INNOVÁCIÓMENEDZSMENT KUTATÁS ÉS GYAKORLAT. Innovációs potenciál mérése Technológiai képességek tervezése, fejlesztése

Átírás

1 INNOVÁCIÓMENEDZSMENT KUTATÁS ÉS GYAKORLAT Innovációs potenciál mérése Technológiai képességek tervezése, fejlesztése

2

3 INNOVÁCIÓMENEDZSMENT KUTATÁS ÉS GYAKORLAT Innovációs potenciál mérése Technológiai képességek tervezése, fejlesztése MISKOLCI EGYETEM Innovációmenedzsment Kooperációs Kutatási Központ

4 Kiadja: Miskolci Egyetem Innovációmenedzsment Kooperációs Kutatási Központ 2007 Kiadásért felel s: Dr.DeákCsaba M szaki szerkesztés: Kassai Edit Nyomda: Z-PRESS 3532 Miskolc, Liszt Ferenc utca 16/A ISBN Készült a Nemzeti Fejlesztési Terv GVOP /3.0 Operatív Programja keretében. További információ: infovonal:

5 Tartalomjegyzék Alapozó környezet és állapotfelmér program Prof. Dr. Besenyei Lajos Domán Csaba Szilágyi Roland Varga Beatrix...7 Bevezetés Statisztikai mintaillesztés program tervezése és megvalósítása A Statisztikai mintaillesztés program célja A mintavételez szoftver tervezésének, megvalósításának szempontjai A program bemutatása technikai, programozási szempontból A program felülete A program m ködésének bemutatása Innovációs potenciál mérése Kutatási tevékenység id dimenziója Innovációs potenciál mérésének módszertani lehet ségei A változók leírása Az alkalmazott ökonometriai módszerek kiválasztása Az innovációs potenciál mérésének empirikus eredményei A felvétel el készítése és lebonyolítása, a vállalkozások és a változók jellemz i Innovációs teljesítmények a vizsgált vállalatok/intézmények körében Faktoranalízis alkalmazásának lehet sége az innovációs potenciál mérése során Klaszteranalízis alkalmazásának lehet sége az innovációs potenciál mérése során Összefoglalás...64 Irodalomjegyzék...65 Innováció menedzselés az autóiparban: gyorsított fejlesztés integrált irányítás stratégiai el retekintés az after market környezet kihívásai Dr. Berényi László Harangozó Zsolt Dr. Szakály Dezs A termékfejlesztés orientációi A másodpiaci fejlesztések sajátos vonásai Pilot projekt az after market követelményeihez igazodó fejlesztési folyamat és módszertan kialakítására A PILOT projekt sajátosságai Az integrált fejlesztési folyamat Az integrált fejlesztési folyamat fázisainak tartalma Kezdeményezés Koncepció el terjesztése

6 Fejlesztés Konstrukció jóváhagyása Termelési folyamatok jóváhagyása Folyamatos fejlesztés A check point rendszer A tervezés igazolása Ellen rzések a fejlesztési folyamatban A projektirányítás keretrendszere A fejlesztési folyamat és az irányítási rendszer viszonyának kezelése Az irányítási rendszer felépítése Fejlesztési folyamat kezelése AM beszállítói háttér és beszállítások kezelése Projektmenedzsment feladatok kezelése AM fejlesztések dokumentálásának kezelése Projekttámogató dokumentációs és információs keretrendszer Az integrált dokumentumkezelés el nyei A fejlesztési folyamathoz igazodó dokumentumkezel rendszer felépítése A dokumentumkezel rendszer programozási kérdései A dokumentumkezel rendszer tartalma Potenciál analízis és kritikus pontok meghatározása Termék technológia kritikus pont önértékelése Beszállítói potenciál analízis és technológiai audit Beszállítói potenciál analízis Beszállítói technológiai audit A potenciál analízis készítésének informatikai támogatása Rapid Prototyping a gyors prototípus készítésének lehet ségei Villámgyors termékfejlesztés Az RPT alapvet módszerei D szkennelés A Rapid Prototyping technológiák diffúzója Az RPT alkalmazása A technológiai úttérképezés Technológia és a technológia menedzsment Technológiai stratégia Technológiai fejlesztés A technológiai úttérképezés Technology Roadmapping (TRM) A TRM módszertana A TRM folyamata A Cambridge-i megközelítés Fast Start módszertan A Sandia módszertana A TRM ábrázolás technikai és használati tipológiája A TRM projektek tapasztalatai Irodalomjegyzék

7 ALAPOZÓ KÖRNYEZET ÉS ÁLLAPOTFELMÉR PROGRAM Prof. Dr. Besenyei Lajos Domán Csaba Szilágyi Roland Varga Beatrix egyetemi tanár egyetemi tanársegéd egyetemi tanársegéd egyetemi adjunktus Kutatás-fejlesztési tevékenységünk során két f irányvonal mentén valósítottuk meg céljainkat. Az egyik irányvonal alapján az innováció-menedzsment tevékenység által érintett környezeti, s eredmény-állapot értékelési rendszerének és kiinduló állapotának kutatását alátámasztó szoftver megtervezése és kifejlesztése történt meg, míg a másik irányvonal alapján azt vizsgáltuk, hogy az IMKKK milyen közvetlen és közvetett hatással van a vele kapcsolatban lév partnerek innovációs tevékenységére. BEVEZETÉS Kutatási projektünk els részében a kutatásokhoz elengedhetetlenül szükséges szakért i támogató rendszer elméleti megalapozását szolgáló módszertant dolgoztunk ki, amely többféle megoldásváltozatot kínál a probléma típusától függ en. Az innovációs menedzsment tevékenysége eredményességének méréséhez, és a szükséges következtetések levonásához, ezen módszertan a várható alternatívák közül a legmegfelel bb kiválasztásával nyújt segítséget. A kutatás eredményeként kidolgozott rendszer speciális kiegészítésekkel alkalmassá tehet bármilyen kutatás, felmérés elvégzésére. Segítségével szakszer en megvalósítható az adatok gy jtése, információvá alakítása, a döntések támogatása, adatbázisok el állítása, kiértékelése, illetve az eredmények bemutatása. A kutatás folyamatában minden lépés egyaránt fontos, de a kutatási probléma meghatározása talán a legfontosabb. Csak a kutatási probléma világos és pontos körülhatárolása után kerülhet sor a kutatás megtervezésére és végrehajtására. Fontos a megrendel igényeit maradéktalanul kielégíteni, ugyanakkor összhangba kell hozni a megbízó elvárásait a módszerek által behatárolt lehet ségekkel. A kérd ívek vagy megfigyelési adatlapok szerkesztése szintén fontos lépés a kutatás tervezése során. Ezért részletesen foglalkoztunk a kérd ívkészítés és felhasználás problémakörével is. Ha teljeskör megfigyelésre nem nyílik lehet ségünk, akkor megfelel en kiválasztott minta alapján kell levonni következtetéseinket. A reprezentatív megfigyelés sikere els sorban azon múlik, hogy a megfigyelend egységek kiválasztásánál hogyan járunk el. Ez indokolta azt, hogy kutatásunk során bemutattuk a mintavételi eljárások alkalmazási területeit, el nyeit, hátrányait. Kutatásunk során részletesen foglalkoztunk a statisztikai elemzés módszertanával, azok alkalmazási lehet ségeivel. Mivel legtöbbször a megbízó nem az alkalmazott módsze- 7

