Статья опубликована в журнале «Вопросы инновационной экономики»2 / 2012

Анализ методов исследования и прогнозирования инновационной активности на региональном уровне

Московцев Александр Федорович, доктор экономических наук, профессор, декан факультета экономики и управления, заведующий кафедрой менеджмента, маркетинга и организации производства Волгоградского государственного технического университета, Россия

Цыганкова Вера Николаевна, кандидат экономических наук, доцент кафедры менеджмента, маркетинга и организации производства, Волгоградский государственный технический университет, Россия

Косенков Роальд Алексеевич, доктор экономических наук, доцент, кафедра менеджмента, маркетинга и организации производства, Волгоградский государственный технический университет, Россия

Великанов Василий Викторович, доцент, кандидат экономических наук, кафедра менеджмента, маркетинга и организации производства, Волгоградский государственный технический университет, Россия

Симонов Алексей Борисович, доцент, кандидат экономических наук, кафедра менеджмента, маркетинга и организации производства, Волгоградский государственный технический университет, Россия

Analysis of Methods of Innovative Activity Research and Forecasting on Regional Level - View in English

 Читать текст |  Скачать PDF | Загрузок: 88

Аннотация:
В статье рассмотрены основные направления анализа инновационной активности, особое внимание уделено системам показателей, позволяющие диагностировать и прогнозировать региональные инновационные процессы. Рассмотрено состояние инновационной активности в Волгоградской области.
Цитировать публикацию:
Московцев А.Ф., Цыганкова В.Н., Косенков Р.А., Великанов В.В., Симонов А.Б. Анализ методов исследования и прогнозирования инновационной активности на региональном уровне // Вопросы инновационной экономики. – 2012. – Том 2. – № 2. – С. 15-29.

Региональный уровень сегодня рассматривается как важное звено инновационной политики и, соответственно, нуждается в измерении.

Российская статистика инноваций существует с 1994 г. и опирается на разработки Института статистических исследований и экономики знаний (ИСИЭЗ) Государственного университета — Высшей школы экономики [1, 2]

Наибольшее распространение для диагностирования инновационных факторов   получили экспертные методы, корреляционно-регрессионный анализ, факторный анализ, метод главных компонент, нечетких множеств, индексный анализ (см. например Образцова О.И. [3], Багриновский К.А. [4], Бандман М.К. [5], Варшавский А.Е. [6], Коротков А.В. [7], Леонтьев В. [8], Татаркин А.Н. [9]). На выбор модели оказывает влияние как сложность исследуемого объекта, доступные данные, освоенный математический аппарат.

Такие исследования выполняются в Росстате [10], ЦИСН [11], Центре экономической конъюнктуры при Правительстве РФ, Высшей школе экономики. 

В табл. 1 представлены сводные характеристики применяемых моделей анализа инновационной деятельности.

Таблица 1

Характеристика моделей исследований инновационных процессов [12] 

Проблемы

Модели

Уровень

1. Определение территориальной дифференциации явлений

Индексный анализ

Макроуровень

Мезоуровень

Микроуровень

2. Определение влияние отдельных факторов на экономическое развитие

(инновационное развитие)

Корреляционно-регрессионный анализ(probit-модели), факторный анализ, метод главных компонент

Макроуровень

Мезоуровень

Микроуровень

3. Идентификация гомогенных районов, пунктов

Дискриминантный анализ, факторный анализ, методы распознавания образов

Макроуровень

Мезоуровень

4. Идентификация «полюсов роста» и районов тяготения

Кластерный анализ, анализ таблиц «затраты-выпуск»

Макроуровень

Мезоуровень

5. Определение приоритета отраслей развития для районов

Регрессионный анализ,

региональный межотраслевой баланс, оптимальное программирование, экспертные методы, методы нечетких множеств

Макроуровень

Мезоуровень

6. Выбор наилучшей локализации предприятия в регионе

Модели потенциалов, транспортная задача линейного программирования

Мезоуровень

7. Прогнозирование развития экономики региона

Межотраслевой баланс района, экспертные методы, методы нечетких множеств

Мезоуровень

8. Разработка программы сбалансированного развития района

Межотраслевой баланс региона с оптимизацией

Мезоуровень

9. Согласование развития районов с развитием системы районов или страны в целом

Балансовые модели межрайонных связей (с оптимизацией или без таковой)

Страна, группа стран

В рамках каждой задачи состав данных может значительно меняться, особой проблемой становится репрезентативность и релевантность данных, поскольку информация об инновационных процессах является закрытой и получаемые данные обычно характеризуют малое количество предприятий. Соответственно, чем более полная информация о структуре рынка, затратах на исследования, доходности инноваций, тем более точную факторную модель можно построить.

