FAKTORY ZNALOSTNÝCH INOVAČNÝCH PROCESOV KRAJÍN OECD PÔSOBIACE V PRIESTORE

Prepis

1 NATIONAL AND REGIONAL ECONOMICS IX. FAKTORY ZNALOSTNÝCH INOVAČNÝCH PROCESOV KRAJÍN OECD PÔSOBIACE V PRIESTORE Martina PROCHÁDZKOVÁ Technická univerzita v Košiciach, Ekonomická fakulta, Katedra regionálnych vied a manažmentu martina.prochadzkova@tuke.sk Abstrakt Príspevok prostredníctvom priestorových modelov hodnotí vplyv vstupov (nezávislých premenných) znalostných inovačných procesov na výstupy (závislé premenné) týchto inovačných procesov medzi 24 krajinami patriacimi do Organizácie pre ekonomickú spoluprácu a rozvoj (OECD). Sledované veličiny preberá z dvoch subprocesov, z procesu tvorby znalostí a z procesu ich následnej komercializácie, ktoré sú v relačnej závislosti a spolu vytvárajú znalostný inovačný proces konkrétnej krajiny, hoci je potrebné poznamenať, že ide o zjednodušený koncept inovačných systémov. Výsledkom skúmania sú tri priestorové modely vysvetľujúce pôsobenie výdavkov na V&V, vedeckých a výskumných pracovníkov, pracovnej sily mimo V&V, akumulovanej zásoby poznatkov a patentov na pridanú hodnotu odvetvia, export high-tech odvetví a na množstvo publikovaných vedeckých článkov jednotlivých krajín. Na základe zistení možno za signifikantné faktore pôsobiace v priestore považovať najmä pracovnú silu pôsobiacu mimo V&V, akumulovanú zásobu poznatkov a množstvo patentov. Napriek tomu, že ide o inovačné procesy, premenné; výdavky na V&V a vedeckí a výskumní pracovníci majú pravdepodobne lokálny vplyv, nepresahujúci hranice konkrétnej entity. Kľúčové slová: znalostný inovačný proces, znalostný produkčný proces, znalostný proces komercializácie, priestorové modely 1 ÚVOD Znalostný inovačný proces, ktorý vo svojom základe predstavuje transformačný proces, nielen generuje nové poznatky, ale zároveň ich aj komercializuje. Výsledkom spomínaného procesu sú na jednej strane publikácie vo vedeckých časopisoch, ako produkt tvorivého úsilia, ktoré rovnako možno považovať za nekomercializovaný konečný výstup. Na druhej strane, inovácia je dokončená až pri jej komercializácii, ktorú zväčša zabezpečujú firmy (Freeman, Soete, 1987). Za komercializovaný konečný 419

2 Faktory znalostných inovačných procesov krajín OECD pôsobiace v priestore výstup znalostného inovačného procesu možno pokladať pridanú hodnotu odvetvia a export high-tech odvetví, pri ktorých dochádza k najčastejšiemu využívaniu inovatívnych vstupov (Furman a kol., 2002) a (Guan, Chen, 2012). Úspešnosť samotného znalostného inovačného procesu nezávisí len od schopnosti premieňať vstupy na výstupy, ale rovnako tiež od externého prostredia, v ktorom sa nachádza (Furman a kol, 2002), (Wang, Huang, 2007) a (Edquist, 1999). Externé prostredie sa dá pozorovať v rámci konkrétnej krajiny, v ktorej dochádza k tvorbe znalostí. Podľa (Guan, Chen, 2012) sú faktormi okolia napríklad práva duševného vlastníctva, právne prostredie pre technologický rozvoj a aplikácie, otvorenosť pre medzinárodný obchod a investovanie, súkromné financovanie výskumu a vývoja, rizikový kapitál, spolupráca medzi univerzitami navzájom a spolupráca medzi univerzitami a súkromným sektorom. Proces tvorby znalostí obyčajne začína generovaním myšlienky a končí komercializáciou inovácie (Bernstein, Singh, 2006). Avšak, pri uvádzaní inovácií na trh, sú do transformačného procesu zapojené aj neinovatívne vstupy. Výsledkom je, že znalostný inovačný proces možno rozdeliť na dva subprocesy, proces tvorby znalostí s inovatívnymi vstupmi a proces ich komercializácie (Guan, Chen, 2012). Tieto dva subprocesy sú v relačnej závislosti a zároveň sú spojené prírastkovými technologickými inováciami, ktoré predstavujú patenty (Chen, Cook, Li, Zhu, 2009) a (Robertson, Casali, Jacobson, 2012). Pri súčasnom prelievaní poznatkov medzi jednotlivými geografickými jednotkami je možné usudzovať, že výstupy znalostného inovačného procesu jednej krajiny sú ovplyvňované vstupmi znalostných inovačných procesov iných krajín a opačne. Vezmúc do úvahy, že znalostný inovačný proces je tvorený dvoma subprocesmi, spomínaná situácia sa dá v zjednodušenej podobe zobraziť nasledovne. Obrázok 1 Znalostný inovačný proces Zdroj: Vlastné spracovanie 420