8 rekre kíváncsi, hanem csak a végkövetkeztetéseket kívánja megismerni, ezért az eredmények ismertetése, a jelentéskészítés szintén fontos része a kutatásnak. Ehhez kapcsolódóan a jelentéskészítés szabályait, buktatóit is áttekintettük. A jelentésnek az eredményeken és a következtetéseken kívül a kutatás módszerére is koncentrálnia kell úgy, hogy azt közérthet en fogalmazza meg, és a feltárt összefüggéseket, kapcsolódási pontokat szemléletesen mutassa be. Az összeállított anyag egy számítógépes döntéstámogató szoftver alapjául szolgál. Kutatásunk másik f feladata volt az információszerzés, a releváns információk kisz rése az Innovációmenedzsment Kooperációs Kutatási Központtal kapcsolatban álló vállalatok innovációs tevékenységével kapcsolatban. Az elért információ által arra a kérdésre kerestük a választ, milyen közvetlen és közvetett hatással van az Innovációmenedzsment Kooperációs Kutatási Központ a vele kapcsolatban lév partnerek innovációs tevékenységére. Primer kutatásunk során összegy jtöttük azon információkat, melyek kell alapot nyújtottak a kutatási probléma megoldásában. 1. STATISZTIKAI MINTAILLESZTÉS PROGRAM TERVEZÉSE ÉS MEGVA- LÓSÍTÁSA A kutatás keretén belül, az alapkutatási folyamat szerves részeként meghatározásra került, mintavételi eljárások elméleti módszertanának keretrendszere segítségével a matematikai elemezhet séget is biztosító mintakiválasztási mód. Amennyiben az egyes eljárások megvalósítási menetét követjük, a kiválasztott egyedek által közvetített információkból megalapozott döntéseket hozhatunk. Erre akkor kerülhet sor, ha az alkalmazott mintavételi eljárások közül ki tudjuk választani a vizsgálat szempontjából optimálisnak tekinthet t. A program alkalmazása megkönnyíti a mintavétel körülményeihez leginkább igazodó mintavételi technikák kiválasztását A Statisztikai mintaillesztés program célja A program segítségével meghatározható az adott kutatáshoz leginkább illeszked mintavételi eljárás, melynek eredményeként a partnerek indukálta kutatásokban lehet ség nyílik az összehasonlítható, megismételhet elemzésekre. Mindez részét képezi annak a tudástranszfernek, amely szükséges a különböz régiós fejlesztési programokhoz történ sikeres integrációhoz. A program megkönnyíti a tudásteremtés mérhet ségét, lehet séget biztosít a tudomány és a technológiai teljesítmény mutatói változásának nyomon követésére. Ennek eredményeként a strukturális változások mérhet vé tételével értelmezhet vé válik a hozzáadott érték változása, a képzési és foglalkoztatási mutatók átrendez dése valamint a kereskedelmi mutatók szerkezete, m szaki paraméterek trendje. Ezen statisztikai mintailleszt szoftver segítségével a vállalkozások, és egyéb szervezetek az innovációs tevékenységüket megalapozó piackutatást id - és költséghatékonyan tudják 8

9 megvalósítani. A szoftver használatával lehet ségük nyílik arra, hogy önállóan is megtervezzenek és elindítsanak egy felmérést, mely által megteremthetik az innováció hasznosulásának alapját, s ezáltal a vállalat, szervezet versenyképessége, foglalkoztatási potenciálja és stabilitása növekedhet. Végeredményben pedig a program megalapozza a régió vállalkozásainak innovációs K+F tevékenységét meghatározó feltételrendszer elemezhet ségét, ezáltal a tényleges mérési és értékelési modellek kidolgozását A mintavételez szoftver tervezésének, megvalósításának szempontjai A szoftver tervezésének els lépéseként modelleztük a rendszer várható m ködését, amely alapján elvben teljes és ellentmondás mentes struktúra kialakítására került sor, melyet az 1. ábra szemléltet. A program a következ tématerületeken végzett kutatások tervezéséhez alkalmazható: Termékekkel kapcsolatos kutatás. Vev kkel, szállítókkal, meglev, vagy potenciális partnerekkel kapcsolatos kutatás. Megelégedettség vizsgálata. Szociológiai, humán kutatás. Pénzügyi m veletek ellen rzése. Az 1. ábrán szerepl jelöléseket a megfelel szakterület specialitásait szem el tt tartva kell alkalmazni a döntési mechanizmus során, de emellett az egyes tématerületek döntési struktúrájában alapvet hasonlóságok figyelhet ek meg. 9

10 10 1. ábra: Döntési folyamatmechanizmus

11 Jelmagyarázat az 1. ábrához: A döntési modul m ködési elve a négy témakör közüli választással kezd dik: I. Termékekkel kapcsolatos kutatás II. Vev kkel, szállítókkal, meglev, vagy potenciális partnerekkel, megelégedettséggel kapcsolatos kutatás III. Szociológiai, humán kutatás IV. Pénzügyi m veletek ellen rzése Ha I Ha A Ha A1 A vizsgált termékek a vizsgálat szempontjából azonosnak tekinthet k. (A) A vizsgált termékek között a vizsgálat szempontjából releváns különbségek tapasztalhatók, melyek alapján különböz rétegek képezhet k. (B) Rendelkezésre áll, vagy el állítható a termékek azonosítására szolgáló lista (pl: gyártási szám alapján). (A1) Nem áll rendelkezésre a termékek azonosítására szolgáló lista (pl: tömegtermelés), vagy az el állítása túl költséges, és/vagy id igényes lenne. (A2) A vizsgálni kívánt termékek száma véges, és visszatevéses mintát szándékozunk venni. (A1.1) A vizsgálni kívánt termékek száma véges, és visszatevés nélküli mintát szándékozunk venni. (A1.2) Ha A1.1 Független azonos eloszlású minta Várható értékre vonatkozó vizsgálat Arányra vonatkozó vizsgálat Ha A1.2 Egyszer véletlen mintavétel Ha A2 Várható értékre vonatkozó vizsgálat Arányra vonatkozó vizsgálat A termékek kisebb-nagyobb csoportjait megjelenít lista rendelkezésre áll, vagy könnyen el állítható, beszerezhet (Pl: több terméket tartalmazó csomagolási egységrakományokról van információ). (A2.1) A termékek azonosítására semmilyen információ nem áll rendelkezésre. (A2.2) Ha A2.1 A termékek csoportjain belül újabb csoportok regisztrálhatók. (A2.1.1) A termékek csoportjain belül nincs információnk további csoportokról. (A2.1.2) Ha A2.1.1 Többlépcs s mintavétel Ha A2.1.2 Csoportos mintavétel 11

12 HaA2.1.2 Ismerjük a termékek valamennyi csoportjának darabszámait, vagy a csoportok nagysága valamilyen más, a darabszámmal szoros korrelációban lev mennyiség alapján meghatározható. (A ) Nincs a termékek csoportjainak nagyságára vonatkozó információ. (A ) Ha A Kiválasztás nagysággal arányos valószín séggel. Ha A Különböz nagyságú csoportok kiválasztása egyenl valószín séggel. Ha A2.2 A mintavétel célja: egy nagyvonalú felmérés, vagy el zetes feltáró jelleg vizsgálat. Ahol a valószín ség számítás törvényszer ségeinek alkalmazása nélkülözhet. (A2.2.1) A minta értékelése során elengedhetetlen a matematikai pontosság, megbízhatóság számszer sítése, ennek érdekében alaposan megtervezett mintavételi tervet kíván készíteni. (A2.2.2) Ha A2.2.1 Nemvéletlen mintavételi eljárások Ha A2.2.2 Ha B: Ha B1 Szisztematikus kiválasztás Várható értékre vonatkozó vizsgálat Arányra vonatkozó vizsgálat Rendelkezésre áll, vagy el állítható a termékek azonosítására szolgáló lista (pl: gyártási szám alapján). (B1) Nem áll rendelkezésre a termékek azonosítására szolgáló lista (pl: tömegtermelés), vagy az el állítása túl költséges, és/vagy id igényes lenne. (B2) A termékek rétegei a lista alapján egyértelm en elkülöníthet k, és a rétegekre vonatkozóan külön-külön is szeretnénk következtetéseket levonni. (B1.1) A lista nem tartalmaz információt az termékek rétegképz tulajdonságára vonatkozóan, így nem végezhet el a termékek rétegekre bontása. (B1.2) Ha B1.1 Rétegzett mintavétel Ha B1.1 Ismertek az egyes rétegek sokasági szórásai és a rétegek sokaságbeli arányai. (B1.1.1) Ismertek az egyes rétegek sokasági szórásai, a rétegek sokaságbeli arányai és a rétegenkénti megfigyelési egységköltségek. (B1.1.2) A rétegek sokaságbeli arányai ismertek. (B1.1.3) Ha B1.1.1 Neyman-féle (a hibanagyság szempontjából) optimális elosztás 12

13 Ha B1.1.2 Költségoptimális elosztás Adott költség mellett optimális megbízhatósággal Adott megbízhatóság mellett optimális költségekkel Ha B1.1.3 Arányos rétegzés Egyenletes rétegzés Ha B1.2 utólagos rétegzés Ha B2 A vizsgált termékeken belül a rétegek aránya ismeretes. (B2.1) A vizsgált termékekr l nincsenek el zetes információink. (B2.2) Ha B2.1 kvótás kiválasztás Ha B2.2 Egyéb nemvéletlen mintavételi eljárás A mintavételezési tevékenységhez elengedhetetlen a felhasználó rendelkezésére álló inputok, valamint az outputok meghatározása. Feltétlenül szükséges, hogy a felhasználó behatóan ismerje a kutatni szándékozott területet. A vizsgálni kívánt sokaság egységeinek jellemz tulajdonságait, összetételét, elérhet ségét, fizikai alkalmasságát a vizsgálatok elvégzésére. Jóllehet a kutatás folyamatában minden lépés fontos, a kutatási cél meghatározása mégis a legfontosabb. A kutatás célját tekintve a problémákat és a lehet ségeket szinonimaként kell kezelni. A célmeghatározás magába foglalja az általános kutatási cél tág megfogalmazását, illetve ezen cél speciális összetev inek meghatározását. Csak a kutatási cél világos és pontos meghatározása után kerülhet sor a kutatás megtervezésére és végrehajtására. Minden er feszítés, minden pénz- és id befektetés felesleges, ha a célt félreértették vagy roszszul definiálták. Ez egy kritikus pont, ugyanis a nem megfelel cél-meghatározás a leggyakoribb oka a kutatás hibáinak. Általános szabály a kutatási cél meghatározásakor, hogy annak egyrészt lehet vé kell tennie a kutató számára, hogy megszerezzen minden információt, ami szükséges a vezet i döntési probléma megoldásához, másrészt ki is kell jelölnie az információk megszerzéséhez vezet utat. A cél-meghatározás során a kutatók két tipikus hibát szoktak elkövetni: Túl tágan határozzák meg a kutatási célt. Egy ilyen tág megfogalmazás nem ad világos útmutatást a kutatás lépéseihez. Az el z ellenkez je: a kutatási cél megfogalmazása túlságosan lesz kített. Ez eleve kizárja bizonyos intézkedések meghozatalát, talán pont azokét, amelyek a leginnovatívabbak, de nem maguktól értet d ek. Elterelheti a kutatók figyelmét a vezet i döntési probléma fontos összetev ir l is. A cél-meghatározás során elkövethet tipikus hibákat elkerülhetjük, ha el ször tágan, általánosan fogalmazunk, majd meghatározzuk a probléma konkrét összetev it. A cél 13

14 tág megfogalmazása megfelel áttekintést ad a problémáról, ezzel elkerülhet amásodik tipikus hiba. A probléma konkrét összetev i a kulcskérdésekre összpontosítanak és világos útmutatást nyújtanak az elvégzend feladatokról. Ha a cél tág megfogalmazása megtörtént, valamint meghatározták konkrét összetev it, akkor képes a kutató a megfelel megközelítés kidolgozására. A cél-meghatározás során szükséges a döntéshozókkal való kapcsolattartás, az iparági és más szakért kkel történ interjúkészítés, a szekunder adatok elemzése és olykor egy kvalitatív kutatás lefolytatása is. Ezek segíthetnek a kutatónak abban, hogy a környezet tanulmányozásán keresztül jobban megérthessék a probléma hátterét. A cél szempontjából legfontosabb környezeti tényez ket külön is értékelni kell. A környezeti összefüggések megértése megkönnyíti a vezet i döntési probléma azonosítását, mely alapján aztán megfogalmazható a kutatási cél. Ez a kiindulópontja a megközelítés kidolgozásának is, mely a következ kb l épül fel: objektív/elméleti keret, kutatási kérdések, hipotézisek, a kutatási módszertant befolyásoló jellemz késtényez k. Ezen információk és tudásbázis birtokában a program által feltett kérdésekre felkínált válaszokból a megfelel t kiválasztva juthat el a felhasználó az els szint eredményekig, miszerint meghatározta az alkalmazandó optimális eljárást. Azt, hogy rétegzett mintavétel alkalmazása szükséges. (Pl: 2. ábra) 2. ábra: A program által indukált alkalmazható optimális döntés Rögzítettük, hogy az el z munkaszakaszban elkészített módszertan alapján m köd szoftver eredményeit milyen jelentések, összesítések által lehet felhasználni a partne- 14

15 rek indukálta kutatásokban, a készül régiós fejlesztési programokban és a tudástranszfer tevékenységben. A továbbiakban szót kell ejteni néhány a sokaságot, és a mintavétel körülményeit érint információról, melyek ismerete feltétlenül szükséges a megfelel minta kialakításához. Nagymértékben segíti a mintavétel tervezését és ezen keresztül a következtetés további eredményeit az, ha a sokasági szóródásra vonatkozó különféle mér számok még mintavétel el tt legalább hozzávet leg ismertek. Ez azért nem teljesen irreális követelmény, mert tapasztalatok azt mutatják, hogy a szórások nem ritkán viszonylag stabilak, így a rájuk vonatkozó korábbi tapasztalatok jól felhasználhatók a mintavételek tervezésénél. Abban az esetben, ha a kutatás nem mennyiségi jelleg paraméterre irányul, hanem a sokaság min ségi tulajdonságai szerinti arányait (megoszlását) hivatott vizsgálni a szórás: p q, ahol p a vizsgált tulajdonsággal rendelkez egyedek százalékos aránya a sokaságban, q=1-p. (A számításhoz értelem szer en csak 0-1 közötti érték adható meg.) Ugyancsak hatékonyabbá teheti a mintavétel tervezését, de f ként az azt követ következtetést, ha van információnk a sokasági eloszlás jellegér l. Err l szintén azt állíthatjuk, hogy a különféle társadalmi-gazdasági, m szaki jelenségek esetén meghatározott eloszlási törvényszer ségek érvényesülnek, amelyek stabilak, így az ezekre vonatkozó elméleti ismeretek és korábbi tapasztalatok felhasználhatók a mintavételi terv kialakítása során. Adott költségkeret mellett optimális bizonytalansággal végzett rétegzett mintavétel esetén a program a 3. ábrán látható inputokat kéri a felhasználótól. 3. ábra: Statisztikai minta meghatározásához szükséges inputok 15

16 A mintavételi terv kidolgozásakor felhasználhatók a sokaságnak a vizsgált paraméteren kívüli egyéb változóira vonatkozó információk is. Az ilyen ún. segédváltozók általában valamiféle együttmozgást mutatnak a vizsgálat tárgyát képez változóval, és amennyiben ezek egyszer bben, olcsóbban, kisebb hibával figyelhet k meg, úgy a következtetés során fontos szerepet játszhatnak. Végül a mintavételek tervezésénél szükséges, fontos, de már nem a sokaságot érint információ a felvétel pontossági követelménye, amelyet olykor a kutató választ meg, de gyakorta a reprezentatív felvétel küls adottsága. Ha például termésbecsléssel kívánjuk a várható termést meghatározni, akkor a becslés hibája egy határon belül nem befolyásolja érdemben az eredményt. A kérdés azonban néha az, hogy pl. a termés elér-e egy kritikus határt, hiszen ez intézkedést (pl. importot) igényelhet. Ilyen esetekben a hibahatárt ehhez a kritikus értékhez célszer igazítani. Hasonlóképpen fontos információt jelentenek még a felvételi költségadatok (egységköltségek, költségfüggvények, rendelkezésre álló költségkeret), hiszen éppen ezek jelentik azokat a korlátozó feltételeket, amelyek mellett a lehet legjobb mintavételi tervet lehet készíteni. Amennyiben a szükséges és megfelel inputok rendelkezésre állnak, az el bbiekben már említett els szint eredmények után a program meghatározza a kiválasztott mintavételi eljárás keretein belül vizsgálni szükséges mintaelemszámot A program bemutatása technikai, programozási szempontból Aszéleskör használhatóság érdekében a programot webes felületen keresztül lehet elérni, melynek legf bb el nye a platform független használat. A megfelel autentikáció után a programot bárhol használatba lehet venni, ahol az Internetes kapcsolat biztosított. Természetesen offline üzemmódban is futtatható a program, a kliens saját munkaállomásán, miután a megfelel szoftvereket telepítette. A program megírása során HTML gazdanyelvbe ágyazott JavaScript és PERL programrészek konstruálása biztosította a sokoldalú, hatékony m ködés, interaktív környzet kialakítását. A PERL programrészek webes környezetben futtatható CGI állományokba helyezve, könnyen szerkeszthet k és módosíthatók egy egyszer szövegszerkeszt szoftver segítségével is, ezzel lehet séget teremtve, a felhasználói igényekhez történ rugalmas átalakításra A program felülete A felhasználói felület tervezése, megvalósítása során kidolgozásra kerültek a program funkiconalitását tükröz technikai szempontok. A m ködés különböz szint lépéseiben megadott információk áttekinthet elrendezését a felületen. A tervezés során szem el tt kellett tartani, a projekt életrehívásában közrem köd szervezetek megjelenítését. 16

17 A program felülete 3 f részre tagolódik, mely a 4. ábrán látható. Fejléc: Itt található a program neve, valamint a projekt kivitelezését végz szervek logói. Törzsrész: Input adatokat fogadó, output adatokat és egyéb járulékos információkat szolgáltató rész. Lábléc: A közrem köd szervezetek azonosítására szolgáló logók, szlogenek, illetve a navigáló rész (nyomógombokhoz rendelt linkek). 4. ábra: A program indító felülete A program megírása során HTML gazdanyelvbe ágyazott JavaScript és PERL programrészek konstruálása biztosította a sokoldalú, hatékony m ködés, interaktív környezet kialakítását. A JavaScript használata teszi lehet vé az I/O adatok során végzett ellen rzések, figyelmeztetések és rlapmez -javítások realizálását a felhasználói függvények révén. A szerveroldalon PERL nyelv program végzi a különböz számítási, feltétel-vizsgálati valamint válaszlap-generálási feladatokat a megadott algoritmusok alapján. Mivel a PERL egy szerveroldali script nyelv, így könnyed használata pont abban rejlik, hogy futtatása során nem szükséges, hogy a felhasználó gépén telepítve legyen a futtató környezet, ez a szervert üzemeltet cégnek, rendszergazdának a feladata, neki kell biztosítani, hogy a scriptet értelmez és végrehajtó keretrendszer a szerveren installálva legyen. 17

18 A PERL választása mellett, annak egyszer sége, sokoldalúsága, könny kezelhet sége és C programozási nyelv közeli struktúrái, szekvenciái miatt döntöttünk. A PERL programrészek webes környezetben futtatható CGI állományokba helyezve, könnyen szerkeszthet k és módosíthatók egy egyszer szövegszerkeszt szoftver segítségével is. A program megírása során törekedtünk az átlátható, stílusos interaktív felület kialakítására, mely segíti a program kezelésének gyors és egyszer elsajátítását és a könny navigálást. A navigáció megkönnyítése érdekében, a böngész standard nyomógombjai mellett az egyes oldalakon elhelyezett "Vissza" gomb, illetve a billenty zeten található "Backspace "gomb áll a felhasználó segítségére. Ezen funkciók segítségével módosíthatjuk az el z oldalakon meghozott döntéseinket, valamint a megadott input adatokat. A láblécen található nyomógombok, linkek Leírás: általános leírást ad a mintaillesztés témakörér l, valamint a lap végén megtalálható a felhasznált és ajánlott szakirodalom is. Ebben a pontban olvashatja a felhasználó, a statisztikai mintavételezés elméleti módszertani alapjait. Leírás található a különböz véletlenen alapuló és nem véletlenen alapuló mintavételi eljárásokról, alkalmazhatóságukról, indokoltságukról, és megvalósításukról. Kulcsszavakra történ keresési lehet séggel. Döntési modul: CGI programfájlokkal megvalósított program. A felhasználó által megadott Input adatokból a leprogramozott algoritmusok alapján Output adatokat szolgáltat. Ebben a menüben a program által feltett irányított kérdésekre adott válaszok alapján a program kiválasztja az információk alapján leginkább alkalmazhatónak tartott mintavételi eljárást. Az így meghatározott módszerr l olvashat b vebben a felhasználó az el z menüben. Amennyiben a program által kiválasztott eljárás véletlen típusú, abban az esetben a program információkat kér a kívánatos mintaelemszám meghatározásához. A felhasználó által megadott információk és a matematikai statisztikai, valószín ség számítási összefüggések alapján a program kiszámítja mekkora elemszámú mintát kell megvizsgálni. Képletek: a programban az egyes eljárásokhoz készített algoritmusok során alkalmazott szabályok, képletek gy jteménye. Az el z menüben alkalmazott képleteket tartalmazza, így a felhasználó (megfelel szint matematikai ismereteket feltételezve) önállóan is össze tud állítani mintavételi terveket a különböz eljárásokra, bonyolult (pl: többlépcs s) mintavételi esetekre vonatkozóan. Szójegyzék: az interaktív felületen megjelenített terminus techniques-ok találhatók meg ABC sorrendben. Gyakorlatilag a módszertani leírásban és a statisztikai mintavételezésben alkalmazott terminológia szótárszer felsorolását, és magyarázatát tartalmazza. Keresési lehet séggel. Kontakt: a projekt kivitelezésében résztvev szervezetek és személyek elérhet ségei találhatók meg. 18

19 Kezd lap: a kezd webes felületet tölti be az aktuális site-ra. Az adott linkre kattintva a nyomógomb színe megváltozik, és elmozdul, ezzel szemléltetve, hogy a program melyik részét használja a felhasználó. Másik linkre kattintva az el z link visszaáll az eredeti állapotba. Az itt ismertetett megoldást JavaScript-tel valósítottuk meg A program m ködésének bemutatása A statisztikai mintailleszt program m ködését egy konkrét példán keresztül mutatjuk be. A példa szerint, egy termék szállításával kapcsolatos folyamatos min ségellen rzés keretében kerül sor a felmérésre. A terméket 8000 partnernek szállítjuk. A partnerek két csoportra, rétegre oszthatók, többségük nagytétel vásárló (6000 partner). A nagytétel vásárlók állandó partnereknek tekinthet k, míg a többiek esetiek, és számuk gyakran változik. Az állandó partnerek megkeresése, és a szállítás min sítésére vonatkozó interjúk elvégzése könnyebbnek bizonyul, ezért kevesebb költséggel valósítható meg, mint az eseti partnerek esetében. Az állandó partnerek esetében a szállítás nagyobb biztonsággal tervezhet, ezért az általuk készült min sítések szóródása kisebb, mint az eseti partnerek között (a korábbi ellen rzések alapján). A fenti adatokat az 1. táblázat tartalmazza. 1. táblázat: Munkatábla a program m ködésének bemutatásához Megnevezés Állandó partnerek Eseti partnerek Partnerek száma 6000 db 2000 db Az ellen rzés egységköltsége a csoportokban 400 Ft/db 700 Ft/db A szállítás min ségének szórása a csoportokban 2 pont 4 pont A táblázat fiktív adatokat tartalmaz A példa információiból egyértelm en látható, hogy partnerekkel kapcsolatos vizsgálatról van szó, tehát a program által megjelenített lehet ségek közül a második tématerület mellett kell döntenünk. A Tovább gombra kattintva juthatunk az eljárások szelektálásának els lépéshez. 19

20 Tématerület kiválasztása: 5. ábra: Tématerület kiválasztása Az els lépés során a második lehet séget kell választanunk, hiszen a partnerek egyértelm en két csoportra oszthatók. Ismét a Tovább gomb segítségével léphetünk. 20

21 Els lépés: 6. ábra: A vizsgálati egységek homogenitásával kapcsolatos döntés A második lépésben adható válaszok közül szintén egyértelm a választás, mivel szállítási partnerekr l lévén szó azok elérhet ségeir l és egyéb információiról részletes lista áll rendelkezésre. 21

22 Második lépés: 7. ábra: A vizsgálati egységeket tartalmazó lista meglétének ellen rzése A harmadik lépésben az els lehet ség mellett döntünk, mert a partnerek adatait tartalmazó adatbázisban szerepl partnerkódok alapján eldönthet, hogy egy adott partnert állandó partnernek min sített a vállalat, vagy sem. 22

23 Harmadik lépés: 8. ábra: Rétegzés lehet ségeinek vizsgálata Ezt követ en eljutunk az els szint programeredményekig, miszerint a mintavételi eljárások közül a rétegzett mintavétel alkalmazása a leginkább célszer. Arétegzett mintavétel megszervezéséhez szükséges információk megismeréséhez a b vebb linkre kattintva juthatunk. A mintavétel elvégzéséhez szükséges mintaelemszám meghatározásához a program a negyedik lépésben további információkat vár. Az 1. táblázatban található adatok alapján a második lehet séget érdemes választanunk. 23

24 Negyedik lépés: 9. ábra: Mintavételi módszer meghatározása Az ötödik lépésben a számításokhoz szükséges további információk megadására van lehet ség. Ezen információk a felhasználó szubjektív ismeretei, valamint szakmai megfontolások alapján kerülnek megadásra. Most a második lehet séget választva lépünk tovább. 24

25 Ötödik lépés: 10. ábra: Rétegzés módjának kiválasztása A választott módszer elméleti leírásához jutunk a b vebb linkre kattintva. Valamint lehet ség nyílik a különböz rétegek adatainak megadására. Az egyik réteg adatainak beírása után a Következ réteg adatai gombra kattintva nyílik lehet ség a további adatok felvitelére. 25

26 Els réteg adatainak felvitele: 11. ábra: Input adatok bevitele Miután a második réteg adatait is megadtuk, további réteg hiányában a Tovább gombra kattintva a program megjeleníti az eredményt, vagyis az elemezhet vizsgálathoz szükséges minta elemszámát. 26

27 A második réteg adatainak felvitele: 12. ábra: További rétegek inputadatainak megadása Esetünkben ez a szám 300, vagyis ennyi partnert kell megkérdezni, ahhoz, hogy a teljes sokaságot reprezentáló mintát kapjunk. 27

28 Eredmény: 13. ábra: A szükséges mintaelemszám meghatározása Amennyiben arra is kíváncsiak vagyunk, hogy ezt a 300 elem mintát milyen arányban kell szétosztani az egyes rétegek között vissza kell lépnünk az ötödik lépéshez és a Költség optimális rétegzés lehet ségét választani! Ez esetben az adatok újbóli magadására van szükség. (10. ábra) 28

