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.