Maria Magdalena Grzelak, Bogusława Dobrowolska
Uniwersytet Łódzki
Zróżnicowanie poziomu innowacyjności przedsiębiorstw przetwórstwa przemysłowego w Polsce w latach 2014-2016
Streszczenie
Celem artykułu badawczego jest ocena zróżnicowania innowacyjności przed- siębiorstw z działów przetwórstwa przemysłowego w Polsce w latach 2014-2016 i określenie, który z tych działów jest najbardziej innowacyjny. W konsekwencji opracowano ranking innowacyjności działów przetwórstwa przemysłowego z wy- korzystaniem syntetycznej miary rozwoju (Panek 2009), który wskazuje na duże zróżnicowanie innowacyjności działów przetwórstwa przemysłowego w Polsce w latach 2014-2016.
Obserwując dynamiczne zmiany zachodzące w gospodarce światowej należy oczekiwać, iż w przyszłości stopień zależności rozwoju społeczno-gospodarczego od innowacji będzie się jeszcze pogłębiał. Powoduje to konieczność systematycz- nego pomiaru, oceny i rozwoju metodologii badań innowacyjności. Wyniki badań mogą być ważnym elementem wsparcia procesu kształtowania polityki innowacji.
Słowa kluczowe: innowacyjność, działalność innowacyjna przedsiębiorstw, mier- nik syntetyczny, działy przetwórstwa przemysłowego, metodologia Oslo.
Kody JEL: C19, O30, O31
Wstęp
Procesy innowacyjne stały się przedmiotem intensywnych badań naukowych na całym świecie. W warunkach globalnej konkurencji innowacyjność przedsiębiorstw przemysło- wych jest ważnym czynnikiem determinującym rozwój poszczególnych przedsiębiorstw oraz całej gospodarki. Wprowadzanie nowych lub istotnie ulepszonych produktów, proce- sów, metod wytwarzania i systemów organizacji jest kluczem do wzrostu produktywności czynników produkcji. Przedsiębiorstwa muszą być innowacyjne, by prosperować w dzisiej- szej otwartej i konkurencyjnej gospodarce światowej.
Celem opracowania jest ocena zróżnicowania innowacyjności przedsiębiorstw z dzia- łów przetwórstwa przemysłowego w Polsce w latach 2014-2016 i określenia, który z tych działów jest najbardziej innowacyjny oraz jakie zmienne przyczyniły się do tego w najwięk- szym stopniu. W konsekwencji opracowano ranking innowacyjności działów przetwórstwa przemysłowego dla lat 2014-2016 z wykorzystaniem syntetycznej miary rozwoju (Panek 2009), dla każdego działu przetwórstwa przemysłowego oraz wyodrębniono działy gospo- darki o podobnym stopniu innowacyjności. W badaniu, uwzględniając Polską Klasyfikację Działalności (PKD) 2007, podjęto próbę pomiaru innowacyjności przedsiębiorstw przetwór-
stwa przemysłowego (sekcja C) na dwucyfrowym poziomie agregacji, czyli na poziomie działów tej sekcji. Taki poziom agregacji informacji uznano za wystarczająco szczegółowy i właściwy do oceny działalności innowacyjnej przedsiębiorstw przemysłu przetwórczego.
W badaniu wykorzystano opublikowane przez GUS w 2018 roku wyniki badania działal- ności innowacyjnej przedsiębiorstw przemysłowych i usługowych w Polsce w latach 2014- 2016, które są realizowane zgodnie z metodologią Oslo w ramach Wspólnotowego Badania Innowacji (Community Innovation Survey − CIS). Badania te przeprowadzono w ramach Programu badań statystyki publicznej w tematach 1.43.02 - Innowacje w przemyśle (PNT-02) oraz 1.43.13 – Innowacje w sektorze usług (PNT-02/u). Pełna wersja badań realizowana jest na podstawie formularza modelowego przez narodowe urzędy statystyczne krajów Unii Europejskiej i Norwegii dla lat parzystych, natomiast wersja skrócona – dla lat nieparzy- stych − jest węższa pod względem zakresu przedmiotowego. Zarówno w badaniu skróco- nym, jak i modelowym, badaniem pełnym objęto przedsiębiorstwa przemysłowe o liczbie pracujących 50 osób i więcej. Badaniem reprezentacyjnym objęte były przedsiębiorstwa przemysłowe, w których pracowało 10-49 osób oraz przedsiębiorstwa usługowe o liczbie pracujących 10 osób i więcej1.
Obiekty badania
Obiektami badania działalności innowacyjnej są przedsiębiorstwa przetwórstwa prze- mysłowego (Sekcja C). Doboru jednostek do badań dokonano przy zastosowaniu Polskiej Klasyfikacji Działalności (PKD) 2007, zgodnej ze Statystyczną Klasyfikacją Działalności Gospodarczej Unii Europejskiej (NACE Rev. 2).