Необходимо отметить, что проводился ряд исследований по определению взаимосвязи инновационной деятельности и результирующих показателей. Так,  А.А. Чулок [13] собрал данные по исследованиям, проводимых в развитых странах, в результате были получены следующие сопоставления:

  • влияние инноваций на производительность — положительное;
  • влияние инноваций на увеличение рыночной доли — положительное;
  • влияние инноваций на прибыльность — неоднозначное;
  • влияние инноваций на получение временно монопольной власти — положительное;
  • влияние инноваций на повышение рентабельности — неоднозначное;
  • влияние инноваций на увеличение ценности фирмы и повышение конкурентоспособности — положительное. 

В целом, приведенная выше трактовка характерна для большинства исследователей, но на различных выборках (особенно, когда анализируются результаты деятельности в краткосрочном периоде) возможны колебания за счет того, что часть предприятий терпит банкротство, не все проекты рентабельны, увеличение наукоемкости не всегда приводит к пропорциональному росту рыночной доли. Поэтому общее положительное влияние инноваций проступает в долгосрочном периоде. 

Хотя различные статистические исследования охватывают общенациональный, региональный и  корпоративный уровень, существуют определенные трудности, связанные с сопоставлением всех полученных данных (выборочный характер исследования,  отбор различных признаков, несовпадающих год от года, нерегулярность проводимых исследований, большой массив анализируемых данных).

Второй подход основан на построении специализированных систем показателей, определяющих особенности протекания инновационной деятельности. От качества построения системы  показателей и корректного ее использования во многом зависит надежность принятого решения.

Так, В.Н. Фридлянов, Б.К. Лисин, С.Ф. Остапюк в своем исследовании [14] применяют следующую систему показателей, основанную как на статистических данных, так и на экспертных оценках различных свойств инновационных процессов:

1) общие характеристики: распределение по организационно-правовой форме организаций, доля прикладных исследований в общем объеме работ организаций научно-технического комплекса, распределение по  видам научно-технической деятельности и отраслям промышленности;

2) персонал промышленных предприятий: число промышленных предприятий и организаций научно-технического комплекса с различной численностью сотрудников, средний процент различных возрастных групп среди инженерно-технических работников и исследователей;

3) структура и состояние основных фондов, парк технологического оборудования: средний возраст технологического оборудования, число промышленных предприятий и организаций, имеющих различные доли отечественного оборудования, число промышленных предприятий и организаций, имеющих различные источники средств обновления парка оборудования;

4) финансирование промышленных  предприятий: усредненные данные объемов финансирования научно-технического комплекса из различных источников финансирования, распределение объемов финансирования промышленных предприятий и организаций научно-технического комплекса из различных источников финансирования, распределение промышленных предприятий и организаций, не получающих инвестиции по различным причинам;

5) актуальные проблемы деятельности промышленных предприятий: оценка уровня значимости проблем деятельности промышленных предприятий и организаций научно-технического комплекса;

6) международное сотрудничество: распределение промышленных предприятий и организаций научно-технического комплекса, заключивших договоры с различными иностранными партнерами, направления сотрудничества, распределение по интересу к опыту и модели организации рыночного хозяйства в научно-технической, инновационной и промышленной сферах других стран

7) инновационный потенциал промышленных предприятий: результаты проведения НИОКР промышленными предприятиями, виды инноваций, имевших место на предприятиях, определение возможностей, которыми располагают предприятия для инновационной деятельности, внешних и внутренних факторов, влияющих на инновационную деятельность предприятий, состояние составляющих инновационного потенциала в зависимости от стадии развития предприятий, распределение промышленных предприятий по уровню инновационной культуры в зависимости от стадии выживания;

8) предложения руководителей промышленных предприятий по решению актуальных проблем развития промышленности и усилению ее взаимодействия с отраслевой наукой.

