Модель оценки эффективности ресурсного обеспечения инновационного развития регионов и их экономического роста
Автор: Грачев Сергей Александрович, Доничев Олег Александрович
Журнал: Проблемы развития территории @pdt-vscc-ac
Рубрика: Инновационный потенциал развития территорий
Статья в выпуске: 1 (99), 2019 года.
Бесплатный доступ
Важнейшим условием преодоления кризисных явлений и обеспечения экономического роста в российской экономике является инновационный путь ее развития. Однако данные процессы в российских регионах сталкиваются с ограниченностью либо нехваткой всех необходимых для этого ресурсов. Поэтому целью и основной идеей настоящего исследования является раскрытие причин, ограничивающих приток ресурсов для инноваций, а также разработка методики оценки эффективности их использования. Это позволит активизировать процессы инновационного развития и обеспечить повышение благосостояния населения. Анализ настоящей проблемы является актуальным, а предложенные пути решения составляют несомненную научную новизну. Методология проведенного исследования базируется на использовании экономико-математических методов, корреляционного статистического анализа, что позволит сформулировать модель оценки эффективности использования ресурсного обеспечения инновационного развития регионов для создания условий экономического роста. Для проведения анализа были использованы официальные статистические данные, которые были подвергнуты нормализации, что дало возможность осуществить сопоставление полученных результатов и ранжирование регионов. Разработанная методика на представленной основе позволила установить, что имеющийся в регионах ресурсный потенциал используется не всегда эффективно, а наличие большого запаса ресурсов не всегда является условием их рационального использования. На этом основании была построена диаграмма рассеяния регионов Центрального федерального округа, дающая наглядное представление об имеющихся в нем ресурсных возможностях обеспечения развития инновационного потенциала. Предложенная методика имеет значительные научные перспективы с позиций развития принципов оценки качественных и количественных характеристик использования ресурсного потенциала в целях инновационного развития и создания условий для экономического роста регионов. Модель является универсальной и может быть использована региональными администрациями для оценки собственных ресурсных возможностей инновационного развития.
Ресурсное обеспечение, инновационный потенциал, регион, экономический рост
Короткий адрес: https://sciup.org/147224518
IDR: 147224518 | DOI: 10.15838/ptd.2019.1.99.5
Текст научной статьи Модель оценки эффективности ресурсного обеспечения инновационного развития регионов и их экономического роста
Важнейшим условием преодоления кризисных явлений и обеспечения экономического роста в российской экономике является инновационный путь ее развития. Однако данные процессы в российских регионах сталкиваются с ограниченностью либо нехваткой всех необходимых для этого ресурсов. Поэтому целью и основной идеей настоящего исследования является раскрытие причин, ограничивающих приток ресурсов для инноваций, а также разработка методики оценки эффективности их использования. Это позволит активизировать процессы инновационного развития и обеспечить повышение благосостояния населения. Анализ настоящей проблемы является актуальным, а предложенные пути решения составляют несомненную научную новизну. Методология проведенного исследования базируется на использовании экономико-математических методов, корреляционного статистического анализа, что позволит сфор-
Цитата: Грачев С.А., Доничев О.А. Модель оценки эффективности ресурсного обеспечения иннова ционного развития регионов и их экономического роста // Проблемы развития территории. 2019. № 1 (99). С. 71–86. DOI: 10.15838/ptd.2019.1.99.5
Citation: Grachev S.A., Donichev O.A. The model for evaluating the efficiency of resource provision of innovative development of regions and their economic growth. Problems of Territory’s Development , 2019, no.1 (99), pp. 71–86. DOI: 10.15838/ptd.2019.1.99.5
мулировать модель оценки эффективности использования ресурсного обеспечения инновационного развития регионов для создания условий экономического роста. Для проведения анализа были использованы официальные статистические данные, которые были подвергнуты нормализации, что дало возможность осуществить сопоставление полученных результатов и ранжирование регионов. Разработанная методика на представленной основе позволила установить, что имеющийся в регионах ресурсный потенциал используется не всегда эффективно, а наличие большого запаса ресурсов не всегда является условием их рационального использования. На этом основании была построена диаграмма рассеяния регионов Центрального федерального округа, дающая наглядное представление об имеющихся в нем ресурсных возможностях обеспечения развития инновационного потенциала. Предложенная методика имеет значительные научные перспективы с позиций развития принципов оценки качественных и количественных характеристик использования ресурсного потенциала в целях инновационного развития и создания условий для экономического роста регионов. Модель является универсальной и может быть использована региональными администрациями для оценки собственных ресурсных возможностей инновационного развития.