3 NATIONAL AND REGIONAL ECONOMICS IX. Príspevok prostredníctvom priestorových ekonometrických modelov sleduje ako sú výstupy jednotlivých znalostných inovačných procesov ovplyvňované vstupmi týchto procesov medzi pozorovanými geografickými jednotkami. Priestorové modely pracujú s údajmi 24 krajín OECD. V druhej časti sú priblížené vstupné a výstupné premenné znalostných inovačných procesov, tretia časť popisuje metodológiu a štvrtá sekcia výsledky a závery. 2 FAKTORY ZNALOSTNÉHO INOVAČNÉHO PROCESU Znalostný inovačný proces možno v zjednodušenej podobe rozdeliť na dva subprocesy, proces tvorby znalostí a proces ich komercializácie, pričom každý z nich má vlastné vstupy a rovnako tiež vlastné výstupy (Furman a kol., 2002) a (Guan, Chen, 2012). Vzhľadom k tomu, možno usudzovať, že výstupy znalostného inovačného procesu, respektíve jeho subprocesov, budú závisieť (závislé premenné) od jeho vstupov, ktoré môžu predstavovať nezávislé premenné. V subprocese tvorby znalostí sa transformujú inovatívne vstupy, medzi ktoré možno zaradiť počet vedeckých a výskumných pracovníkov, výdavky na výskum a vývoj súkromného a verejného sektora a akumulovanú zásobu poznatkov (nezávislé premenné) na inovatívne výstupy, ako sú vedecké články (závislá premenná) a patenty (Guan, Chen, 2012). Počet vedeckých a výskumných pracovníkov nahrádza duševnú prácu, ktorá je potrebná k realizácii znalostí, zatiaľ čo výdavky na výskum a vývoj súkromného a verejného sektora sú finančnou podporou tejto duševnej práce. Akumulovaná zásoba poznatkov predstavuje kapitalizované výdavky na výskum a vývoj, u ktorých sa predpokladá, že budú použité na produkciu patentov (Parham, 2008). Vedecké články zastupujú inovatívne vedecké výstupy (Furman a kol., 2002) a ich počet prislúchajúci na konkrétnu krajinu možno získať prostredníctvom SCI databázy (Han, 2007). Za najvhodnejší indikátor výstupu výskumu a vývoja sú často považované patenty (Wang, Huang, 2007). Subproces komercializácie znalostí transformuje okrem inovatívnych vstupov (patenty) aj vstupy neinovatívneho charakteru, konkrétne pracovnú silu, ktorú nemožno zaradiť do oblasti výskumu a vývoja (nezávislá premenná). Komercializáciu inovácii zväčša zabezpečujú firmy, preto závislými premennými môžu byť pridaná hodnota odvetvia zastupujúca komerčné zisky a export nových produktov v high-tech odvetviach, pri ktorých dochádza k frekventovanému využívaniu patentov. Databáza OECD poskytuje informácie o exporte leteckého, elektronického, počítačového priemyslu a priemyslu prístrojov a zariadení. Prehľad jednotlivých faktorov sa nachádza na nasledujúcom obrázku. 421