Приведенный перечень показателей достаточно обширный и охватывает различные стороны деятельности, смежные с инновационной. Кроме того, для мониторинга инновационной ситуации необходимо проводить такие исследования регулярно, к сожалению в таком объеме подобные исследования проводятся редко, в основном используются данные Росстата.

Полученные данные могут быть проанализированы с помощью процедур ранжирования, экспертных оценок, факторного анализа, что позволяет получить достаточно подробные характеристики инновационной деятельности.

Рассматривая инновационную деятельность как социальный процесс, необходимо отметить тесную взаимосвязь развития общества, уровня жизни и действующую институциональную систему, которая регулирует направления развития секторов экономики.

Измерение в области инновационной деятельности в первую очередь концентрируются на изменении инновационной активности и инновационного потенциала, но не ограничиваются ими. В западной науке даже выделено особое направление – innovation metrics. Развитие измерений в области инноваций тесно связано с развитием самого понятия инноваций.

 Таблица 2

Развитие подходов к оценке инноваций [15] 

1-е Поколение

Показатели затрат на НИР

(1950-1970 гг.)

2-е Поколение

Показатели результатов НИР (1970-1990 гг.)

3-е Поколение

Системные показатели инновации и индексы инновационной деятельности  (1990-2000 гг.)

4-е Поколение

Показатели способности процессов организации создавать и перенимать инновации

 (2000+  гг.)

Затраты  на НИР

Количество научных работников

Затраты на закупку нового оборудования

Патенты

Публикации

Высокотехноло-гичные продукты

Продажа технологий

Интеграция различных показателей

Всестороннее описание инновационной сферы

Знания и системы управления знаниями

Технологии управления

Бизнес-процессы и сети создания стоимости

Риск/доходность

Системная динамика

Показатели первого поколения измерений являются следствием линейного представления об инновационном процессе, при котором вложения в начало процесса (фундаментальные и прикладные исследования) дают с большей или меньшей степенью предсказуемые результаты на выходе (новые продукты, рынки и т.д.). Такие показатели, как вложения в НИР, количество сотрудников с высшим образованием, химизация и автоматизация производства до сих пор используются для оценки инновационного потенциала. Однако в последнее время стало очевидно, что сами по себе затраты на НИР не гарантируют результата. С другой стороны, есть примеры компаний, эффективно коммерциализирующих результаты весьма низкобюджетных исследований.

Показатели второго поколения измерений отражают результаты непосредственно НИР и ОКР, в частности, полученные  патенты и созданные высокотехнологические продукты. Они до сих пор широко применяются при анализе эффективности инновационной деятельности. Однако даже если отбросить неполноту этих показателей (так, организация может не оформлять патентом наиболее ценные разработки, полагаясь на режим коммерческой тайны), то их данные недостаточно эффективны. Новшество становится инновацией только после коммерциализации и принятия рынком, а эти важнейшие этапы не учитываются в показателях второго поколения.

Показатели третьего поколения  измерений являются результатом попытки комплексного описания инновационной деятельности методами системного анализа. Наиболее часто используется перечисление показателей (например, отчеты по инновационной деятельности Госкомстата), построение индексов (например, индексы, публикуемые BCG и NAM, а также многочисленные разработки российских ученых), система сбалансированных показателей и метод анализа иерархий. Данные показатели строятся из предположения, что инновационная деятельность складывается из отдельных компонентов, и описание этих компонентов дает нам представление и об инновационной деятельности в целом.

Однако этот подход имеет два очень больших недостатка. Во-первых, он очень сильно зависит от выбора компонентов. Во-вторых, данный подход не заостряет внимание на связях между компонентами, в результате чего показатели, построенные любыми двумя исследователями, дают значительно отличающиеся результаты. Именно поэтому большинство показателей данного поколения не нашли сколько-нибудь широкого применения (за исключением индексов BCG и International Innovation Index NAM [16]).

