A magyarországi és nemzetközi kutatásfejlesztési és innovációs teljesítmény mérési...
-
Upload
uni-miskolc -
Category
Documents
-
view
0 -
download
0
Transcript of A magyarországi és nemzetközi kutatásfejlesztési és innovációs teljesítmény mérési...
69
MOLNÁR LÁSZLÓ
A magyarországi és nemzetközi kutatás-fejlesztési és in-novációs teljesítmény mérési módszerei6
A kutatás-fejlesztési aktivitás mérése makro- és mikrogazdasági szinten egyaránt fontos helyet foglal el a stratégiai célok elérésének értékelésé-ben, a versenyképesség, a kutatás-fejlesztési és innovációs tevékenység és teljesítmény minősítésében. Tanulmányunkban megkülönböztetünk egy „nemzetközi, makrogazdasági és regionális” szintet, amely elsősorban országcsoportok, nemzetgazdaságok és kisebb területi egységek aggregált teljesítményének értékelésével foglalkozik, valamint egy „vál-lalati és projekt” szintet, amely gazdasági társaságok, közfinanszírozású intézmények, non-profit szervezetek, valamint K+F és innovációs projek-tek (termék- vagy szolgáltatásfejlesztés) mérési módszereit vizsgálja – külön hangsúlyt fektetve az egyes módszerek erős és gyenge pontjaira, alkalmazásának általános és speciális feltételeire, szabályaira. A tanul-mány végén pedig bemutatásra kerül a K+F Aktivitás Mátrix, amely ez utóbbi, mikroszintű vizsgálatok során nyújthat segítséget, támogatást a döntéshozóknak.
1. Nemzetközi, makrogazdasági és regionális szint
A kutatás-fejlesztési és innovációs tevékenység és teljesítmény makro-szintű mérése régóta foglalkoztatja a politikai döntéshozókat és a közvé-leményt. Az elvárásoknak megfelelően kísérletek sokasága történt a mi-nél relevánsabb, pontosabb (könnyebben összehasonlítható, teljesebb, stb.) módszerek kidolgozására. A nemzetközi szervezetek és a különbö-ző nemzetállamok tudomány- és technológiapolitikai irányító intézmé-nyeinek ez irányú tevékenysége közül az OECD és holdudvarának mun-kássága vitathatatlan érdemekkel járult ehhez hozzá az elmúlt mintegy harminc évben (Gibbonsés Georghiou, 1987; OECD, 1997, 2007) − elég csak a hatodik kiadást megélt Frascati-kézikönyvre (Frascati Manual)
6 A bemutatott kutató munka a TÁMOP-4.2.1.B-10/2/KONV-2010-0001 jelű projekt
részeként az Európai Unió támogatásával, az Európai Szociális Alap társfinan-szírozásával valósul meg.
70
(OECD, 2002) gondolni, amelyet a mai napig széleskörű szakmai elis-mertség övez. Vizsgálatunkat azonban nem szűkítjük le az OECD aján-lásaira, metodológiájára, hanem igyekszünk minél átfogóbb képet adni a jelenkor elméleti és gyakorlati alapvetéseiről. A mérési módszereket jellegüknél fogva és az alkotói szabadság fenntartása mellett négy cso-portba soroltuk. Megkülönböztetünk tematizált mutatószámokat, a muta-tószám-csoportokat egyszerre kezelő eredménytáblákat, a mutatószám-okból képzett összetett mutatókat (kompozit indikátorokat) és komplex értékelési eljárásokat (mérési modelleket).
1. ábra. Nemzetközi, makrogazdasági és regionális szintű mérési módszerek
Forrás: Saját szerkesztés
1.1. Mutatószámok
A következő részben azokat a mutatókat mutatjuk be, amelyek nemzet-közi, makro-gazdasági és regionális szinten a kutatás-fejlesztés mérésére a leginkább alkalmasak, a bemeneti és a kimeneti oldalról viszonylag megbízható képet adnak, az országok széles körére és hosszabb időtávra rendelkezésre állnak. Kritika velük szemben, hogy valóban pontos mé-résre nem mindig használhatók és nem mindig pontosan a kutatás-fejlesztést mérik (Török, 2006).
A kutatás-fejlesztés személyi állományának nemzeti összesítő mérése a kutatás-fejlesztésben foglalkoztatott személyek tényleges összlétszáma
71
és az ország területén a kutatás-fejlesztési tevékenységre fordított összes teljesmunkaidő-egyenérték (full-time equivalent, FTE) jelzésére ajánlott (OECD, 2002).
A kutatás-fejlesztés személyi állományának gyakorlatban alkalmazott mérőszáma a tízezer foglalkoztatottra számított kutatói létszám, amely alapján az országok három csoportba sorolhatók:
„Vezetők”: azokból az országokból áll, ahol tízezer foglalkoztatottra több mint hatvan olyan dolgozó jut, akik a kutatás-fejlesztés különböző területein tevékenykednek.
„Követők”: azok az országok tartoznak ebbe a csoportba, ahol a tíz-ezer alkalmazottra számított kutató-fejlesztő létszám harminc felett, de hatvan alatt van.
„Középmezőny”: azok az országok alkotják ezt a kategóriát, ahol a kutató-fejlesztő létszám több mint tíz, de kevesebb mint harminc, tízezer foglalkoztatottra számítva (Török, 2006).
„A bruttó hazai K+F ráfordítások (gross domestic expenditure on R&D, GERD) kifejezésen azt az összeget értjük, amely valamely ország saját nemzeti határain belül egy meghatározott időszakban „falakon belüli” K+F végrehajtására fordít” (OECD, 2002, 101. old.) A GERD magába foglalja az országon belül végrehajtott és a külföldről finanszí-rozott kutatást, de nem tartalmazza a külföldön végrehajtott kutatás-fejlesztési munkáért nyújtott kifizetéseket. A GERD kiszámítása úgy történik, hogy összeadják a kutatás-fejlesztést végző szektorok összes, falakon belüli kutatás-fejlesztési ráfordításait (OECD, 2002). A gyakor-latban azonban – különösen a nemzetközi összehasonlításokban – a brut-tó hazai termékhez viszonyítva alkalmazzák. A GERD/GDP értékei alap-ján az országok öt csoportba sorolhatók:
„Vezetők” (GERD/GDP > 2 százalék): ezek az országok alapvetően meghatározzák az alapkutatás, az alkalmazott kutatás és a kísérleti fej-lesztés nemzetközi irányzatait.
„Követők” (2 százalék > GERD/GDP > 1 százalék): ezek a fejlett or-szágok inkább a kínálati oldalon játszanak fontos szerepet a kutatás-fejlesztés eredményeinek piacán.
„Középmezőny” (1 százalék > GERD/GDP > 0,5 százalék): ezek az országok inkább alkalmazókként vesznek részt nemzetközi kutatás-fejlesztési kooperációban.
72
„Marginálisak” (0,5 százalék > GERD/GDP > 0,2 százalék): ezen országok kutatás-fejlesztési aktivitásának eredményei nemzetközi szin-ten alig észrevehetők.
„Szubmarginálisak” (0,2 százalék > GERD/GDP): a nemzetközi ku-tatás-fejlesztési statisztikákban – néhány esettől eltekintve – gyakorlati-lag nem szereplő országok (Török, 2006).
A kormányok K+F ráfordításait kétféle módon lehet mérni. Az első módszer az, amikor felmérést végeznek a K+F tevékenységet folytató szervezetek (akadémiai, felsőoktatási és vállalkozások) körében, hogy megállapítsák a K+F ráfordításukon belül az állami finanszírozás hánya-dát. Ezt az összeget állami finanszírozású bruttó hazai K+F ráfordításnak (government-financed GERD) nevezik. A másik módszert a kutatás-fejlesztéshez nyújtott állami támogatások mérésére a költségvetésből kigyűjtött adatok alapján fejlesztették ki. Ez lényegében abban áll, hogy minden kutatás-fejlesztéssel kapcsolatos költségvetési tételt beazonosíta-nak, és felmérik vagy megbecsülik ezek kutatás-fejlesztési tartalmát a finanszírozás szempontjából. Ezeket a költségvetési adatokat nevezik hivatalosan állami költségvetési K+F előirányzatoknak vagy kiadások-nak (government budget appropriations or outlays for R&D, GBAORD) (OECD, 2002).