Tabela 1
Przedsiębiorstwa przetwórstwa przemysłowego (Sekcja C) wg PKD
Sekcja C - Przetwórstwo przemysłowe PKD
2007 Dział Poziom techniki
10 Produkcja artykułów spożywczych Niska
11 Produkcja napojów Niska
12 Produkcja wyrobów tytoniowych Niska
13 Produkcja wyrobów tekstylnych Niska
14 Produkcja odzieży Niska
15 Produkcja skór i wyrobów ze skór wyprawionych Niska 16 Produkcja wyrobów z drewna oraz korka, z wyłączeniem mebli; produkcja
wyrobów ze słomy i materiałów używanych do wyplatania Niska
1 Metodyka tego badania jest szczegółowo opisana (w:) Działalność innowacyjna przedsiębiorstw przemysłowych w latach 2013-2015 (2016, s. 7, 17-28).
Sekcja C - Przetwórstwo przemysłowe PKD
2007 Dział Poziom techniki
17 Produkcja papieru i wyrobów z papieru Niska
18 Poligrafia i reprodukcja zapisanych nośników informacji Niska 19 Wytwarzanie i przetwarzanie koksu i produktów rafinacji ropy naftowej Średnio-niska 20 Produkcja chemikaliów i wyrobów chemicznych Średnio-wysoka 21 Produkcja podstawowych substancji farmaceutycznych oraz leków
i pozostałych wyrobów farmaceutycznych Wysoka
22 Produkcja wyrobów z gumy i tworzyw sztucznych Średnio-niska 23 Produkcja wyrobów z pozostałych mineralnych surowców niemetalicznych Średnio-niska
24 Produkcja metali Średnio-niska
25 Produkcja metalowych wyrobów gotowych, z wyłączeniem maszyn i urządzeń Średnio-niska 26 Produkcja komputerów, wyrobów elektronicznych i optycznych Wysoka
27 Produkcja urządzeń elektrycznych Średnio-wysoka
28 Produkcja maszyn i urządzeń, gdzie indziej niesklasyfikowana Średnio-wysoka 29 Produkcja pojazdów samochodowych, przyczep i naczep, z wyłączeniem motocykli Średnio-wysoka 30 Produkcja pozostałego sprzętu transportowego Wysoka lub
średnio-wysoka*
31 Produkcja mebli Niska
32 Pozostała produkcja wyrobów Niska
33 Naprawa, konserwacja i instalowanie maszyn i urządzeń Średnio-niska
*Według PKD 2007 NACE Rev.2: W dziale 30 wysoka technika - Produkcja statków powietrznych, statków kosmicz- nych i podobnych maszyn; średnio-wysoka technika – Produkcja lokomotyw kolejowych oraz taboru szynowego, Produkcja wojskowych pojazdów bojowych, Produkcja sprzętu transportowego, gdzie indziej niesklasyfikowana.
Źródło: opracowanie własne na podstawie: Działalność innowacyjna przedsiębiorstw przemysłowych w latach 2014-2016 (2017, s. 20); Nauka i technika w 2015 r. (2016, s. 195).
Klasyfikacja dziedzin działalności gospodarczej sekcji „Przetwórstwo przemysłowe”, uwzględniająca intensywność B+R (R&D intensity), została opracowana przez OECD.
Aktualna lista dziedzin obejmuje 4 kategorie2:
1) intensywność działalności B+R poniżej 1%; niska technika,
2) intensywność działalności B+R pomiędzy 1 i 2,5%; średnio-niska technika, 3) intensywność działalności B+R pomiędzy 2,5 i 7%; średnio-wysoka technika, 4) intensywność działalności B+R większa niż 7%; wysoka technika.
Wstępna analiza danych − dobór zmiennych diagnostycznych
Dla poprawności wyników uzyskanych w badaniu kluczowe znaczenie ma dobór zmien- nych diagnostycznych. Określenie zestawu zmiennych opisujących jak najlepiej dane zjawi-
2 Szczegółowe informacje dotyczące tej klasyfikacji można znaleźć w: Nauka i technika w 2015 r. (2016, s. 25 i 195).
sko nie jest łatwym zadaniem. W prezentowanym badaniu wybór zmiennych był inspirowany badaniami działalności innowacyjnej przedsiębiorstw przemysłowych przeprowadzonymi w ramach statystyki publicznej przez GUS i US w Szczecinie, zgodnie z międzynarodową metodologią Oslo. Potencjalne zmienne wybrane do analizy podzielono, podobnie jak w bada- niach statystyki publicznej, na cztery grupy, wyróżniając obszary charakteryzujące:działalność innowacyjną przedsiębiorstw, ekonomiczne aspekty działalności innowacyjnej, współpracę w działalności innowacyjnej oraz uwarunkowania działalności innowacyjnej (por. tabela 2).