Показатели четвертого поколения мало применяются в России. В целом, они основаны на моделировании структуры организации, ее климата и оценке, в первую очередь, ее способности создавать и внедрять инновации. Данные показатели, как бы в пику показателям третьего поколения, сосредоточились именно на связях элементов инновационной системы, зачастую обращая недостаточное внимание на сами эти элементы, что значительно снижает их аналитическую значимость, хотя и облегчает применение на практике. Кроме того, эти показатели также в значительной степени субъективны и зависят от точки зрения исследователя.

Отдельно от данных показателей стоят традиционные показатели эффективности инвестиционных проектов — прибыль, NPV, IRR, ROI; а также показатели эффективности производственной и маркетинговой деятельности (доля рынка, затраты на рубль продукции). Данные показатели являются крайне эффективными при оценке инновационной деятельности и с теоретической точки зрения могут претендовать на роль универсальных показателей инновационной активности. Однако они не учитывают риски, а также исходят из предположения о прогнозируемости затрат на инновации, сроков НИР  и выгод от инноваций и предсказуемости рыночной конъюнктуры. Это приводит к гигантским ошибкам в ходе применения данных показателей на практике и необходимости дополнения их множеством других величин.

Исследование инновационной активности основывается на методиках, предложенных ЕС и ОЭСР, учитывающих экономику знаний, сферу образования. Так, по методике Всемирного банка, в которой в роли интегрального показателя выступает индекс знаний, представляющий собой среднее арифметическое трех составляющих его индексов:

а) инновационная система;

б) образование и человеческий потенциал;

в) информационная инфраструктура.

Данные индексы рассчитываются как среднее арифметическое нормализованных данных по показателям, взятым из официальной регулярной статистики в разделах «Научные исследования и инновации», «Образование», «Информационные и коммуникационные технологии» (табл. 3).

Таблица 3

Показатели составляющих индекса знаний [17, 18, 19]

Индекс

Показатель

Инновационная система

Число организаций, выполняющих исследования и разработки, ед.

Число инновационно-активных организаций промышленности и сферы услуг, всего, ед.

Число инновационно-активных организаций промышленности и сферы услуг, выполняющих производственные проектно-конструкторские работы, % от общего числа соответствующих организаций

Внутренние текущие затраты на фундаментальные исследования, % к общей сумме внутренних текущих затрат на исследования и разработки

Внутренние текущие затраты на оборудование, % к общей сумме внутренних текущих затрат на исследования и разработки

Удельный вес затрат на технологические инновации в объеме отгруженной продукции инновационно-активных организаций, %

Количество выданных патентов, шт. на 10 тыс.чел.

Выпуск из аспирантуры с защитой диссертации, % к общему выпуску из аспирантуры

Выпуск из докторантуры с защитой диссертации, % к общему выпуску из докторантуры

Образование и

человеческий

потенциал

Грамотность взрослого населения, % к численности населения в возрасте 15 и более лет

Число дневных общеобразовательных учреждений, ед.

Число высших учебных заведений, ед.

Численность студентов высших учебных заведений, чел. на 10 тыс.

населения

Численность имеющих высшее образование, % к общей численности

трудоспособного населения региона

Инвестиции в основной капитал отрасли образования, % от общего

объема инвестиций региона

Информационная инфраструктура

Число организаций, использующих информационные и коммуникационные технологии, ед.

Число персональных компьютеров, шт. на 100 работников

Число организаций, имеющих web-сайты, ед.

Число организаций, использующих специальные программные

средства, всего, ед.

Затраты на приобретение программных средств, % от общего объема затрат на информационные и коммуникационные технологии

Число организаций, использующих специальные программные средства (% от общего числа соответствующих организаций) для решения организационных, управленческих и экономических задач, для научных исследований

Наличие квартирных телефонных аппаратов сети общего пользования,

шт. на 1000 чел. городского населения

Innobarometer [17, 18, 19, 20, 21] — ориентируется на распространение инноваций, их роли в различных секторах, исследования за каждый год посвящены отдельным темам, состав показателей достаточно широк, акцентируется внимание на роли инноваций в обществе, анализируется инновационная активность и инновационная восприимчивость, проводится сопоставление по странам ЕС. 

Методика расчета суммарного инновационного индекса [17, 18, 19, 20, 22] была предложена Маастрихтским институтом экономических исследова­ний в области инноваций и технологий (MERIT, Нидерланды) для оценки и сравнения инновационных достижений стран-членов Европейского Союза. Индексы представляют собой интегральные показатели (характеризуют ситуацию в таких направлениях, как условия для инноваций, инвестиции в знания, инновации и предпринимательство, применение инноваций и интел­лектуальная собственность), включающие совокупность стандарт и Индекс, публикуется ежегодно с 2001 г. в обзоре «Европейский инновационный рейтинг» (European Innovation Scoreboard, http://www.trendchard.org, http://www.proinno-europe.eu/metrics).

Среди отечественных разработок можно выделить анализ инновационной активности территории на базе эволюционного подхода (С.В. Кортов) [23], выделивший типы инновационного развития территории на основании расчета ряда индексов:

Индекс наукоемкости страны (ИНС), % ВВП;

Индекс наукоемкости промышленного производства (ИНП), %;

Коэффициент технологической независимости страны (КНТС);

Коэффициент технологической независимости промышленности (КНТП);

Индекс технологического обмена страны (ИТОС), %;

Индекс технологического обмена промышленности (ИТОП), %;

Индекс технологической активности (ИТАС), % ВВП;

Были предложены следующие типы развития:

  • технологически независимая инновационная среда инвенциального типа;
  • технологически независимая инновационная среда смешанного типа;
  • технологически зависимая инновационная среда смешанного типа;
  • технологически зависимая инновационная среда имитационно-адаптационного    типа.

Расчет значений данных показателей дает возможность определить степень наукоемкости и технологической независимости той или иной отрасли на рассматриваемой территории и сравнить их с ориентирами, необходимыми для устойчивого роста. После ранжирования по величине показателей ИНО, КТНО и ИТО производится «отраслевой срез» экономики, характеризующий уровень инноваци­онной активности и степень развития научно-технического потенциала территории.

Другое наравление — применение регрессионного анализа (например, Шляхто И.В. [24] (Брянская область), Егорова М.В. (Республика Татарстан) [25] и факторного анализа инновационного потенциала региона [26].

На статистическом материале изучаемых регионов строится ряд регрессионных уравнений, описывающих, например, зависимость между числом поданных заявок на изобретения и основными факторами, влияющими на инновационную активность (расширение спроса, величина человеческого капитала, объемы финансирования научных исследований и разработок, инвестиционная активность и др.). В результате расчетов и анализа выявляются факторы, положительно и отрицательно влияющие на уровень инновационной активности территории [27].

Среднесрочная и долгосрочная оценка перспективности инноваций, анализ эффективности и масштабов их освоения, прогноз конкурентоспособности на внутреннем и внешнем рынках являются необходимыми элементами механизма инновационного экономического развития.

В настоящее время анализ инновационной деятельности опирается на различные статистические исследования, охватывающие общенациональный, региональный и  корпоративный уровень. В то же время можно отметить определенные трудности, связанные с сопоставлением всех полученных данных, которые связаны с выборочным характером исследования, отбором различных признаков, несовпадающих год от года, нерегулярностью проводимых исследований, большим массивом анализируемых данных.

Для определения более детального анализа инновационной деятельности необходимо использовать анализ работы таких систем, как отрасли или предприятия. В ходе работы был выбран интегральный метод разложения факторов, поскольку он дает общий подход к решению задач самого разного вида независимо от количества элементов,   входящих в модель факторной системы и формы связи между ними. Интегральный метод основан на интеграле Эйлера-Лагранжа, устанавливающем связь между приращением функции и приращением факторных признаков, результаты расчетов не зависят от последовательности подстановок и последовательности расчета факторных влияний.

Модель факторного анализа системы:

Для характеристики развития отдельных отраслей использовались такие обобщающие характеристики, как  экстенсивные и интенсивные факторы экономического роста. В качестве экстенсивных факторов рассматриваются затраты на производство, в качестве интенсивных — затраты на рубль продукции, интегральный показатель — объем произведенной продукции. Различные соотношения прироста экстенсивных и интенсивных факторов позволяют определять состояние экономического объекта и формируют различные направления экономического развития. Полученные значения экстенсивных и интенсивных факторов использовались для построения результирующего вектора инновационного развития на диагностической карте, Fx — изменение экстенсивных факторов, Fy — изменение интенсивных факторов,  Fр — результирующий вектор.