A szabadalom valamely műszaki találmányra vonatkozó tulajdonjog, amelyet egy ország szabadalmi hivatala adhat ki egyéneknek vagy szer-vezeteknek. A találmánynak újszerűnek kell lennie, nem nyilvánvaló ötletből fakadó technikai lépést kell tartalmaznia és iparilag alkalmazha-tónak kell lennie (OECD, 2009). A gyakorlatban a szabadalmak orszá-gonkénti számát használják általában egyetlen szabadalmi mutatóként. A szabadalmi mutató előnyeit, hogy a kutatás-fejlesztési vagy innovációs teljesítmény mérésére általánosan elterjedt, kevesen vitatják a szakiroda-lomban, és így az innováció legjobb közelítő mutatójának tekinthető, és egyelőre nem ismert jobb megoldás erre a feladatra (Török, 2006). To-vábbi előnye, hogy a technológiai függőség, a behatolás és a technoló-giaterjedés mindama változásainak azonosítására is felhasználják, ame-lyek az országok, az iparágak, a vállalatok és a technológiák terén a fel-találói tevékenység struktúrájában és fejlődésében bekövetkeztek (OECD, 2002). A szabadalmak országonkénti számának hátránya, hogy nem lehet sem tisztán kutatás-fejlesztési, sem tisztán innovációs mutató-nak tekinteni, inkább a találmányokat, mint az innovációkat tükrözi, önmagában nem mond semmit a mögötte álló találmányok vagy innová-
73
ciók értékéről és sok jogtulajdonos eleve el is tekint a szabadalmi be-jegyzéstől (Török, 2006). További hátránya, hogy a bejelentett vagy megadott szabadalmak száma önmagában nehezen értelmezhető, ezért a szabadalmak számát csak más indikátorokkal együtt lehet használni (OECD, 2002).
A technikai fizetési mérleg (technology balance of payments, TBP) az ipari tulajdon és a know-how nemzetközi áramlását követi nyomon, tar-talmazza a szabadalmakat, a szabadalmi licenciákat, a know-how-t, mo-delleket és terveket, technikai szolgáltatásokat és az ország területén kívüli vállalkozási K+F ráfordításokat (OECD, 1990). A technológiai fizetési mérleg négy külön mérőszámból áll össze, amelyek együtt jól lefedik a nemzetközi technológia-áramlásokat:
„Technika-kereskedelem”: tartalmazza azokat a mutatókat, amelyek technológiai jellegű szellemi tulajdon értékesítésével juttatnak exportbe-vételhez egy országot.
„Ipari tulajdon nemzetközi forgalma”:ez a részmutató szorosan kap-csolódik a kutatás-fejlesztéshez, a védjegyek, az ipari minták, az ipari eljárások forgalma tartozik ide.
„Műszaki tartalmú szolgáltatások”: ebbe a körbe elsősorban a mér-nökök által készített tanulmányokat és a technológiai jellegű tanácsadási tevékenységet sorolják.
„Ipari kutatás-fejlesztés”: annak a vállalati kutatás-fejlesztésnek a fi-nanszírozása, amely egy vállalaton belül, de nem a finanszírozó telep-hely országában történik.
A technológiai fizetési mérleg előnye, hogy akkor tükrözi a kutatás-fejlesztés versenyképességét, ha a technológiák és műszaki ismeretek importja a belföldi kutatás-fejlesztés és innováció helyettesítésére szolgál (Török, 2006). További előnye, hogy a nem tárgyiasult technológia nem-zetközi forgalmát úgy méri, hogy jelent minden tranzakciót, amely a műszaki ismeretanyag és technológiai tartalmú szolgáltatások keretében a különböző országokhoz tartozó partnerek közötti kereskedelemre vo-natkozik (OECD, 2002). A technológiai fizetési mérleg hátrányai közé tartozik, hogy erős korlátokkal alkalmazható, mivel nem biztos egy or-szág magas K+F versenyképessége, ha ipari tulajdon és szolgáltatások nettó exportőre, továbbá nem mutatkozik meg az exportált és importált termékek, technológiák és szolgáltatások minősége és az áru- és techno-lógiaforgalom földrajzi szerkezete, Végül ez a mutató kedvező lehet akkor is, ha egy ország K+F háttér nélküli tételekből jelentős exportőr.
74
Nem jelzi továbbá, hogy az exportált és importált technológiáknak mek-kora a szakmai értéke és a korszerűsége (Török 2006). További hátránya még, hogy sok ország esetében az adatok csak meglehetősen összevont szinten állnak rendelkezésre, az adatok nem felelnek meg a definíciónak, azok inkább csak technológiai tartalmú tranzakciókat tartalmaznak, a mérleget befolyásolják a multinacionális vállalatokon belüli nem pénz-ügyi tranzakciók, továbbá nehéz az adatok értelmezése és nemzetközi összehasonlítása (OECD 2002).
A bibliometria tudományos folyóiratcikkek és más publikációk szá-mának összegyűjtését, idézettségi indexeket és az együttes idézettségi elemzéseket jelenti, és az a célja, hogy egyszerű termelékenységi muta-tókat lehessen képezni a tudományos kutatás értékelésére, és hogy nyo-mon követhessük a tudományterületek és a tudományos hálózatok fejlő-dését (Okubo, 1997). A gyakorlatban az alábbi publikációs szám- vagy gyakorisági értékeket használják a kutatás-fejlesztési teljesítmény, illetve versenyképesség kimeneti mutatói között:
„Publikációk országonkénti száma”: a tudományos teljesítmény mennyiségét jelzi a nemzetközi összehasonlítás érdekében készített pub-likációk országonkénti száma.
„Egy publikációra jutó idézetszám”: a publikációs teljesítmény való-színűsíthető nemzetközi tudományos hatását, és a tudományos teljesít-mények minőségét tükrözi.
„Relatív idézettségi arány”: ez a mérőszám az átlagos megfigyelt és az átlagos várt idézettség alapján jött létre, szintén minőségi összehason-lítás céljával alkalmazzák.
A bibliometriai adatok részét képezik az országonkénti kutatás-fejlesztési teljesítményeknek, és a makrogazdasági teljesítményre, ha csak jelentős áttételeken keresztül is, de befolyást gyakorolnak. (Török, 2006) További előnyük, hogy oly módon mérik az egyes kutatók, kuta-tócsoportok, intézmények és országok outputját, hogy azonosítják a nemzeti és nemzetközi hálózatokat és feltérképezik a tudomány és tech-nológia új területeinek fejlődését (OECD, 2002). A bibliometriai adatok hátrányai, hogy nem adnak teljes képet a kutatás-fejlesztési teljesítmé-nyekről és csak részleges jelentőségűnek tekinthetők (Török, 2006). To-vábbi hátrányuk, hogy a publikációs hajlandóság tudományterületenként változó, legszámottevőbb az orvostudományban és néhány természettu-dományi diszciplína területén, az adatbázisok elfogultak az angol nyelvű
75
publikációk iránt, ami befolyásolja a nemzetközi összehasonlíthatóságot (OECD, 2002).
Azokat az iparágakat és termékeket, amelyek leginkább technológia intenzívek, csúcstechnológiai (high-tech) iparágaknak és termékeknek nevezzük (Hatzichronoglou, 1997). A külgazdasági teljesítmény és a kutatás-fejlesztés teljesítménye közötti kapcsolatot gyakran alkalmazott és sokszor hivatkozott mutatóval, a csúcstechnológiai export teljes ipar-cikk kivitelen belüli arányának alkalmazásával teremthetjük meg. Az iparcikk-export csúcstechnológia hányadának előnye, hogy a kutatás-fejlesztési versenyképességi mérés egyéb mutatóival, azok kiegészítője-ként értékes információkat szolgáltat, ha hasonló fejlettségű és tőkevon-zó-képességű országok összehasonlításához használják (Török, 2006). További előnye, hogy eredetileg azzal a céllal dolgozták ki, hogy mérje a kutatás-fejlesztés outputjait és hatásait, de ma már ennél szélesebb kör-ben alkalmazzák a versenyképesség és a globalizáció elemzésére (OECD, 2002). Az iparcikk-export csúcs-technológiai hányadának hát-rányai közé tartozik, hogy nem hű tükre a kutatás-fejlesztési verseny-képességnek, mert jelentős részben külföldi kutatás-fejlesztésen alapul, a nagyarányú feldolgozó ipari termékek exportja csökkenti a csúcstechno-lógiai kivitel arányát. További hátrány a gazdasági és technológiai fej-lettséggel való összhang gyakori hiánya, valamint az is, hogy nem mutat-ja az országban exportorientált termelésre használt modern technológiák tulajdonosi szerkezetét és eredetét, miként nem ad információt arról sem, hogy milyen telephelyi előnyök vonzották a csúcstechnológiai exportka-pacitásokat az adott országba. Nem derül ki általa sem a termelés, sem az export technológia intenzitása (Török, 2006). Végül hátránya még az, hogy nem veszi figyelembe az alacsony kutatás-fejlesztési intenzitású termékeket és iparágakat, amely termékeket azonban csúcstechnológiai gépekkel és berendezésekkel állítottak elő és olyan kutatás-fejlesztési intenzitáson alapulnak, amely csak bizonyos számú országban tapasztal-ható (OECD, 2002).
