авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 ||

Статистическое исследование информационно-телекоммуникационной деятельности в россии

-- [ Страница 3 ] --

Во вторую группу (n2=3), входят следующие виды информационных технологий, занимающие средние позиции:

G06K - Распознавание, представление и воспроизведение данных, манипулирование носителями информации, носители информации (около 20% от общей патентной активности группы информационных технологий за последние пять лет);

G06G - Аналоговые вычислительные машины (аналоговые оптические вычислительные устройства; компьютерные системы, основанные на специфических вычислительных моделях). Около 10% от общей патентной активности группы за последние пять лет.

G06T - Обработка или генерация данных изображения (2-8% активности группы)

К третьей группе отнесены все остальные подгруппы технологий (n3=7), доля патентной активности которых за рассматриваемый период не превышала 1%.

Анализ распределения выданных патентов в группе «Информационные технологии» по странам-заявителям за период с 2004 по 2006 гг. позволил сделать вывод, что от 60% до 70% выданных патентов приходится на российских заявителей. Так в 2006 г. на долю России приходилось 65,2% (максимальная за рассматриваемый период доля выданных патентов российским заявителям). Доля патентов, выданных заявителям из США, составила 10,2%, Германии – 4,7%, Кореи – 3,7%, Японии и Великобритании – по 3,4%, Нидерландов – 1,9%. Доля патентов выданных заявителям из других стран не превышала 1%.

Согласно Международной патентной классификации группа «Телекоммуникационные технологии» включает в свой состав 17 подгрупп технологий. Проведенное исследование показало, что патентная активность в области телекоммуникационных технологий в России неоднородна. Так, начиная с 1996 г. и вплоть до 2006 г. с заметным отрывом лидировала подгруппа «Передача сигналов», которая аналогично единственному лидеру в группе «Информационные технологии», была выделена в отдельный кластер. На долю этой рубрики за период с 1998 по 2006 гг. приходилось от 40% до 52% патентной активности группы.

С помощью иерархических агломеративных алгоритмов многомерного статистического анализа 17 подгрупп группы «Телекоммуникационные технологии» были разделены на четыре кластера с различной степенью патентной активности (рис.4): патентно-активный (число выданных патентов за последние 4 года находилось в интервале от 230 до 270); средневысокий (от 80 до 160 патентов в год); средненизкий (от 30 до 80 выданных патентов в год) и низкий (патентная активность практически отсутствует).

 График средних значений числа выданных патентов в кластерах, ед. -2

Рис. 4. График средних значений числа выданных патентов

в кластерах, ед.

Исследование распределения выданных патентов в группе «Телекоммуникационные технологии» по странам заявителям за период с 2004 по 2006 гг. позволило сделать вывод, что основная доля выданных патентов (до 69%) приходится на российских заявителей. Далее следуют США (7% - 10%) и Корея (6% - 10%). Отметим, что в 2006 г. доли выданных патентов российским, американским и корейским заявителям сократились и составили 55,6%, 6,8% и 6,2%, соответственно, против 69%, 8,8% и 10,1% в 2004 гг. Доля же выданных патентов заявителям из Финляндии значительно выросла и достигла в 2006 г. 5,1% против 1,3% в 2004 г. Небольшое увеличение доли выданных патентов наблюдалось для Германии (2,6% в 2004 г. и 3,2% в 2006 г).

Интересным фактом является то, что около 65% выданных в 2006 г. корейских патентов приходится на компанию Samsung, а все выданные патенты финским заявителям - на Nokia Corporation, что свидетельствует о стремлении этих компаний оградить себя от внутренней и внешней экспансии аналогичных товаров (особенно дешевых китайских) быстро развивающегося рынка телекоммуникаций.

В третьей главе «Статистический анализ деловой активности предприятий телекоммуникационной сферы в России» проведено исследование инвестиционной привлекательности крупнейших российских компаний с использованием эконометрического инструментария, построена параметрическая структурная модель финансовой активности телекоммуникационных предприятий на основе расщепления смеси вероятностных распределений, разработана методика статистического анализа влияния факторов на патентную активность в области информационных и телекоммуникационных технологий в России, основанная на модели бинарного выбора.

Анализ состояния и развития рынка телекоммуникационных технологий требует, с одной стороны, изучения развития этой сферы, а с другой стороны, анализа финансового состояния и результатов экономической деятельности предприятий телекоммуникационной сферы, которые во многом определяют инновационное развитие экономики страны на современном этапе.

