Структура фінансування інновацій як фактор економічного зростання: порівняльний аналіз за країнами

Автори:
Анар Рзаєв1, Анастасія Самойлікова2
1. Азербайджанський Державний Економічний Університет (Азербайджан)
2. Сумський державний університет (Україна)
Сторінки:
133 - 156
Мова оригіналу:
Англійська
Цитувати як:
Rzayev, A., & Samoilikova, A. (2020). Innovation Financing Structure as a Factor of Economic Growth: Cross Country Analysis. Marketing and Management of Innovations, 3, 133-156. http://doi.org/10.21272/mmi.2020.3-10


Анотація

У рамках даного дослідження, автори оцінюють вплив джерел фінансування інноваційної діяльності на економічне зростання та розвиток міжнародних відносин. Головною метою є визначення взаємозв’язку між рівнем економічного зростання країни (приріст ВВП на душу населення) та величиною витрат на інноваційну діяльність, які фінансуються різними секторами економіки (державою, приватним некомерційним сектором, іноземними інвесторами і сектором вищої освіти). Емпіричне дослідження проведено на основі панельних даних, сформованих для вибірки з 12 країн Європи за 2007-2017 рр. У ході дослідження застосовано наступну логічну послідовність. На першому етапі оцінено характер розподілу досліджуваних змінних за допомогою тесту Шапіро-Вілка. На основі отриманих результатів обрано метод розрахунку коефіцієнту кореляції: Пірсона – для показників, що підпорядковуються закону нормального розподілу, або Спірмена – для показників, які не підпорядковуються закону нормального розподілу. Авторами проведено кореляційний аналіз сили і характеру зв'язку змінних з динамікою ВВП на душу населення в досліджуваних країнах з метою виявлення тривалості часових лагів, по закінченню яких цей зв'язок є найбільш статистично значущим. На другому етапі з метою виявлення впливу інновацій на динаміку економічного зростання побудовано 3 типи регресійних моделей оцінювання панельних даних: 1) фіксовану (на основі методу найменших квадратів); 2) випадкову (на основі загального методу найменших квадратів; 3) динамічну модель Ареллано-Бонда, що враховує тимчасові лаги (на основі загального методу моментів. На третьому етапі обрано найбільш адекватну специфікацію моделі за допомогою тестів Вальда, Бройша-Пагана та Хаусмана. У роботі проведено тест Саргана на валідність параметрів з метою вибору динамічної моделі Ареллано-Бонда. Контрольними змінними у всіх трьох типах моделей є чисті притоки і відтоки іноземних інвестицій, кількість економічно активного населення в країні і рівень інфляції. За отриманими результатами визначено, що зростання частки витрат на науково-дослідні та дослідно-конструкторські роботи (НДДКР) на 1 %, призводить до зниження річного приросту ВВП на душу населення у середньому на 0,15 % (без часового лагу) за умови фінансування державним сектором; до збільшення на 0,13 % з часовим лагом у 2 роки – підприємницьким сектором; до збільшення на 0,1 % (без часового лагу) – за рахунок іноземних джерел; до зниження на 0,78 % (без часового лагу) – сектором вищої освіти. У статті автори приходять до висновку, що з метою забезпечення економічного зростання та розвитку міжнародних відносин в Азербайджані та Україні, необхідно скоротити прямі державні інвестиції в інновації. При цьому уряд має зосередитись на створенні ефективного законодавства, яке мотивуватиме підприємницький сектор та іноземних інвесторів збільшувати інвестиції в НДДКР.


Ключові слова
бізнес сектор, кореляційний аналіз, динамічна модель, економічне зростання, фінансова політика, структура фінансування, іноземні джерела, витрати на НДДКР, державний сектор, формалізація впливу, інновація, регресійна модель, НДДКР