4 Faktory znalostných inovačných procesov krajín OECD pôsobiace v priestore Obrázok 2 Faktory znalostného inovačného procesu Zdroj: Vlastné spracovanie Obrázok 2 poukazuje na znalostný inovačný proces ako na jeden systém, bez členenia na dva subprocesy, hoci preberá premenné ako zo subprocesu tvorby znalostí, tak aj zo subprocesu ich komercializácie. Výsledkom je zostavenie troch modelov o jednej závislej a piatich nezávislých premenných. Z geografického hľadiska možno činnosť znalostného inovačného procesu pozorovať v rámci konkrétnej krajiny. Na druhej strane, krajiny sa vo väčšine prípadov vyznačujú svojou otvorenosťou, a preto možno predpokladať, že závislé premenné znalostného inovačného procesu i-tej krajiny sú ovplyvňované závislými premennými znalostného inovačného procesu j-tej krajiny, a opačne, čím sa pozorovanie spomínaných vplyvov dostáva do oblasti priestorovej ekonómie. Intenzitu výskytu (nízka intenzita - sivá farba, vysoká intenzita čierna farba) závislých premenných v skúmaných krajinách OECD možno nájsť na nasledujúcom obrázku: 422

5 NATIONAL AND REGIONAL ECONOMICS IX. Obrázok 3 Závislé premenné znalostného inovačného procesu Pozn.: biela plocha na obrázku predstavuje krajinu, ktorej dáta nevstupovali do pozorovnia Zdroj: Vlastné spracovanie Obrázok 3 indikuje, že sledované krajiny OECD sú najsúrodejšie najmä v intenzite exportu high-tech odvetví. Najväčšie rozdiely možno nájsť pri publikovaní vedeckých časopisov, pričom pri tomto faktore napredujú severské krajiny. Naopak, Slovensko je jednou zo zaostávajúcich krajín. Na druhej strane, pri pridanej hodnote odvetvia, sa severským krajinám svojou intenzitou približujú aj krajiny strednej Európy, Španielsko, či Turecko. 3 METODOLÓGIA Príspevok sleduje, ako sú výstupy znalostných inovačných procesov ovplyvňované vstupmi týchto procesov, a to medzi jednotlivými krajinami OECD pomocou priestorovej ekonómie. Priestorová ekonómia prináša do tradičných regresných modelov ovplyvňovanie sa medzi skúmanými krajinami, regiónmi, či mestami. Vyznačuje sa priestorovými efektmi, konkrétne priestorovou závislosťou a priestorovou rôznorodosťou. V priestorových regresných modeloch každé pozorovanie korešponduje s konkrétnym regiónom (LeSage, Pace, 2009). Priestorová závislosť indikuje situáciu, keď hodnota pozorovania pri jednom regióne, napríklad pozorovanie i, závisí od hodnoty najbližšieho pozorovania (od 423

