Latvijas Universitātes Ekonomikas promocijas padome 2017.gada 14.martā atklātā sēdē piešķīra ekonomikas doktora (Dr.oec.) zinātnisko grādu Svetlanai Jesiļevskai Ekonomikas nozarē (apakšnozare – statistika). Promocijas darba temats: ‘Inovāciju statistisko datu kvalitātes dimensiju novērtējums’.
Pētījuma aktualitāte
Inovācijas mūsdienās ir viens no svarīgākajiem ekonomiku virzošajiem spēkiem. Statistiskie rādītāji par inovācijām ir nepieciešami ne tikai teorētiskās analīzes veikšanai, piemēram, lai varētu labāk novērtēt inovāciju ietekmi uz ekonomiku kopumā vai izprast inovāciju būtību un to saistību ar ekonomikas izaugsmi, bet arī ir pamats mērķtiecīgai inovāciju atbalsta politikai valstī. Turklāt, statistikas dati par inovācijām ir būtiski gan valsts politikas veidošanai, gan starptautisku salīdzinājumu veikšanai. Statistika par inovācijām ir viena no relatīvi jaunām, bet tajā pat laikā viena no svarīgākajām statistikas nozarēm, tāpēc statistikas par inovācijām kvalitāte ir īpaši aktuāla.
Pētījuma aktualitāti pamato arī konstatētās nepilnības datu kvalitātes novērtēšanas jomā, tādas kā termina datu kvalitāte skaidrojumu daudzveidība, kas izraisa neskaidrības un nenoteiktību datu kvalitātes novērtēšanā un samazina pielietoto datu kvalitātes vērtēšanas metožu rezultātu ticamību, ka arī pētījumu trūkums, kuros tiktu piedāvāti indikatori datu kvalitātes dimensiju novērtēšanai.
Pētījuma novitāte
Pētījumā ir izstrādāta Latvijas inovāciju vadīšanas un informācijas plūsmas sistēma, kuras ietvaros ir pamatots informatīvā atbalsta nozīmīgums lēmumu pieņemšanā.
Nacionālās inovāciju spējas realizējas visa inovāciju procesa garumā no ieguldījumiem līdz inovatīvā produkta vai pakalpojuma realizācijai, tāpēc pētījumā ir piedāvāts nacionālo inovāciju spēju raksturojošos rādītājus sadalīt divās grupās:
ieguldījumi inovāciju attīstībai (ietver
inovāciju kapacitāti un
inovāciju infrastruktūru),
inovāciju rezultāti un inovāciju rezultātu ietekme (ietver
intelektuālo īpašumu, zinātnes un tehnoloģiju progresu un
eko−inovāciju ietekmes rezultātus raksturojošus rādītājus). Esošie nacionālo inovāciju spēju raksturojošie indikatori ir papildināti ar 17 kvalitatīviem un kvantitatīviem rādītājiem.
Apkopojot vairāk nekā 300 literatūras avotus ir konstatētas svarīgākās datu kvalitātes dimensijas, tādas kā datu pilnīgums, datu objektivitāte, datu interpretējamība, datu savlaicīgums, datu precizitāte, datu pieejamība un validitāte, bet zinātniskajā literatūrā nav piedāvāta sistēmiskā pieeja datu kvalitātes novērtēšanai. Līdz ar to, pētījumā ir izstrādāta statistisko
Datu kvalitātes dimensiju novērtēšanas metodika kas ietver 13 datu kvalitātes dimensijas: datu objektivitāte, datu pilnīgums, datu reprezentativitāte, datu precizitāte, datu vākšanas un apstrādes metodikas kvalitāte, datu saskaņotība, datu aktualitāte, datu pieejamība, datu interprētējamība, datu vizualizācijas pakāpe, datu lietderība, datu aizsardzība un resursu optimālā izmantošana. Katrai datu kvalitātes dimensijai ir piedāvātas definīcijas un ir izstrādāti to vērtēšanas indikatori. Pētījumā ir veikta ekspertu aptauja un ir apkopoti ekspertu vērtējumi pa datu kvalitātes dimensiju vērtēšanas indikatoriem, lai efektīvāk identificētu apsekojuma par inovācijām stiprās un vājās puses. Apkopojot ekspertu vērtējumus, konstatētas vairākas datu kvalitātes dimensijas, kam jāpievērš uzmanība statistikas par inovācijām kvalitātes uzlabošanai - datu objektivitāte, datu vākšanas un apstrādes metodikas kvalitāte, datu pilnīgums un datu reprezentativitāte.
Pētījumā ir veikta ekspertu aptauja ar mērķi noskaidrot ekspertu viedokļus par svarīgākām datu kvalitātes dimensijām. Tika apkopoti ekspertu statistiķu un ekspertu datu lietotāju vērtējumi datu kvalitātes dimensijām optimālā datu kvalitātes līmeņa nodrošināšanai.
Izstrādāta un aprobēta
Iteratīvā metode neraksturīgo punktu ietekmes mazināšanai ieguva 3.vietu
Starptautiskās statistikas asociācijas (
International Association of Official Statistics – IAOS) rīkotajā starptautiskajā konkursā
Jauno statistiķu balva (
Young Statisticians Prize 2015).