Ресурсное обеспечение, инновационный потенциал, регион, экономический рост.
Исследование процессов, формирующих ресурсную базу инновационного развития регионов, позволяет произвести оценку эффективности их влияния на уровень и критерии формирования инновационных потенциалов территорий и их экономический рост.
Сегодня особенно важной для российского народного хозяйства является проблема преодоления кризисных явлений в развитии, которые сформировались в результате мирового кризиса и санкций западных государств. Задача обеспечения экономического роста в том числе на уровне регионов становится одной из важнейших. При этом нужно отдавать себе отчет в том, что создание положительной хозяйственной динамики возможно лишь при условии широкого перевода производства на инновационный путь развития, который потребует привлечения значительного объема всех видов ресурсов.
Более того, отдельные группы ученых связывают неравномерность развития и рыночную поляризацию регионов России с их слабой обеспеченностью, ограниченностью либо отсутствием достаточной ресурсной базы, что, в свою очередь, предполагает экономию всех видов ресурсов, рационализацию их потребления, внедрение инновационных ресурсосберегающих технологий. Это приобретает особое значение, потому что на уровне субъектов формируются технологии управления структурой валового регионального продукта, что позволяет поднимать вопрос о природоохранной, ресурсосберегающей и ресурсовосстановительной ответственности.
В подтверждение авторского мнения можно привести высказывания Т.П. Левченко и В.А. Вареникова, которые полагают, что ресурсные возможности социально-экономической системы являются основой формирования ее инновационной активности, которая характеризуется как совокупность ресурсных предпосылок к созданию организационных способностей по развитию и экономической готовности воплощения инновационных достижений в целях устойчивого развития системы [1].
О.С. Чечина считает, что ресурсное обеспечение функционирования экономической системы предполагает получение ею достаточного количества необходимых материально-сырьевых, финансовых, интеллектуальных и иных источников, дающих возможность осуществлять жизнедеятельность и инновационное развитие системы [2].
Мы разделяем мнение О.Р. Дмитриенко и Е.А. Жалсараева, которые полагают, что переход российской экономики на инновационный путь развития обусловил необхо- димость переосмысления существующей системы общественного производства, при которой важнейшее значение приобретают экономия и бережливое использование имеющихся ресурсов, а научные познания превращаются в один из ведущих факторов социально-экономического благополучия страны и ее регионов [3].
Поэтому, по мнению С.Е. Метелева, проблемы инновационного и социально-экономического развития территории определяются в первую очередь наличием интеллектуальноресурсного обеспечения региона, что в условиях миграции человеческих ресурсов ставит под угрозу реализацию стратегий развития территорий. Исходя из этого инновационную деятельность следует рассматривать не только как средство повышения конкурентоспособности хозяйствующих субъектов, но и как возможность улучшения условий жизни населения за счет создания и распространения инноваций, а также улучшения социально-экономического климата в регионе [4].
В соответствии с позицией С.С. Фешина можно утверждать, что в современной экономике одним из основных ресурсов является человеческий капитал. Важность приобретают его количество и качество, которые представляется возможным оценить посредством показателя доли специалистов с высшим образованием в общей численности населения страны. Количество студентов также является характеристикой потенциала трудовых ресурсов [5].