Az innovációs statisztikák adatokat gyűjtenek és értelmeznek a tech-nológiailag új termékek és eljárások létrehozásáról és fejlesztések végre-hajtásáról, valamint tudományos, technológiai, szervezési, pénzügyi és kereskedelmi tevékenységekről (OECD, 2005b). Az innovációs indikáto-rok az ipari innovációs folyamat jellemzőit és az innovációs tevékenysé-gekre fordított forrásokat mérik. Előnyük, hogy mennyiségi és minőségi információkat is nyújtanak az innovációt elősegítő vagy akadályozó té-
76
nyezőkről, az innováció hatásáról, a vállalatok teljesítményéről és az innováció terjedéséről. Hátrányuk, hogy bizonyos minőségi problémák merülnek fel az önkéntes válaszadáson alapuló felmérések esetén az elégtelen válaszadási arány következtében, éshogy az egyes vállalatok különböző módon értelmezik az innováció fogalmát, valamint hogy a nemzeti felmérések nem kielégítők a felhasználók számára, és hogy a kutatás-fejlesztésről olyan információkat adnak, amelyek nem állnak összhangban a kutatás-fejlesztési felmérések adataival (OECD, 2002). Az innovációs statisztikák elsősorban az Oslo-kézikönyv (Oslo Manual) ajánlásai alapján készülnek (OECD, 2005b).
A K+F dolgozók fogalmánál sokkal szélesebb jelentésű a tudomány és technológia humán erőforrásainak fogalma (human resources for science and technology, HRST), amely a tudományos és technológiai tevékenységet folytatók más kategóriáit is magába foglalja (OECD, 1995). A tudomány és technológia emberi erőforrásainak mérése olyan személyekre terjed ki, akik felsőfokú végzettségűek vagy diplomához kötött foglalkozásúak, de beletartoznak azok is, akik már középfok feletti végzettséggel rendelkeznek és technikai jellegű munkát végeznek. Elő-nye, hogy áttekinthető a tudományos és technológiai személyzet jelenle-gi és lehetséges jövőbeli kínálata, felhasználása és az irántuk megnyilvá-nuló kereslet, a jövőbeli kutatásra és ipari teljesítményre gyakorolt hatá-saik elemzése, az oktatás és képzés tervezése, a humán erőforrásokban megtestesülő tudás diffúziójának mérése, valamint a nők tudományban és technológiában játszott szerepének értékelése. Hátránya, hogy a jelen-legi statisztikák meglehetősen részlegesek és az összesítés szintje nagyon magas a mintavételes felmérések használatának köszönhetően (OECD, 2002). A tudomány és technológia humán erőforrásainak mérése minde-nekelőtt a Canberra-kézikönyv (Canberra Manual) javaslatai szerint tör-ténik (OECD, 2005b).
Az információs és kommunikációs technológiai (information and communication technology, ICT) statisztikák és mutatók célja az infor-mációs gazdaság és az információs társadalom jobb megértése. A statisz-tikák és indikátorok magukban foglalják az információs társadalom kíná-lati oldalát (az ICT szektor statisztikája) és a keresleti oldalát (ICT hasz-nálati szokások). Előnyük, hogy elősegítik a kapcsolódó irányelvek ki-alakítását és az információs társadalom fejlődésének nyomon követését, mérhetjük velük az információs és kommunikációs technológia iparágak hozzájárulását a gazdasági tevékenységekhez, megtudhatjuk belőlük az
77
országok új technológia átvételi készségét és a technológiák terjedésének ütemét a gazdaság szereplői között. Hátrányuk, hogy a célsokaság és a mintavételi technika az ICT használati szokások felméréseiben különböz lehet az egyes országokon belül, ami az összesítő adatok nemzetközi összehasonlítása esetén lehet félrevezető abban a tekintetben, hogy az ICT szektor statisztikája esetében a tevékenység alapú osztályozások a nemzetközi összehasonlíthatóság vonatkozásában szintén nagyon nehe-zen elérhetőek, mivel ezek olykor bizalmas adatok és csak nagyon kevés ország tud ilyen adatokkal szolgálni (OECD, 2002).
1.2. Eredménytáblák
A K+F és innovációs tevékenység és teljesítmény átfogó összehasonlítá-sára a mutatószámokat egyszerre vizsgáló eredménytáblák készülnek. Tágabb értelemben ide sorolhatók az OECD, az Egyesült Államok Nem-zeti Tudományos Bizottsága (National Science Board, NSB), az Európai Közösségek Statisztikai Hivatala (Statistical Office of European Communities, EUROSTAT) vagy a Központi Statisztikai Hivatal (KSH) által készített rendszeres kimutatások, de szűkebb értelemben − tartalmi, formai és metodológiai megfontolásokból − az Európai Bizottság évente közzétett és hasonló gyakorisággal felülvizsgált jelentései tekinthetők eredménytábláknak. Érdemes azonban fenntartással kezelni ezeket az eredménytáblákat, mivel innovációról, nem pedig kutatás-fejlesztésről készültek. A kutatás-fejlesztést csak annyiban mutatják be, amennyiben a K+F része az innovációnak, a K+F mutatói pedig az innováció mutató-inak egyik csoportját alkotják. Ez a csoport azonban vitathatatlanul a legfontosabb, hiszen alig van olyan innovációs mutató, amit ne használ-nának a kutatás-fejlesztés mérésére (Török, 2006). A következőkben a méltán népszerű európai innovációs eredménytábla 2008. évi kiadásának módszertanát mutatjuk be, de nem hagyjuk figyelmen kívül a 2009-ben publikált globális és a 2006-ban megjelentetett regionális innovációs eredménytáblák legfontosabb jellemzőit sem.
Az európai innovációs eredménytáblában (European Innovation Scoreboard, EIS) a dimenziókat három nagy csoportba, éspedig egy „hajtóerők”, egy „vállalati aktivitás” és egy „outputok” csoportba so-rolták. A csoportokat tovább bontották hét alcsoportra, amelyeket ezután harminc kiválasztott innovációs dimenzióval jellemeztek. „Hajtóerők” (humán erőforrások, pénzügyek és támogatás), „vállalati aktivitás” (vál-
78
lalati befektetés, kapcsolatok és vállalkozás, kimenetek) és „outputok” (innovátorok, gazdasági hatások) elnevezésű csoportokat képeztek. Az eredménytábla átdolgozása azt a célt szolgálta, hogy olyan csoportokat alkossanak, amelyek egybefogják az összefüggő mutatókat és az innová-ciós teljesítmény aspektusainak kiegyensúlyozott értékelését adják. A csoportokat és az alcsoportokat úgy fejlesztették ki, hogy alkalmazkod-janak a különböző nemzetek különböző innovációs folyamatainak és modelljeinek sokszínűségéhez. Könnyen belátható, hogy az előző cso-portok a nemzeti innovációs teljesítmény legfontosabb indikátorait tar-talmazzák, azonban léteznek még egyéb gazdasági-társadalmi tényezők, amelyek hatást gyakorolnak az innovációra (pl. kormányzat, piacok, társadalmi tényezők szerepe és az innovációk iránti kereslet, valamint azok elfogadása) (Hollanders és van Cruysen, 2008b; EC, 2009).
A 2009-ben publikált globális innovációs eredménytábla (Global Innovation Scoreboard, GIS) kiegészítő eszköz az európai innovációs eredménytáblához, amely az országok innovációs teljesítményének leg-fontosabb trendjeiről, eredményeiről és befolyásoló tényezőiről nyújt áttekintést. Az Európai Unió tagállamain felül további tizenhat ország (Svájc, Izrael, Japán, Egyesült Államok, Dél-Korea, Kanada, Szingapúr, Norvégia, Ausztrália, Új-Zéland, Oroszország, Kína, Törökország, Bra-zília, Mexikó, Argentína, India) innovációs teljesítményét elemzi és ha-sonlítja össze. A globális innovációs eredménytábla az innovációs és technológiai képességek kilenc indikátorát tartalmazza, amelyet három dimenzióba soroltak: „vállalati aktivitás és outputok”, humán erőforrás-ok” és „infrastruktúra és befogadó képesség” (Archibugi és mtsai., 2009).A regionális innovációs eredménytábla (Regional Innovation Scoreboard, RIS) eddig három kiadást élt meg (2002, 2003 és 2006). Az utolsó verzióban 208 európai uniós régió hét innovációs indikátorát ele-mezték és hasonlították össze (Hollanders, 2007). A regionális innováci-ós eredménytábla iránti növekvő érdeklődésnek köszönhetően 2009-ben újra elkészítették a regionális szintű elemzést, ám ezúttal az európai in-novációs eredménytábla módszertana alapján (Hollanders és van Cruysen, 2008b; EC, 2009).
