Для повышения эффективности инвестиций в реализацию научно-инновационных программ предлагается акцентировать внимание на предварительной оценке и последующем мониторинге результатов, достигаемых инновационно активными компаниями благодаря использованию научных разработок, созданных в процессе выполнения программы, и предоставляемому финансированию.

В последние годы за рубежом, особенно в США, большое внимание уделяется совершенствованию методологии и практики оценки эффективности и результативности реализации научно-инновационных программ. Это обусловлено стремлением обеспечить высокую эффективность использования ограниченных инвестиционных ресурсов с учетом существования альтернативных вариантов их использования, пониманием важности роли научно-технической и инновационной политики как инструмента повышения темпов роста и обеспечения условий для осуществления трансформации, а также стремлением добиться на этих направлениях существенных результатов за счет отбора и последующей реализации наиболее перспективных проектов и инициатив.

Поскольку развитие методологии управления реализацией научно-инновационных программ является для нас ничуть не менее актуальной задачей, чем для ведущих технологически развитых стран мира, представляет несомненный интерес анализ того, какие подходы к оценке результатов научно-инновационных программ применяются в настоящее время в международной практике, а также определение того, в какой степени они могут быть использованы для совершенствования процедур принятия решений по поводу формирования и корректировки научно-инновационных программ в наших условиях.

Современные зарубежные подходы к оценке эффективности и результативности государственных научно-инновационных программ

Основные показатели, используемые в зарубежной практике оценки эффективности и результативности научно-инновационных программ, достаточно удачно сгруппированы в логической модели оценки научно-инновационной программы, разработанной аналитиками дирекции Программы высоких технологий (Advanced Technology Program) США под руководством Дж. Уриано и завоевавшей широкое признание других зарубежных исследователей. В соответствии с этой логической моделью оценка эффективности и результативности научно-инновационной программы предполагает расчет четырех групп показателей, характеризующих ресурсное обеспечение (input), непосредственные результаты программы (output), среднесрочные результаты программы (outcome) и широкие последствия (impact).

...

Для выявления наиболее эффективных проектов и подпрограмм на стадиях разработки и реализации программы может быть использована модель линейного программирования, позволяющая определить степень удаленности проекта/подпрограммы от эффективной границы трансформации ресурсного обеспечения в конечные результаты программы.

...

Методология REF позволяет давать достаточно комплексную и объективную оценку результативности исследований, проводимых научными и научно-образовательными организациями. Однако она является крайне трудоемкой, поскольку, в отличие от методологии STAR METRICS, существенно зависит от результатов экспертных оценок, а также требует подготовки материалов для последующей экспертной оценки самими исследовательскими центрами.

Особенности методов оценки эффективности и результативности

Практика оценки эффективности инвестиций в реализацию научно-инновационных программ заключается в разработке и последующем мониторинге систем целевых индикаторов. Однако при этом не учитывается логическая модель Программы высоких технологий США, которая за рубежом получила достаточно широкое признание. Основной проблемой является необоснованное игнорирование показателей широких последствий и чрезмерный акцент на показателях ресурсного обеспечения.

Оценка сравнительной эффективности научно-инновационных проектов и подпрограмм с использованием метода многомерной свертки данных

В процессе формирования, а также промежуточной и итоговой оценки эффективности научно-инновационных программ необходимо выявлять наиболее и наименее эффективные проекты и подпрограммы с учетом множественности областей оценки и раскрывающих их частных критериев. Перспективным инструментом решения этой задачи является метод многомерной свертки данных (data envelopment analysis, DEA), разработанный А. Чарнсом, В. Купером и Е. Родсом. Метод многомерной свертки данных является методом математического программирования, позволяющим рассчитать сравнительную эффективность множества единиц принятия решений исходя из информации о значениях множества входных и выходных показателей.

Пусть рассматривается n научно-инновационных проектов. Каждый проект потребляет m различных входных ресурсов и производит s различных выходных результатов. Проект P_j (j = 1, …, n) потребляет количества X_j = {x_ij} входных ресурсов (i = 1, ..., m) и производит количества Y_j = {y_rj} выходных результатов (r = 1, ..., s). Предполагается, что x_ij ≥ 0 и y_rj ≥ 0. Весовые коэффициенты при входных и выходных показателях (переменные модели DEA) обозначаются как вектора ν = {ν_i} и u = {u_r}.

Тогда сравнительная эффективность проекта P₀ может быть определена в результате решения следующей задачи линейного программирования:

при ограничениях

Стандартная постановка задачи математического программирования при использовании метода DEA не предусматривает дифференциацию выходных показателей по областям оценки. При этом оценки эффективности строятся таким образом, что проект, характеризующийся максимальным отношением значения одного из выходных показателей к значению одного из входных показателей, признается абсолютно эффективным вне зависимости от того, какими являются значения прочих входных и выходных показателей. Однако это противоречит заложенной в логическую модель научно-инновационной программы идее сбалансированности между такими областями оценки, как непосредственные результаты, среднесрочные результаты и широкие последствия.

Изменим постановку задачи, чтобы обеспечить учет всех областей оценки при определении рейтинга эффективности проекта. Пусть O₁, ..., O_k представляет разбиение набора выходных показателей на k областей оценки.

...

...

В качестве иллюстрации возможности применения данного метода для оценки эффективности научно-инновационных проектов и оптимизации научно-инновационной программы рассмотрим следующую модельную ситуацию. Пусть каждый проект характеризуется системой показателей, представленной в табл. 1.

Конкретные значения входных и выходных показателей 20 научно-инновационных проектов, а также результаты решения задачи линейного программирования (1)– (6) при L_k = 0,2 и U_k = 0,5 представлены в табл. 2.

Результаты расчетов показывают, что 4 проекта из 20 рассматриваемых (с номерами 11, 14, 18, 20) попадают на эффективную границу и получают рейтинг сравнительной эффективности 1,000. Еще 5 проектов (с номерами 8, 12, 13, 15, 17) могут рассматриваться как характеризующиеся высокой эффективностью в сравнении с другими рассматриваемыми проектами. Два проекта (с номерами 3 и 6) демонстрируют достаточно низкий уровень сравнительной эффективности.

Т а б л и ц а 1

Распределение целевых индикаторов научно-инновационных проектов по областям оценки

Т а б л и ц а 2

Значения целевых индикаторов научно-инновационных проектов и оценки их сравнительной эффективности

...

Расчеты по предложенной методике, базирующейся на синтезе логической модели Программы высоких технологий США и модели многомерной свертки данных Чарнса — Купера — Родса, могут проводиться как на стадии отбора проектов для включения в научно-инновационную программу, так и в процессе мониторинга реализации программы, а также на стадии подведения итогов ее реализации. Однако если на стадии формирования программы используются прогнозные оценки показателей результатов реализации отдельных проектов, то в дальнейшем появляется возможность использования фактической информации о результатах реализации отдельных проектов и программы в целом. Полученные оценки сравнительной эффективности проектов могут использоваться для выявления и тиражирования лучших практик, а также для перераспределения объемов финансирования с учетом фактических и ожидаемых результатов деятельности отдельных исследовательских центров, выполняющих включенные в программу научно-инновационные проекты.