Проверяемый текст
Трухляева, Анна Александровна. Инновационный потенциал региона: оценка и перспективы развития (Диссертация 2010)
[стр. 122]

Таким образом, проведя оценку инновационного потенциала экономических систем (на примере регионов СФО) с помощью метода комплексной рейтинговой оценки, метода ранжирования и максиминного метода можно отмстить, что применение данных методов привело к сходным результатам, что позволяет сделать вывод о достаточной степени достоверности каждого из них.
3.2.Разработка
организационно-экономической модели управления инновационным потенциалом экономических систем С использованием корреляционного и регрессионного анализа в диссертации дана оценка влияния инновационного потенциала экономических систем на величину валового регионального продукта.
Данные по инновационному потенциалу экономических систем и валовому региональному продукту представлены по 12 регионам Сибирского федерального округа России за 2009 г.
Методом наименьших квадратов были найдены оценки параметров линейной регрессионной модели, характеризующей зависимость валового регионального продукта от инновационного потенциала экономических систем.
Линейная регрессионная модель зависимости ВРП от уровня развития инновационного потенциала 300,00 S «0.00 X 200,00 у = 2,3919х 9,9408 R’ = 0,5601 х 2 X & 2 £ 150,00 100,00 50,00 0.00 ■о Валовой региональный продукт на душу населен тыс.
руб.
о Уровень развития инновационного потенциала
122
[стр. 153]

Таким образом, проведя оценку инновационного потенциала региональной хозяйственной системы (на примере регионов ЮФО) с помощью метода комплексной рейтинговой оценки, метода ранжирования и максиминного метода можно отметить, что применение данных методов привело к сходным результатам, что позволяет сделать вывод о достаточной степени достоверности каждого из них.
3.2,
Оценка влияния основных социально-экономических показателей на уровень развития инновационного потенциала регионов ЮФО Комплекс методов прогнозирования постоянно совершенствуется и пополгшется новыми методами.
Одной из центральных проблем является разработка обоснованной классификации и выбор методов прогнозирования.
Попытки создания такой классификации делались неоднократно.
В настоящее время имеется' большое количество классификационных схем методов прогнозирования, в основу которых положены различные классификационные принципы.
Однако классификация прогнозов по методам их разработки затрудняется отсутствием единой классификации методов200.
Так как анализ и прогнозирование уровня развития инновационного потенциала региона имеют первостепенное значение для информационной поддержки государственной политики в данной сфере, то представляется актуальным провести многофакторный анализ влияния основных социальноэкономических показателей, воздействующих на уровень развития инновационного потенциала регионов ЮФО.
Данный анализ включает в себя в качестве составных элементов: теорию графов, основанную на методе дерева цели, методы 200 См., например: Парсаданов.Г.А.
Россия: Прогнозирование и планирование социально-экономических систем.
М., 2001; Виноградов В.Г.
Научное предвидение (гносеологический анализ): учеб.
Пособие.
М.: «Высш.
школа», 1973.
С.
13; Сидунова Г.И.
Прогнозирование формирования регионального рынка труда // Экономика развития региона: проблемы, поиск», перспективы: Ежегодник.
Вып.
3.
Волгоград: Изд-во ВолГУ, 2002; Дуброва Т.А.
Статистические методы прогнозирования.
М.: ЮНИТИ-ДАНА, 2003.
153

[стр.,197]

^ выбор конкретного метода синтеза частных (базовых) индикаторов в единый интегральный показатель; ^ позиционирование региона по величине интегрального показателя инновационного потенциала; ^ проведение зонирования территории с учетом уровня инновационного потенциала регионов.
Проведенный анализ по выбранным показателям, характеризующим инновационный потенциал показал, что вклад Южного Федерального Округа в инновационный потенциал России оценивается на достаточно низком уровне.
Для оценки интегрального показателя, определяющего общий уровень развития инновационного потенциала региональной хозяйственной системы (на примере регионов ЮФО), было выделено три обобщающих его параметра: блок факторов формирования инновационного потенциала, блок факторов готовности использования инновационного потенциала и блок, отражающий результативность инновационного потенциала.
В свою очередь они раскрываются 34 оценочными показателями, построенными на показателях органов статистики.
Для конкретного метода синтеза частных (базовых) индикаторов в единый интегральный показатель автор использовал не один метод, а три: метод комплексной рейтинговой оценки, метод комплексной сравнительной рейтинговой оценки с применением ранжирования и максиминный метод (метод “максимум минимум”) оценки инновационного потенциала.
Автор, данной работы, поставил задачу сравнить полученные результаты по данным инструментальным методам расчета.
В результате применение данных методов привело к сходным результатам, что позволяет сделать вывод о достаточной степени достоверности каждого из них.
Также было проведено позиционирование регионов ЮФО по величине интегрального показателя инновационного потенциала.
Выделение групп регионов в данном исследовании основывается на присвоении 197

[Back]