1.3. Kompozit indikátorok
Az országok teljesítményét összehasonlító összetett mutatószámok iránt egyaránt növekvő érdeklődés tapasztalható a politikai döntéshozók és a
79
közvélemény részéről. Az országok egyszerű összehasonlítását lehetővé tevő mutatószámok olyan komplex és nehezen megfogható területek bemutatására alkalmasak, mint a technológiai fejlődés, az innováció és a kutatás-fejlesztés. Ezekkel az indikátorokkal könnyebb a közvélemény tájékoztatása, mint megtalálni a közös trendet a sok különálló mutató-szám között és bizonyítottan hasznosak az országok teljesítményének benchmarkingjában. Ugyanakkor az összetett mutatószámok félrevezető politikai üzeneteket is küldhetnek, ha rosszul alkották meg vagy félreér-telmezték azokat. Az indikátorok által mutatott összkép gyakran készteti a felhasználókat − különösképpen a politikai döntéshozókat − végletekig leegyszerűsített elemzési vagy politikai következtetések levonására, ahe-lyett, hogy a kompozit indikátorok vitaindítók és a közvélemény érdek-lődése felkeltésének kezdőpontjai lennének. Megfelelőségüket pedig csak az általuk érintett területek figyelembevételével lehet értékelni (Nardo és mtsai., 2005). Az 1. táblázat a kutatás-fejlesztés nemzetközi összehasonlításaiban alkalmazott összetett mutatószámokat tartalmazza.
Forr
ás
Hol
land
ers é
s van
C
ruys
en [2
008b
], EC
[200
9]
Arc
hibu
gi é
s m
tsai
. [20
09]
Hol
land
ers [
2007
]
UN
IDO
[200
5]
Mód
szer
tan
Har
min
c EI
S m
utat
ó tra
nszf
orm
ált é
rté-
kéne
k sú
lyoz
atla
n át
laga
Ado
tt di
men
ziób
a ta
rozó
indi
káto
rok
egys
zerű
átla
gábó
l dim
enzi
ó ko
mpo
zit
inno
váci
ós in
dexe
k (D
imen
sion
C
ompo
sit I
nnov
atio
n In
dex,
DC
II),
Hár
om d
imen
zió
kom
pozi
t inn
ovác
iós
inde
x sú
lyoz
ott á
tlaga
A re
gion
ális
nem
zeti
össz
esíte
tt in
nová
-ci
ós in
dex
(Reg
iona
l Nat
iona
l Sum
mar
y In
nova
tion
Inde
x, R
NSI
I) é
s a re
gion
á-lis
eur
ópai
öss
zesí
tett
inno
váci
ós in
dex
(Reg
iona
l Eur
opea
n Su
mm
ary
Inno
vatio
n In
dex,
REU
SII)
tran
szfo
r-m
ált é
rtéke
inek
súly
ozot
t átla
ga
A m
utat
ók sz
ámta
ni á
tlaga
Tény
ezők
Har
min
c EI
S m
utat
ó
GIS
mut
atók
RIS
mut
atók
Med
ium
-tech
és h
igh-
tech
ipar
hoz
záad
ott
érté
ke é
s az
ipar
i exp
ort
Szer
ző
Euró
pai B
izot
tság
Euró
pai B
izot
tság
Euró
pai B
izot
tság
ENSZ
Ipar
fejle
szté
s Sz
erve
zete
(Uni
ted
Nat
ions
Indu
stria
l D
evel
opm
ent
Org
aniz
atio
n, U
NID
O)
1. tá
bláz
at. A
kut
atás
-fejle
szté
s kom
pozi
t ind
ikát
orai
nem
zetk
özi,
nem
zetg
azda
sági
és r
egio
nális
szin
ten
Öss
zesí
tett
inno
váci
ós
mut
ató
(Sum
mar
y In
nova
tion
Inde
x, S
II)
Glo
bális
inno
váci
ós
ered
mén
ytáb
la in
dex
(Glo
bal I
nnov
atio
n Sc
oreb
oard
Inde
x,
GIS
Inde
x)
Átfo
gó re
gion
ális
ös
szes
ített
inno
váci
ós
inde
x (R
evea
led
Reg
iona
l Sum
mar
y In
novt
on In
dex,
R
RSI
I)
Tech
noló
giai
fejle
tt-sé
g in
dexe
(T
echn
olog
ial-
Adv
ance
Inde
x, T
ech-
Adv
) Fo
rrás
: Saj
át sz
erke
szté
s
81
Forr
ás
UN
CTA
D
[200
5]
Arc
hibu
gi
és C
oco
[200
4]
WEF
[2
009]
WB
[200
9]
Mód
szer
tan
-
Ado
tt ré
szm
utat
ót
alko
tó v
álto
zók
szám
tani
átla
gábó
l ré
szm
utat
ók, H
árom
ré
szm
utat
óból
sz
ámta
ni á
talg
- -
Tény
ezők
K+F
tevé
keny
ségb
en fo
glal
kozt
atot
t m
unka
erő,
szab
adal
mak
és a
tudo
mán
yos
publ
ikác
iók
szám
a
Szab
adal
mak
és t
udom
ányo
s pub
likác
iók
szám
a, a
régi
és a
z új
tech
noló
giák
(in
tern
et, v
ezet
ékes
és m
obil
tele
fon)
el-
terje
dése
, hum
án tő
ke fe
jletts
ége
Inno
váci
ós k
apac
itás,
tudo
mán
yos k
utat
ó-in
téze
tek
szín
vona
la, v
álla
lato
k K
+F rá
-fo
rdítá
sai,
egye
tem
ek é
s üzl
eti s
zfér
a ku
-ta
tási
egy
üttműk
ödés
ei, f
ejle
tt te
chno
ló-
giáj
ú te
rmék
ek k
orm
ányz
ati b
esze
rzés
e,
tudó
sok
és m
érnö
kök
rend
elke
zésr
e ál
lása
és
szab
adal
mak
bej
egyz
ése
Lice
ncdí
jak,
USP
TO-n
ál b
ejeg
yzet
t sza
-ba
dalm
ak, a
tudo
mán
yos é
s műs
zaki
fo-
lyói
ratc
ikke
k
Szer
ző
ENSZ
Ker
eske
delm
i és
Fejle
szté
si K
onfe
renc
ia
(Uni
ted
Nat
ions
C
onfe
renc
e on
Tra
de
and
Dev
elop
men
t, U
NC
TAD
)
Arc
hibu
gi é
s Coc
o
Vilá
ggaz
dasá
gi F
órum
(W
orld
Eco
nom
ic F
o-ru
m, W
EF)
Vilá
gban
k (W
orld
Ban
k,
WB
)
1. tá
bláz
at. A
kut
atás
-fejle
szté
s kom
pozi
t ind
ikát
orai
nem
zetk
özi,
nem
zetg
azda
sági
és r
egio
nális
szin
ten
(foly
tatá
s)
Tech
noló
giai
akt
ivitá
s ind
e-xe
(Tec
hnol
ogic
al A
ctiv
ity
Inde
x, T
AI)
ArC
o te
chno
lógi
ai in
dex
(ArC
o te
chno
logy
Inde
x,
ArC
oTi)
Glo
bális
ver
seny
képe
sség
i in
dex
(Glo
bal
Com
petit
iven
ess I
ndex
, GC
I)
tizen
kette
dik
pillé
re
Tudá
sgaz
dasá
gi in
dex
(Kno
wle
dge
Econ
omy
Inde
x,
KEI
) és T
udás
inde
x (K
now
ledg
e In
dex,
KI)
har
-m
adik
pill
ére
Forr
ás: S
aját
szer
kesz
tés
Borsi és Telcs [2004] (Török, 2005) arra kereste a választ, hogy a K+F statisztikák jól értelmezhető csoportjaira, azaz a mutatószámokra konstruálható-e olyan összetett mutató, amely a lehető legtöbb informá-ciót hordozza, azaz a mutatók szórásából kellően nagy hányadot meg-magyaráz. A kérdésre főkomponens-elemzéssel (principal component analysis, PCA) adtak választ (Niwa és Tomizawa, 1995). Megállapításuk szerint az ennek a módszernek a segítségével felállított, több mérőszá-mot együttesen figyelembe vevő kompozit rangsorok jól értelmezhetőek.
Borsi és Telcs [2004] arra is választ keresett, hogy kialakítható-e ku-tatás-fejlesztési mutatószámok esetében olyan nem önkényes súlyozás, amellyel egy statisztikailag konzisztens, összetett rangsor alakítható ki. A kérdésre a ma egyre szélesebb körben elterjedt heurisztikus optimum-keresési megoldások egyikével, a genetikus algoritmussal (genetic algo-rithm, GA) adtak választ és megállapították, hogy a vizsgált országokra egyértelmű pozíció határozható meg a módszer segítségével.