6 Faktory znalostných inovačných procesov krajín OECD pôsobiace v priestore najbližšej lokality), napr. pozorovanie j. Takýto model pre dvoch susedov možno zapísať podľa (LeSage, Pace, 2009) nasledovne: (1) (2) ~ 0, 1 (3) ~ 0, 2 (4) Situácia modeluje prípad, keď hodnota predstavujúca y i závisí od hodnoty y j a naopak). Metóda najmenších štvorcov prestáva byť vzhľadom k štruktúre dát vhodná, pretože priestorová autokorelácia sa často vyskytuje spolu s heterogenitou (Anselin, 1999). Pri priestorových modeloch je dôležitý spôsob, akým je možné posúvať sa medzi susedmi, resp. spôsob, akým majú byť susedia spojení (spojenia sa prirovnávajú k pohybom figúrok po šachovnici). Najčastejšie sa susedia identifikujú cez kráľovnú (queencontiguity), kedy sa regióny stávajú susedmi, ak spoločne zdieľajú hranicu, a to bez ohľadu na jej dĺžku, alebo cez dvoch najbližších susedov (Viton, 2010), (Mills, 2010). Príspevok používa spomínaný pohyb kráľovnej. Na odhad priestorových modelov je použitý priestorový autoregresný model (SAR), ktorý predstavuje kombináciu konvenčného regresného modelu s pridaním priestorovo autoregresného koeficientu. Podľa (LeSage, Pace, 2009) ho možno zapísať v nasledujúcom tvare: (5) Kde W predstavuje maticu priestorových váh, je pridaný preistorovo autoregresný koeficient, X je maticou vysvetľujúcich premenných, y je vysvetľovanou premennou, β predstavuje vektor koeficientov a je náhodná chyba. Ak nadobúda nulovú hodnotu, ide o regresný model najmenších štvorcov, ako špecifický druh SAR (LeSage, Pace, 2009). 3.1 Definovanie priestorových modelov Priestorové modely použité v príspevku sú postavené na prístupe (LeSage, Pace, 2009), špeciálne sú vytvorené tri modely prostredníctvom softvérového programu R. Závislými premennými sú pridaná hodnota odvetvia (PHO), export high-tech odvetví (EHT), množstvo publikovaných vedeckých článkov (VČ), v každej krajine a ako nezávislé, vysvetľujúce premenné do pozorovania vstupujú výdavky na V&V (V&V), pracovná sila vo V&V (PSV&V), pracovná sila mimo V&V (PS), akumulovaná zásoba poznatkov (AZP) a množstvo patentov (P) v každej krajine. S ohľadom na primárny cieľ príspevku, modely sú charakterizované spôsobom, ktorý by odrážal vývoj závislých premenných znalostných inovačných procesov pod vplyvom vysvetľujúcich veličín znalostných inovačných procesov okolitých krajín a možno ich formulovať v prípade susedných krajín i a j, pre jednotku i nasledovne: & &, (6) & &, (7) 424

7 NATIONAL AND REGIONAL ECONOMICS IX. Č Č & & (8) Do pôvodných modelov boli zavedené logaritmy, aby sa predišlo možným problémom priestorových dát, akými sú multikolinearita a heteroskedsasticita. Na základe LM testu (0,19; 0,06; 0,22) možno usudzovať, že dáta neobsahujú priestorovú autokoreláciu (existencia pri hodnote okolo 0,5). Hoci znalostný inovačný proces možno deliť na dva subprocesy, znalostný produkčný proces a znalostný proces komercializácie, modely sú definované pre znalostný inovačný proces ako celok. Na druhej strane, aby nebol opomenutý vplyv tohto členenia, prevzaté sú premenné oboch subprocesov. 3.2 Analýza priestorových modelov Príspevok zhromažďuje vstupné dáta 24 krajín OECD a odhaduje tri priestorové modely s cieľom zistiť, ktoré vstupy znalostných inovačných procesov majú v priestore vplyv na ich výstupy. Na implementáciu vstupov znalostných inovačných procesov je potrebné určité časové rozpätie, hoci stále nie je presne definovaný časový horizont pre výstupy výskumu a vývoja (Wang, Huang, 2007). Podobne ako (Furman a kol., 2002), (Wang, Huang, 2007) a (Guan, Chen,2012) sú pre proces tvorby znalostí vymedzené tri roky a v prípade ich komercializácie, jeden rok. Celkový znalostný inovačný proces je na základe daného prístupu v príspevku sledovaný za obdobie rokov Tabuľka 1 prezentuje dosiahnuté výsledky štatistickej dôležitosti jednotlivých vstupných faktorov. Stĺpce s označením PHO, EHT a VČ predstavujú 3 skúmané priestorové modely. Berúc do úvahy znalostný inovačný proces ako celok, za štatisticky významné vysvetľujúce faktory možno považovať najmä pracovnú silu mimo výskumu a vývoja, akumulovanú zásobu poznatkov a množstvo patentov. Inak povedané, pridaná hodnota odvetvia, export high-tech odvetví a množstvo publikovaných vedeckých článkov v konkrétnej krajine OECD súsignifikantne ovplyvnené PS, AZP a P v ostatných krajinách OECD (nepriamy vplyv). Zaujímavá je skutočnosť, že hoci ide o aktivity týkajúce sa znalostí, výdavky na výskum a vývoj a pracovná sila pôsobiaca v oblasti výskumu a vývoja nie je rozhodujúcou veličinou. Tieto ukazovatele majú pravdepodobne vplyv na výstupy znalostného inovačného procesu v rámci jednej krajiny, avšak tento vplyv možno označiť za lokálny, nepresahujúci hranice jednej entity. 425