29 A minta szétosztásának arányai: 14. ábra: Rétegek arányának meghatározása Az adatok beírása után a Tovább gombra kattintva a program egy táblázatot jelenít meg, mely tartalmazza az eddig megadott adatokat a rétegekre vonatkozóan, valamint az egyes rétegekhez tartozó arányszámokat. Ezek az arányszámok a minta elosztására vonatkoznak. Esetünkben az els rétegb l (az állandó partnerek csoportjából) a minta 66,5%-át kell választani, míg a maradék 33,5%-ot az eseti partnerek közül. Számszer en 200 állandó partnert és 100 eseti partnert kell megkérdezni a vizsgálat elvégzése során. A kutatás sikere els sorban azon múlik, hogy a megfigyelend egységek kiválasztásánál hogyan járunk el. Ezt a sarkalatos kritériumot szem el tt tartva az alapkutatási tevékenység során egy módszertani, szakért i támogató rendszer elméleti megalapozását követ en, létrehozott statisztikai mintailleszt program segítségével megvalósítható az elemezhet adatok gy jtése, információvá alakítása, a döntések támogatása, adatbázisok el állítása. Ezen statisztikai mintailleszt szoftver segítségével a vállalkozások, és egyéb szervezetek az innovációs tevékenységüket megalapozó piackutatást id - és költséghatékonyan 29

30 tudják megvalósítani. A szoftver használatával lehet ségük nyílik arra, hogy önállóan is megtervezzenek és elindítsanak egy felmérést, mely által megteremthetik az innováció hasznosulásának alapját, s ezáltal a vállalat, szervezet versenyképessége, foglalkoztatási potenciálja és stabilitása növekedhet. A bemutatott program már egy fejlettebb változata egy korábbi programnak, mely általánosságában fogalmazta meg a kérdéseket és a válaszokat. Ebb l kiindulva a kérdések pontosításával és konkretizálásával, lefedve több specifikus tárgykört a program felhasználási lehet ségei b víthet k. Az alkalmazási tapasztalatok alapján jöv beli célként fogalmazható meg a program további tökéletesítése és újabb funkciókkal való gyarapítása a megrendel, a felhasználó igényeinek minél szélesebb körben való kiszolgálása érdekében. 2. INNOVÁCIÓS POTENCIÁL MÉRÉSE Kutatás-fejlesztési tevékenységünk ezen részének f célja volt: megvizsgálni, hogy az innováció-menedzsment tevékenység által érintett környezeti, s eredmény-állapot értékelési rendszerének és kiinduló állapotának kutatását alátámasztó szoftver felhasználásával az Innovációmenedzsment Kooperációs Kutatási Központ milyen közvetlen és közvetett hatással van a vele kapcsolatban lév partnerek innovációs tevékenységére Kutatási tevékenység id dimenziója A kutatás érdekeit és lehet ségeit szem el tt tartva keresztmetszeti vizsgálatot hajtottunk végre, mely segítségével egy olyan innovatív módszertani eljárást alkalmaztunk, amely lehet séget teremt az Innovációmenedzsment Kooperációs Kutatási Központ vezet i számára, hogy jellemezni tudják a velük kapcsolatban álló cégekkel kialakított kapcsolatot. Az alkalmazott módszer természetes felvethet bizonyos problémákat. Az általunk vizsgálni kívánt jelenségek legtöbbször id ben zajlanak, ezért hitelesebb folyamatukban megismernünk ket. A keresztmetszeti vizsgálatok segítségével azonban csak pillanatfotót készíthetünk. Hozzátesszük: ett l függetlenül ugyanúgy értékes információt jelenthet egy adott állapotról készült felvétel is Innovációs potenciál mérésének módszertani lehet ségei Az ökonometriai módszerek segítségével arra keressük a választ, hogy melyek az adott területen m köd vállalkozások termék- és technológiai innovációjának összefüggései, az újítóképességet meghatározó tényez i? A modellek alkalmazásakor nem törekedtünk egy vállalati innovációs felvétel valamennyi részének feldolgozására, mivel bizonyos részek csak egy statisztikai leíró jel- 30

31 leg elemzéssel dolgozhatóak fel eredményesen és hatékonyan. Az ökonometriai modellek segítségével a vállalkozások innovációjára ható tényez ket egyenként és együttesen is vizsgálni lehet. Ez az a terület, ahol a hagyományos statisztikai feldolgozástól eltér módszer alkalmazásától jelent s többletinformáció várható. Kutatásunk során az Innovációmenedzsment Kooperációs Kutatási Központtal kapcsolatban lév vállalatokat vizsgáltuk meg, melyek száma alapján a vizsgálatunk kismintásnak tekinthet. Az összefüggések leírásához többféle modellt és azok különböz módon megszerkesztett változatait kell alkalmazni ahhoz, hogy a kis minta ellenére értelmezhet és statisztikailag megbízható válaszokat kapjunk. Itt kell megjegyeznünk, hogy az egyszer statisztikai módszerrel történ feldolgozáshoz képest az ökonometriai modellekkel végzett vizsgálatkor csökkent a gyakorlati alkalmazhatóság eredményessége. Ennek az az oka, hogy a modellek alkalmazhatóságának követelményei nem, illetve csak mérsékelten tették lehet vé a hiányosan kitöltött kérd ívek feldolgozását. Szeretnénk hangsúlyozni, hogy az eredetileg is kis minta illetve az elemzés során folyamatban lev, befejezetlen projektek nagy aránya nem engedi meg, hogy az Innovációmenedzsment Kooperációs Kutatási Központ egészének innovációs képességére és tevékenységére vonatkozóan er s állításokat fogalmazzunk meg, de segít felhívni a figyelmet bizonyos összefüggésekre, az Innovációmenedzsment Kooperációs Kutatási Központtal kapcsolatban álló vállalkozások innovációs képessége, illetve a teljesítménye szempontjából fontos er sségekre és esetleges gyengeségekre A változók leírása Az innovációs tevékenység mérésére több változó is használható: a függ változók az új termék, az új technológia, gyártási eljárás. Ezen és mindazon változók meghatározása, amelyekre létezik nemzetközileg harmonizált fogalom, összhangban vannak mind a Frascati Kézikönyv K+F- (OECD Frascati Manual [1994]), mind az Oslói Kézikönyv termék- és eljárás innovációra vonatkozó (OECD Eurostat [1997]) definícióival. Így az eredmények nemzetközileg is a kísérleti jellegb l adódó korlátokat figyelembe véve összehasonlíthatók lehetnek. A termékinnováció eredményét mutató függ változó az mutatja, hogy az árbevétel hány százalékát adják az új vagy a korszer sített termékek. Feltételezhet, hogyaz exportáló cégek a többiekhez képest korszer bb és versenyképesebb termékekkel és technológiával rendelkeznek, így képesek piacokat hódítani, illetve megmaradni a külpiacokon. A technológiai innovációkkal összefüggésben ez azt is jelentheti, hogy a termék- és a technológiai innovációk sikerességét is mérhetjük az exporttevékenységre gyakorolt hatással. Az exporttevékenység folytatása, mint függ változó azt mutatja, hogy az adott vállalkozás végez-e exporttevékenységet 31