Tabela 2
Potencjalne zmienne diagnostyczne innowacyjności przedsiębiorstw działów przetwórstwa przemysłowego w latach 2014-2016
Symbol Opis zmiennej
Działalność innowacyjna przedsiębiorstw
X1 Przedsiębiorstwa aktywne innowacyjnie w przetwórstwie przemysłowym (w %) X2 Przedsiębiorstwa innowacyjne w przetwórstwie przemysłowym (w %)
X3 Przedsiębiorstwa, które wprowadziły nowe lub istotnie ulepszone produkty (w %) X4 Przedsiębiorstwa, które wprowadziły nowe lub istotnie ulepszone produkty, w tym nowe
dla rynku (w %)
X5 Przedsiębiorstwa, które wprowadziły nowe lub istotnie ulepszone procesy (w %) X6 Przedsiębiorstwa, które wprowadziły nowe metody wytwarzania produktów (w %) X7 Przedsiębiorstwa, które wprowadziły nowe metody z zakresu logistyki i/lub metody
dostarczania i dystrybucji
X8 Przedsiębiorstwa, które wprowadziły innowacje organizacyjne w % przedsiębiorstw ogółem X9 Przedsiębiorstwa, które wprowadziły innowacje marketingowe w % przedsiębiorstw ogółem
Ekonomiczne aspekty działalności innowacyjnej
X10 Przychody ze sprzedaży produktów nowych lub istotnie ulepszonych w przedsiębiorstwach przetwórstwa przemysłowego w 2016 r. w % sprzedaży ogółem
X11 Przychody ze sprzedaży produktów nowych dla rynku w przedsiębiorstwach przetwórstwa przemysłowego w 2016 r. w % sprzedaży ogółem
X12 Przychody ze sprzedaży produktów nowych tylko dla przedsiębiorstwa w przedsiębiorstwach przetwórstwa przemysłowego w 2016 r. w % sprzedaży ogółem
X13 Nakłady na działalność innowacyjną w przedsiębiorstwach przemysłowych w tys. PLN na 1 zatrudnionego 2016 r. (ceny bieżące)
X14 Nakłady na działalność innowacyjną w przedsiębiorstwach przemysłowych w tys. PLN na 1 zatrudnionego w 2016 r., finansowane środkami własnymi (ceny bieżące)
X15 Przedsiębiorstwa przemysłowe, które poniosły nakłady na działalność innowacyjną w 2016 r.
w % przedsiębiorstw ogółem
X16 Nakłady przypadające na jedno przedsiębiorstwo, które poniosło nakłady na działalność innowacyjną w tys. PLN
X17 Przedsiębiorstwa, które otrzymały publiczne wsparcie finansowe na działalność innowacyjną w % przedsiębiorstw aktywnych innowacyjnie
Symbol Opis zmiennej
Współpraca w działalności innowacyjnej
X18 Przedsiębiorstwa przemysłowe, które współpracowały w zakresie działalności innowacyjnej w latach 2014-2016 w % ogółu przedsiębiorstw
X19 Przedsiębiorstwa przemysłowe, które współpracowały w zakresie działalności innowacyjnej w ramach inicjatywy klastrowej w latach 2014-2016 w % ogółu przedsiębiorstw
X20 Przedsiębiorstwa, które uzyskały patent w Urzędzie Patentowym RP w % przedsiębiorstw ogółem X21 Przedsiębiorstwa, które uzyskały patent w zagranicznych urzędach patentowych
w % przedsiębiorstw ogółem
Uwarunkowania działalności innowacyjnej
X22 Przedsiębiorstwa przemysłowe innowacyjne w logistyce w latach 2014-2016 w % przedsiębiorstw ogółem
X23 Przeciętne zatrudnienie w tys. w 2016 r. (w przedsiębiorstwach > 49 osób) Źródło: opracowanie własne.
W badaniu wykorzystano 23 zmienne diagnostyczne, aby uwzględnić szerokie spektrum czynników oddziałujących na innowacyjność przedsiębiorstw w Polsce. Przeprowadzone wcześniej badania w tym zakresie obejmowały jedynie 12 zmiennych diagnostycznych (Grzelak, Dobrowolska 2017, s. 87-103).
W pierwszym kroku wstępnej, formalno-statystycznej, weryfikacji zmiennych spraw- dzono, czy zmienne cechują się odpowiednio dużą zmiennością. Współczynnik zmienności liczony na podstawie odchylenia standardowego dla każdej zmiennej znacznie przekroczył wartość progową (0,2), co oznacza, że wszystkie zmienne cechowały się odpowiednio dużą zmiennością.
W kolejnym kroku wstępnej analizy danych oceniono skorelowanie potencjalnych zmiennych (wskaźników) diagnostycznych, celem redukcji i doboru finalnego zestawu wskaźników diagnostycznych. Do oceny skorelowania wykorzystano metodę parametrycz- ną (Śmiłowska 1997, s. 16). W wyniku jej zastosowania wyznaczone zostało skupienie, w którym cechą centralną jest X6, a cechami satelitarnymi X1, X2, X5, X8, X18. Drugą cechą centralną było X15 a drugą cechą satelitarną X3. Pozostałe zmienne: X4, X7, X9-X17 i X19-X23 są cechami izolowanymi. Zatem do dalszej analizy zakwalifikowano cechy cen- tralne i cechy izolowane, wyeliminowano zmienne satelitarne.
Podsumowując, ostatecznie do syntetycznej oceny innowacyjności i tym samym budowy rankingu innowacyjności przedsiębiorstw działów przetwórstwa przemysłowego przyjęto 17 wskaźników diagnostycznych: X4, X6, X7, X9-X17, X19-X23. Jest to zestaw zmien- nych charakteryzujących się dużą wartością informacyjną. Wybrane wskaźniki potraktowa- no jako stymulanty innowacyjności.
