Odbiorcy w kszta towaniu innowacyjno ci polskiego systemu przemys owego

(1)

* Dr hab. prof. UZ Arkadiusz wiadek – Wydzia Ekonomii i Zarz dzania, Zak ad Innowacji i Przedsi biorczo ci, Uniwersytet Zielonogórski.

Adres do korespondencji: Uniwersytet Zielonogórski, Wydzia Ekonomii i Zarz dzania, Zak ad Innowacji i Przedsi biorczo ci, ul. Licealna 9, 65-417 Zielona Góra, e-mail: A.Swiadek@wez.uz.zgora.pl.

** Dr Barbara Czerniachowicz – Wydzia Nauk Ekonomicznych i Zarz dzania, Instytut Zarz dzania

Studia i Materia y, 2015 (19): 106– 118 ISSN 1733-9758, © Wydzia Zarz dzania UW DOI 10.7172/1733-9758.2015.19.8

Odbiorcy w kszta towaniu innowacyjno ci polskiego systemu przemys owego

Arkadiusz wiadek

^*

, Barbara Czerniachowicz

^**

Polska nale y do krajów doganiaj cych z luk technologiczn szacowan na kilkadziesi t lat. Wed ug danych GUS w przedsi biorstwach przemys owych zarysowuje si tendencja do przewagi wdro e nowych procesów technologicznych nad produktami, co wiadczy o spe- cyfice preferencji krajowych podmiotów. Jednocze nie jest to kierunek odmienny, do tego, co obserwujemy w bardziej rozwini tych krajach. W rodowisku osób odpowiedzialnych za polityk krajow i samorz dow padaj sugestie czy wr cz zarzuty, e powinni my zmierza do oferowania rozwi za b d cych w a nie rozwi zaniami kra cowymi w a cuchu dostaw, a nie po rednimi, które s ma o rozwojowe dla przedsi biorstw. Powstaje zatem pytanie, czy w krajowym systemie gospodarowania, na tym etapie rozwoju Polski, aktywno innowacyjna jest wy sza w przedsi biorstwach, które oferuj swoje rozwi zania u ytkownikowi finalnemu – detalicznemu, czy mo e w tych, które funkcjonuj jedynie jako po rednik, cz sto w mi - dzynarodowym a cuchu dostaw, b d c tylko ogniwem w skomplikowanych zale no ciach produkcyjno-logistycznych. W konsekwencji – czy krajowa polityka innowacyjna powinna w dalszym ci gu wspiera tworzenie i przep yw technologii do przedsi biorstw, które s pod- dostawcami nowych rozwi za w a cuchu dostaw, czy powinna by ukierunkowana na te tworz ce gotowe rozwi zania dla kra cowego u ytkownika. Warto zwróci uwag , e wnioski p yn ce z mi dzynarodowych bada wprost nak aniaj do tworzenia instrumentów polityki innowacyjnej optymalnych w relacji do poziomu rozwoju technologicznego, czyli jego dystansu (odleg o ci) do zjawisk obserwowanych u przywódców post pu wiatowego ze wzgl du na zró nicowane zdolno ci absorpcyjne.

Próba badawcza obejmuje 5209 przedsi biorstw przemys owych w Polsce. Zastosowana metodyka bazuje na rachunku prawdopodobie stwa, a dok adnie modelowaniu typu probit (modele jednoczynnikowe) i logit (modele wieloczynnikowe).

S owa kluczowe: innowacja, system, a cuch dostaw, region, przemys .

Nades any: 10.07.2015 | Zaakceptowany do druku: 28.09.2015

Customers and the innovation activity of industrial system in Poland Poland is among the countries catching up with the technological gap estimated at several tens of years. According to the data obtained from GUS (Central Statistical Office), in industrial enterprises the implementation of new technological processes prevails over the products, which demonstrates the specificity of national preferences of entities. At the same time it is a different direction so as not to formulate the opposite view to what can be observed in more developed countries. Among those responsible for the national policy and local government

(2)

suggestions or even complaints appear that we should strive to offer solutions that are mar- ginal and not intermediate in the supply chain, which are a little development for businesses.

Therefore, a question arises as to whether within a national system of management, at this stage of development of Poland, innovative activity is higher in companies that offer their solutions to the end-user - retailer, or perhaps to those that operate only as an intermediary, often in the international supply chain, being only the link in the complex relationships between production and logistics? As a consequence, should the national innovation policy continue to support the creation and transfer of technology to companies that are subcon- tractors of new solutions in the supply chain, or should it be targeted at those working out ready-made solutions for the end-user? It is worth noting that the conclusions drawn from the international research directly urge to create instruments of the innovation policy which is optimal in relation to the level of technological development i.e., its distance from the phenomena observed among the leaders in the world progress due to a different absorption capacity.

The reasearch sample comprises 5209 industrial enterprises in Poland. Methodology is based on probability theory, namely probit (univariate models) and logit models (multi-factor models).

Keywords: innovation system, supply chain, region, industry.

Submitted: 10.07.2015 | Accepted: 28.09.2015

JEL: E61, L16, O38, O31

1. Wprowadzenie

Pa stwa nale ce do wiatowej czo ówki technologicznej kreuj rozwi zania na bazie aktualnej wiedzy z danej dziedziny, co przek ada si na gotowe produkty sprze- dawane pó niej na rynku globalnym. Ich wysoki poziom technologiczny powoduje, e nowe rozwi zania kierowane s na rynek u ytkowników finalnych (detalicznych).

Oznacza to, e kraje rozwini te o wysokiej kulturze technologicznej cz ciej wprowadzaj nowe produkty ni procesy, a te s z kolei tworzone w przedsi biorstwach b d cych ko cowym ogniwem w a cuchu dostaw.

Polska zaliczana jest do krajów dogania- j cych, charakteryzuj cych si luk technologiczn szacowan na kilkadziesi t lat (Geronikolaou i Mourmouris, 2015). Skut- kuje to tym, e tylko w niewielkim zakresie uczestniczy w mi dzynarodowym handlu produktami wysokiej techniki. GUS sza- cuje, e w krajowym przemy le wyst puje trend wzrostu wdro e nowych procesów technologicznych nad wyrobami, co okre la preferencje i trendy przedsi biorstw w Pol- sce (GUS, 2015). Jest to odmienny kierunek, ni mo na zaobserwowa w bardziej rozwini tych pa stwach. W politycznym rodowisku – zarówno samorz dowym, jak i krajowym – sugerowane s dzia ania

sk aniaj ce przedsi biorstwa do nastawie- nia na oferowanie rozwi za kra cowych w a cuchu dostaw, a nie tylko po rednich.

Mo na pokusi si tym samym o sformu- owanie pytania, czy na tym etapie rozwoju Polski dzia alno innowacyjna jest wy sza w jednostkach kieruj cych swoje rozwi zania do odbiorcy finalnego (deta- licznego), czy mo e w podmiotach funkcjonuj cych tylko jako po rednik w a - cuchu dostaw. Wnioski, które mo na wyci gn z wyników mi dzynarodowych bada wskazuj na konieczno tworzenia instrumentów polityki innowacyjnej, która b dzie optymalna w relacji do poziomu rozwoju technologicznego, co oznacza konieczno jej zró nicowania w Polsce z powodu niskich zdolno ci absorpcyjnych nowych technologii (Aghion i Jaravel, 2015).