Посилання
  1. Allison, P. D. (2009). Fixed Effects Regression Models. Newbury Park, CA: Sage. [Google Scholar]
  2. Arellano, M. (1987). Computing robust standard errors for within-groups estimators. Oxford Bulletin of Economics and Statistics, 49, 431–434. [Google Scholar]
  3. Arellano, M., & Bond, S. (1991). Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations. Review of Economic Studies,.58, 277-297. [Google Scholar] [CrossRef]
  4. Arellano–Bond linear dynamic panel-data estimation. Retrieved from https://www.stata.com/manuals13/xtxtabond.pdf
  5. Balashova, S. A. (2015). Assessment of the impact of the state system of R&D financing on the business sector (on the example of OECD countries). Applied Econometrics, 38(2),.64-80.[Google Scholar]
  6. Baltagi, B. H. (2013). Econometric Analysis of Panel Data. 5th ed. Chichester, UK: Wiley. [Google Scholar]
  7. Baranovskyi O. I., Khutorna M. E. (2018). Methodology of forming the system of ensuring financial stability of credit institutions. Financial and credit activities: problems of theory and practice, Vol. 4, No 27, P. 4-13. [CrossRef]
  8. Bertaccini, B., Biagi, G. (2018). Public Information and Perception of the Environmental Risk about the Works for the City High Speed Railroad Underpass in Florence, Italy. Journal of Tourism and Services 9(17). [CrossRef]
  9. Broughel, J., & Thierer, A. D. (2019). Technological innovation and economic growth: A brief report on the evidence. Mercatus Research Paper. [Google Scholar]
  10. Eurostat. (2019). Intramural R&D expenditure (GERD) by source of funds. Retrieved from https://ec.europa.eu/eurostat/databrowser/view/tsc00031/default/table?lang=en
  11. Gourieroux, C., & Monfort, A. (1995). Statistics and econometric models (Vol. 1). Cambridge University Press. [Google Scholar]
  12. Grossman, G. M., & Helpman, E. (1991). Innovation and growth in the global economy. MIT press. [Google Scholar]
  13. Hausman, J. A. (1978). Specification tests in econometrics. Econometrica: Journal of the econometric society, 1251-1271. [GoogleScholar] [CrossRef]
  14. Ketkar, S., & Ratha, D. (2009). Innovative Financing for Development. The World Bank, Washington.
  15. Kotenko, N. V., Saltykova, H. V., & Serdyuk, S. H. (2015). Marketing and management tools for finances and services of uncommon organization. Marketing and management of innovations, 4, 20-33.[Google Scholar]
  16. Kuznyetsova A. Ya., Voznyak H. V., Zherebylo I. V. (2018). Social and economic effects of inter-budgetary relations' decentralization in Ukraine: assessment and challenges. Financial and credit activities: problems of theory and practice, Vol. ‏4, No 27, P. 446-456. [CrossRef]
  17. Kuznyetsova A. Ya., Zherebylo I. V., Klipkova O. I., Kozmuk N. I. (2019). Creation of the value of national enterprises with the help of the innovation centers in the cluster formations. Financial and credit activities: problems of theory and practice, Vol. 2, No 29, P. 391-402. [CrossRef]
  18. Matijová, M., Onuferová, E., Rigelský, E., Stanko, V. (2019). Impact of Selected Indicators of Tourism Capacity and Performance in the Context of the Unemployment Rate in Slovakia. Journal of Tourism and Services, 10(19): 1-23. [CrossRef]
  19. Mazzucato, M., & Semieniuk, G. (2017). Public financing of innovation: new questions. Oxford Review of Economic Policy, Volume 33, Issue 1, 24–48. [Google Scholar] [CrossRef]
  20. Nelson, R. (2005). Technology, Institutions, and Economic Growth. Harvard University Press. [Google Scholar]
  21. Pearson, K. (1896). Mathematical contributions to the theory of evolution—III. Regression, heredity, and panmixia. Philosophical Transactions of the Royal Society of London, Series A 187, 253–318.[Google Scholar]
  22. Pessoa, A. (2007). Innovation and Economic Growth: What is the Actual Importance of R&D? FEP Working Papers, 254. [Google Scholar]
  23. Rosenberg, N. (2006). Innovation and Economic Growth. Innovation and Growth in Tourism. [Google Scholar] [CrossRef]
  24. Samoilikova, A. (2020). Financial Policy of Innovation Development Providing: The Impact Formalization. Financial Markets, Institutions and Risks, 4(2), 5-15. [Google Scholar] [CrossRef]
  25. Schunck, R. (2013). Within and between estimates in random-effects models: Advantages and drawbacks of correlated random effects and hybrid models. Stata Journal, 13, 65–76.[Google Scholar] [CrossRef]
  26. Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3/4), 591-611.[Google Scholar]
  27. Sokolov-Mladenović, S., Cvetanović, S., & Mladenović, I. (2016). R&D expenditure and economic growth: EU28 evidence for the period 2002–2012. Economic research-Ekonomska istraživanja, 29(1), 1005-1020. [GoogleScholar] [CrossRef]
  28. Spearman, C. (1904). The proof and measurement of association between two things. American Journal of Psychology, 15, 72–101.[Google Scholar]
  29. State Statistics Service of Ukraine. (2019). Science, technology and innovation. Retrieved from http://www.ukrstat.gov.ua/
  30. State Statistics Service of Ukraine. (2019). Scientific and innovative activity of Ukraine. Statistical collection – 2018. Retrieved from http://www.ukrstat.gov.ua/druk/publicat/kat_u/2018/zb/11/zb_seu2017_e.pdf
  31. The Global Innovation Index 2018: Energizing the World with Innovation. (2018). Cornell University, INSEAD, and WIPO: Ithaca, Fontainebleau, and Geneva. 2018. 429 р. Retrieved from https://www.globalinnovationindex.org/userfiles/file/reportpdf/GII-2018/Front-and-back-covers.pdf
  32. The Global Innovation Index 2019: Creating Healthy Lives—The Future of Medical Innovation (2019). Cornell University, INSEAD, and WIPO: Ithaca, Fontainebleau, and Geneva., 2019. 451 р. Retrieved from https://www.globalinnovationindex.org/userfiles/file/reportpdf/gii-full-report-2019.pdf
  33. The World Bank Group. (2019). Foreign direct investment, net inflows (% of GDP). Retrieved from https://data.worldbank.org/indicator/BX.KLT.DINV.WD.GD.ZS
  34. The World Bank Group. (2019). Foreign direct investment, net outflows (% of GDP). Retrieved from https://data.worldbank.org/indicator/BM.KLT.DINV.WD.GD.ZS
  35. The World Bank Group. (2019). GDP per capita growth (annual %). Retrieved from https://data.worldbank.org/indicator/NY.GDP.PCAP.KD.ZG
  36. The World Bank Group. (2019). Inflation, GDP deflator (annual %). Retrieved from https://data.worldbank.org/indicator/NY.GDP.DEFL.KD.ZG?locations=PE
  37. The World Bank Group. (2019). Labor force participation rate, total (% of total population ages 15-64) (modeled ILO estimate). Retrieved from https://data.worldbank.org/indicator/SL.TLF.ACTI.ZS?locations=PE
  38. The World Bank Group. (2019). Research and development expenditure (% of GDP). Retrieved from https://data.worldbank.org/indicator/GB.XPD.RSDV.GD.ZS
  39. Vovchak O. D., Rudevska V. I., Pohorila O. V. (2018). Challenges of inflation targeting in Ukraine: establishing the mega-regulator. Financial and credit activities: problems of theory and practice, Vol. 1, No 24, P. 305-311. [CrossRef]