Syntetyczna ocena innowacyjności przedsiębiorstw działów przetwórstwa przemysłowego w latach 2014-2016
Istnieje wiele metod tworzenia zmiennych syntetycznych, wykorzystujących odpowied- nio wybrane zmienne diagnostyczne. Zasadniczym celem wyznaczania miar syntetycznych jest porządkowanie obiektów ze względu na poziom wielocechowego zjawiska. Różnice, które dostrzega się z w zasadach konstrukcji tych miar dotyczą głównie:
- sposobu uwzględnienia cech stymulant (S) i destymulant (D),
- sprowadzania cech do wspólnego układu porównawczego (wybór formuły normalizacyjnej), - określenia wartości cech obiektu-wzorca,
- budowy miary (określenie postaci analitycznej funkcji agregującej), - własności miary.
Przeprowadzone badania dowodzą, że stosowanie różnych metod agregacji tych samych zmiennych diagnostycznych daje bardzo zbliżone wyniki klasyfikacji i nie wpływa istotnie na kolejność porządkowania obiektów w badaniu (Krakowiak-Bal 2005; Bąk 2016, s. 13-22;
Jaworska, Kożuch 2012, s. 131-137).
Celem niniejszego badania jest liniowe uporządkowanie działów przetwórstwa przemysło- wego pod względem innowacyjności. Do realizacji tego celu wykorzystano metodę wzorca roz- woju Hellwiga, a obiekty pogrupowano metodą odchyleń standardowych. Metoda ta zakłada istnienie obiektu wzorcowego, w którym zmienne wejściowe przyjmują optymalne wartości.
Wybór metody Hellwiga, podyktowany był tym, że w metodzie tej współrzędne wzorca przyjmowane są jako:
ݕൌ ݉ܽݔ݅ ݕ gdy ݆ א ܵ (1)
ݕൌ ݉݅݊݅ ݕ gdy ݆ א ܦ (2)
Takie założenie jest przydatne w badaniach rozwoju gospodarczego, gdzie nie pojawiają się obawy, że wybór maksymalnych wartości jest „zbyt dobry” (Strahl 1978, s. 205-215).
Wyznaczanie wartości wzorca rozwoju poprzedzone zostało doprowadzeniem wskaźni- ków diagnostycznych do porównywalności, a następnie wykluczeniem ze zbioru wartości ujemnych. Zmienne znormalizowano posługując się klasyczną standaryzacją:
ݖൌݔെ ݔഥఫ
ܵ , (3)
gdzie:
ݔഥ - średnia arytmetyczna kolejnej cechy, ఫ Sj - odchylenie standardowe kolejnej cechy, zij - wystandaryzowana wartość.
Postulat dodatniości zestandaryzowanych zmiennych zapewniono stosując przekształ- cenie:
zij = zij + ε (4)
gdzie:
ߝ ൌ െ ൛ݖൟ ͳ
ͷ ܵሺݖሻ (5)
oraz
S(z) - odchylenie standardowe znormalizowanych zmiennych wejściowych.
Metoda Hellwiga dokonuje hierarchizacji obiektów poprzez porównania do wyznaczo- nego wzorca rozwoju. Współrzędne obiektu wzorcowego (z0j) to maksymalne wartości stan- daryzowanych zmiennych (zij).
z0j = max zij (gdy cecha jest stymulantą) (6)
Obiekty są hierarchizowane na podstawie odległości od wzorca. Do obliczenia odległo- ści każdego z działów przetwórstwa przemysłowego od wzorcowego obiektu wykorzystano metrykę euklidesową:
݀ ൌ ටσ ሺݖୀଵ െ ݖሻଶ, j=1,2, …,m; i=1, 2, …, n, (7) gdzie:
zij - standaryzowane wartość zmiennych diagnostycznych xij, z0j = max zij (dla stymulant).
W metodzie Hellwiga obiekty są porządkowane na podstawie wartości syntetycznej mia- ry (wskaźnika) rozwoju:
ݏ ൌ ͳ െ݀
݀ , (8)
gdzie:
݀ൌ ݀തതത ʹܵ , (9)
przy czym:
݀
തതത ൌ ݊ିଵσୀଵ݀ , (10)
ܵ ൌ ට݊ିଵσ ሺ݀ୀଵ െ ݀ҧሻଶ (11) Miara si przyjmuje zazwyczaj wartości z przedziału [0; 1]. Wartości te są tym wyższe, im dany obiekt jest mniej oddalony od wzorca. Warto więc te wartości uporządkować od największej do najmniejszej.
Ostatni etap obliczeń wiąże się z podziałem obiektów, działów przetwórstwa przemysło- wego, na klasy. Obiekty zostały pogrupowane zgodnie z metodą odchyleń standardowych.
Przedziały zmienności wartości zmiennej syntetycznej dla poszczególnych klas zaprezento- wano w tabeli 3.
Tabela 3
Granice klas syntetycznego wskaźnika Hellwiga innowacyjności przedsiębiorstw z działów przetwórstwa przemysłowego w Polsce w latach 2014-2016
Klasa I si≥ 0,332296
Klasa II 0,332296 > si ≥ 0,221531
Klasa III 0,221531 > si ≥ 0,1110765
Klasa IV si < 0,110765
Źródło: jak w tabeli 2.