8 Faktory znalostných inovačných procesov krajín OECD pôsobiace v priestore Tabuľka 1 Štatistická významnosť premenných PHO EHT VČ V&V ns ns ns PSV&V ns ns ns PS < 2.2e e-09 AZP 4.362e ns P ns < 2.2e-16 Pozn.: ns nie je štatisticky významný (not significant) Zdroj: Vlastné spracovanie Tabuľka 2 zobrazuje koeficienty (odhady) jednotlivých premenných (pracovná sila mimo výskum a vývoj, akumulovaná zásoba poznatkov, patenty). Stĺpce s označením D, I a T indikujú priamy, nepriamy a celkový vplyv vysvetľujúcich veličín, a to v danom poradí. Priamy vplyv v tomto zmysle znamená pôsobenie vysvetľujúcej veličiny konkrétnej krajiny na vysvetľovanú premennú vo všetkých ostatných regiónoch a naopak, nepriamy vplyv modeluje situáciu, keď nezávislé veličiny v ostatných regiónoch vplývajú na závislú premennú v konkrétnej krajine. V tomto prípade ide zväčša o pozitívne, či už priame, alebo nepriame účinky, hoci zaujímavá je skutočnosť, že akumulovaná zásoba poznatkov znižuje export high-tech odvetví. Rovnako sa pri exporte high-tech odvetví prejavujú ako dôležité najmä priame vplyvy, nepriame možno považovať za štatisticky nevýznamné. Tabuľka 2 Koeficienty PHO EHT VČ D I T D I T D I T V&V PSV&V PS 1.092* 0.035* 1.128* 0.897* * 0.596* * AZP 0.297* 0.010* 0.309* * P * * 0.745* * Pozn.: nie je štatisticky významný faktor (not significant) * štatisticky významný z hľadiska priameho, nepriameho a celkového vplyvu Zdroj: Vlastné spracovanie 4 ZÁVER Hlavným cieľom príspevku je prostredníctvom priestorových modelov sledovať vplyv vstupov (nezávislé premenné) znalostných inovačných procesov na výstupy 426