Для анализа инвестиционной привлекательности российских компаний и определения места телекоммуникационных компаний в системе российского бизнеса использовался типологический регрессионный анализ.

На предварительном этапе исследования было отобрано n=100 российских компаний и банков по рыночной стоимости, для которых имелась полная информация по к=5 признакам (рыночная стоимость компании, объем торгов акциями компании, выручка, операционная прибыль и чистая прибыль). Одиннадцать российских крупнейших компаний и банков, среди которых три телекоммуникационные (МТС, МГТС и АФК «Сиситема»), были выделены в отдельный кластер в связи со значительными превышениями значений анализируемых показателей над остальной совокупностью объектов. Из анализа были исключены компании, характеризующиеся аномально низкими значения анализируемых показателей.

В результате были оставлены n=52 российские компании, пропорционально представляющие различные сферы экономической деятельности России. Отметим, что среди отобранных компаний около 10% приходилось на телекоммуникационные компании, что соответствует их доле в современной экономике России. Анализ проводился за период с 2005 по 2007 гг.

Реализация агломеративного иерархического алгоритма кластерного анализа с различными метриками и правилами объединения кластеров позволила сделать вывод о целесообразности разбиения совокупности компаний на три кластера.

Первую подгруппу образуют преимущественно энергетические компании. Несмотря на высокую для первого кластера выручку, чистая прибыль этих компаний сравнительно низка. Это может быть связано с тем, что данные компании требуют значительных финансовых вложений, а тарифы на их продукцию и услуги контролируются государством, которое, кроме того, является собственником многих из них, что не способствует высокой эффективности их деятельности.

Вторая подгруппа представлена главным образом горнодобывающими компаниями. Они относительно успешны и доходны, имеют большую по сравнению с компаниями первой группы чистую прибыль. В этой группе находятся также крупнейшие российские банки, успешные энергетические и строительные компании. Второй кластер можно охарактеризовать как экономически благополучный.

К третьей подгруппе относятся предприятия связанные с добычей и обработкой железа, а также металлоемкие производства. Этим обусловливается схожесть их финансовых результатов – большая выручка при невысокой чистой прибыли. Это подгруппа включает в себя компании «старых» добывающих и производственных отраслей, переживающих в настоящее время период стагнации.

Отметим, что в 2007 г. по сравнению с 2006 г. ухудшили свою инвестиционную привлекательность горнодобывающие компании, которые переместились из второго кластера в третий (отстающий).

Практически все телекоммуникационные компании в 2005 г. (за исключением Ростелеком) попали в третий кластер. Однако уже в 2006 г. наметился переход телекоммуникационных компаний в отдельную группу, который в 2007 г. обозначился более ярко, что подтверждает высказанное предположение о тенденции формирования нового класса компаний, деятельность которых основывается использование информационных и телекоммуникационных технологий («Ростелеком» и «Уралсвязьинформ»).

Для уточнения структуры рынка ведущих российских компаний по показателям инвестиционной привлекательности осуществлен переход от исходных коррелированных признаков - рыночной стоимости компании (X1) и размера операционной прибыли (X2) – к ортогональным обобщенным факторам и . При этом на первый фактор приходится 64,3% дисперсии группирующей переменной, на второй – 35,7%. О значимости признаков, отобранных для классификации, свидетельствуют значения t-статистик, превышающие критические значения на уровне 0,001.

Распределение объектов в пространстве обобщенных функций представлено на рис.5.

 Компании в пространстве обобщенных ортогональных функций -5

 Компании в пространстве обобщенных ортогональных функций Крупными-6 Компании в пространстве обобщенных ортогональных функций Крупными-7

Рис. 5. Компании в пространстве обобщенных ортогональных функций

Крупными значками обозначены центры классов Ц1, Ц2 и Ц3. Как видно из графика, во втором и третьем кластерах явно выражены аномальные наблюдения, в то время как объекты первого класса равномерно группируются вокруг своего центра. О приемлемом качестве классификации говорят значения критерия лямбда Уилкса от 0,37 до 0,64.

С целью нивелирования масштабов компаний и выделения однородных кластеров по эффективности деятельности на следующем этапе исследования использовались удельные показатели относительно рыночной стоимости компании.