32 Az innovációt magyarázó független változók közé sorolható a technológiaigényes ágazatba tartozást. A nemzetközi tapasztalatok alapján az feltételezhet, hogy a magasabb szint technológiai szektorban mind a termék, mind a technológia megújulása gyorsabb, mint a hagyományos szektorok vállalkozásai esetében. A vállalatmérettel kapcsolatos független változók a foglalkoztatottak száma, az árbevétel nagysága, illetve a mikro-, kis-, közepes és nagyvállalkozás szerinti kategóriának megfelel diszkrét változó. Az eddigi nemzetközi és hazai felmérések alapján feltételezhet, hogy a nagyobb több alkalmazottal, magasabb árbevétellel rendelkez cégek inkább újítanak, mint a kisebb vállalkozások. Lehet kísérletezni a vállalatok korára vonatkozó változó bevonásával is. A nemzetközi tapasztalatok alapján azt feltételezhetjük, hogy a fiatalabb vállalatok innovatívabbak. Markánsabb különbségek valószín síthet k a többnyire nagyobb cégek által megfizethet drága technológiai innovációk esetében. A vállalkozások nyereségességét az adózás el tti nettó eredménnyel lehet mérni. Önmagában a magasabb nyereség adódhat egy korábban megvalósított sikeres innovációból, de elképzelhet, hogy az alacsony eredmény oka az, hogy a cég a felmérés id pontjában innovációra költött, így a koefficiens el jelére vonatkozóan nem tudunk el zetes feltételezést tenni. A bevezetett termék újdonságfoka háromszint lehet: csak a vállalat számára új termék, az országban új termék, illetve világújdonság. Az innováció eredményességét vizsgálva, feltehet, hogy a magasabb újdonságfokú termékek inkább versenyképesek, mint az alacsonyabb újdonságfokú társaik, és ez pozitívan hat az új terméknek az árbevételen belüli arányára, azaz az elterjedésére és az exportpiacokon való megjelenésére is. Az innovációs teljesítményekben megfigyelhet különbségekre magyarázat lehet a külföldi tulajdonos jelenléte vagy a vállalati csoporthoz tartozás is. A külföldi tulajdonosok hazai innovációra gyakorolt hatását illet en megoszlanak a vélemények, egyesek szerint elsorvasztják a hazai innovációs bázist, mások szerint jelent s innovációs többletet hoznak az országba (Molnár [2001], Szalavetz [2002], Inzelt [2002]). A különböz esettanulmányok mindkét fajta magatartásra b ségesen szolgálnak példákkal. Ezért is érdemes vizsgálni, hogy nem túl jelent s innovációs képesség megyékben vagy régiókban a külföldi tulajdonosok jelenlétének pozitív vagy negatív a hatása a termék- és a technológiai innovációkra, valamint hogy a vállalati csoporthoz tartozás jár-e együtt szorosabb innovációs együttm ködéssel, élénkebb innovációs tevékenységgel összehasonlítva az egyedül tevékenyked kkel. Vizsgálatunk eredményei alátámasztják mind a negatív, mind a pozitív véleményeket. A vállalatban dolgozó kim velt emberf k száma, részaránya a közvélekedés szerint pozitív hatással van az innovációs tevékenységre. Az alkalmazottakban megtestesül tudás mérésére a fels fokú végzettség eknek a foglalkoztatottakon belüli részarányát lehet alkalmazni. 32

33 Az innovációs tevékenység szempontjából a K+F tevékenység nem csupán az innovációs ráfordítások egyik mér száma, de magyarázótényez je is lehet a megvalósított termék-, illetve eljárás-innovációknak. A K+F tevékenység három diszkrét értéket vehet fel: 0, ha egyáltalán nincs, 1, ha eseti és 2, ha folyamatos a K+F-tevékenység. A K+F-tevékenység intenzitása és a termék- és eljárásinnováció között pozitív kapcsolat feltételezhet. Ehhez hasonlóan pozitív kapcsolat feltételezhet a K+F tevékenység gyakorisága és az innováció eredményét illet en is. A hazai közpénzekb l, vagy az Európai Uniótól származó támogatás pozitívan befolyásolhatja a technológiai innovációt, a kutatás-fejlesztést. Az innovációs együttm ködések megléte az egész gazdaság innovativitását az újdonságok gyors elterjedését segítheti. Így fontossága miatt az innovációs együttm ködésre ható tényez ket is vizsgálhatjuk Az alkalmazott ökonometriai módszerek kiválasztása A lineáris regressziós modellek nem tartalmaznak feltételt a független változó mérésével kapcsolatban, a függ változó esetében viszont megkövetelik, hogy folytonos legyen. Sok esetben azonban a függ változók diszkrétek vagy korlátozottak (limitáltak) (Frone [1997]). A jelen vizsgálat tárgya szerint alkalmazható ökonometriai módszert meghatározza az, hogy a függ változók dönt része nem folytonos, hanem binomiális (diszkrét változó), így megsértik a normalitásra vonatkozó feltételt. Ezek a változók az innováció esetében a következ k: az új termék kifejlesztése, új technológia kifejlesztése, az export vizsgálata esetében az exporttevékenység folytatása, a kooperációk esetén pedig az innovációs együttm ködés léte. A változók másik részével az a probléma, hogy az észlelt értékek nem állnak rendelkezésre az eloszlásfüggvény teljes tartományára, csak annak pozitív tartományában figyelhet k meg (cenzoráltak). Ennek következtében a legkisebb négyzetek módszerének normalitásra és linearitásra vonatkozó feltételei sérülnek. Jelen esetben ilyen változó az új termék részaránya az árbevételben, amely értékének minimuma a nulla lehet. Ekkor a hagyományos becslések hamis eredményt adnak mind az átlagra, mind a szórásra vonatkozóan. Ezért, a koefficiensek becslésénél adódó torzított eredmények miatt nem alkalmazható a klasszikus legkisebb négyzetek módszerén alapuló regresszió. Az elemzés szempontjából kétféle megközelítési mód használhatók: a logit és tobit módszer (Green [2000], K rösi és szerz társai [1990], Pyndick Rubinfeld [1991]). 33