9 NATIONAL AND REGIONAL ECONOMICS IX. daných procesov (závislé premenné) medzi krajinami OECD. Predpokladom skúmania je skutočnosť, že znalostný inovačný proces definovaný v rámci geografickej jednotky nie je izolovaným procesom pôsobiacim lokálne, ale jeho vplyvy sa môžu presúvať aj za vymedzené hranice. Na znalostný inovačný proces možno nazerať ako na celok pozostávajúci z dvoch subprocesov, procesu tvorby poznatkov a procesu ich následnej komercializácie. Je potrebné poznamenať, že spomínané dva subprocesy sú v relačnej závislosti a výstupy z procesu tvorby poznatkov, konkrétne patenty, predstavujú zároveň vstupy pre znalostný proces komercializácie. Napriek spomínanému členeniu, priestorové modely sú v príspevku vytvorené pre znalostný inovačný proces ako celok, ktorý na druhej strane preberá premenné z oboch subprocesov. V procese tvorby znalostí sa transformujú vstupy vo forme výdavkov na V&V, akumulovanej zásoby poznatkov a vedeckých a výskumných pracovníkov na výstupy, ktorými sú patenty a publikované vedecké články. Pri komercializácií znalostí sú do výrobného procesu zahrnuté aj vstupy neinovatívneho charakteru, konkrétne pracovná sila mimo V&V. Generované výstupy sú zastúpené pridanou hodnotou odvetvia a exportom high-tech odvetví. Výsledkom pozorovania sú tri priestorové modely so závislými premennými; pridaná hodnota odvetvia, export high-tech odvetví a publikované vedecké články. Za štatisticky významné veličiny pôsobiace na spomínané premenné v jednotlivých krajinách OECD, možno považovať najmä pracovnú silu pôsobiacu mimo V&V, akumulovanú zásobu poznatkov a množstvo patentov. Ukazovatele majú zväčša pozitívny účinok, s výnimkou akumulovanej zásoby poznatkov, ktorá v geografických jednotkách znižuje export high-tech odvetví. Na druhej strane možno usudzovať, že veličiny ako sú výdavky na výskum a vývoj a vedeckí a výskumní pracovníci pôsobia lokálne, pretože sa nepreukázal ich signifikantný vplyv na okolie. POUŽITÁ LITERATÚRA [1] ANSELIN, L. Spatial Econometrics [online]. Bruton Centre. School of the Social Sciences. University of Texas at Dallas. Richardson. Dostupné: < [2] BERNSTEIN, B., SINGH, Prakash J. An integrated innovation process model based on practices of Australian biotechnology firms. Technovation 26, 2006,s Australia, ISSN: [3] CHEN Y., COOK, Wade D., LI, N., ZHU, J. Additive efficiency decomposition in two-stage DEA. European Journal of Operational Research 196, 2009,s USA, ISSN: [4] EDQUIST, C. Innovation Policy A systematic Approach [online]. Department of Technology and Social Change. Linkoping University, Sweden, Dostupné:< uist.pdf> [5] FREEMAN, C., SOETE, L. The Economics of Industrial Innovation. MIT Press, Massachusetts, ISBN:

10 Faktory znalostných inovačných procesov krajín OECD pôsobiace v priestore [6] FURMAN, Jeffrey L., PORTER, Michael E., STERN, S. The determinants of national innovative capacity. Research Policy Volume 31, Issue 6, s USA, ISSN: [7] GUAN, J., CHEN, K. Modeling the relative efficiency of national innovation systems. Research Policy 41, 2012, s ISSN: [8] HAN, Y.-J. Measuring industrial knowledge stocks with patents and papers. Journal of Informetrics 1, 2007, s ISSN: [9] LESAGE, J., PACE, R. K.: Introduction to Spatial Econometrics. CRC Press, 2009, USA, s ISBN: [10] MILLS, J.: Spatial Econometrics [online]. Institute of Transportation Engineers, Purdue Student Chapter, October, Dostupné: < engineering.purdue.edu/ite/workshops/workshops10-11/spatial_handout. pdf> [11] PARHAM, D.: Empirical analysis of the effects of R&D on productivity: Implication for productivity measurement? Productivity Measurement and Analysis. OECD, Federal Statistical Office, 2008, s ISBN: [12] ROBERTSON, Paul L., CASALI, G. L., JACOBSON, D. Managing open incremental process innovation. Absorptive Capacity and distributed learning. Research Policy, Volume 41, Issue 5, s , ISSN: [13] VITON, P. A.: Notes on Spatial Econometrics Model [online]. City and Regional Planning , March, Dostupné: < knowlton.ohiostate.edu/pviton/courses2/crp8703/spatial.pdf> [14] WANG, Eric C., HUANG, W. Relative efficiency of R&D activities: A crosscountry study accounting for environmental factors in the DEA approach. Research Policy 36, 2007, s ISSN: