poza zastosowaniem technologii ICT. Zakończenie Weryfikacja metodyki dostarczyła rezultatów, które upowaŝniają do stwierdzenia, Ŝe najlepsze notowania uzyskała produkcja wyrobów elektronicznych i optycznych, która w czterostopniowej klasyfikacji uzyskała I poziom innowacyjności, zaś najsłabsze produkcja maszyn i urządzeń technicznych (III poziom innowacyjności). Wyniki przeprowadzonych ocen innowacyjności przetwórstwa przemysłowego umoŝliwiły sformułowanie szczegółowych rekomendacji. Zidentyfikowane rekomendacje wskazują na potrzebę wsparcia, procesów decyzyjnych w wyznaczonych działach, głównie w zakresie: zbyt niskiej intensywności działalności B+R (łącznie z zakupem nowej wiedzy i oprogramowaniem) oraz innowacji poza działalnością B+R (inwestycje w maszyny, marketing, zapewnienie odpowiedniego środowiska dla innowacji). Działami wymagającymi wspomagania zewnętrznego i ukierunkowania na intensywność innowacji w sferach poza działalnością B+R, głównie poprzez zakupy maszyn, w tym z importu są przede wszystkim produkcje: urządzeń elektrycznych, maszyn i urządzeń oraz produkcja wyrobów elektronicznych i optycznych. Wymienione działy są szansą dla sektora B+R, którą sektor ten moŝe wykorzystać na ich wzmocnienie poprzez gotowe wyroby rezultaty (aplikacje) Programu Strategicznego, programów rozwojowych, jak równieŝ poprzez wzmocnienie potencjału badawczego tych przemysłów we wspólnych rozwiązaniach dotyczących nowych lub modernizowanych wyrobów. W przyszłości zostaną zunifikowane bazy informacji statystycznych w krajach członkowskich UE-27, co pozwoli na analizę w układach przestrzennych. Przeprowadzone badania weryfikacyjne pozwoliły na stwierdzenie przydatności metody WAPinnova do wyznaczania poziomu innowacyjności działów przetwórstwa przemysłowego oraz do oceny innych obszarów badawczych, w tym krajów, regionów. Bibliografia: 1. A more research-intensive and integrated European Research Area Science, Technology and Competitiveness key figures report 2008/2009; http://ec.europa.eu/invest-inresearch/monitoring/statistical01_en.htm (sierpień 2011). 229
2. Balicki A., Statystyczna analiza wielowymiarowa i jej zastosowania społecznoekonomiczne. Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk 2009. 3. Bućko J., Sitkowska R., Analiza porównawcza innowacyjności polskich regionów w 2006 r. (według metodologii EIS). Problemy Eksploatacji, 2008, nr 3. 4. Grabiński T., Wydymus S., Zeliaś A., Metody doboru zmiennych w modelach ekonometrycznych. PWN, Warszawa 1982. 5. Grimpe Ch., Leheyda N., Rammer Ch., Schmiele A., SofkaW., Sectoral Innovation Systems in Europe: Monitoring, Analysing Trends and Identifying Challenges Machinery and Equipment Sector. Centre for European Economic Research (ZEW), Manmheim, April 2008; http://www.europe-innova.org/c/document_library/get_file? folderid=24913&name=dlfe-2663.pdf (lipiec 2011). 6. Hollanders H., Arundel A., European Sector Innovation Scoreboards, December 8, 2005. 7. Identification of Europe s sectoral innovation leaders; Sectoral Innovation Watch (SIW) (Europe INNOVA). 8. Kisielińska J., Stańko St., Wielowymiarowa analiza danych w ekonomice rolnictwa. Roczniki Nauk Rolniczych, Seria G, T. 96, z. 2, 2009; http://www.wne.sggw.pl /czasopisma/pdf/rnr_t96_z2_s63.pdf (maj 2011). 9. Kosieradzka A., Lis St., Produktywność. Metody analizy, oceny i tworzenia programów poprawy. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000. 10. Kozłowski J., Statystyka nauki, techniki i innowacji w krajach UE i OECD. Stan i problemy rozwoju. Warszawa, kwiecień 2011 r.; http://www.nauka.gov.pl (kwiecień 2011). 