Рис. 1. Качественные характеристики направлений развития экономической системы (фазовый анализ) [28]

Таким образом, экономическое развитие может определяться разными сочетаниями прироста (спада) экстенсивных и интенсивных факторов. Наилучшим с точки зрения качественных и количественных показателей является 1‒3 сектора. При этом допускается, что равные приросты экстенсивных и интенсивных факторов (равновесное состояние) является промежуточным. Зоны  экономии и удорожания характеризуют предкризисные состояния, а зоны экстенсивного и интенсивного спада и регресса — кризисные. Факторный анализ был применен к отраслям промышленности Волгоградской области (табл. 4, 5).

Таблица 4

Показатели работы отраслей промышленности Волгоградской области [29] 

Отрасти

Годы

Объем пр-ва

 Общие затраты  млн руб

Затраты на 1 руб.

Добыча полезных ископаемых

2007

20811,6

11445,6

0,55

2008

23399,8

18442,6

0,79

2009

22995,3

12769,4

0,56

Обрабатывающая

2007

280312,40

214928,40

0,77

2008

364525,00

258311,70

0,71

2009

293944

230343,9

0,78

Производство электроэнергии энергии

2007

26305

26842,7

1,02

2008

31708,8

20775,8

0,66

2009

41187,2

26327,6

0,64

Таблица 5

Характеристики развития отдельных отраслей Волгоградской области 

Годы

2008г.

2009г.

Отрасль

Добыча полезных ископаемых

Ax

10570,66

-8531,80137

Ay

-7982,40

8127,301369

DF

2588,2

-404,5

хар-ка

удорожание

экономия

Отрасль

Обрабатывающие производства

Ax

58840,5

-37515

Ay

25372,1

-33066

DF

84212,6

-70581

хар-ка

экст.-инт. рост

регресс

Отрасль

Производство и распределение электроэнергии, газа и воды

Ax

-7359,32

8578,459

Ay

12763,12

899,9407

DF

5403,8

9478,4

хар-ка

экономия

экст. рост

Анализ полученных результатов позволяет сделать выводы о преимущественно экстенсивном характере развития отраслей региона и об увеличении средних затрат на производство, что свидетельствует о неблагоприятных тенденциях и необходимости их корректировки с помощью инновационной политики. Таким образом, данный метод позволяет определять текущее состояние экономических систем (на примере отраслей). Результаты расчетов  могут применяться для решения следующих задач:

1) позиционирование экономической системы по критерию «использование  инноваций», что может служить основой прогнозирования будущего  развития;

2) анализ стратегии инновационной деятельности систем различного уровня, эффективности используемых ресурсов;

3) выявление направлений улучшения эффективности инновационной политики на основе сравнения с плановыми или сопоставимыми нормативами, в виде оценки соответствующего размещения человеческих ресурсов и финансовых вложений, нормативно-законодательных актов;

4) разработка мероприятий, стабилизирующих и закрепляющих инновационное развитие территорий и отраслей, обеспечивающих экономическое благосостояние населения.

Анализируя показатели, можно сделать вывод, о том, что инновационный потенциал Волгоградской области используется крайне неэффективно, происходит торможение на последних стадиях инновационного процесса, соответственно, требуются мероприятия по продвижению инновационной деятельности.