Powy ej postawione pytanie jest zwi - zane z g ówn hipotez badawcz , któr stanowi stwierdzenie, e aktywno innowacyjna w krajowym przemy le jest wy sza w przedsi biorstwach oferuj cych wyroby dla u ytkownika finalnego ni pó produkty dla innych sektorów gospodarki, w tym jako do przemys u.

Celem badania jest wskazanie szans na realizacj ró nych form aktywno ci innowacyjnej w krajowym przemy le z perspektywy typu odbiorcy.

(3)

Badanie zosta o zrealizowane w przedsi biorstwach przemys owych zlokalizowa- nych w Polsce w latach 2007–2012 na grupie 5209 podmiotów. Przeprowadzono je, opieraj c si na bazie danych obejmuj cej ponad sze dziesi t tysi cy jednostek przemys owych. Ze wzgl du na zró nicowan skuteczno badania w poszczególnych województwach przyj to w konsekwencji struktur doboru przedsi biorstw na podstawie wk adu (udzia u) regionalnego, stosowanego przez G ówny Urz d Staty- styczny. G ówn technik badawcz by o pozyskanie zbioru danych na podstawie przygotowanego kwestionariusza ankie- towego, przy wykorzystaniu drogi telefo- nicznej oraz elektronicznej. Ze wzgl du na brak dofinansowania bada autorzy sukcesywnie, w zale no ci od posiadanych zasobów, rozszerzali jego zakres na kolejne województwa, a do momentu uzyskania oczekiwanej liczby wype nionych formula- rzy ze wszystkich regionów. W konsekwencji zastosowano modelowanie statystyczne oparte na rachunku prawdopodobie stwa, które pozwoli o na ocen i umo liwi o interpretacj otrzymanych wspó zale no ci.

2. Przegl d literatury

Wiemy ju od czasów Schumpetera (1934), e innowacje produktowe pod- dawane s cis ej selekcji rynkowej, czyli decyzji o akceptacji b d odrzuceniu przez u ytkownika oferowanych rozwi za (von Hippel, de Jong i Flowers, 2012). Wdra a- nie nowych wyrobów na rynkach rozwini - tych przy piesza, podobnie jak proces ich inwencji i produkcji.

Wspó cze nie na wiecie panuje dualizm badawczy w zakresie podej cia do wpro- wadzania na rynek nowych rozwi za : 1) uwaga skupiona jest, w trakcie rozwoju produktu, na wspó zale no ci pomi dzy funkcjami takimi jak B+R, produkcja, marketing, nowe technologie (Griffin i Hauser, 1996; Adler, 1995), lub 2) poszukuje si szerokiego wachlarza zwi zków kooperacji z ró norodnymi partnerami, przyk adowo z klientami, dostawcami, jednostkami naukowymi, konkurentami czy dystrybu- torami (Anderson i in., 1994; Gemunden i in., 1996; Hagedoorn, 1993).

Wspó praca zewn trzna mo e skutko- wa korzy ciami, które polegaj na bli- skich relacjach z dostawcami i dzi ki temu obni aj si koszty rozwoju nowych wyro-

bów, g ównie tych radykalnych, a zwi k- sza si tempo takiego post pu (Rothwell, 1994). Je eli celem jest wdro enie rady- kalnie nowych produktów, to dostawcy oraz klienci powinni zosta mocno zaan- ga owani w te procesy (Laugen i Lassen, 2012). Wspó cze nie uwa a si , e sie jest dobrym miejscem do generowania innowacji, g ównie dzi ki dost powi do komplementarnych zasobów i kompeten- cji (Powell i in., 1996). Podkre la si przy tym wspó prac mi dzyorganizacyjn , która mo e mie wp yw na dost p do tych komplementarnych aktywów oraz przyczynia si do efektywnego transferu wiedzy, a tak e podzia u kosztów B+R na poszczególnych uczestników. Organizacje, które anga uj si w kooperacj , cz ciej tworz nowe produkty i doskonal istniej ce, a wspó praca z ró nymi podmiotami generuje zró nicowane i bogate efekty innowacyjne (Faems i in., 2005). Na pozytywne relacje z klientami wp ywa orientacja przedsi biorstwa na klienta oraz konkurencj , a w mniejszym stopniu koordynacja funkcjonalna. Orien- tacja na konkurenta ma przy tym z kolei silny oraz pozytywny wp yw na poziom satysfakcji klienta (Guo i Wang, 2015).

Przedsi biorstwa oparte na nowych technologiach, aby odpowiednio wdra a innowacje, powinny opiera swoje dzia anie na inteligencji technologicznej oraz kon- kurencyjnej (Rodrigues i Riccardi, 2007).

Te odpowiadaj bowiem za sta y dop yw informacji dla kadry menad erskiej o zdolno ciach organizacyjnych, otoczeniu kon- kurencyjnym, strategiach konkurencji, preferencjach odbiorców, trendach technologicznych czy w zakresie preferencji rynku (Suominen, Kytölä i Naaranoja, 2015).

Warto dodana w a cuchu warto- ci tworzona jest dzi ki uwzgl dnieniu kierunku w dó (odbiorcy) oraz w gór (dostawcy) (Weinstein, 2012). Wertykalny a cuch jest u ytecznym modelem dla wspó czesnych organizacji, gdy uwzgl dnia du liczb podmiotów, które maj mi - dzy sob strategiczne i stabilne w czasie porozumienia (Weinstein, 2013). Odbiorc w a cuchu mo e by u ytkownik detaliczny (B2C) lub inne przedsi biorstwo (B2B). Ró nice mi dzy nimi prezentuje tabela 1.

Zarz dzanie a cuchem dostaw (SCM) jest zwi zane z wyst powaniem sieci organizacji, które s pionowo powi zane w dó i w gór wieloma procesami oraz dzia a-

(4)

niami, których skutkiem jest wytwarzanie produktów i us ug dostarczanych do fi - nalnego klienta (Christopher, 2005). Istot- n spraw w SCM jest poprawa efektów w funkcjonowaniu przedsi biorstwa (Ellin- ger i in., 2011) oraz wzrost satysfakcji odbiorców (Green i in., 2006). Dodatkowo zarz dzanie a cuchem odbiorców umo - liwia identyfikacj popytu i dzi ki temu komunikacj z dostawcami (Cambra-Fierro i Polo-Redondo, 2008), co przek ada si na przewidywanie dynamicznie zmieniaj cego si zachowania klientów oraz mo liwo ci dopasowania si do trendów (Bustinza, Parry i Vendrell-Herrero, 2012; Holmström i in., 2010).