A fuzzy halmazok elméletét (fuzzy set theory, FST), amelyet a me-nedzsment tudományok területén (Tran és mtsai., 2002; Tsaur és mtsai., 2002; Moon és Kang, 1999; Sohn és mtsai., 2001) gyakran alkalmaznak, először Moonés Lee [2005] használták fel kompozit tudományos és tech-nológiai indexek készítéséhez. A vizsgálatba vont tudományos és tech-nológiai indikátorokat szekunder és primer kutatás alapján jelölték ki, majd ezt követően különböző területek (akadémiai szektor, közszektor, ipar, természettudomány és társadalomtudomány) szakértőit kérték meg, hogy jelzők segítségével fejezzék ki véleményüket az indikátorok relatív fontosságáról. Az indikátorokból – a szakértők válaszait fuzzy halmazok elmélete segítségével meghatározott értékekkel súlyozva – három kompozit indikátort hoztak létre „K+F input” (K+F dolgozók, K+F ráfordítások, K+F alaptőke), „K+F output” (szabadalmak, publikációk, technológia kereskedelem) és „gazdasági output” elnevezéssel, a-melyeket keresztmetszeti és longitudinális vizsgálatokhoz használtak fel.
A burkológörbe-elemzést (data envelopment analysis, DEA) a hazai szakirodalomban (Bunkóczi és Pitlik, 1999; Fülöp és Temesi, 2001; Koty, 1997; Tibenszkyné, 2007; Tóth, 1999) elsőként Borsi [2005] (Tö-rök, 2005) használta a K+F hatékonyságának vizsgálatára Färe és mtsai. [1994] alapján. A nemzetközi szakirodalomban (Nardo és mtsai., 2005) azonban nem új ez az alkalmazási terület. A burkológörbe-elemzésben input mutatóként a K+F ráfordításokat és a K+F dolgozókat, outputként pedig a publikációk és a szabadalmak számát használták. A burkológör-
83
be-elemzés a többváltozós térben kiszámítja azokat a pontokat, amelyek a legjobban teljesítő országokat reprezentálják. A pontok meghatározzák a hatékonysági lehetőségek burkológörbéjét. A burkológörbe alatt elhe-lyezkedő országok nem hatékonyak, ugyanakkor a hozzájuk közel eső hatékony országok hatékonysági mutatóiból egyértelműen meg lehet adni a nem hatékony országok pozícióját.
Az országok kutatás-fejlesztési és innovációs teljesítményének össze-tett mutató-számokkal történő mérésére olyan szervezetek tettek kísérle-tet, mint például a Nemzetközi Menedzsment és Fejlesztési Intézet (Inter-national Institute for Management and Development, IMD), az NSB, a RAND, vagy az ENSZ Fejlesztési Programja (United Nations Develop-ment Programme, UNDP). Ezek a próbálkozások azonban csak egy évre szóltak és nem folytatódtak tovább (IMD, 2009; Wagner és mtsai., 2001; NSB, 2008; UNDP, 2007). Érdekességképpen még meg lehet említeni a kifejezetten csak az ipari és a szolgáltatási szektorok innovációs aktivitá-sának (Hollanders és Kanerva, 2009) és a kutató-fejlesztő tevékenység alapjául szolgáló kreativitásnak (Hollanders és van Cruysen, 2008a, Hui és mtsai., 2005) és a gazdasági globalizációnak (OECD, 2005a) a méré-sére tett első próbálkozásokat.
Összefoglalva elmondható, hogy a különálló mutatószámok olyan kvantitatív vagy kvalitatív mérési módszerei a megfigyelhető tényeknek, amelyek segítségével meghatározható az országok relatív pozíciója egy adott területen és kijelölhető a változás térbeli vagy időbeli iránya. Az indikátorok hasznosak továbbá a trendek meghatározásában, egy adott téma iránti figyelem felkeltésében, a politikai prioritások felállításában és a teljesítmény benchmarkingjában vagy monitoringjában. Kompozit indikátorról akkor beszélünk, amikor a különálló mutatószámok egy önálló indexet alkotnak valamilyen matematikai vagy számítási modell alapján. Az összetett mutatószám elméletileg olyan többdimenziós fo-galmakat képes mérni, amelyeket a különálló mutató-számok nem tud-nak megragadni (Nardo és mtsai., 2005). A kompozit indikátorok legfon-tosabb előnyei: alkalmasak komplex vagy többdimenziós témák összesí-tésére, összképet adnak egy adott témáról, könnyebb interpretálni, mint megtalálni a közös trendet a sok különálló mutatószámban, megkönnyí-tik az országok rangsorolását, segítenek a közvélemény figyelmének a felkeltésében, összesítik az országok teljesítményét és annak időbeli változását, csökkentik a mutatószám listák terjedelmét, több információt tartalmaznak. Hátrányaik: félrevezető politikai információkat küldhet-
84
nek, ha rosszul alkotják meg vagy félreértelmezik őket, végletekig leegy-szerűsített politikai következtetések levonására vezethetnek, és használ-hatatlanok, ha a felépítésük átláthatatlan és helytelen statisztikai elveken alapulnak, a részmutatók és a súlyok kiválasztását befolyásolhatja a poli-tika, végül pedig növekszik az adatigény a részmutatók és a statisztikai-lag szignifikáns elemzések készítéséhez (Saisana és Tarantola, 2002).
1.4. Mérési modellek
Először a kilencvenes évek végén jelentek meg a szakirodalomban olyan összehasonlító kutatás-fejlesztési és innovációs vizsgálatok (összegző modellek), amelyek szintetikus jelleggel, a bemeneti és a kimeneti muta-tók egyszerre történő kezelésével elemzik az országok kutatás-fejlesztési és innovációs tevékenységét és teljesítményét, számos bonyolultabb mutatót alkalmazva (Török, 2006). A következőkben ezek közül a mo-dellek közül Porter és Stern, Faber és Hesen, Török valamint Sohn és szerzőtársai modelljeit vesszük górcső alá, ugyanis ezeket tekintjük mo-dellalkotási céljaink elméleti megalapozása és az alkalmazott módszertan szempontjából releváns koncepcióknak.
2. ábra. Porter-Stern modell
Forrás: Porter-Stern (1999)
85
3. ábra. Furman-Porter-Stern modell
Forrás: Furman-Porter-Stern (2002)
Az első komplex modellezési kísérlet Porter és Stern [1999] nevéhez
fűződik, amely olyan komparatív innovációs elemzés, amely szintetikus jelleggel a bemeneti és kimeneti mutatók kombinációira építve ábrázolja az országok innovációs teljesítményét. A modell eredményváltozója kimondottan innovációs, nem pedig K+F jellegű, hiszen azoknak a sza-badalmaknak a száma jelzi az innovációs potenciált, amelyeket a vizsgált országok vállalatai és egyéni jogtulajdonosai az Egyesült Államokban évente megadnak (Török, 2006). A Porter-Stern modellt maguk a szer-zők jelentősen tovább fejlesztették (Furman és szerzőtársai, 2002), amelynek igen kedvező megítélése volt szakmai berkekben.
86
4. ábra. Faber-Hesen modell
Forrás: Faber-Hesen (2004)
Az Utrechti Egyetem (Universiteit Utrecht) szerzői (Faber és Hesen,
2004) fel is használták Furman és szerzőtársai [2002] modelljét, de más irányban fejlesztették tovább. Az európai nemzeti innovációs képességek modelljében azt vizsgálták, hogy a K+F és más innovációs aktivitás kéz-zel fogható eredményeit, a szabadalom bejegyzést és a termékinnováció értékesítését, a vállalaton belüli, a vállalatok közötti, valamint a nemzeti innovációs infrastruktúra gazdasági és intézményi feltételei hogyan befo-lyásolják. A vállalatok szintjén az alábbi input-, folyamat- és outputvál-tozókat definiálják: bemeneti változók (a K+F magánforrásokból való vállalati finanszírozása, a vállalatok összes innovációs ráfordítása), fo-lyamatváltozók (cégek rendelkezésére álló információk forrása, K+F kooperáció a vállalatok között és a vállalatok nehézségei az innovációs projektek megvalósítása alatt), valamint kimeneti változók (bejegyzett szabadalmak, vállalatok által értékesített termékinnovációk) (Török, 2006). A Faber-Hesen modell megfelelő kiinduló pontot jelent a K+F aktivitás mérési modelljeinek megalkotásában, ezért a fentiekben bemu-tatott vállalati szintű változókat továbbfejlesztve felhasználjuk.
87
5. ábra. Gőzgép modell
Forrás: Török (2006)
A kutatás-fejlesztési és innovációs teljesítmény és versenyképesség
mérése Török [2006] szerint szintén nem kielégítő csak bemeneti vagy csak kimeneti oldalon, mert nem mutatja meg az inputtényezők output-tényezőkké való átalakításának hatásfokát. Az innovációs folyamat „gőz-gép” modellje azt szemlélteti, hogy az innovációs rendszer milyen ele-meibe kerülhetnek át a rendszerbe jutó anyagi és emberi erőforrások, amelyek mérésére a K+F ráfordítások és a K+F dolgozók mutatói szol-gálnak. Az innovációs folyamat első fázisában jelentős részben a kuta-tás-fejlesztés veszi fel ezeket az erőforrásokat, a folyamat előrehaladása közben folyamatos veszteség történik, míg végül innováció vagy mérhe-tő teljesítmény formájában befejeződik a rendszerbe jutó erőforrások átalakítása. Az innovációs folyamat „gőzgép” modellje tehát azt a fo-lyamatot tükrözi, amely során a kutatás-fejlesztésre fordított erőforrások számos mellékárami eredményt (vállalaton belüli tudás, publikáció, a személyes kutatói karrier építése) alapoznak meg, és hozamuknak csak egy része hasznosul főárami eredmények (találmány/szabadalom, inno-váció) formájában.