Т.Н. Шаталова и Н.А. Русакова считают, что устойчивая динамика функционирования современного общества в условиях инновационного развития экономики во многом определяется способностью совмещать возрастающие потребности экономических субъектов в ресурсах с природными возможностями удовлетворять эти потребности. Поэтому дальнейшее экономическое развитие страны и регионов возможно только при условии рационального использования природных богатств [6].
Д.Д. Буркальцева утверждает, что создание институциональных условий наряду с развитием межрегионального сотрудничества и эффективным использованием человеческого потенциала, повышением конкурентоспособности регионов, а также укреплением их ресурсного потенциала являются стратегическими задачами в сфере региональной деятельности [7].
При этом особо важно подчеркнуть, что финансирование научных разработок, являющееся основным ресурсом продвижения инновационного развития регионов, становится одним из барьеров на пути разработки и внедрения новшеств. В подтверждение нашего мнения можно привести суждение В.П. Шостака и И.Г. Тютюника, которые справедливо полагают, что экономический рост невозможен без существенного притока инвестиций [8].
Мы согласны с О.С. Сухаревым и Е.Н. Во-рончихиной, по расчетам которых для российской экономики важно макроуправление распределением ресурсов, что дает возможность увеличить долю инвестиций в новые технологии в машиностроении и найти сбалансированный режим их внедрения в сырьевом секторе [9].
Разделяя мнение И.С. Межова и Е.В. Клецковой, отметим, что обеспечение необходимым инвестированием устойчивого экономического роста региона остается особо актуальной проблемой. Региональная экономика структурирована по видам экономической деятельности и обладает ресурсным, производственным и инновационным потенциалами, которые можно оценить, например, объемом ВРП при полной загрузке производственной мощности всех имеющихся на территории видов производства [10].
По наблюдениям ученых НИУ ВШЭ, в мировой экономике идет активный поиск новых решений в области структурной политики, которая понимается как промышленная политика в широком смысле – действия государства, направленные на улучшение бизнес-среды и структуры экономической активности в секторах и технологических областях, которые обеспечат наилучшие перспективы для экономического роста. Структурная политика опирается на различ- ные ресурсные механизмы экономической политики (денежно-кредитной, таможенно-тарифной, налоговой, инвестиционной, бюджетной, имущественной и т. п.) [11].
Качественное пространственное развитие и экономический рост Российской Федерации зависит от множества факторов, среди которых инвестиционные вложения в реальный сектор экономики занимают одно из ведущих мест. По мнению Л.Д. Капрановой, положительный эффект в области привлечения инвестиций зависит от снижения административных барьеров, координации действий по оптимальному использованию потенциальных ресурсов, по изменению системы пространственно-экономических отношений и внедрению прогрессивных организационных и управленческих методов [12].
В свою очередь О.С. Сухарев полагает, что для стимулирования экономического роста одних инвестиций недостаточно. Важно учитывать уровень сбережений и реального располагаемого дохода. Цель увеличивать норму накопления не означает автоматически возможность для экономики обеспечивать экономический рост, он может быть и весьма скромного темпа [13].
Авторы разделяют мнение А.А. Бакулиной и К.О. Растеряева, которые считают, что для достижения главной цели - устойчивого роста российской экономики - необходимо обеспечить приток средств в реальный сектор, которые должны стать ключевым источником денежных ресурсов. Кроме того, источниками поступлений могут являться осуществление Центральным банком России докапитализации институтов развития и новые механизмы рефинансирования, в том числе проектное и торговое: заем у населения финансово-страховыми структурами через привлекательные инструменты [14].
В то же время, как отмечают С.М. Казакова и А.А. Михайлова, субъекты РФ, чьи бюджеты в большей степени зависят от налоговых поступлений, чем от отчислений из федерального бюджета, менее устойчивы в кризисные периоды, поскольку кризис влечет за собой закрытие или частичную приостановку базовых предприятий и от раслей, а также отток человеческих ресурсов из региона, что напрямую влияет на доходы консолидированного бюджета территории. Несбалансированность региональных бюджетов на протяжении последних пяти лет привела к потере бюджетной устойчивости субъектов РФ [15].