Ranking innowacyjności przedsiębiorstw działów przetwórstwa przemysłowego w Polsce w latach 2014-2016 przedstawiono w tabeli 4 na podstawie wartości syntetycz- nego miernika innowacyjności. Na podstawie zaprezentowanych wyników badań można stwierdzić, że w latach 2014-2016 najbardziej innowacyjne były przedsiębiorstwa działu
„Produkcja wyrobów tytoniowych” i „Produkcja pojazdów samochodowych, przyczep i na- czep, z wyłączeniem motocykli”, dla których wartości miernika Hellwiga wynosiły odpo- wiednio: 0,466351549 oraz 0,412933957. Innowacyjność tych działów jest zdecydowanie największa i wyraźnie odbiega od poziomu innowacyjności kolejnych działów przetwórstwa przemysłowego w Polsce. Kolejne miejsca w rankingu z wartością wskaźnika bliską 0,33 zajęły działy: „Produkcja urządzeń elektrycznych”, „Produkcja podstawowych substancji farmaceutycznych oraz leków i pozostałych wyrobów farmaceutycznych” oraz „Produkcja chemikaliów i wyrobów chemicznych”. Te pięć działów tworzy klasę I i reprezentuje naj- wyższy poziom innowacyjności.
Natomiast na klasę II, o wysokim poziomie innowacyjności składają się przedsiębior- stwa następujących działów przetwórstwa przemysłowego: „Produkcja pozostałego sprzętu transportowego” (0,327652967), „Produkcja maszyn i urządzeń, gdzie indziej niesklasyfi- kowana” (0,307656874), „Produkcja komputerów, wyrobów elektronicznych i optycznych”
(0,298189751), „Wytwarzanie i przetwarzanie koksu i produktów rafinacji ropy naftowej”
(0,245395217), „Produkcja metali” (0,233634945) oraz „Produkcja wyrobów z gumy i two- rzyw sztucznych” (0,22819939).
Tabela 4
Ranking innowacyjności działów przetwórstwa przemysłowego dla lat 2014-2016
Nazwa działu Nr działu
według
PKD Miernik si Klasa
Produkcja wyrobów tytoniowych 12 0,466351549 1
Produkcja pojazdów samochodowych, przyczep i naczep,
z wyłączeniem motocykli 29 0,412933957 1
Produkcja urządzeń elektrycznych 27 0,339211565 1
Produkcja podstawowych substancji farmaceutycznych oraz leków
i pozostałych wyrobów farmaceutycznych 21 0,335441587 1
Produkcja chemikaliów i wyrobów chemicznych 20 0,334814507 1 Produkcja pozostałego sprzętu transportowego 30 0,327652967 2 Produkcja maszyn i urządzeń, gdzie indziej niesklasyfikowana 28 0,307656874 2 Produkcja komputerów, wyrobów elektronicznych i optycznych 26 0,298189751 2 Wytwarzanie i przetwarzanie koksu i produktów rafinacji ropy
naftowej 19 0,245395217 2
Produkcja metali 24 0,233634945 2
Produkcja wyrobów z gumy i tworzyw sztucznych 22 0,22819939 2
Produkcja napojów 11 0,214930334 3
Produkcja papieru i wyrobów z papieru 17 0,208946583 3
Produkcja metalowych wyrobów gotowych, z wyłączeniem
maszyn i urządzeń 25 0,183069932 3
Pozostała produkcja wyrobów 32 0,176447045 3
Produkcja wyrobów z pozostałych mineralnych surowców
niemetalicznych 23 0,16295301 3
Poligrafia i reprodukcja zapisanych nośników informacji 18 0,157318043 3
Produkcja artykułów spożywczych 10 0,151731068 3
Produkcja wyrobów tekstylnych 13 0,140413455 3
Produkcja mebli 31 0,133877829 3
Produkcja wyrobów z drewna oraz korka, z wyłączeniem mebli;
produkcja wyrobów ze słomy i materiałów używanych do wyplatania 16 0,105805488 4 Naprawa, konserwacja i instalowanie maszyn i urządzeń 33 0,072432477 4 Produkcja skór i wyrobów ze skór wyprawionych 15 0,058831338 4
Produkcja odzieży 14 0,020503761 4
Źródło: jak w tabeli 2.
Klasa III jest najliczniejsza, zaklasyfikowano do niej aż 9 działów. Pierwsze miejsce w tej klasie zajmuje „Produkcja napojów”, z maksymalną wartością wskaźnika innowacyj- ności wynoszącą 0,214930334. Klasę III zamykają przedsiębiorstwa produkujące meble, których poziom innowacyjność wynosi 0,1333877829.