88
6. ábra. Sohn et al. modell
Forrás: Sohn et al. (2007)
Dél-koreai szerzők (Sohn és mtsai., 2007) azt a célt tűzték ki, hogy
strukturális egyenlet modell (structural equation model, SEM) (Sohn és Moon, 2003) segítségével értékeljék az állami támogatás közvetett és közvetlen hatását a K+F outputokra, eredményekre és a gazdasági ver-senyképességre, figyelembe véve a támogatott vállalatok K+F környeze-tét és a támogató szervezetek külső értékelő programjait. A támogatott vállalatok K+F környezete hatásának becsléséhez a Malcolm Baldrige Nemzeti Minőségi Díj (Malcolm Baldrige National Quality Award, MBNQA) kritériumait adoptálták. Továbbá tesztelték a támogatott pro-jektek közbenső értékelésének a hatását.
A strukturális egyenlet modell a következő látens változókat (fakto-rokat) tartalmazza:
• input (támogatás összege, támogatás időszaka), • a vállalat K+F menedzsmentje (vezetés, stratégiai tervezés, vevő- és
piac-orientáció, humán erőforrás orientáció, információ és elemzés, folyamatmenedzsment),
89
• -a támogató szervezet K+F menedzsmentje (közbenső értékelés, vég-ső értékelés, on-line kutatás, a támogatott vállalatok kutatása),
• output (technológiai teljesítmény, vevői elégedettség), • az eredmények (gazdasági teljesítmény, menedzsment teljesítmény,
gyártási teljesítmény), • és hatás (tudomány és technológia állapotának javítása, iparfejlesztés,
nemzeti kereslet növelése, iparszerkezet állapotának javítása, nem-zetgazdaság állapotának javítása).
2. Vállalat és projekt szint
A kutatás-fejlesztési programok elengedhetetlen része Balogh [2001] szerint a szakmai értékelés, amikor független szakértők vizsgálják a köz-vetlen és közvetett hatásokat. Az értékelés célja lehet a kitűzött célok és az elért eredmények összehasonlítása, a felhasznált eszközök hatékony-ságának mérése, a szervezeti fejlődés és tanulás elősegítése, valamint információ a tudomány- és technológiapolitika számára. A kutatás-fejlesztési értékelési módszerek egy lehetséges csoportosítása a követke-ző (2. táblázat).
90
7. ábra. Vállalati és projekt szintű mérési módszerek
Forrás: Saját szerkesztés
Mérési módszerek
Vállalati és projekt szint
Szakértői bírálatok
Interjús és kérdőíves módszerek
Félkvantitatív mód-szerek
Kvantitatív módsze-rek
Esettanulmányok
Teljesítmény indiká-torok
Portfólió elemzések
Hát
rány
a
Gya
kran
túlé
rtéke
lik a
tudo
mán
yos m
inős
égi s
zem
pont
okat
, ke
vés v
élem
énye
n al
apul
nak,
kul
túra
- és r
efer
enci
akrit
ériu
m-
függőe
k, sz
ubje
ktiv
itásr
a ad
nak
mód
ot, c
sak
kval
itatív
ere
d-m
énye
ket a
dnak
, nem
ked
vezn
ek a
nag
y át
töré
sek
elis
mer
ésé-
nek,
a b
íráló
cso
porto
n be
lül g
yakr
an te
kint
élye
lv u
ralk
odik
és
a ha
gyom
ányo
s bírá
lato
k gy
akra
n el
hany
agol
ják
a ha
szno
sítá
s sz
empo
ntja
it
A k
érdé
sek
stru
ktur
álás
a és
a v
álas
zok
érte
lmez
ése
torz
íthat
ja
az e
redm
ényt
, a v
álas
zadó
k ha
jlam
osak
a v
alós
ágná
l poz
ití-
vabb
kép
kia
lakí
tásá
ra, m
ert a
z ér
téke
lés e
redm
énye
kih
atha
t sa
ját k
ésőb
bi tá
mog
atás
ukra
Álta
lába
n eg
y-eg
y pa
ram
éter
re k
once
ntrá
lnak
, nem
adn
ak
vála
szt a
kut
atás
-fej
lesz
tés t
ársa
dalm
i és g
azda
sági
has
znos
ság
kérd
ésér
e és
a m
akro
mut
atók
on b
elül
nem
lehe
t elk
ülön
íteni
a
kuta
tás-
fejle
szté
s hat
ásai
t
Szűk
szem
pont
okra
kor
láto
zódn
ak a
köz
vete
tt ha
táso
k fig
ye-
lem
bevé
telé
nél,
ritká
n ké
pese
k fig
yele
mbe
ven
ni a
hos
szab
b tá
vú h
atás
okat
, ere
dmén
yeik
mat
emat
ikai
meg
jele
níté
séve
l m
egbí
zhat
ó ha
tást
kel
tene
k, m
iköz
ben
pont
ossá
guka
t szá
mos
m
ódsz
erta
ni n
ehéz
ség
gáto
lja é
s köl
tség
esek
Előn
ye
Egys
zerű
a sz
erve
zés é
s a le
bony
olítá
s, kí
sérle
tet t
eszn
ek
a tá
rsad
alm
i has
zon
elem
zésé
re, k
is k
ölts
ég, m
agas
szak
-m
ai sz
ínvo
nal,
rend
szer
ezhe
tő é
s elle
nőriz
hető
ere
dmé-
nyek
jelle
mzi
k
Sok
véle
mén
y fig
yele
mbe
véte
le, a
nyi
tott
kérd
ések
révé
n gy
akra
n új
, érd
ekes
szem
pont
ok m
erül
nek
fel,
alka
lmas
ak
kvan
titat
ív je
lzős
zám
ok m
egha
táro
zásá
ra é
s alk
alm
asak
az
ese
ttanu
lmán
yok
ered
mén
yein
ek á
ltalá
nosí
tásá
ra
Szám
szerűs
íthető,
átlá
that
ó és
elle
nőriz
hető
ada
toka
t sz
olgá
ltatn
ak, l
ehetőv
é te
szik
a k
utat
ók é
s kut
atóc
sopo
r-to
k no
rmat
ív ö
ssze
haso
nlítá
sát é
s más
mód
szer
ekke
l ko
mbi
nálv
a ha
szno
s ind
ikát
orok
at a
dnak
Logi
kus,
mat
emat
ikai
lag
keze
lhető,
átlá
that
ó és
elle
n-őr
izhe
tő a
dato
k, le
hető
vé te
szik
pro
jekt
ek ö
ssze
ha-
sonl
ításá
t, ez
zel m
egal
apoz
hatjá
k az
erő
forr
ások
fe
lhas
znál
ásár
ól h
ozot
t dön
tése
ket,
és h
angs
úlyo
zzák
a
kuta
tás-
fejle
szté
s tár
sada
lmi h
aszn
ossá
gána
k kö
vete
lmé-
nyét
2. tá
bláz
at. A
kut
atás
-fejle
szté
s mér
ési m
ódsz
erei
vál
lala
t és p
roje
kt sz
inte
n
Szak
értő
i bír
á-la
tok Inte
rjús
és
kérdőí
ves f
el-
mér
ések
Félk
vant
itatív
m
ódsz
erek
Kva
ntita
tív
mód
szer
ek
Forr
ás: B
alog
h [2
001]
92
Hát
rány
a
A m
últra
von
atko
znak
, így
foly
amat
ban
lévő
ügy
ek
vizs
gála
tára
nem
alk
alm
asak
, szu
bjek
tívek
, nag
ymér
-té
kben
függ
enek
az
érté
kelő
szem
ély
tapa
szta
lata
itól,
ered
mén
yeik
nem
vag
y ne
heze
n ál
talá
nosí
that
ók, k
ölt-
sége
sek,
ezé
rt na
gysz
ámú
tém
a vi
zsgá
latá
ra k
evés
bé
alka
lmas
ak, s
zöve
ges j
elle
gük
mia
tt ke
vés k
vant
itatív
er
edm
ényt
adn
ak, e
zért
nehé
z be
építe
ni e
zeke
t a ru
tin-
jelle
gű m
onito
ring
tevé
keny
ségb
e
A sú
lyoz
ás sz
ubje
ktiv
itása
torz
ításh
oz v
ezet
het,
indi
ká-
torr
a al
apoz
ott d
önté
sek
sorá
n el
sikk
adha
tnak
font
os
kval
itatív
info
rmác
iók
és a
sok
adat
a te
ljess
ég k
épze
tét
kelth
eti,
mik
özbe
n el
sikk
adha
t az
össz
efüg
gése
k, a
z ok
ok m
egér
tése
Az
ábrá
zolt
dim
enzi
ók k
ivál
aszt
ása
szub
jekt
ív, a
kev
és
indi
káto
r ala
pján
vég
zett
portf
olió
-ele
mzé
sek
sorá
n ki
mar
adha
tnak
font
os in
form
áció
k
Előn
ye
Kon
krét
ese
teke
n kö
vetik
a k
utat
ás-f
ejle
szté
s és a
tár-
sada
lmi-g
azda
sági
hat
ások
öss
zefü
ggés
eit,
segí
tene
k a
sike
rtény
ezők
azo
nosí
tásá
ban,
alk
alm
asak
kom
plex
fo
lyam
atok
meg
érté
sére
és d
önté
sek
meg