Przedsi biorstwa z sektora high-tech wymagaj w ramach relacji B2B, aby wspó - pracuj ce jednostki opiera y si g ównie na aspektach technologicznych (Weinstein, 2013). Oczekuje si przy tym równie anga-

owania odbiorców w procesy innowacyjne poprzez wspó tworzenie warto ci, dzi ki

wykorzystaniu koncepcji otwartej innowacji opartej na wspó pracy z klientami, dostawcami, a nawet konkurentami (Bain i Com- pany, 2010).

3. Metodyka badania¹

W nauce cz sto spotykamy si z sytu- acj , gdy zmienna jest typu dychotomicz- nego (0,1). Tego rodzaju zmienne mog wyst powa w modelu w roli zmiennych zale nych i niezale nych. Je eli wyst puj w roli zmiennych obja niaj cych, to pro- gnozowanie warto ci zmiennej obja nia- nej przebiega tak jak w liniowych modelach ekonometrycznych (Zelia , Pawe ek i Wanat, 2004).

W przypadku, gdy zmienna zale na osi ga warto ci dychotomiczne, nie mo na wykorzysta powszechnie stosowanej w zja- wiskach ilo ciowych regresji wielorakiej.

Warto ci takiej funkcji mog bowiem osi - ga warto ci ujemne lub wy sze od jedno-

Tabela 1. Klasyfikacja rynku z punktu widzenia typu konsumenta Kryterium

porównania Rynek B2C Rynek B2B

Ko cowy konsument Konsument detaliczny

– osoba prywatna Przedsi biorstwa prywatne Motywacja

konsumenta Emocjonalno-

racjonalna Racjonalno-osobowo ciowa (Kotler, 2003) Intensywno procesu

innowacyjnego Bardzo wysoka Wysoka lub rednia Kluczowe czynniki

motywacji konsumenta

Emocjonalna ch zakupu

Subiektywna ewaluacja wariantów

Rozwi zanie zada przedsi biorstwa

Osobista motywacja zwi zana z odpowiedzialno- ci i oczekiwaniem nagrody

Osobisty profesjonalizm sprzedawcy (Dixon i Adamson, 2012)

Proces zakupowy

decyzja-realizacja Subiektywny,

spontaniczny Wielopoziomowy, hierarchiczny (The Differences Between B2B and B2C Research, 2013)

Charakter kluczowych czynników zakupowych

Przedmiot podlega emocjonalno-racjonal- nej ewaluacji konsumenta w czasie zakupu

Przedmiot odpowiada charakterystyce popytu na produkt z wywa ona cen .

Subiektywna ewaluacja profesjonalizmu sprzedawcy (Boaz, Murnanen i Nuffer, 2012)

Cel marketingu

innowacji Formu owanie ch ci

zakupu Wyszczególnienie powodów maksymalnie koresponduj cych z czynnikami decyduj cymi o zakupie

Model zachowa

konsumenta Model dyfuzji innowa-

cji (Rogers, 1983) Model dwóch rynków (Moore i McKenna, 2006) ród o: Sekerin, Avramenko, Veselovsky i Aleksakhina (2014).

(5)

ci, a s one w prowadzonych badaniach pozbawione interpretacyjnego sensu. Roz- wi zaniem tych problemów jest zastoso- wanie regresji logistycznej. Jej zalet jest to, e analiza i interpretacja wyników jest podobna do klasycznej metody regresji.

Posiada ona jednak równie ogranicze- nia, do których mo emy zaliczy : bardziej skomplikowane i czasoch onne oblicze- nia czy wyliczanie warto ci i sporz dzanie wykresów reszt, cz sto niewnosz ce nic znacz cego do modelu (Stanisz, 2007).

Pionierami w stosowaniu krzywej logistycznej byli P.F. Verhulst i R.F. Pearl.

Pe ny model zosta zastosowany jednak po raz pierwszy dopiero przez J. Berksona w latach 1944 i 1953 (Berkson, 1944; Berk- son, 1990). W przypadku modelu, w którym zmienna zale na osi ga warto 0 lub 1, warto oczekiwana zmiennej zale nej mo e by interpretowana jako warunkowe prawdopodobie stwo realizacji danego zdarzenia przy ustalonych warto ciach zmiennych niezale nych.

Ogólnie uj wszy, regresja logistyczna jest matematycznym modelem, który mo emy u y w celu opisania wp ywu kilku zmiennych X₁, X₂,..., X_k na dychotomiczn zmienn Y. Gdy wszystkie zmienne niezale ne s jako ciowe, model regresji logistycznej jest równoznaczny z modelem log- liniowym. Dla opisania takiego zjawiska mo na pos u y si równie regresj probi- tow (Gruszczy ski, Kluza i Winek, 2003).

Wspólne za o enia dla tych modeli s nast puj ce (Lipiec-Zajchowska, 2003):

• dane pochodz z próby losowej,

• Y mo e przyjmowa tylko dwie warto ci:

0 lub 1,

• kolejne warto ci Y s statystycznie nieza- le ne od siebie,

• prawdopodobie stwo, e Y=1 zdefi- niowane jest przez NCD (rozk ad nor- malny) dla modelu probit lub LCD (roz- k ad logistyczny) dla modelu logit,

• nie wyst puje idealna zale no liniowa pomi dzy zmiennymi X_i (za o enie o braku wspó liniowo ci zmiennych niezale nych).

Zale no mi dzy warto ciami Logit i Probit:

Probit , Logit

3 1 8

= r =

Szacowanie parametrów w metodach ze zmienn dychotomiczn dokonuje si za

pomoc metody najwi kszej wiarygodno ci.

Zgodnie z jej zasadami poszukuje si wek- tora parametrów a_(k)^ML, który gwarantuje najwi ksze prawdopodobie stwo otrzyma- nia warto ci zaobserwowanych w próbie (Welfe, 1998). Pomimo do skomplikowa- nej procedury MNW zyska a popularno – mo na j bowiem stosowa w przypadku szerokiej gamy modeli, m.in. o zmiennych parametrach, ze z o on struktur opó nie , heteroskedastycznych, a tak e nieliniowych. W asno ci MNW równie w ma ych próbach s w wielu przypadkach lepsze od innych, konkurencyjnych estyma- torów (Welfe, 1998).

W niniejszej pracy zastosowano podej- cie dualne. W przypadku oceny wp ywu typu odbiorcy na zachowania innowacyjne badanych przedsi biorstw pos u ono si modelowaniem probitowym (modele jednoczynnikowe), które pozwoli o precyzyjnie okre li szanse (prawdopodobie stwo) ana- lizowanych zjawisk w dwóch przeciwstaw- nych grupach podmiotów. W zakresie oceny wp ywu ca ego zbioru zmiennych niezale - nych (typów odbiorców) na wybrane para- metry innowacyjne wykorzystano modelow- nie logitowe (modele wieloczynnikowe), które z kolei umo liwi o wygenerowanie ilorazów szans i w konsekwencji sumaryczne porównanie si y wp ywu poszczególnych zmiennych niezale nych w obr bie modelu, jak równie mi dzy nimi.