Wykres 1
Ranking działów przetwórstwa przemysłowego według unormowanych wartości wskaźnika innowacyjności w Polsce w latach 2014-2016
3URGXNFMDRG]LHĪ\
3URGXNFMDVNyULZ\UREyZ]HVNyUZ\SUDZLRQ\FK 1DSUDZDNRQVHUZDFMDLLQVWDORZDQLHPDV]\QLXU]ąG]HĔ 3URGZ\U]GUHZQDRUD]NRUND]Z\áąF]HQLHPPHEOL
SURGZ\U]HVáRP\LPDWHULDáyZXĪ\ZGRZ\SODWDQLD 3URGXNFMDPHEOL 3URGXNFMDZ\UREyZWHNVW\OQ\FK 3URGXNFMDDUW\NXáyZVSRĪ\ZF]\FK 3ROLJUDILDLUHSURGXNFMD]DSLVDQ\FKQRĞQLNyZLQIRUPDFML 3URGXNFMDZ\UREyZ]SR]RVWDá\FKPLQHUDOQ\FK
VXURZFyZQLHPHWDOLF]Q\FK 3R]RVWDáDSURGXNFMDZ\UREyZ 3URGXNFMDPHWDORZ\FKZ\UREyZJRWRZ\FK
]Z\áąF]HQLHPPDV]\QLXU]ąG]HĔ 3URGXNFMDSDSLHUXLZ\UREyZ]SDSLHUX
3URGXNFMDQDSRMyZ 3URGXNFMDZ\UREyZ]JXP\LWZRU]\ZV]WXF]Q\FK 3URGXNFMDPHWDOL :\WZDU]DQLHLSU]HWZDU]DQLHNRNVXLSURGXNWyZUDILQDFML
URS\QDIWRZHM
3URGXNFMDNRPSXWHUyZZ\UREyZHOHNWURQLF]Q\FK LRSW\F]Q\FK
3URGXNFMDPDV]\QLXU]ąG]HĔJG]LHLQG]LHM QLHVNODV\ILNRZDQD
3URGXNFMDSR]RVWDáHJRVSU]ĊWXWUDQVSRUWRZHJR 3URGXNFMDFKHPLNDOLyZLZ\UREyZFKHPLF]Q\FK 3URGXNFMDSRGVWDZRZ\FKVXEVWDQFMLIDUPDFHXW\F]Q\FK RUD]OHNyZLSR]RVWDá\FKZ\UREyZIDUPDFHXW\F]Q\FK 3URGXNFMDXU]ąG]HĔHOHNWU\F]Q\FK 3URGXNFMDSRMD]GyZVDPRFKRGRZ\FKSU]\F]HSLQDF]HS
]Z\áąF]HQLHPPRWRF\NOL
3URGXNFMDZ\UREyZW\WRQLRZ\FK
Źródło: opracowanie własne.
Wyniki pokazują, że w badanym okresie najmniej innowacyjne były przedsiębior- stwa czterech działów: „Produkcja wyrobów z drewna oraz korka, z wyłączeniem mebli”;
„produkcja wyrobów ze słomy i materiałów używanych do wyplatania” (0,105805488),
„Naprawa, konserwacja i instalowanie maszyn i urządzeń” (0,0724432477), „Produkcja skór i wyrobów ze skór wyprawionych” (0,058831338), „Produkcja odzieży” (0,020503761).
Obiekty te zostały zaliczone do IV klasy rankingu.
Dla lepszego zobrazowania różnic poziomu innowacyjności poszczególnych działów przetwórstwa przemysłowego, wartości syntetycznego miernika zostały unormowane w taki sposób, aby dział o najwyższym zmierzonym poziomie innowacyjności osiągał wynik 100, a wszystkie pozostałe proporcjonalnie mniejszy (por. wykres 1).
Wartości miernika innowacyjności wskazują na duże zróżnicowanie działalności inno- wacyjnej przedsiębiorstw przetwórstwa przemysłowego. Innowacyjnością poniżej 50 punk- tów charakteryzuje się aż 15, spośród 24, działów przetwórstwa przemysłowego.
Oceniając innowacyjność działów przetwórstwa przemysłowego, ich miejsce w rankingu i klasie innowacyjności, warto, oprócz analizy wartości zmiennych diagnostycznych, zwró- cić jeszcze uwagę na poziom techniki reprezentowany przez dany dział. Rozkład działów według klas innowacyjności i poziomów techniki zaprezentowano w tabeli 5. Analizując informacje tam zawarte można przyjąć, iż działy odznaczające się wyższym poziomem tech- niki, tzn. większą intensywnością B+R są na ogół bardziej innowacyjne, ale zdarzają się wy- jątki. Wydatki na działalność badawczo-rozwojową są ważnym czynnikiem wpływającym na poziom innowacyjności przedsiębiorstw działów przetwórstwa przemysłowego.
Tabela 5
Rozkład działów przetwórstwa przemysłowego ze względu na klasy innowacyjności i poziomy techniki
Klasy innowacyjności Poziom techniki wysoka Średnio- Suma
wysoka Średnio-niska niska
Klasa I 1 3 - 1 5
Klasa II 1 2 3 - 6
Klasa III - - 2 7 9
Klasa IV - - 1 3 4
Suma 2 5 6 11 24
Źródło: jak w tabeli 2.
W klasie I, najbardziej innowacyjnej, znalazły się tylko cztery działy przetwórstwa przemysłowego o wysokim i średnio-wysokim poziomie techniki: „Produkcja pojazdów samochodowych, przyczep i naczep, z wyłączeniem motocykli”, „Produkcja urządzeń elek- trycznych”, „Produkcja podstawowych substancji farmaceutycznych oraz leków i pozosta- łych wyrobów farmaceutycznych” oraz „Produkcja chemikaliów i wyrobów chemicznych”.