alap
ozás
ára
és
előr
e m
egha
táro
zott
indi
káto
rok
nélk
ül is
feltá
rják
az
össz
efüg
gése
ket
Az
indi
káto
rok
könn
yen
azon
osíth
atók
, stru
ktur
álha
tók
és sz
ámsz
erűs
íthetők
, a fo
lyam
atba
n lé
vő p
rogr
amok
kö
veté
sére
val
ószí
nűle
g ez
a le
gjob
b m
ódsz
er, f
egye
l-m
ezi a
gon
dolk
odás
t azá
ltal,
hogy
elő
re m
eg k
ell h
atá-
rozn
i a c
élok
hoz
illő,
mér
hető
indi
káto
roka
t és a
z ös
z-sz
es é
rtéke
lési
mód
szer
köz
ül a
lego
lcsó
bb
Több
dim
enzi
óban
is sz
emlé
lete
sen
hasz
nálh
ató
elem
-zé
sek,
több
letin
form
áció
a te
ljes p
rogr
am ir
ánya
inak
el
emzé
séhe
z és
alk
alm
asak
nag
y pr
ogra
mok
gyo
rs á
tte-
kint
ésér
e, e
zért
men
edzs
men
t-esz
közk
ént i
s jól
segí
tik
a pr
ogra
m-m
ened
zser
ek é
s a d
önté
shoz
ók m
unká
ját
2. tá
bláz
at. A
kut
atás
-fejle
szté
s mér
ési m
ódsz
erei
vál
lala
t és p
roje
kt sz
inte
n (fo
lyta
tás)
Ese
ttan
ulm
ányo
k
Tel
jesí
tmén
y in
di-
káto
rok
Port
folió
-el
emzé
sek
Forr
ás: B
alog
h [2
001]
93
A projektértékelés eredményei hat csoportra oszthatók Török [1997] szerint, amelyek kisebb részét lehet egyértelmű sikernek vagy kudarcnak nevezni. A hat csoport közül az elsőt egyértelmű sikernek lehet tekinteni, az utolsót pedig egyértelmű kudarcnak, két esetben nem lehet lezárult vagy komplett innovációs folyamatról beszélni az értékelési időszak alatt, egy másik esetben pedig valójában nincs is innovációs folyamat, annak ellenére, hogy a projekt formálisan befejeződött.
„Világsiker” (blockbuster): a kutatás-fejlesztési feladatot sikeresen végrehajtják és a világpiacon is versenyképes termék válik az innovációs folyamat eredményéből.
„Részsiker” (challenger): a folyamat szakmailag sikeresen lezárul, azonban nem eredményez kereskedelmi értelemben sikeres termék- vagy szolgáltatás innovációt.
„Siker egy piaci résben” (local hero): az innovációból származó ter-mék piaci részesedése túl kicsi ahhoz, hogy világsiker is váljék belőle, de a feltételek adottak.
„Túl hosszú projekt ciklus” (tortue): az innovációs folyamat életcik-lusa túlnyúlik a projekt időszakán, a szakmai eredmény értékeléséhez lényegesen többet kell várni.
„Sikeres fejlesztés, de nem innováció” (the dark side of the moon): ebben az esetben kereskedelmi siker jelentkezik, viszont nem zajlik le valójában innovációs folyamat.
„Kidobott pénz” (waterloo): a projekt és így a támogatás kutatás-fejlesztési, innovációs és kereskedelmi szempontból egyaránt maximális kudarcnak bizonyul (Török [2006]).
3. K+F Aktivitás Mátrix
A K+F Teljesítmény Index és a K+F Hatékonyság Index (Molnár, 2009) egyaránt három részből összetevődő kompozit indikátor, amelyek a kuta-tás-fejlesztési folyamat input, folyamat és output teljesítményéről, vala-mint hatékonyságáról adnak tájékoztatást, de önmagukban is lényeges információkat hordoznak. Ezek az összetett mutatószámok lehetővé te-szik a K+F aktivitás mikroszintű nyomon követését, monitoringját, aggregálva pedig makrogazdasági vagy nemzetközi versenyképességi vizsgálatoknak is alapját képezhetik. Ezek a tevékenységek a végrehajtá-sért felelős döntéshozók, menedzserek munkájának szerves részét kép-
94
zik, amelyben nagy segítséget jelentenek a komplex módszertanra épülő szigorú ellenőrzési technikák.
Ha szembeállítjuk egymással a K+F aktivitás két kompozit indikáto-rát (K+F Teljesítmény Index és K+F Hatékonyság Index), akkor egy olyan portfolió-technikához jutunk, amely segítségével a kutató-fejlesztő helyek (akadémiai, felsőoktatási és vállalkozási) K+F teljesítménye és K+F hatékonysága egyaránt megjeleníthető, könnyen vizualizálható. Nevezzük ezt a portfolió-technikát K+F Aktivitás Mátrixnak (Molnár, 2010).
8. ábra. K+F Aktivitás Mátrix
Forrás: Saját szerkesztés
A kutatás-fejlesztési tevékenység teljesítménye és hatékonysága alap-
ján négy csoportba sorolhatók a kutató-fejlesztő helyek. „Sztárok”: Átlag feletti teljesítménnyel és hatékonysággal jellemez-
hető kutató-fejlesztő helyek, amelyek felismerték, hogy sikerükben kulcsfontosságú szerepet tölt be a kutatás-fejlesztés, és ennek figyelem-bevételével hozzák meg döntéseiket.
„Mennyiség-orientáltak”: Azok a kutató-fejlesztő helyek tartoznak ebbe a csoportba, amelyek átlag feletti teljesítménnyel, de átlag alatti
95
hatékonysággal dolgoznak. Az aktivitásuk magas mennyiségi adatokkal, de alacsony minőségi jellemzőkkel írható le.
„Lemaradók”: Sem a K+F teljesítmény, sem pedig a K+F hatékony-ság területén nem alkotnak maradandót, legalább is a többi kutató-fejlesztő helyhez viszonyítva.
„Minőség-orientáltak”: A minőségorientált kutató-fejlesztő helyek teljesítményben ugyan elmaradnak az átlagtól, de hatékonyságban átlag feletti kutatás-fejlesztési aktivitást nyújtanak a többihez képest.
A K+F Aktivitási Mátrix egyszerű, mégis komplex elemzési technika a kutatás-fejlesztési tevékenység vizsgálatában, amelynek tengelyeit a K+F Teljesítmény Index és K+F Hatékonyság Index alkotják. A módszer egyaránt alkalmas térbeli és időbeli összehasonlítások elvégzésére. A síknegyedeket reprezentáló elnevezéseket úgy próbáltuk megválasztani, hogy egyértelműen visszautaljanak az adott kategóriába eső kutató-fejlesztő hely kutatás-fejlesztési aktivitásának mennyiségi és minőségi jellemzőire. A K+F Aktivitás Mátrix segítségével nem csak értékelhető a mikroszintű aktivitás, hanem mélyebb vizsgálatot és értelmezést követő-en kijelölhetővé válnak a tevékenység növekedésorientált fejlesztési irányai.
Irodalom
ARCHIBUGI, D. – COCO, A. (2004): A New Indicator of Technological Capabilities for Developed and Developing Countries (ArCo), World Development, 32. évf. 4. sz., 629–654.
ARCHIBUGI, D. – DENNI, M. – FILIPPETTI, A. (2009): Global Innovation Scoreboard 2008. Pro Inno Europe/Inno Metrics, Brussels.
BALOGH, T. (2001): A szakértői bírálattól a portfólió-elemzésig, Magyar Tudo-mány, 48. évf. 3. sz., 328–339.
BORSI, B. (2005): Tudás, technológia és a magyar versenyképesség. Ph.D. érte-kezés, Budapest.
BORSI, B. – TELCS, A. (2004): A K+F-tevékenység nemzetközi összehasonlítása ország-statisztikák alapján. Közgazdasági Szemle, 51. évf. 2. sz., 153–172.