W obr bie modelu badawczego do grupy zmiennych niezale nych zaliczono sektory gospodarki wed ug sekcji PKD stosowanej przez G ówny Urz d Statystyczny, czyli rolnictwo i rybactwo, górnictwo, przemys , energetyka, budownictwo, handel, transport, gastronomia, finanse i ubezpieczenia, sfer publiczn , edukacj , ochron zdrowia, rozrywk i rekreacj . Zosta y one dodatkowo wzbogacone o odpowied ukierun- kowan na konsumenta finalnego. Zgodnie z metodologi stosowan przez wszystkie kraje OECD (OECD, 2005) do zmiennych zale nych zaliczono natomiast: wielko i struktur nak adów na dzia alno innowacyjn , wdro enia nowych produktów i procesów, a tak e wspó prac w obsza- rze nowych technologii wraz z ich struktur podmiotow . W konsekwencji oszacowano blisko trzysta probitowych modeli jednoczynnikowych, z których jedynie cz uzyska a istotno statystyczn . Ze wzgl du na obj to materii zdecydowano si tylko na ogóln prezentacj wniosków

(6)

dla ca ej zbiorowo ci (pocz tek kolejnego paragrafu) oraz szczegó owe przybli e- nie dwóch skrajnych grup, czyli odbiorcy finalnego oraz odbiorcy przemys owego.

Na ko cu pracy uwzgl dniono wzajemne interakcje wyst puj ce mi dzy zmiennymi niezale nymi, czego konsekwencj jest wie- loczynnikowy model logitowy, który dostar- cza dodatkowych i systemowych mo liwo ci interpretacyjnych.

4. Typ odbiorcy a aktywno

innowacyjna przemys u w Polsce – modele cz stkowe

Przeprowadzone analizy koncentruj si na prezentacji oraz wnioskach, które zosta y sformu owane dla dwóch przeciw- stawnych typów odbiorców – u ytkownika finalnego lub po rednika z obszaru prze- twórstwa przemys owego. Szczegó owe analizy zosta y zrealizowane jednak dla wszystkich grup odbiorców w a cuchu dostaw, zgodnie z obowi zuj c klasyfi- kacj sektorów gospodarki prowadzon przez GUS (PKD). Bior c to pod uwag , najwi cej modeli z parametrami istotnymi statystycznie (jednoczynnikowe modelowanie probitowe) oraz pozytywnym oddzia y- waniem oszacowano dla:

• przetwórstwa przemys owego (17 mo deli, w tym 16 ze znakiem dodatnim),

• transportu i automotive (17 modeli, w tym 17 ze znakiem dodatnim),

• energetyki (15 modeli, w tym 15 ze znakiem dodatnim),

• budownictwa (14 modeli, w tym 14 ze znakiem dodatnim),

• górnictwa i kopalnictwa (12 modeli, w tym 12 ze znakiem dodatnim),

• ochrony zdrowia (9 modeli, w tym 9 ze znakiem dodatnim)

• rolnictwa, rybo ówstwa (7 modeli, w tym 7 ze znakiem dodatnim),

• gastronomii (7 modeli, w tym 6 ze znakiem dodatnim),

• handlu (6 modeli, w tym 5 ze znakiem dodatnim),

• sportu i rekreacji oraz finansów i ubezpiecze (po 5 modeli, w tym 5 ze znakiem dodatnim),

• edukacji (4 modele, w tym 4 ze znakiem dodatnim),

• sfery publicznej (3 modele, w tym 3 ze znakiem dodatnim).

G ównym reprezentantem dla wy ej wskazanych dzia ów gospodarki staje si

tym samym przetwórstwo przemys owe.

Z perspektywy systemowej widzimy jednocze nie, e sfera publiczna (zamówienia publiczne) to jedno z najs abszych ogniw w stymulowaniu innowacji w przemy le krajowym. Odbiorca tego typu, pomimo znacznej si y oddzia ywania na procesy gospodarcze (warto zamówie publicz- nych) w niewielkim stopniu wp ywa na akceleracj procesów innowacyjnych, co nie jest zgodne z tendencjami obserwowanymi w zagranicznych ród ach literaturowych (Sekerin, 2014).

Gdy u ytkownikiem wytwarzanych pro- duktów jest odbiorca finalny, mo na zauwa- y zupe nie inne zachowanie (tabela 2).

W tym przypadku oszacowano dziesi modeli. W dziewi ciu z nich g ówny parametr osi gn znak ujemny, wyj tkiem jest tu jedynie wprowadzanie nowych produk- tów. Oznacza to, e podmioty przemy- s owe zlokalizowane w Polsce, produkuj ce wyroby dla ostatecznego konsumenta, rzadziej realizuj dzia ania innowacyjne (poza nowymi wyrobami) ni przedsi biorstwa maj ce inne typy u ytkowników.

Podmioty przemys owe w Polsce, które dostarczaj swoje produkty ko cowemu konsumentowi, s statystycznie rzadziej zainteresowane wdra aniem ró nych aspektów aktywno ci innowacyjnej, poza nowymi wyrobami. Presja konkurencji by mo e jest za s aba w otoczeniu badanych podmiotów, albo ich umiej tno ci asymila- cji nowych technologii s zbyt ma e. Razem buduj one obraz niskiej dojrza o ci systemowej przedsi biorstw w mo liwo ci wdra- ania nowych technologii, które s gwaran- cj wysokiej konkurencyjno ci oferowanych produktów.

Odmienne zale no ci mo na zauwa y w sytuacji, gdy odbiorc produktów wytwarzanych w krajowym przemy le jest inny podmiot przemys owy (tabela 3). Na osiem- na cie potencjalnych zmiennych wyesty- mowano a siedemna cie modeli istotnych statystycznie (brakuje modelu jedynie dla wspó pracy innowacyjnej z konkurentami), w tym tylko w jednym przypadku parametr ma znak ujemny – nowe produkty.

Szansa na prowadzenie dzia alno ci B+R jest wy sza o 56,2%, a dla inwestycji o 12,2%, w tym nowych budynków o 52,2%, maszyn i urz dze o 15,4% oraz oprogra- mowania komputerowego o 29,8%. Gdy u ytkownikiem ostatecznym jest inny podmiot przemys owy, nowe wyroby wdra a si

(7)

o 8,9% rzadziej, ale ju nowe procesy technologiczne o 11,4% cz ciej, w tym bezpo- rednio produkcyjne o 26,7%, systemy oko- oprodukcyjne o 25,8% i wsparcia o 50,0%.

W zakresie kooperacji innowacyjnej tak e mo na zauwa y silne, jednokierunkowe i pozytywne tendencje. Szanse absolutne na wspó prac ze sfer nauki s jednak bardzo niskie.