Liderem innowacyjności w okresie 2014-2016 zostały przedsiębiorstwa działu „Produkcja
wyrobów tytoniowych”, co jest pewnym zaskoczeniem. Dział ten, zgodnie z klasyfikacją OECD, jest zaliczany do dziedzin przemysłu „niskiej techniki”. Oceniając innowacyjność przemysłu tytoniowego warto zwrócić uwagę na jego specyfikę, małą liczbę przedsiębiorstw funkcjonujących w tym dziale, jest ich tylko 9 (Rocznik Statystyczny Przemysłu 2018).
W klasie II o wysokim poziomie innowacyjności znajdują się przedstawiciele poziomów techniki od wysokiego do średnio-niskiego. Warto zwrócić uwagę, że nie ma w tej grupie działów przemysłu o niskim poziomie techniki.
Z kolei klasa III o niskim poziomie innowacyjności składa się tylko z przedsiębiorstw działów niskiej i średnio-niskiej techniki.
Klasa IV o najniższym poziomie innowacyjności zawiera najwięcej przedsiębiorstw z działów niskiej techniki.
Podsumowanie
Procesy innowacyjne stały się przedmiotem intensywnych badań naukowych na całym świecie. W Polsce również istnieje pilna potrzeba prowadzenia badań nad różnymi aspekta- mi działalności innowacyjnej, które powinny rzetelnie diagnozować sytuację w tym wzglę- dzie i wskazywać rozwój adekwatnych instrumentów polityki gospodarczej stymulujących wzrost innowacyjności.
Innowacyjność przedsiębiorstw przetwórstwa przemysłowego została oceniona za pomo- cą metody syntetycznego miernika rozwoju Z. Hellwiga. Przeprowadzone badanie umożli- wiło zbudowanie rankingu innowacyjności oraz wyodrębnienie czterech jednorodnych klas innowacyjności działów przetwórstwa przemysłowego.
Należy pamiętać, iż wartość syntetycznego miernika innowacyjności zależy przede wszystkim od wartości wszystkich zmiennych opisujących innowacyjność tych działów.
W niniejszym badaniu punktem wyjścia przy wyborze potencjalnych zmiennych diagno- stycznych były wskaźniki innowacyjności, uwzględnione w badaniach działalności innowa- cyjnej przedsiębiorstw przemysłowych dla okresu 2014-2016, realizowanych przez GUS, zgodnie z metodologią Oslo. Zatem w prezentowanym badaniu uwzględniono wszystkie dostępne, na tym poziomie agregacji, zmienne charakteryzujące innowacyjność przedsię- biorstw działów przetwórstwa przemysłowego.
W latach 2014-2016 najbardziej innowacyjne, w świetle wskaźników diagnostycznych przyjętych do analizy, były przedsiębiorstwa przemysłu tytoniowego („niska technika”) oraz przedsiębiorstwa produkujące pojazdy samochodowe, przyczepy i naczepy („średnio-wyso- ka technika”). Ostatnie miejsca w rankingu innowacyjności zajmują głównie działy „niskiej techniki”.
Syntetyczny miernik innowacyjności potwierdza oczekiwania w zakresie niskiej i śred- niej innowacyjności, daje jednak pewne zaskakujące rezultaty dla czołówki rankingu. Przy wyciąganiu wniosków należy brać pod uwagę m.in. wielkość działu, bowiem w małej zbio- rowości występuje większe prawdopodobieństwo nietypowych wyników. Ponadto, badanie
zostało przeprowadzone na podstawie uśrednionych dla każdego działu wartości zmiennych.
Zatem nie informuje ono o zróżnicowaniu innowacyjności wewnątrz działu. W konsekwen- cji, duże innowacyjne przedsiębiorstwa mogą oddziaływać na ogólną innowacyjność danego działu przetwórstwa przemysłowego.
Obliczony syntetyczny wskaźnik innowacyjności wskazuje na duże zróżnicowanie inno- wacyjności działów przetwórstwa przemysłowego. Poznanie przyczyn tego zróżnicowania wymaga jednak przeprowadzenia bardziej czasochłonnych i kosztownych badań pierwot- nych, w których uwzględnione zostaną jeszcze inne, istotne zmienne opisujące uwarunko- wania i bariery działalności innowacyjnej przedsiębiorstw. Innowacyjność przedsiębiorstw przemysłowych jest ważnym czynnikiem determinującym rozwój przedsiębiorstw i choć metodologia badań innowacyjności przedsiębiorstw jest wciąż rozwijana i udoskonalana, to już obecnie dostępne, publikowane przez GUS wskaźniki innowacyjności stanowią cenne źródło informacji w ocenie ich innowacyjności.
Wyznaczony miernik innowacyjności jest w opinii autorek artykułu wartościowym na- rzędziem oceniającym w syntetyczny sposób innowacyjność przetwórstwa przemysłowego w Polsce. Przeprowadzone badanie powinno być pewnym wskazaniem co do przyszłej po- lityki wspierania działalności innowacyjnej przedsiębiorstw przetwórstwa przemysłowego w Polsce.