34 1. A binomiális logit modell (a diszkrét függ változók esetében): Annak a logaritmikus valószín ségét becsüli, hogy bizonyos döntés esetében hogyan történik az alternatívák közötti választás. Ha például vizsgálni szeretnénk a vállalkozások termékinnovációs döntését, amit az alábbi egyenlettel írhatunk le: log[p i /(1 P i )] = Z i = + i x i + i, ahol i = 1, 2,..., n, ahol P i annak a valószín sége, hogy az i-edik vállalkozás termékinnovációt valósított-e meg; Z i az innováció megvalósítás relatív valószín ségének természetes alapú logaritmusa; i a független változók koefficiensvektorának i-edik eleme; x i pedig a magyarázó (független) változók vektorának i-edik eleme, amely az innovációs döntést befolyásolja, (ilyen lehet például a vállalkozás mérete, az árbevétel, az ágazat vagy az együttm ködési hajlandóság); i a véletlen hiba, zéró várható értékkel és normál eloszlással feltételezve. A binomiális modell könnyen továbbterjeszthet olyan esetekre is, ahol a diszkrét változó értéke 2-nél több is lehet. (B vebben err l lásd Green [2000] o.) 2. A tobit meghatározása szerint: (cenzorált folytonos függ változó esetében) y i * = +x i i +µ i, i = 1, 2,..., n ahol y i =0,hay * i 0 * y i =y i,hayi >0, ahol y i valós értékét nem ismerjük, viszont ismerjük az y i t,amely a szóban forgó függ változó észlelt értékei. Hasonlóan az els egyenlethez, az a konstans, a i a független változók koefficiensvektorának i-edik eleme, az x i pedig a magyarázó (független) változók vektorának i- edik eleme. µ i a véletlen hiba, amir l feltételezzük, hogy normális eloszlású és az átlaga nulla. A jelen esetre alkalmazva: az új termék részaránya az árbevételben minimálisan 0 százalék lehet, amib l következ en negatív értékhez tartozó valószín séget figyelmen kívül kell hagyni, azaz cenzorálni kell az új termék részaránya az árbevételben változót. Mind a logit, mind a tobit modellek a maximum likelihood módszerre építenek, és így korrekt, torzítatlan becslést adnak a koefficiensekre (â) vonatkozóan. 34

35 3. Regressziós analízis alkalmazásának lehet sége Kutatásunk során arra kerestük a választ, hogy az Innovációmenedzsment Kooperációs Kutatási Központ milyen közvetlen és közvetett hatással van a vele kapcsolatban lév partnerek innovációs tevékenységére, s a vizsgálat során bevont változók közötti függ ségi viszony milyen formában mutatható ki. A többváltozós lineáris regressziós modell széles körben használt, hatékony elemzési eszköznek bizonyul olyan esetekben, amikor valamelyik jelenségnek több más jelenségt l való egyidej függ ségét vizsgáljuk. Az általunk vizsgált vállalatok esetében elméletileg alkalmazható az innováció mérése során a kétváltozós korreláció- és regresszió-számítás módszertana is. A változók közötti összefüggés szorosságát, a kapcsolat er sségét, intenzitását korreláció-, míg az összefüggés jellegét regresszió-számítással határozhatjuk meg. A regresszió-számítás szokásos kérdésfeltevéseire adhatunk választ: Van-e bizonyos változók között összefüggés, Milyen függvénnyel (lineáris, exponenciális, stb.) írható le az összefüggés, Mi a függ változó várható értéke a magyarázó változó egy bizonyos értékéhez, Mi a magyarázó változó feltételezhet értékeafügg változó egy bizonyos értékéhez? Többváltozós regresszió-analízis segítségével több ismérv eredményváltozóra gyakorolt hatását vizsgálhatjuk. A kapcsolat az ismérvek száma szerint három-, négy-, ötstb. változós, a függvény típusa szerint pedig lineáris és nemlineáris kapcsolat lehet. A regressziós modellek szerkesztésekor legels feladatunk, hogy megkeressük azokat a változókat, amelyek feltevésünk szerint az eredményváltozóval lényeges (szignifikáns) kapcsolatban vannak. Az így meghatározott magyarázó- és eredményváltozók kapcsolata persze csak hipotetikus, azt els lépésben ellen rizni kell, hogy feltevésünk a konkrét megfigyelések függvényében mennyire állja meg a helyét. A többváltozós lineáris regressziós modellt az alábbi matematikai egyenlettel írhatjuk fel: Y= x x m x m + ahol, 1, 2 m a ható tényez k 0 a függvény konstans tagja a regressziós egyenlet hibatagja. F feladatunk az hibatag minimalizálása, amit akkor érünk el, ha a becsl függvény értékei minimálisan térnek el az eredeti tapasztalati értékekt l. Vagy az eltérések négyzetösszegén értelmezve: 35

36 n i 1 e 2 2 Y x x... x min Az egyenletrendszer megoldásához szükséges paraméterek a fenti egyenlet 0, 1, m szerinti parciális deriváltjainak meghatározásával állíthatóak el. 2 2 m m 2.3. Az innovációs potenciál mérésének empirikus eredményei Az elmúlt néhány évtizedben elméleti és empirikus kutatások együttesen szolgálták az innovációs rendszerben való gondolkodás fejl dését (Edquist [1997], Freeman [1995], Lundvall [1992], Nelson [1993], Marceau [1995], Porter [1993]). Ezek segítik egy-egy régió, nemzetgazdaság, vállalkozás innovációs képességeinek és teljesítményének megértését, hozzájárulnak az innovációk és az innovációs rendszerek természetének a megismeréséhez. Az innovációs tevékenység sokféle módszerrel vizsgálható, amelyek közül az egyik igen fontos módszert a különböz típusú innovációs felvételek jelentik. Közülük legelterjedtebb a széles kör nemzetközi összehasonlításra lehet séget adó, az OECD/EUtagországok által harmonizált innovációs felvétel, amelynek részletes módszertanát az Oslo Kézikönyv foglalja össze (OECD Eurostat [1997]). A módszer alkalmazásának kísérletei már Magyarországon is többéves múltra tekintenek vissza. E módszertannak teljes kör alkalmazására az EU-felvétel magyarországi kipróbálására 1995 óta készülnek kísérleti felvételek. Tanulmányunk az Innovációmenedzsment Kooperációs Kutatási Központ partnervállalatainak példáján keresztül mutatja be a hazai innovációs szakirodalomban használt elemzési, értékelési módszerek alkalmazási lehet ségeit. Az elemzés alapját képez vállalatcsoport összetételét tekintve teljes mértékben heterogénnek tekinthet, minda vállalkozások környezete, mind szakágazata és tevékenységi köre szempontjából. Ennek következtében módszertanának megválasztása és alkalmazása során sokkal körültekint bbnek kell lennünk, mint egy homogén vállalatcsoportnál. Az elemzéshez mivel más forrásból nem állt rendelkezésre megfelel adat meg kellett teremteni az adatbázist. Ezért sor került a partnervállalatok körében végzett innovációs kérd íves felvételre. Sajnálatos, hogy néhány (többségében külföldi tulajdonú) vállalat az általunk igényelt információkat titkosnak min sítette, ezért nem bocsátotta rendelkezésünkre. A kérd íves felmérés mellett az Innovációmenedzsment Kooperációs Kutatási Központ által végzett kutatások referensei által nyújtott információkra támaszkodhattunk. A tanulmány a hagyományos statisztikai elemzés segítségével néhány fontos összefüggésre hívja fel a figyelmet. Ez az elemzés el segíti a továbbiakban tárgyalt ökonometriai modellek alkalmazását. A modellekkel az innovációs tevékenység vizsgálatánál külön-külön elemeztük az innovációk két nagy csoportját, a marketingés a szervezetfejlesztési innovációkat és a megvalósításukra ható tényez ket. Amenynyiben a partnervállalatok számát tekintjük, úgy közel 50-50%-ban oszlanak meg a két 36