По исследованиям Д.Р. Белоусова и Е.А. Пе-нухиной, в условиях очевидного исчерпания традиционных для России ресурсов развития и возникновения рисков затяжной стагнации приоритетной задачей и для институтов развития, и для экономики в целом становится формирование новых источников роста. Эти условия предполагают более жесткую переориентацию расходов как в государственном, так и в корпоративном секторах, а при проведении государственной политики развития возрастает роль косвенных методов воздействий, которые в ряде случаев могут оказаться более эффективными, чем прямое вложение ресурсов. Такие меры по определению осуществляются в составе инновационной экосистемы, объединяющей в себе разнообразный набор участников и ресурсов, необходимых для организации инновационного процесса. Характерной особенностью инновационной экосистемы является включенность в процесс воспроизводства, обеспечивающая возникновение дополнительных доходов и их последующую конвертацию в ресурсы развития (человеческие, технологические, финансовые и др.) [16].
Принимая во внимание рассмотренные условия и критерии формирования инновационных возможностей территорий, мы ставим перед собой задачу произвести оценку ресурсного влияния на их инновационное развитие и обеспечение экономического роста.
Ресурсный потенциал инновационного развития региона - это достаточно сложная экономическая категория, которая безусловно является частью общеэкономического потенциала и, соответственно, инновационного. Совокупные экономические возможности территориальных социально-экономических систем описываются производственными функциями, например, основанными на модели Кобба-Дугласа [17]. Применительно к инновационной сфере предлагается ее следующая трактовка:
I i = f(K, L), (1)
где:
I – инновационный потенциал i -го региона;
K – сводный показатель состояния основных фондов;
L – ресурсный потенциал инновационного развития ( L ).
При этом, по нашему мнению, совокупный ресурсный потенциал инновационного развития региона состоит из двух частей: потенциала, реализуемого за счет собственных ресурсов , т. е. расположенных на территории данного субъекта, и ресурсного потенциала, получаемого за счет общего влияния иных регионов России , т. е. за счет ресурсов, расположенных не на территории анализируемого региона.
При этом собственный ресурсный потенциал инновационного развития региона возможно представить как сумму потенциалов отдельных типов ресурсов, которые имеются на данной территории. При этом следует отметить, что, несмотря на их многообразие, наиболее важными остаются человеческие (H) и финансово-инвестиционные (S).
Следует отметить, что, характеризуя отдельные составляющие собственного ресурсного потенциала инновационного развития, не следует ограничиваться отдельными показателями, которые определяют только качественный или количественный аспект. Необходимо сформировать комплексный показатель, наиболее полно описывающий данную составляющую ресурсного потенциала инновационного развития. Соответственно, становится возможным применить следующую форму записи относительно i-го региона в j-й период:
H ij = f(x 1 , x 2 , …, x n ), (2)
S ij = f(k 1 , k 2 , …, k n ), (3)
где:
x1, x2, …, xn – показатели, характеризующие состояние человеческих ресурсов i-го региона в j-й период;
k1, k2, …, kn – показатели, характеризующие состояние финансово-экономических ресурсов i-го региона в j-й период.
При отборе показателей той или иной ресурсной составляющей необходимым условием является наличие тесной связи между ними и итоговым индикатором инновационного развития. Логичным шагом в качестве последнего будет принять объем произведенных инновационных товаров на территории региона за исследуемый период. Данный выбор обусловлен тем фактом, что данные находятся в открытом доступе, а также достаточно точно описывают степень инновационного развития субъекта федерации.
Силу связи исходных данных и результирующей величины возможно оценить посредством расчета коэффициента корреляции (4), который является стандартным инструментом анализа данного аспекта.
n
Z ( x i - x )( y - y )
r = , i = 1
nn
,Z ( x i - x ) 2 Z ( y - y ) 2 i = 1 i = 1
при
n x=-£ xi
П i = 1
n y = -£ y.
n i = 1
где:
x и y – исследуемые величины, представленные в виде статистических совокупностей {x 1 , x 2 , … , x n } и {y 1 , y 2 , … , y n } соответственно.