Источники:
1. Гохберг Л.М. , Кузнецова И.А. Анализ и перспективы статистического исследования инновационной деятельности в экономике России//Вопросы статистики.–2004.– №9. Кузнецова И.А., Гостева С.Ю., Грачева Г.А. Методология и практика статистического измерения инновационной деятельности в экономике России: современные тенденции//Вопросы статистики.– 2008.–№5.
2. Образцова О.И. Методы статистического изучения факторов инновационных процессов в промышленности: Дис. канд. экон. наук. 08.00.11.–М.: 1994.–140 с.
3. Багриновский К.А., Бендиков М.А., Хрусталев Е.Ю. Современные методы управления технологическим развитием. –М.: "Российская политическая энциклопедия" (РОССПЭН), 2001.- 272 с.
4. Бандман М.К. Территориально-производственные комплексы: теория и практика предплановых исследований. – Новосибирск: Наука, 1980.–С.3-20.
5. Варшавский А.Е. Научно-технический прогресс в моделях экономического развития: методы анализа и оценки.- М.: Финансы и статистика, 1984.- 208 с.
6. Коротков А.В. Статистический анализ развития инновационного процесса//Вопросы статистики.– 2001.–№11.–С. 55-59.
7. Леонтьев В. Межотраслевая экономика. Пер. с англ./Авт. предисл. и научн. ред. А.Г. Гранберга. – М.: ОАО "Изд-во "Экономика", 1997.– 479 с.
8. Научно-технологическая безопасность регионов России: методические подходы и результаты диагностирования / Под ред. А. Н. Татаркина, А.А. Куклина. – Екатеринбург: изд-во Уральск. ун-та, 2000. – 416 с.
9. Регионы России–2010. Социально-экономические показатели. Стат. ежегодник.-М.: Росстат, 2010.
10. Наука России в цифрах: Стат. сб. – М.: ЦИСН, 2000. –С. 100-130.
11. Решиев С.С. Экономико-математический анализ и обоснование стратегии развития производственного потенциала региона: Дисс. канд. экон. наук.08.00.13 –М.: 1997. – 200 с.
12. Чулок А.А. Анализ показателей эффективности инноваций на микро и макроуровне // Инновации.–2004.–№5.
13. Фридлянов В.Н., Лисин Б.К., Остапюк С.Ф. Потенциал и проблемы инновационного развития промышленных предприятий//Инновации.– 2001.–№7.– С. 37-48.
14. Milbergs E., Vonortas N. Innovation Metrics: Measurement to Insight. : http://www.innovationtools.com/pdf/innovation-metrics-nii.pdf
15. Andrew J.A., De Rocco E.S., Taylor A. The Innovation Imperative in Manufacturing: How the United States Can Restore Its Edge // The Boston Consulting Group. March 2009.
16. Источники: Ферова И.С., Старцева Ю.И., Инюхина Е.В. Составляющие индекса «экономики знаний» // ЭКО. – 2006. – № 12. – C. 60-63; Чугунов А.В. Система индикаторов и мониторинг развития информационного общества и экономики знаний // Вестник международных организаций: образование, наука, новая экономика. – 2006. – №7. ; Задумкин К. А., Кондаков И. А. Научно-технический потенциал региона: оценка состояния и перспективы развития/ / ИСЭРТ РАН, – Вологда: 2010. – 205 с. ;
Кондаков И. А. Теоретические основы оценки состояния и эффективности использования научно-технического потенциала региона // Инновации.– 2009.– № 6.
17. Innobarometer 2010 Conducted by The Gallup Organization upon the request of DG Enterprise and Industry http://cordis.europa.eu/innovation/en/policy/innobarometer.htm
18. Макарова, П.А. Статистическая оценка инновационного раз¬вития / П.А. Макарова, Н.А. Флуд // Вопросы статистики. – 2008. – №2. – С. 15-30.
19. С.В.Кортов Анализ инновационного развития территории на базе эволюционного подхода//Инновации.–2004.-№6
20. Шляхто И.В. Методика и результаты исследования факторов, отражающих инновационный потенциал региона//Научные ведомости БелГУ.– 2007.– №1(32).–С.149-156.
21. Егорова М.В.Метод инновационного позиционирования региона //Региональная экономика: теория и практика. –2007. –№ 5.– С. 61-65.
22. Москвина О.С. Оценка влияния факторов-доминант на инновационное развитие региона.// Вестник УГТУ-УПИ. Серия Экономика и управление. –2010. –№ 1.– С. 44-54.;
23. Амосенок Э.П., Бажанов В.А. Интегральная оценка инновационного потенциала регионов России // Регион: экономика и социология. – 2006. – № 2. – С. 134-145
24. Косенков Р.А. Инновационные модели экономики(теория, методы и сфера применения):Монография/Волгоград:РПК «Политехник».–2000.–352с.
25. Промышленное производство Волгоградской области.2010/Росстат. – Волгоград,Волгоградский областной комитет государственной статистики.– С.7,120