Organizacje, które s po rednim ogniwem dostaw przemys owych cz ciej realizuj aktywno innowacyjn ni te, które dzia aj na rynku detalicznym. Prawid owo-

ci te maj charakter systemowy i dotycz wszystkich poza jedn rozpatrywan p asz- czyzn odniesienia (nowych wyrobów). Zja- wisko to jest silne i powszechne, a przedsi biorstwa te osi gn y wysok zdolno konkurencyjn , dzia aj c cz sto na rzecz odbiorcy przemys owego funkcjonuj cego na rynku mi dzynarodowym. Procesy tam generowane maj charakter popytowy i zwi zane s z wysokimi wymogami jako-

ciowo-ilo ciowych konsumentów. Mo na postawi tez , i podmioty przemys owe funkcjonuj ce w Polsce na tym etapie rozwoju nie s w stanie konkurowa na rynku z bardziej do wiadczonymi, rozwini tymi technologicznie przedsi biorstwami, lecz

mog wiele si od nich nauczy , wchodz c z nimi we wspó prac produkcyjn . Nasz kraj znajduje si na etapie okre lanym jako zale no technologiczna wymuszona przez odbiorców przemys owych, z niewielkimi szansami na zmian sytuacji w kierunku strategii na ladowczej w najbli szej przy- sz o ci, nie wspominaj c o defensywnej.

5. Typy odbiorców a aktywno innowacyjna przemys u w Polsce – model systemowy

Po analizie modeli jednoczynnikowych zdecydowano si na prób uwzgl dnienia systemowych interakcji mi dzy zmiennymi niezale nymi. Na pocz tkowym etapie wykorzystano metod regresji wielo- krotnej krokowej brzegowej post puj cej i zidentyfikowano zmienne, które spe niaj kryterium istotno ci statystycznej. Na tej podstawie wybrane zmienne przeniesiono do regresji logistycznej, za pomoc któ- rej okre lono ilorazy szans wyst powania dzia alno ci innowacyjnej, wykluczaj c albo mocno ograniczaj c wyst powanie autoko- relacji mi dzy zmiennymi niezale nymi.

Warto addytywna takiego podej cia to mo liwo zestawienia oraz komparatystyki

Tabela 2. Modele jednoczynnikowe ze zmienn niezale n „sprzeda finalnemu u ytkownikowi”, w mode- lach probitowych opisuj cych innowacyjno ci przemys u w Polsce (modele istotne statystyczne)

Atrybut innowacyjno ci Para- metr

standar-B d dowy

Test Walda

Chi- kwa-

drat P>|z| p₁ p ₂ Nak ady na dzia alno B+R –,192 0,0360 –5,348 28,60 0,00 0,32 0,39 Inwestycje w dotychczas

niestosowane (w tym): –,120 0,0380 –3,160 9,94 0,00 0,74 0,77 a) nowe budynki i budowle –,210 0,0380 –5,480 30,29 0,00 0,22 0,28 Oprogramowanie komputerowe –,237 0,0355 –6,680 44,63 0,00 0,56 0,65

Nowe wyroby +,114 0,0350 3,260 10,53 0,00 0,58 0,53

Procesy technologiczne –,096 0,0370 –2,560 6,57 0,01 0,71 0,74 Wspó praca z PAN –,202 0,0920 –2,190 4,96 0,03 0,01 0,02 Wspó praca ze szko ami wy szymi –,314 0,0650 –4,800 23,98 0,00 0,03 0,06 Wspó praca z krajowymi JBR-ami –,229 0,0520 –4,420 19,86 0,00 0,06 0,10 Wspó praca innowacyjna ogó em –,188 0,0350 –5,340 28,47 0,00 0,39 0,46 p1 – prawdopodobie stwo wyst pienia danego zjawiska w badanej grupie przedsi biorstw

p2 – prawdopodobie stwo wyst pienia danego zjawiska w pozosta ej grupie przedsi biorstw ród o: opracowanie w asne na podstawie autorskich bada ankietowych.

(8)

jednocze nie wszystkich grup odbiorców, zarówno w pionie (w obr bie modelu), jak i poziomie (pomi dzy modelami).

Zdo ano wyestymowa pi wieloczyn- nikowych modeli istotnych z perspektywy badania, opisuj cych aktywno innowacyjn przez pryzmat dzia alno ci B+R, maszyn i urz dze , nowych produktów i procesów technologicznych oraz wspó - pracy innowacyjnej. Wszystkie modele osi - gn y wysokie stopnie istotno ci, jednak s wewn trznie zró nicowane je eli chodzi o wp yw typu u ytkownika na procesy innowacyjne.

Mo na na pocz tku dostrzec dwie grupy prawid owo ci. Pierwsza jest zwi zana z nowymi produktami, a druga – z pozo-

sta ymi dzia aniami innowacyjnymi cznie.

Podmioty, w których wdro ono produkcj nowych wyrobów, najcz ciej dzia aj na rzecz sektora rozrywki i rekreacji (szanse wy sze o 35,7%). Istotnymi odbiorcami s podmioty funkcjonuj ce w energetyce (o 31,6%), sektor publiczny (o 24,1%), handel (20,5%), konsument kra cowy (19,9%) i gastronomia (17,2%). Powy sze grupy odbiorców pozytywnie wp ywaj na wprowadzanie nowych wyrobów w badanych podmiotach przemys owych. Inne

cznie obni aj mo liwo ci realizacji takiego rozwi zania o 6,4% (wyraz wolny), ale najsilniej, je eli dzia aj na rzecz sektora finansowo-ubezpieczeniowego. Wtedy prawdopodobie stwo kreowania nowych

Tabela 3. Modele jednoczynnikowe ze zmienn niezale n „odbiorca przemys owy”, w modelach probitowych opisuj cych innowacyjno ci przemys u w Polsce (modele istotne statystyczne)

Atrybut innowacyjno ci Para- metr

standar-B d dowy

Test Walda

kwa-Chi-

drat P>|z| p₁ p ₂ Nak ady na dzia alno B+R +,474 0,0425 11,14 124,03 0,00 0,50 0,32 Inwestycje w dotychczas

niestosowane (w tym): +,339 0,0490 6,90 49,28 0,00 0,83 0,74 a) nowe budynki i budowle +,338 0,0440 7,67 58,07 0,00 0,35 0,23 b) w maszyny i urz dzenia

techniczne +,276 0,0450 6,11 37,91 0,00 0,75 0,65

Oprogramowanie komputerowe +,476 0,0450 10,56 115,23 0,00 0,74 0,57

Nowe wyroby –,119 0,0420 –2,81 7,89 0,00 0,51 0,56

Procesy technologiczne, w tym: +,360 0,0480 7,51 58,37 0,00 0,82 0,70 a) procesy produkcyjne +,301 0,0420 7,11 50,77 0,00 0,57 0,45 b) systemy oko oprodukcyjne +,230 0,0430 5,35 28,45 0,00 0,39 0,31 c) systemy wsparcia +,334 0,0440 7,51 55,71 0,00 0,33 0,22 Wspó praca z dostawcami +,241 0,0440 5,45 29,45 0,00 0,32 0,24 Wspó praca z PAN +,267 0,0950 2,80 7,45 0,01 0,02 0,01 Wspó praca ze szko ami wy szymi +,562 0,0650 8,68 72,12 0,00 0,09 0,03 Wspó praca z krajowymi JBR-ami +,437 0,0550 7,93 60,65 0,00 0,14 0,07 Wspó praca z zagranicznymi

jednostkami nauki +,290 0,0870 3,31 10,45 0,00 0,03 0,02 Wspó praca z odbiorcami +,385 0,0450 8,52 71,66 0,00 0,30 0,19 Wspó praca innowacyjna ogó em +,413 0,0430 9,72 95,19 0,00 0,56 0,40 p1 – prawdopodobie stwo wyst pienia danego zjawiska w badanej grupie przedsi biorstw

p2 – prawdopodobie stwo wyst pienia danego zjawiska w pozosta ej grupie przedsi biorstw ród o: opracowanie w asne na podstawie autorskich bada ankietowych.