Как правило, применяют следующую трактовку величин данного коэффициента по модулю (шкала Чеддока):
– от 0 до 0,3 – очень слабая сила связи;
– от 0,3 до 0,5 – слабая сила связи;
– от 0,5 до 0,7 – средняя сила связи;
– от 0,7 до 0,9 – высокая сила связи;
– от 0,9 до 1 – очень высокая сила связи.
Логичным также будет введение ограничения по исходным данным в виде соответствия силы их связи с результирующей величиной. Поэтому следует принимать только те индикаторы, коэффициент корреляции по которым по модулю составляет величину не менее 0,5. Однако идеальным является наличие очень высокой и высокой силы связи, т. е. при значениях корреляционного коэффициента в интервале 0,9–1,0 и 0,8–0,9 соответственно.
Те исходные показатели, которые удовлетворяют указанному выше требованию по силе связи, будут служить базой для исчисления комплексного показателя, характеризующего определенную ресурсную составляющую. Данный расчет производится по принципу исчисления средней геометрической нормализованных исходных данных (5).
x ijнорм = x ij / x maxj ,
где:
х i j норм – нормализованное значение показателя ресурсного обеспечения инновационного развития i -го региона в j -й период;
х i j – значение исходного показателя ресурсного обеспечения инновационного развития i -го региона в j -й период;
х max j – максимальное значение среди исходных показателей ресурсного обеспечения инновационного развития регионов анализируемой совокупности в j -й период.
Таким образом, формулы (2) и (3) при расчете за n лет приобретают вид:
nt] |
^^ 1норм |
' ^ 2норм ' |
’' ' ^ пнорм , |
(6) |
s at] |
n ^ 1норм |
2норм |
nнорм |
(7) |
Для учета внешнего ресурсного обеспечения инновационной деятельности региона предлагается использовать индикатор общего влияния окружения анализируемого субъекта федерации, таким образом, для исчисления совокупного инновационного взаимовлияния территорий, определяемого как реализация инновационного потенциала на территории региона за счет ресурсов сторонних субъектов, а также инновационный потенциал, реализуемый за счет собственных ресурсов на сторонних территориях.
Оценка подобного взаимодействия производится исходя из гравитационной модели. Данный подход базируется на работе У. Рейли [18], получившей развитие в исследованиях П. Консверса [19]. Данный подход предполагает, что взаимодействие между территориями становится возможным представить посредством следующей формулы:
KPtPj M- . ,
I]
где:
Mij – показатель взаимодействия между регионами i и j ;
K – коэффициент пропорциональности;
Pi и Pj – показатели регионов i и j соответственно;
dij – расстояние между регионами i и j .
При этом достаточно значимой является неполная оценка степени влияния объектов согласно гравитационным моделям, относящимся к простейшим, ввиду сложности отбора и оценки всех влияющих факторов. Ряд исследований в данном направлении показал, что таким неучтенным фактором может являться, например, имидж или привлекательность территории, определяемая в зависимости от ее расположения [20]. Так, А. Фотерингем [21] (A. Fotheringham) в своих работах показал, что в части населения (человеческих ресурсов) степень привлекательности территории влияет на количество социально-экономических связей и их интенсивность [22]. Следовательно, необходимо уделять особое внимание отбору факторов оценки влияния.
В рамках данного исследования делается предположение, что субъекты взаимодействуют на равных условиях, т. е. К=1. Таким образом, выражение (8) для отдельного ресурса возможно записать в следующем виде:
M i] = ^ (9)
at]
Взаимодействие регионов по остальным типам ресурсов выражается аналогичным образом. Соответственно, данный показатель можно трактовать как объем ресурсов определенного типа, перемещаемых между регионами в результате их инновационного взаимодействия.