Obserwując dynamiczne zmiany zachodzące w gospodarce światowej należy oczekiwać, iż w przyszłości stopień zależności rozwoju społeczno-gospodarczego od innowacji będzie się jeszcze pogłębiał. Powoduje to konieczność systematycznego pomiaru, oceny i rozwoju metodologii badań innowacyjności. Wyniki badań mogą być ważnym elementem wsparcia procesu kształtowania polityki innowacji.
Bibliografia
Bąk A. (2016), Metody porządkowania liniowego w polskiej taksonomii – pakiet Porządkowanie li- niowe obiektów metodą Hellwiga i TOPSIS – analiza porównawcza, „Prace Naukowe Uniwersy- tetu Ekonomicznego we Wrocławiu”, nr 426.
Działalność innowacyjna przedsiębiorstw przemysłowych w latach 2013-2015 (2016), GUS i US w Szczecinie, Warszawa.
Działalność innowacyjna przedsiębiorstw przemysłowych w latach 2014-2016 (2017), GUS i US w Szczecinie, Warszawa.
Działalność innowacyjna przedsiębiorstw przemysłowych w latach 2014-2016 (2018), GUS i US w Szczecinie, Warszawa.
Grzelak M.M., Dobrowolska B. (2017), Ocena działalności innowacyjnej przedsiębiorstw z działów przetwórstwa przemysłowego w Polsce w latach 2013-2015, „Przedsiębiorczość i Zarządzanie”, Tom XIX/3, część II.
Jaworska M., Kożuch A.J. (2012), Ocena przydatności wybranych metod WAP w analizie samodziel- ności finansowej gmin, „Metody Ilościowe w Badaniach Ekonomicznych”, Tom XIII/1, 2012.
Krakowiak-Bal A. (2005), Wykorzystanie wybranych miar syntetycznych do budowy rozwoju infra- struktury technicznej, „Infrastruktura i Ekologia Terenów Wiejskich”, nr 3.
Nauka i technika w 2015 r. (2016), GUS i US w Szczecinie, Warszawa.
Panek T. (2009), Statystyczne metody wielowymiarowej analizy porównawczej, Szkoła Główna Han- dlowa w Warszawie - Oficyna Wydawnicza, Warszawa.
Rocznik Statystyczny Przemysłu (2018), GUS, Warszawa.
Strahl D. (1978), Propozycja konstrukcji miary syntetycznej, „Przegląd Statystyczny”, z. 2.
Śmiłowska T. (1997), Statystyczna analiza poziomu życia ludności Polski w ujęciu przestrzennym, GUS, Warszawa.
Diversification of the Level of Innovativeness of Manufacturing Enterprises in Poland in 2014-2016
Summary
The aim of the research article is to assess the innovation diversification of enterprises from the manufacturing divisions in Poland in the years 2014-2016 and to determine which of those divisions is the most innovative. As a consequence, a ranking of innovation in manufacturing divisions was developed with the use of a synthetic measure of development (Panek 2009), which indicates a wide diversi- fication of innovation in manufacturing divisions in Poland in the years 2014-2016.
Observing the dynamic changes taking place in the global economy, it should be expected that in the future the degree of dependence of the socio-economic devel- opment on innovation will be even deeper. It causes the necessity to systematically measure, evaluate and develop the methodology of innovation research. The results of research can be an important element of supporting the process of shaping the innovation policy.
Key words: innovation, innovative activity of enterprises, synthetic measure, man- ufacturing divisions, Oslo methodology.
JEL codes: O31, C19, O30
Дифференцирование уровня инновационности предприятий обрабатывающей промышленности в Польше в 2014-2016 гг.
Резюме
Цель исследовательской статьи – оценить дифференцирование инноваци- онности предприятий отдельных разделов обрабатывающей промышленно- сти в Польше в 2014-2016 гг. и определить, который из этих разделов наиболее инновационен. В результате разработали рейтинг инновационности разделов обрабатывающей промышленности с использованием синтетической меры развития (Panek, 2009), который указывает большую дифференциацию инно- вационности отдельных разделов обрабатывающей промышленности в Поль- ше в 2014-2016 гг.
Наблюдая за динамическими изменениями, происходящими в мировой экономике, следует ожидать, что в будущем степень зависимости обществен- но-экономического развития от инноваций будет еще более повышаться. Это вызывает необходимость систематических измерений, оценки и развития ме- тодологии изучения инновационности. Результаты изучения могут быть важ- ным элементом поддержки для процесса формирования политики инноваций.
Ключевые слова: инновационность, инновационная деятельность предприя- тий, синтетический показатель, разделы обрабатывающей промышленности, Руководство Осло.
Коды JEL: O31, C19, O30
Artykuł zaakceptowano do druku w październiku 2018 roku Afiliacja:
dr hab. Maria Magdalena Grzela, prof. UŁ dr Bogusława Dobrowolska
Uniwersytet Łódzki
Wydział Ekonomiczno-Socjologiczny Instytut Statystyki i Demografii
Katedra Statystyki Ekonomicznej i Społecznej ul. Rewolucji 1905 r. nr 41/43
90-255 Łódź
e- mail: mgrzel@wp.pl
e- mail: boguslawa.dobrowolska@uni.lodz.pl