(9)

wyrobów spada o 0,26 pp. Przedsi biorstwa przemys owe oferuj nowe produkty na silnie zdywersyfikowanych rynkach, które w niewielkim zakresie powi zane s z przemys em.

Ze wszystkich rozwa anych obszarów aktywno ci innowacyjnej najsilniej zdeterminowana typem odbiorcy jest dzia alno B+R. Jest ona prowadzona w przedsi bior-

stwach produkuj cych dla innych sektorów gospodarki. Najcz ciej w B+R inwestuj organizacje, dla których odbiorc jest prze- twórczo przemys owa. Aby realizowa dzia ania w sferze B+R, badane przedsi - biorstwa powinny by po rednim ogniwem w przemys owym a cuchu dostaw. Szanse na takie dzia ania rosn wtedy o 86,6% i jest to najwy szy iloraz ze wszystkich wyestymo-

Tabela 4. Zale no mi dzy typem odbiorcy a kluczowymi obszarami aktywno ci innowacyjnej prze- mys u w Polsce – wieloczynnikowe modelowanie logitowe

Zmienna B+R Maszyny

i urz dzenia Nowe

wyroby Nowe

procesy Wspó praca innowacyjna

Górnictwo 1,281

(**) --- --- --- 1,337

(**)

Przemys 1,868

(***)

1,411

(***) --- 1,802

(***)

1,685 (***)

Energetyka 1,660

(***) 1,668

(***) 1,316

(**) 1,500

(***) 1,435

(***)

Budownictwo 1,211

(***)

1,429

(***) --- 1,448

(***)

1,171 (**)

Handel --- --- 1,205

(***)

1,430 (***)

1,132 (**)

Transport 1,317

(***)

1,239

(**) --- 1,329

(***)

1,317 (***)

Gastronomia --- --- 1,172

(**) --- ---

Finanse

i ubezpieczenia --- --- 0,737

(**) --- ---

Sfera publiczna --- --- 1,241

(***) --- ---

Ochrona zdrowia 1,373

(***) --- --- --- 1,309

(**) Rozrywka i rekreacja --- --- 1,357

(***) 1,532

(***) ---

Konsument ko cowy --- --- 1,199

(***) --- 0,884

(**)

Sta a 0,408

(***)

1,671 (***)

0,936 (***)

1,695 (***)

0,584 (***)

Wielko próby 5209 5209 5209 5209 5209

Chi2 193,32 94,929 58,892 156,13 158,39

Warto p 0,00 0,00 0,00 0,00 0,00

(***) – istotno na poziomie 1%, (**) – istotno na poziomie 5%, (*) – istotno na poziomie 10%.

ród o: opracowanie w asne na podstawie autorskich bada ankietowych.

(10)

wanych modeli. Wa nym i mocnym stymulatorem do anga owania si w dzia alno B+R mog by równie odbiorcy z sektora energetycznego (wzrost szans o 37,3%), ochrony zdrowia (o 37,3%), transportowego i automotive (o 31,7%), górnictwa (o 28,1%) i budownictwa (o 21,2%). Bierny transfer technologii, zwi zany z zakupem maszyn i urz dze , wywo uje podobne prawid owo ci jak w przypadku sfery B+R.

Sk onno do kupowania nowoczesnych rodków produkcji ro nie w przypadku, gdy klientem wytwarzanych produktów jest sektor energetyczny (wzrost o 66,8%), budownictwo (o 42,9%), przetwórstwo przemys owe (o 41,1%) i transport oraz automotive (23,9%). Nowe procesy technologiczne s silnie i pozytywnie deter- minowane typem klientów w badanych jednostkach przemys owych. Wytwórczo przemys owa jest ponownie najsilniejszym stymulatorem i zwi ksza szanse o 80,2%

na wdra anie nowych technologii. Wa nym warunkiem kreowania nowych technologii w Polsce jest produkcja na rzecz innych przedsi biorstw przemys owych. Koniecz- nie trzeba jednak zauwa y , i szanse na takie wdro enie s tak e wysokie w pozosta ych przedsi biorstwach.

Uzyskane wyniki bada mo na zinter- pretowa horyzontalnie i wtedy nasuwa si wniosek, e najcz ciej do dzia alno ci innowacyjnej przyczyniaj si klienci z sektora energetycznego, ale najsilniej z prze- twórstwa przemys owego. Wspomagani s odbiorcami z obszaru transportu i automotive, budownictwa, a nast pnie handlu, rozrywki i rekreacji, ochrony zdrowia oraz górnictwa. Negatywny wp yw wyst puje ze strony sektora finansów i ubezpiecze (nowe wyroby), a tak e w sytuacji, kiedy klient jest jednocze nie u ytkownikiem finalnym (wspó praca innowacyjna).

Reasumuj c: modele wieloczynnikowe pokaza y zagregowany i ró nokierunkowy wp yw wybranych typów klientów na kluczowe obszary aktywno ci innowacyjnej w krajowym przemy le. Zidentyfikowano specyfik oraz po rednio stan zaawanso- wania i dojrza o ci technologicznej badanych podmiotów, co mo e by podstaw do formu owania wniosków. Po pierwsze, charakter odbiorcy silnie determinuje procesy innowacyjne w polskim systemie przemy- s owym. Po drugie, zbli one wyniki zosta y uzyskane dla poszczególnych atrybutów innowacyjno ci, jak aktywne tworzenie

technologii, pasywny jej transfer, wprowadzanie nowych procesów oraz wspó praca z tym zwi zana, a odmienne dla nowych produktów. Trzeba jednak zauwa y , e ostatnie lata wskazuj , i w Polsce nowa wiedza jest cz ciej implementowana do procesów produkcyjnych, ni wyrobów, co mo na potwierdzi danych GUS (GUS, 2015). Po trzecie, w krajowym przemy le dzia alno innowacyjna jest realizowana wtedy, gdy ten dzia a na rzecz innych przedsi biorstw przemys owych. Badane jednostki powinny zatem funkcjonowa jako poddostawca dla innych podmiotów w ramach przemys owego a cucha dostaw.