Для оценки степени совокупного влияния по группе ресурсов, например, человеческих, предлагается исчислить совокупное влияние путем аддитивной свертки силы влияния:
K coei = K co6i * (1 + К внеш^ /100) (14)
Инновационный потенциал территории возможно представить в следующем виде:
l i a L coei + e K coei при.
a =
Fj - Fj-i Fj-i
Lj - L j-i L j-i
ДFj - 1
ДLj - 1 ,
Z
\ 1 KP Mij = ^—^, (10) i и FL-FLA „ Fj-i P"Kj- Kj-i ^Fj - 1 ^Kj - 1 , где: n - количество анализируемых регионов (в данном случае 18, т. к. апробирование производится на примере субъектов, входящих в Центральный федеральный округ). Соответственно, дополнительно к собственному ресурсному потенциалу инновационного развития следует добавить внешний. По выделенным типам ресурсов запись будет иметь вид: L(H)coei = Lco6i(H) * (1 + Lвнешi(H) /100), (11) L(S)coei Lco6i(S)* (1 + LeHe^(S) /100) (12) Совокупный ресурсный потенциал инновационного развития региона может быть представлен следующим образом: Lcoei Hi +^внеш^Щ + Si + Lвнешi(S) (13) Также крайне важным параметром является состояние материально-технической базы, которое возможно оценить исходя из критериев состояния основных фондов. Данный параметр не включается в совокупный ресурсный потенциал инновационного развития, т. к. он учитывается как отдельная составляющая инновационного потенциала. Аналогичный подход целесообразно применить и к оценке состояния основных фондов (К): где: α и β – параметры эластичности по критериям ресурсного обеспечения инновационного развития и состояния основных фондов относительно объемов произведенных инновационных товаров (F), соответственно. Далее рассмотрим пример расчета инновационного потенциала регионов Центрального федерального округа (ЦФО) на основе указанных выше параметров ресурсного обеспечения инновационной деятельности и состояния материально-технического обеспечения. На основе проведенного логического анализа и учета коэффициентов корреляции был сформирован перечень показателей для оценки инновационного потенциала регионов ЦФО (табл. 1). Отметим, что сформированный перечень показателей полностью удовлетворяет сформулированным выше требованиям по силе связи с результирующим показателем, представленным объемом произведенных инновационных товаров. Коэффициент корреляции исчислялся на уровне Центрального федерального округа. Все отобранные показатели характеризуются очень высокой силой связи, а также прямой зависимостью. Соответственно, отобранные показатели были подвергнуты процедуре нормализации по формуле (5). Исключение составляет только индикатор z1 – степень износа основ- Таблица 1. Перечень показателей для оценки инновационного потенциала регионов ЦФО Человеческие ресурсы Финансово-инвестиционные ресурсы Состояние материальнотехнического обеспечения Наименование Коэффициент корреляции Наименование Коэффициент корреляции Наименование Коэффициент корреляции Численность рабочей силы (x1) 0,92 Внутренние затраты на научные исследования и разработки (k1) 0,96 Степень износа основных фондов (z1) 0,85 Уровень занятости населения (x2) 0,93 Затраты на технологические инновации (k2) 0,92 Инвестиции в основной капитал (z2) 0,96 Численность населения (x3) 0,97 Стоимость основных фондов (z3) 0,97 Рассчитано по: Регионы России. Социально-экономические показатели. 