11. Matusiak K. B., Innowacje i transfer technologii. Słownik pojęć, PARP, Warszawa 2008. 12. Nauka i technika w 2009 r. GUS, Warszawa 2010. 13. Pawełek B., Metody normalizacji zmiennych w badaniach porównawczych złoŝonych zjawisk ekonomicznych. Wydawnictwo Uniwersytetu Ekonomicznego, Kraków 2008. 14. Rocznik Statystyczny Przemysłu 2010, GUS, Warszawa 2011. 15. Sitkowska R., Ocena innowacyjności subsektorów ICT w Polsce. Problemy Eksploatacji, 2009, nr 2. 16. Sitkowska R., Wielowymiarowa ocena innowacyjności wybranych grup producenckich. Problemy Eksploatacji 2011 (w druku). 17. Sitkowska R., Wielowymiarowa ocena potencjału rozwoju społeczno-gospodarczego województwa świętokrzyskiego na tle wybranych regionów (z wykorzystaniem metodologii European Regional Innovation Scoreboard), Studia i Materiały Miscellanea Oeconomicae Nr 1/2010, wydane przez WZIA UJK Kielce, maj 2010, s. 161-171. 18. Sitkowska R., Zastosowanie procedury analizy produktowej w działaniach projektowych przedsięwzięć naukowych na przykładzie wybranych wyrobów produkcji instrumentów i przyrządów pomiarowych. Zeszyty Naukowe UE w Katowicach pt. Studia Ekonomiczne, 2011 (przyjęte do druku). 19. Stańczyk E., Innowacyjność w województwach. Wiadomości Statystyczne 2008, nr 10. 20. Wintjes R., Dunnewijk T. (Unu-Merit), Sectoral Innovation Systems in Europe: The Case of the ICT Sector. Europe-Innova 9 May 2008. 21. Witkowska D., Podstawy ekonometrii i teorii prognozowania. Oficyna Ekonomiczna, Kraków 2005. 230
22. Zielaś A., Taksonomiczna analiza przestrzennego zróŝnicowania poziomu Ŝycia w Polsce w ujęciu dynamicznym. Wydawnictwo Akademii Ekonomicznej, Kraków 2000. Abstract W artykule opisano wyniki wielowymiarowej analizy porównawczej innowacyjności (WAP innova ) wybranych działów przetwórstwa przemysłowego. Syntetyczna analiza mocnych i słabych stron innowacyjności wybranego obszaru dokonana została przy adaptacji metody Regional Innovation Scoreboard, w tym zaproponowanego przez autorkę zestawu ponad trzydziestu wskaźników. W artykule zostały zaprezentowane syntetyczne wyniki przeprowadzonych badań innowacyjności wytypowanych działów przetwórstwa przemysłowego, w których uwzględniono następujące kryteria: zasoby ludzkie i kreowanie nowej wiedzy, intensywność działalności B+R oraz intensywność innowacji poza działalnością B+R, a ponadto: zastosowanie technologii ICT, finansowanie innowacji, nowoczesność zastosowanych technologii, produktywność zasobów i energii. The Multidimensional Evaluation of the Innovation Potential of Selected Sections of the Manufacturing Industry The article describes the results of the multidimensional comparative analysis of the innovation (WAP innova ) of selected sections of the manufacturing industry. A synthetic analysis of the strengths and weaknesses of a selected area of innovation was made using the method of the Regional Innovation Scoreboard supplemented by a set of over thirty indicators proposed by the author. The article presents the results of the synthetic studies of selected innovative sections of the manufacturing industry which include the following criteria: human resources and the creation of a new knowledge, the intensity of R&D intensity and innovation non R&D activities and, moreover, the use of ICT, innovation funding, up-to-date technology, productivity of resources and energy. Engineer Rozalia Sitkowska, junior lecturer, Institute for Sustainable Technologies - National Research Institute (ITeE-PIB) in Radom. 231