В результате классификации было выделено уже не три, а четыре кластера. Отметим, что ни одна из телекоммуникационных компаний не попала в четвертый (отстающий) кластер. Исследуемые телекоммуникационные компании практически в одинаковых пропорциях вошли во второй и третий кластеры, представляющие группы эффективно работающих компаний. Телекоммуникационная компания «Т-Хелпер» попала во второй кластер, ядро которого образуют наиболее доходные нефтяные компании, что свидетельствует о хороших рыночных перспективах этой компании.

Стратификация крупнейших российских компаний проводилась также по выборке n=52 с помощью параметрической структурной модели их экономической эффективности. Рассматривалась функция плотности распределения показателя «чистая прибыль предприятия, отнесенная к рыночной стоимости компании» (рис.6). В результате применения алгоритма расщепления смеси вероятностных распределений компании разделились на четыре страты (лидирующие, средневысокие, средненизкие и отстающие, или малорентабельные).

Анализ показывает, что 15,8% компаний попадают в группу малорентабельных (значения выбранного показателя для них находится в пределах от 0,01 до 0,1), что свидетельствует о том, что чистая прибыль составляет 0,1% -1% от их рыночной стоимости. Для современной российской экономики это крайне низкий результат. Такие компании не представляются привлекательными для инвесторов.

Большинство компаний (около 65%) являются средненизкими, доходность компаний этой страты находится еще ниже инфляции и составляет 2,5-5% от рыночной стоимости.

 Распределение компаний по логарифму относительной чистой прибыли и-8

Рис. 6. Распределение компаний по логарифму относительной чистой прибыли и его декомпозиция

В следующем кластере (средневысоком) располагаются компании с чистой прибылью от 6% до 11%, что делает их привлекательными для потенциальных инвесторов.

Компании последней (четвертой) страты - самые успешные, их чистая прибыль превышает 13,5% от рыночной стоимости и доходит до 30%. Это преимущественно нефтяные компании, высокая доходность которых определяется благоприятной конъюнктурой на сырьевом рынке.

Телекоммуникационные компании попали главным образом в категорию инвестиционно привлекательных (средневысокий кластер). Это относится как к крупным компаниям (Ростелеком, Вымпелком и другие), так и к относительно небольшой компании «Т-Xелпер». Принадлежность телекоммуникационных компаний к передовым группам свидетельствует о благоприятных перспективах развития в России инновационных сфер бизнеса и положительных структурных сдвигах в экономике.

На следующем этапе исследования с помощью логит-анализа решалась задача построения модели, позволяющей выявить факторы, определяющие высокую инновационно-технологическую активность в регионах России (n=82).

В качестве зависимой переменной была выбрана бинарная переменная y - активность региона в сфере информационных и телекоммуникационных технологий (ИКТ):

Высокой считалась активность, превышающая среднюю по России.

На этапе априорного анализа рассматривалась возможность включения в модель 12 показателей, по которым имелась достаточно полная информация об изучаемом объекте.

Применение корреляционного анализа позволило на предварительном этапе исследования исключить незначимые и мультиколлинеарные в явном виде переменные. В результате для анализа оставлено 8 наиболее информативных показателей, имеющих достаточно существенную связь с результативным признаком y:

- затраты на информационные и коммуникационные технологии (млн. руб.);

- приобретение ПК в организациях (в % от общего числа компьютеров);

- удельный вес организаций, использующих вычислительную технику, в общем числе организаций;

- обеспеченность ПК работников в организациях (ед. в расчете на 100 работников).

– доля специалистов с высшим профессиональным образованием в общей численности работников, выполняющих ИиР;

– количество поданных заявок на патенты на изобретения (ед.);

– доля собственных средств организаций в затратах на технологические инновации;

– доля организаций, для которых наиболее важным является российский рынок.

В результате применения пошаговых алгоритмов была получена следующая модель:

R2(McFadden)=0,778; LR statistic =112,87; .

Значения коэффициентов логит-модели показывают, что вероятность высокой активности в сфере информационных и телекоммуникационных технологий увеличивается с ростом затрат на ИКТ, удельного веса организаций, использующих вычислительную технику и доли специалистов с высшим профессиональным образованием в общей численности работников, выполняющих исследования и разработки.

Модель обладает достаточно высокими прогностическими свойствами. Результаты применения модели к элементам выборки показывают, что правильно классифицировано было 87,3% региона (табл.2).

Таблица 2

Таблица классификации

Вероятность события

0

1

Корректные предсказания (%)

0

40

6

86,9

1

4

29

87,9

Общий процент

87,3



Pages:     | 1 | 2 ||
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.