2017. Таблица 2. Нормализованные значения показателя x1 Регион Год 2010 2011 2012 2013 2014 2015 2016 Белгородская область 0,121 0,115 0,116 0,118 0,115 0,114 0,114 Брянская область 0,101 0,097 0,095 0,093 0,090 0,088 0,086 Владимирская область 0,118 0,116 0,114 0,112 0,107 0,108 0,102 Воронежская область 0,179 0,176 0,171 0,168 0,164 0,164 0,161 Ивановская область 0,086 0,083 0,082 0,080 0,076 0,078 0,074 Калужская область 0,088 0,084 0,081 0,080 0,076 0,076 0,075 Костромская область 0,056 0,053 0,052 0,050 0,047 0,046 0,045 Курская область 0,090 0,086 0,083 0,084 0,081 0,081 0,079 Липецкая область 0,096 0,092 0,093 0,089 0,084 0,084 0,083 Московская область 0,613 0,605 0,584 0,567 0,549 0,557 0,552 Орловская область 0,062 0,059 0,058 0,057 0,055 0,054 0,053 Рязанская область 0,089 0,086 0,083 0,081 0,076 0,076 0,074 Смоленская область 0,085 0,082 0,080 0,078 0,075 0,075 0,072 Тамбовская область 0,086 0,082 0,079 0,077 0,074 0,074 0,072 Тверская область 0,111 0,108 0,106 0,104 0,101 0,100 0,095 Тульская область 0,126 0,121 0,119 0,117 0,114 0,114 0,111 Ярославская область 0,105 0,102 0,099 0,098 0,099 0,097 0,094 г. Москва 1,000 1,000 1,000 1,000 1,000 1,000 1,000 Рассчитано по: Регионы России. Социально-экономические показатели. 2017. ных фондов, ввиду его экономического смыс- вития и материально-технического обеспе- ла нормализация должна быть выполнена чения регионов ЦФО за период 2010–2016 гг. по формуле обратной нормализации: Для первоначальной классификации ре- х гионы были представлены в графической xijнорм - 1 х (16) форме (рис.). Отметим, что безусловными лидерами являются г. Москва и Московская Пример нормализованного показателя область. Для удобства оценки динамики раз- представлен в табл. 2. вития регионов ЦФО за период 2010-2016 гг. Далее были исчислены составляющие ре- в графическом представлении указанные сурсного обеспечения инновационного раз- субъекты были исключены. Таблица 3. Индикаторы собственного (внутреннего) инновационного потенциала регионов ЦФО Регион Год 2010 2011 2012 2013 2014 2015 2016 Человеческие ресурсы (ЧР) Белгородская область #1 0,243 0,237 0,237 0,239 0,235 0,234 0,234 Брянская область #2 0,214 0,209 0,206 0,202 0,198 0,197 0,194 Владимирская область #3 0,238 0,236 0,233 0,230 0,223 0,223 0,215 Воронежская область #4 0,313 0,311 0,305 0,302 0,297 0,298 0,294 Ивановская область #5 0,192 0,188 0,186 0,183 0,178 0,179 0,174 Калужская область #6 0,194 0,190 0,186 0,184 0,178 0,178 0,177 Костромская область #7 0,144 0,141 0,138 0,135 0,130 0,127 0,126 Курская область #8 0,198 0,193 0,189 0,190 0,186 0,186 0,183 Липецкая область #9 0,209 0,202 0,205 0,199 0,191 0,191 0,189 Московская область #10 0,721 0,715 0,697 0,687 0,672 0,678 0,675 Орловская область #11 0,153 0,149 0,147 0,146 0,142 0,141 0,139 Рязанская область #12 0,195 0,192 0,188 0,186 0,178 0,178 0,176 Смоленская область #13 0,190 0,186 0,183 0,180 0,174 0,174 0,169 Тамбовская область #14 0,191 0,186 0,182 0,180 0,175 0,174 0,171 Тверская область #15 0,229 0,225 0,223 0,219 0,214 0,212 0,206 Тульская область #16 0,247 