Iteratīvā metode neraksturīgo punktu ietekmes mazināšanai ir kompleksa metode, kas sastāv no: iteratīvas pieejas neraksturīgo punktu noteikšanai; neraksturīgo punktu identificēšanas ņemot vērā kompleksu faktoru ietekmi; neraksturīgo punktu svaru koeficientu noteikšanas.
Iteratīvā metode neraksturīgo punktu ietekmes mazināšanai ietvaros ir konstatēti un analizēti potenciālie neraksturīgie punkti ar noteiktu slieksni.
Pamatojoties uz veikto analīzi, aplūkoti statistikas datu par inovācijām kvalitātes uzlabošanas virzieni nākotnē un sniegti priekšlikumi statistisko datu par inovācijām vākšanas un pirmapstrādes procesa kvalitātes pilnveidošanai.
Pētījuma procesa apraksts
Lai veiksmīgi sasniegtu darba mērķi un izpildītu izvirzītos uzdevumus, promocijas darba izstrādāšanas gaitā ir pielietotas vispārpieņemtās ekonomikas zinātnes pētījumu kvalitatīvās un kvantitatīvās metodes, tai skaitā monogrāfiskā jeb aprakstoša metode, normatīvo dokumentu analīzes, grupēšanas, salīdzināšanas, vispārināšanas, grafiskās analīzes, statistiskās analīzes metodes, ekspertmetodes (divlīmeņu modificētā Delfi metode), autores izstrādāta Iteratīvā metode neraksturīgo punktu ietekmes mazināšanai. Ekspertu aptaujas tika veiktas ar mērķi noskaidrot ekspertu viedokļus par statistisko datu kvalitāti raksturojošām dimensijām un par 2015. gada apsekojuma par inovācijām uzņēmējdarbībā statistisko datu kvalitāti. Aptaujas rezultāti tika izmantoti statistisko datu par inovācijām kvalitātes novērtēšanā. Aprēķini tika veikti, izmantojot datorprogrammu nodrošinājumus
Microsoft Excel un
Microsoft Access.
Iteratīvās metodes neraksturīgo punktu ietekmes mazināšanai aprobācijai ir izmantoti apsekojuma par inovācijām, kas tika veikts Latvijā 2013.gadā, dati.
Pētījuma galvenie rezultāti
Nacionālajā Zinātnes, tehnoloģijas attīstības un inovācijas sistēmas modelī nav atspoguļota Centrālās statistikas pārvaldes vieta, bet acīmredzami, ka inovāciju veicināšanas lēmumu pieņemšanai jābūt balstītai uz statistiskajiem datiem.
Apkopojot pieejamos statistikas datus, ir konstatēts, ka nacionālo inovāciju spēju raksturojošie indikatori Latvijā ir pieejami lielākoties valsts līmenī, savukārt maz rādītāju ir izstrādāti, lai veiktu novērtēšanu nozaru vai uzņēmumu līmenī. Trūkst rādītāji, lai novērtētu
inovāciju infrastruktūru, intelektuālo īpašumu un
eko−inovāciju ietekmes rezultātus.
Nacionālo inovāciju spēju raksturojošie indikatori ir papildināti ar
17 kvalitatīviem un kvantitatīviem rādītājiem
. Šādu piedāvātu kvalitatīvo rādītāju novērtēšanai jāizstrādā atbilstoša metodoloģija:
pietiekams zinātnieku un inženieru potenciāls, sociālais klimats inovācijām, zinātniski−pētnieciskā personāla pieeja informācija, informāciju fondu kvalitāte,
sadarbība starp dažādu zinātnes nozaru zinātniekiem. Savukārt, rādītājam
pietiekams zinātnieku un inženieru potenciāls ir jānosaka bāzes līmenis.
Pēc ekspertu aptaujas rezultātiem, datu kvalitātes dimensijām:
datu pilnīgums, datu precizitāte, reprezentativitāte, datu vākšanas un apstrādes metodikas kvalitāte, datu saskaņotība un
datu interpretējamība jāpilnveido novērtēšanas metodika.
Centrālai statistikas pārvaldei statistikas par inovācijām vākšanas un apstrādes uzlabošanai ir ieteicams veikt statistisko datu par inovācijām uzlabošanas pasākumus, īpašu uzmanību pievēršot šādu datu kvalitātes dimensiju indikatoriem: datu objektivitāte, datu vākšanas un apstrādes metodikas kvalitāte, datu pilnīgums un datu reprezentativitāte.
Centrālai statistikas pārvaldei, Ekonomikas ministrijai, Izglītības un zinātnes ministrijai u.c. valsts iestādēm būtu nepieciešams rīkot informatīvos seminārus visām inovāciju jomā iesaistītām pusēm, ar mērķi panākt inovāciju procesa vienotu izpratni, izskaidrot atšķirības starp četriem inovāciju veidiem un aktualizēt inovāciju statistikas kvalitātes uzlabošanas nepieciešamību.