Jest to najsilniejszy zaobserwowany czynnik, który odpowiada za akceleracj pro- cesów innowacyjnych w Polsce. Istotn , ale mniej wa n rol odgrywaj klienci z sektora rozrywki i rekreacji, ochrony zdrowia, transportu i automotive oraz budownictwa.

Po czwarte, najwy sze ilorazy szans zosta y osi gni te dla dzia alno ci B+R, co jedno- znacznie pokazuje, e w Polsce ta aktywno koncentruje si i jest silnie zdeterminowana typem odbiorcy. Jednocze nie poza przemys em, budownictwem, transportem i ochron zdrowia aktywno badawczo- rozwojowa jest bardzo s aba. Wsparcie powinno koncentrowa si zatem na wskazanych grupach (polityka selektywna).

5. Podsumowanie

Przeprowadzone analizy probitowa i logitowa da y wiele wzajemnych, kohe- rentnych oraz interesuj cych wniosków dotycz cych wp ywu typu odbiorcy na zachowania innowacyjne przemys u w Pol- sce. Wskazuj one na to, gdzie szuka sil- nych stron badanych podmiotów, na jakim etapie rozwoju si one znajduj , w jakim kierunku pod aj (ewolucja systemowa), gdzie koncentrowa wsparcie. Dzi ki nim mo na równie wskaza stopie dyferen- cjacji krajowych warunków gospodarowania w odniesieniu do bardziej rozwini tych pa stw, a tym samym nieadekwatno zastosowania tych samych mechanizmów akceleracji procesów technologicznych.

W polskim przemy le aktywno innowacyjna jest silnie zdeterminowana cha- rakterystyk klientów, co mo e wiadczy o wyst powaniu popytowego modelu procesów tworzenia nowych technologii w badanych podmiotach. Zaobserwowane tendencje dotycz finansowania, imple-

(11)

mentacji nowych rozwi za , a tak e kooperacji z nimi zwi zanej.

Analiza probitowa pozwoli a na ukaza- nie dwóch skrajnie odmiennych interakcji, które mo na zaobserwowa w polskim przemy le. Po pierwsze, gdy odbiorc dla badanych przedsi biorstw jest finalny u ytkownik, wtedy szanse rozwijania nowych technologii malej (poza nowymi produktami). Druga sytuacja ukazuj ca przeciwne zjawisko jest wtedy, gdy rozpatruje si relacje z odbiorc przemys owym. Wów- czas aktywno innowacyjna intensywnie ro nie. Krajowy przemys , który wyst puje w roli ostatecznego ogniwa dostaw, oka- zuje si zatem ma o innowacyjny. Gdy jest po rednim elementem w a cuchu, wtedy intensywno innowacyjna szybko ro nie.

wiadczy to o tym, e polski system przemys owy nie osi gn jeszcze dojrza o ci technologicznej, która mog aby by porów- nywalna z innymi krajami.

Modelowanie logitowe, przeprowadzone dla ca ego systemu przemys owego, pozwoli o na wyci gni cie wniosków potwierdza- j cych silne oparcie innowacyjne polskich organizacji na odbiorcach przemys owych.

Wszechobecna skala negatywnego oddzia- ywania u ytkownika ko cowego nie uzyska a jednak potwierdzenia. Przedsi biorstwa wprowadzaj ce nowe produkty maj znacznie bardziej zró nicowanych odbior- ców, cho si a ich pozytywnego wp ywu nie jest a tak silna jak w innych aspektach dzia alno ci innowacyjnej.

Najszybszy wzrost szans na nowe technologie wyst puje wtedy, gdy odbiorcy anali- zowanych jednostek gospodarczych nale do przetwórstwa przemys owego, energetyki, budownictwa, sektora transportowego i autmotive, handlu, górnictwa i ochrony zdrowia. Bior c jednak e pod uwag rodzaje aktywno ci innowacyjnej, to wysokie szanse mo na zauwa y dla sfery B+R, nowych procesów technologicznych, stosowania nowych maszyn i urz dze czy wspó pracy innowacyjnej. Kategoria nowych produk- tów nie jest zbie na z tym trendem. Polityka innowacyjna powinna zatem w tej dziedzinie skupia si na organizacjach, które s pod- wykonawcami dla innych przedsi biorstw, w tym przede wszystkim szeroko poj tego przemys u. Pozytywnie oceniona zosta a równie rola przemys u realizuj cego produkcj na rzecz sektora ochrony zdrowia.

Podsumowuj c: hipoteza postawiona na pocz tku opracowania nie zosta a zwery-

fikowana pozytywnie. Pomimo e badane podmioty dystrybuuj swoje produkty g ów- nie ostatecznemu klientowi, ich aktywno innowacyjna jest niska. Ich umiej tno ci asymilacyjne wiedzy nie s wystarczaj ce, natomiast zmiany stosowanych technologii cz sto wymuszone przez g ównego u ytkownika, szczególnie odbiorc przemys owego. Aktualne zaawansowanie technologiczne przedsi biorstw w Polsce utrudnia im zatem skuteczne konkurowa- nie na rynku zagranicznym. Krajowa polityka innowacyjna powinna koncentrowa si na organizacjach, które s po rednim ogniwem w a cuchu dostaw. Nale y przy tym prowadzi dalsze badania nad przy- czynami niskiej innowacyjno ci przedsi - biorstw tworz cych rozwi zania skierowane dla ostatecznego u ytkownika.

Przypis

1 Ze wzgl du na stricte i w ca o ci odtwórczy charakter zastosowanej metodologii ekonometrycz- nej autorzy postanowili przytoczy wcze niej opu- blikowane fragmenty prac A. wiadka ( wiadek, 2011; wiadek, 2008), wzbogaconych o specyfik wynikaj c z prezentowanej materii badawczej.

Bibliografia

Adler, P.S. (1995). Interdepartmental interdepen- dence and coordination: The case of the design/

manufacturing interface. Organization Science, 6(2), 147–167. http://dx.doi.org/10.1287/orsc.6.2.147 Aghion, P. i Jaravel, X. (2015). Knowledge Spill- overs, Innovation and Growth. The Economic Jour- nal, 125(583), 533–573. http://dx.doi.org/10.1111/

ecoj.12199

Anderson, E.W., Fornell, C. i Lehmann, D.R.

(1994). Customer satisfaction, market share, and profitability: Findings from Sweden. The Journal of Marketing, 58(3), 53–66.

Bain & Company (2013). Open Innovation, Man- agement Tools 2011, 8 maja. Pozyskano z: http://

www.bain.com/publications/articles/management- tools-open-innovation.aspx (8.04. 2015).

Berkson, J. (1944). Application of the logistic func- tion to bio-assay. Journal of American Statistic Asso- ciation, 39, 357–365.

Berkson, J. (1990). Maximum likelihood in the Phar- maceutical Science. New York: Marcel Dekker.

Boaz, N., Murnane, J. i Nuffer, K. (2010). The Basics of Business-toBusiness sale success. Pozy- skano z: www.mckinsey.com

Bustinza, O.F., Parry, G. i Vendrell-Herrero, F.

(2013). Supply and demand chain management:

(12)

The effect of adding services to product offerings.