BUNKÓCZI, L. – PITLIK, L. (1999): A DEA (Data Envelopment Analysis) mód-szer falhasználási lehetőségei üzemhatékonyságok méréséhez. Agrárinfor-matika, Debrecen.
European Commission (2009): European Innovation Scoreboard. Brüsszel.
96
FABER, J. – HESEN, A. B. (2004): Innovative Capabilities of European Nations Crossnational Analyses of Patents and Sales of Product Innovations, Research Policy, 33. évf. 2. sz., 193–207.
FÄRE, R. – GROSSKOPF, S. – KNOX LOVELL, C. A. (1994): Production Frontiers. Cambridge University Press, Cambridge.
FÜLÖP, J. – TEMESI, J. (2001): A Data Envelopment Analysis (DEA) alkalmazá-sa ipari parkok hatékonyságának vizsgálatára. Szigma. 32. évf. 3–4. sz., 85–109.
FURMAN, J. – PORTER, M. E. – STERN, S. (2002): The Determinants of National Innovative Capacity, Research Policy, 31. évf., 6. sz., 899–933.
GIBBONS, M. – GEORGHIOU, L. (1987): Evaluation of Research – A Selection of Current Prectices, Organisation for Economic Co-operation and Develop-ment Párizs
HATZICHRONOGLOU, T. (1997): Revision of te High-Technology Sector and Product Classification, Organisation for Economic Co-operation and Development, Párizs
HOLLANDERS, H. (2007): Regional Innovation Scoreboard 2006. Pro Inno Europe/Inno Metrics, Brussels
HOLLANDERS, H. – KANERVA, M. (2009): Service Sector Innovation – Measuring Innovation Performance for 2004 and 2006 Using Sector Specific Innovation Indexes. Pro Inno Europe/Inno Metrics, Brussels.
HOLLANDERS, H. – VAN CRUYSEN, A. (2008a): Design, Creativity and Innovation – A Scoreboard Approach. Pro Inno Europe/Inno Metrics, Brussels.
HOLLANDERS, H. – VAN CRUYSEN, A. (2008b): Rethinking the European Innovation Scoreboard – A New Methodology for 2008–2010. Pro Inno Europe/Inno Metrics, Brussels.
HUI, D. – NG, C. – MOK, P. – FONG, N. – CHIN, W. – YUEN, C. (2005): A Study on Creativity Index. Hong Kong Home Affairs Bureau, The Hong Kong Special Administrative Region Government, Hong Kong.
International Institute for Management and Development (2009): World Competitiveness Yearbook 2009. Lausanne.
KOTY, L. (1997): A gazdasági hatékonyság számítása DEA lineáris programmal. Statisztikai Szemle, 75. évf. 6. sz., 515–524.
Központi Statisztikai Hivatal (2008): Kutatás és fejlesztés, Budapest MOLNÁR, L. (2009): A kutatás-fejlesztési aktivitás mérési módszerei, különös
tekintettel a K+F Teljesítmény Indexre (R&D-PERIND) és a K+F Haté-konyság Indexre (R&D-EFFIND), „Gazdaság és Társadalom” Nemzetközi
97
Tudományos Konferencia, Nyugat-Magyarország Egyetem, Tanulmánykö-tet, Sopron (ISBN: 978-963-9871-30-4)
MOLNÁR, L. (2010): K+F Aktivitás Mátrix – Új Koncepció A Kutatás-Fejlesztés Teljesítményértékelésében, Statisztikai Szemle, 88. évf. 12. sz., 1206–1221.
MOON, H. S. – LEE, J. D. (2005): A Fuzzy Set Theory Approach to National Composite S&T Indices. Scientometrics, 64. évf. 1. sz., 67–83.
MOON, J. H. – KANG, C. S. (1999): Use of Fuzzy Set Theory in the Aggregation of Expert Judgments. Annals of Nuclear Energy, 26. évf. 1. sz., 461–469.
NARDO, M. – SAISANA, M. – SALTELLI, A. – TARANTOLA, S. – HOFFMAN, A. – GIOVANNINI, E. (2005): Handbook on Constructing Composite Indicators – Methodology and User Guide. Organisation for Economic Co-operation and Development, Paris.
National Science Board (2008): Science and Engineering Indicators 2008. Arlington.
NIWA, F. – TOMIZAWA, H. (1995): Composite Indicators – International Comparison of Overall Strengths in Science and Technology. National Institute of Science and Technology Policy, Tokyo.
OKUBO, Y. (1997): Bibliometric Indicators and Analysis of Research Systems, Organisation for Economic Co-operation and Development, Párizs
Organisation for Economic Co-operation and Development (1990): Manual for the Measurement and Interpretation of Technology Balance of Payments Data – TBP Manual, Párizs.
Organisation for Economic Co-operation and Development (1995): The Measurement of HumanResources Devoted to Science and Technology – Canberra Manual, Párizs.
Organisation for Economic Co-Operation and Development (1997): The Evaluation of Scientific Research – Selected Experiences, Párizs
Organisation for Economic Co-operation and Development (2002): Frascati Manual – Proposed Standard Practice for Surveys on Research and Experimental Development, Párizs.
Organisation for Economic Co-operation and Development (2005a): Measuring Globalization – OECD Handbook on Economic Globalisation Indicators 2005. Paris.
Organisation for Economic Co-operation and Development (2005b): Oslo Manual – Guidelines for Collecting and Interpreting Innovation Data, Párizs.
Organisation for Economic Co-operation and Development (2007): Science, Technology and Innovation Indicators in a Changing World – Responding to Policy Needs, Párizs
98
Organisation for Economic Co-operation and Development (2009): Patent Statistics Manual, Párizs.
PORTER, M. E. – STERN, S. (1999): The New Challenge to America’s Prosperity – Findings from the Innovation Index, Council on Competitiveness, Wa-shington
SAISANA, M. – TARANTOLA, S. (2002): State-of-the-art Report on Current Methodologies and Practices for Composite Indicator Development. Joint Research Centre, Ispa.
SOHN, K. Y. – YANG, J. W. – KANG, C. S. (2001): Assimilation of Public Opinions in Nuclear Decision-making Using Risk Perception. Annals of Nuclear Energy, 28. évf. 6. sz., 553–563.
SOHN, S. Y. – JOO, Y. G. – HAN, H. K. (2007): Structural Equation Model for the Evaluation of National Funding on R&D Project of SME’s in Consideration with MBNQA Criteria, Evaluation and Program Planning, 30. évf. 1. sz., 10–20.
SOHN, S. Y. – MOON, T. H. (2003): Structural Equation Model for Predicting Technology Commercialization Success Index (TCSI), Technological Forecasting & Social Change, 70. évf. 9. sz., 885–899.
Statistical Office of the European Communities (2008): Science, Technology and Innovation in Europe – Pocketbook, Luxemburg
Statistical Office of the European Communities (2008): Science, Technology and Innovation in Europe – Statistical book, Luxemburg
TIBENSZKYNÉ, F. K. (2007): Az oktatás hatékonyságának mérése a ZMNE 2006-ban végzett hallgatóin Data Envelopment Analysis (DEA) módszer használatával. Hadmérnök, 2. évf. 2. sz., 149–165.
TÖRÖK, Á. (1997): Az első átfogó projektértékelési kísérlet Magyarországon, Közgazdasági Szemle, 44. évf. 1. sz., 69–82.
TÖRÖK, Á. (2005): Competitiveness in Research and Development – Comparisons and Performance. Edward Elgar Publishing, Cheltenham.
TÖRÖK, Á. (2006): Stratégiai ágazat stratégia nélkül? Savaria University Press, Szombathely
TÓTH, Á. (1999): Kísérlet a hatékonyság empirikus elemzésére. Magyar Nemze-ti Bank, Budapest.
TRAN, L. T. – KNIGHT, C. G. – O’NEILL, R. V. – SMITH, E. R. – RIITTERS, K. H.–WICKHAM, J. (2002): Fuzzy Decision Analysis for Integrated Environmental Vulnerability Assessment of the Mid-Atlantic Region. Environmental Management, 29. évf. 6. sz., 845–859.
99
TSAUR, S. H. – CHANG, T. Y. – YEN, C. H. (2002): The Evaluation of Airline Service Quality by Fuzzy MCDM. Tourism Management, 23. évf. 2. sz., 107–115.
United Nations Conference on Trade and Development (2005): World Investment Report 2005, New York.
United Nations Development Programme (2007): Human Development Report 2007/2008. New York.
United Nations Industrial Development Organisation (2005): Industrial Development Report 2005, Bécs.
WAGNER C. S. – BRAHMAKULAM, I. – JACKSON, B. – WONG, A. – YODA, T. (2001): Science and Technology Collaboration – Building Capacity in Developing Countries. RAND, Santa Monica.
World Bank (2009): World Development Indicators 2009, Washington World Economic Forum (2008): The Global Competitveness Report 2008–
2009, Genf.