Analysing the Bilateral Relationship between Technological Readiness and Innovation of Countries by Considering the Mediating Effect of GDP

در دهه اخير انجمن جهاني اقتصاد گزارش‏هاي سالانه از جمله رقابت پذيري جهاني را منتشر كرده ‏است. اين پژوهش به بررسي عوامل تاثيرگذار بر اقتصاد‏هاي نوآورمحور مي‏پردازد. در اين پژوهش، از همبستگي جزيي-كانوني براي ارزيابي روابط بين دو ركن «كليدي بهبوددهندگان كارايي» و «پيچيدگي كسب‌وكار» استفاده شده‏ است. نتيجه همبستگي پيرسون از بالا بودن همبستگي بين آمادگي «فناوري» و «نوآوري» حكايت داشت. بنابراين از متد همبستگي جزيي-كانوني براي شناسايي و درك روابط اركان سطح پايين‌تر استفاده شد. يافته‏ها نشان داد بين «دسترسي به جديدترين فناوري» و «جذب فناوري در سطح شركت» همبستگي كانوني وجود دارد. همچنين آمادگي فناوري و «كيفيت علمي موسسات تحقيقاتي»، «ميزان همكاري صنعت با دانشگاه در حوزه تحقيق و توسعه» و «ميزان سرمايه‌گذاري شركت در تحقيق و توسعه» از نوآوري بالاترين همبستگي را با متغير كانوني داشتند. به‌علاوه با تحليل ريشه دوم همبستگي كانوني رابطه مكنون بين مغير‏ها كشف و تحليل شد. بنابراين سياست‌گذاران مي‌توانند از نتايج اين پژوهش جهت اولويت‌بندي سياست‌گذاري در سطح كلان استفاده كنند.

During the past decade, the World Economic Forum has published its annual reports in which the Global Competitiveness Index is included. This paper aims to investigate the key factors for achieving an innovation-driven economy. In this paper, we used partial canonical correlation analysis (PCCA) to examine the relationships between key pillars in “efficiency enhancers” and “business sophistication” factors. The results of Pearson correlation showed that “technological readiness” and “innovation” are highly correlated. Then, the PCCA method was used to understand the relationships between their sub-pillars. Our findings showed that “availability of latest technologies” and “firm-level technology absorption” in the technological readiness pillar, and “quality of scientific research institutions”, “university-industry collaboration in R&D” and “companies’ spending on R&D” in the innovation pillar present the highest correlations. Furthermore, according to the canonical second root analysis, we analyse some other interrelations. Thus, policymakers can employ the results to prioritize their macro policies.