Supply Chain Management: An International Jour- nal, 18(6), 618–629. http://dx.doi.org/10.1108/SCM- 05-2013-0149

Cambra-Fierro, J.J. i Polo-Redondo, Y. (2008).

Creating satisfaction in the demand-supply chain:

the buyers’ perspective. Supply Chain Management:

An International Journal, 13(3), 211–24. http://

dx.doi.org/10.1108/13598540810871253

Christopher, M. (2005). Logistics and Supply Chain Management: Creating Value-Adding Networks. NY:

Pearson Education.

Dixon, M. i Adamson, B. (2012). The One Kind of Sales Rep Who Does Best at B2B. Forbes. Pozys- kano z: www.forbes.com

Ellinger, A., Shin, H., Northington, W.M., Adams, F.G., Hofman, D. i O’Marah, K. (2012). The influence of supply chain management compe- tency on customer satisfaction and shareholder value. Supply Chain Management: An Interna- tional Journal, 17(3), 249–262. http://dx.doi.

org/10.1108/13598541211227090

Faems, D., Van Looy, B. i Debackere, K. (2005).

Interorganizational collaboration and innovation:

toward a portfolio approach*. Journal of product innovation management, 22(3), 238–250. http://

dx.doi.org/10.1111/j.0737-6782.2005.00120.x Gemünden, H.G., Ritter, T. i Heydebreck, P.

(1996). Network configuration and innovation success: An empirical analysis in German high-tech industries. International Journal of Research in Mar- keting, 13(5), 449–462, http://dx.doi.org/10.1016/

S0167-8116(96)00026-2

Geronikolaou G., Mourmouris I. (2015). On the Effect of Technological Gap on International Patenting: A Multi-Criteria Approach. British Journal of Economics, Management & Trade, 6(4):

256–261.

Green, K.W., McGaughey, R. i Casey, K.M.

(2006). Does supply chain management strategy mediate the association between market orien- tation and organizational performance?, Sup- ply Chain Management: An International Jour- nal, 11(5), 407–414. http://dx.doi.org/10.1108/

13598540610682426

Griffin, A. i Hause, J.R. (1996). Integrating R&D and marketing: a review and analysis of the lit- erature. Journal of Product Innovation Management, 13(3), 191–215. http://dx.doi.org/10.1111/1540- 5885.1330191

Gruszczy ski, M., Kluza, S. i Winek, D. (2003).

Ekonometria. Warszawa: WSHiFM.

Guo, C. i Wang, Y. (2015). How manufacturer market orientation influences B2B customer satisfaction and retention: empirical investigation of the three market orientation components. Journal of Business & Industrial Marketing, 30(2), 182–193.

http://dx.doi.org/10.1108/JBIM-03-2012-0042

GUS (2015). Bank danych lokalnych. Pozyskano z:

www.stat.gov.pl (10.04.2015).

Hagedoorn, J. (1993). Understanding the ratio- nale of strategic technology partnering: Interor- ganizational modes of cooperation and sectoral differences. Strategic Management Journal, 14(5), 371–385. http://dx.doi.org/10.1002/smj.4250140505 Holmström, J., Brax, S. i Ala-Risku T. (2010).

Comparing provider-customer constellations of visibility-based service. Journal of Service Mana- gement, 21(5), 675–692. http://dx.doi.org/10.1108/

09564231011079093

Kotler, P. (2003). Marketing management. Interna- tional Edition. N.J.: Prentice Hall.

Laugen, B.T. i Lassen A.H. (2012). Collaborative innovation: Internal and external involvement in new product development. W: J. Frick i B.T. Lau- gen (red.), Advances in Production Management Sys- tems. Value Networks: Innovation, Technologies, and Management (458–469). Springer Berlin Heidelberg.

http://dx.doi.org/10.1007/978-3-642-33980-6_50 Lipiec-Zajchowska, M. (red.) (2003). Wspomaganie procesów decyzyjnych. Ekonometria. Warszawa:

Wydawnictwo C.H. Beck.

Moore, G.A. i McKenna, R. (2006). Crossing the Chasm: Marketing and Selling High-Tech Products to Mainstream Customers. NY: Harper Business Essential.

OECD (2005), Podr cznik Oslo. Zasady groma- dzenia i interpretacji danych dotycz cych innowacji.

Wydanie trzecie. Paris.

Parry, G., Bustinza, O.F. i Vendrell-Herrero, F.

(2012). Servitisation and value coproduction in the UK music industry: an empirical study of consumer attitudes. International Journal of Production Eco- nomics, 135(1): 320–332. http://dx.doi.org/10.1016/j.

ijpe.2011.08.006

Powell, W.W., Koput, K.W. i Smith-Doerr, L.

(1996). Interorganizational collaboration and the locus of innovation: Networks of learning in bio- technology. Administrative Science Quarterly, 41(6), 116–145. http://dx.doi.org/10.2307/2393988

Rodrigues, L.C. i Riccardi, R. (2007). Inteligência Competitiva – nos negócios e organizações, Com- petitive Intelligence – in business and organizations.

Maringá (PR): Unicorpore.

Rogers, E.M. (1983). Diffusion of Innovation. NY:

The Free Press.

Rothwell, R. (1994). Issues in user–producer rela- tions in the innovation process: the role of govern- ment. International Journal of Technology Manage- ment, 9(5), 629–649.

Sekerin, V.D., Avramenko S.A., Veselovsky, M.Y.

i Aleksakhina, V.G. (2014). B2G Market: The Essence and Statistical Analysis. World Applied Sci- ences Journal, 31(6), 1104–1108.

(13)

Stanisz, A. (2007). Przyst pny kurs statystki. Tom 2.

Kraków: Statsoft.

Suominen, V.M., Kytölä, J. i Naaranoja, M. (2015).

Customer–oriented product development process in B2B industry. International Journal of Technology Marketing, 10(1), 47–66. http://dx.doi.org/10.1504/

IJTMKT.2015.066075

The Differences Between B2B and B2C Research (2013). B2B International, www.b2binternational.com von Hippe E., de Jong, J.P.J. i Flowers, S. (2012).

Comparing Business and Household Sector Inno- vation in Consumer Products: Findings from a Rep- resentative Study in the United Kingdom. Man-

agement Science, 58(9), 1669–1681. http://dx.doi.

org/10.1287/mnsc.1110.1508

Weinstein, A. (2012). Superior Customer Value:

Strategies for Winning and Retaining Customers, 3rd edition. Boca Raton: CRC Press.

Weinstein, A., Jin, Y. i Barrett, H. (2013). Strategic Innovation in B2B Technology Markets: A Need for a Process Perspective. Journal of Supply Chain and Operations Management, 11(1), 64.

Welfe, A. (1998). Ekonometria. Warszawa: PWE.

Zelia , A., Pawe ek, B. i Wanat, S. (2004). Progno- zowanie ekonomiczne. Teoria. Przyk ady. Zadania.

Warszawa: Wydawnictwo Naukowe PWN.