0,243 0,239 0,236 0,232 0,232 0,228 Ярославская область #17 0,219 0,217 0,214 0,212 0,213 0,210 0,204 г. Москва #18 1,000 1,000 1,000 1,000 1,000 1,000 1,000 Регион Год 2010 2011 2012 2013 2014 2015 2016 Финансово-инвестиционные ресурсы (ФИР) Белгородская область #1 0,023 0,007 0,007 0,007 0,012 0,009 0,020 Брянская область #2 0,006 0,003 0,004 0,005 0,003 0,004 0,005 Владимирская область #3 0,036 0,016 0,018 0,022 0,021 0,025 0,018 Воронежская область #4 0,057 0,035 0,031 0,036 0,028 0,032 0,023 Ивановская область #5 0,014 0,003 0,003 0,002 0,002 0,002 0,002 Калужская область #6 0,087 0,044 0,040 0,064 0,051 0,043 0,030 Костромская область #7 0,003 0,001 0,001 0,001 0,001 0,002 0,001 Курская область #8 0,014 0,009 0,012 0,026 0,017 0,007 0,011 Липецкая область #9 0,019 0,010 0,006 0,008 0,008 0,008 0,008 Московская область #10 0,392 0,168 0,319 0,461 0,460 0,493 0,381 Орловская область #11 0,006 0,002 0,002 0,002 0,002 0,002 0,003 Рязанская область #12 0,025 0,010 0,013 0,017 0,017 0,015 0,012 Смоленская область #13 0,014 0,007 0,005 0,006 0,006 0,008 0,007 Тамбовская область #14 0,012 0,005 0,008 0,009 0,010 0,011 0,011 Тверская область #15 0,030 0,018 0,019 0,025 0,016 0,016 0,023 Тульская область #16 0,040 0,014 0,020 0,026 0,024 0,028 0,032 Ярославская область #17 0,083 0,040 0,038 0,045 0,040 0,036 0,023 г. Москва #18 0,932 1,000 1,000 1,000 1,000 1,000 1,000 Регион Год 2010 2011 2012 2013 2014 2015 2016 Материально-техническое обеспечение (МТО) Белгородская область #1 0,120 0,121 0,103 0,088 0,085 0,092 0,087 Брянская область #2 0,060 0,065 0,051 0,050 0,054 0,055 0,061 Владимирская область #3 0,075 0,077 0,064 0,057 0,063 0,062 0,059 Воронежская область #4 0,115 0,127 0,111 0,110 0,113 0,123 0,116 Ивановская область #5 0,053 0,070 0,052 0,045 0,047 0,041 0,035 Калужская область #6 0,101 0,094 0,083 0,083 0,083 0,085 0,074 Костромская область #7 0,048 0,045 0,036 0,027 0,030 0,033 0,033 Курская область #8 0,060 0,063 0,054 0,050 0,051 0,050 0,056 Липецкая область #9 0,089 0,084 0,060 0,058 0,063 0,063 0,057 Московская область #10 0,355 0,346 0,299 0,277 0,288 0,290 0,283 Орловская область #11 0,046 0,049 0,043 0,035 0,039 0,041 0,039 Рязанская область #12 0,061 0,063 0,047 0,041 0,041 0,044 0,035 Смоленская область #13 0,071 0,078 0,062 0,049 0,050 0,049 0,047 Тамбовская область #14 0,001 0,001 0,001 0,001 0,001 0,001 0,001 Тверская область #15 0,107 0,101 0,094 0,080 0,074 0,068 0,072 Тульская область #16 0,084 0,083 0,075 0,066 0,072 0,082 0,077 Ярославская область #17 0,088 0,095 0,074 0,065 0,063 0,058 0,058 г. Москва #18 0,748 0,731 0,735 0,725 0,717 0,730 0,730 Рассчитано по: Регионы России. Социально-экономические показатели. 2017. 2010 2016 Рис. Диаграммы рассеяния регионов ЦФО, 2010 и 2016 гг. Рассчитано по: Регионы России. Социально-экономические показатели. 2017. Анализируя график рассеяния регионов ЦФО за 2010 год, следует отметить четкое распределение субъектов по двум совокупностям: - Калужская область (#6) и Ярославская область (#17); - остальные регионы. Данное разделение вызвано прежде всего значительными объемами финансовоинвестиционных ресурсов, сосредоточенных в отмеченных субъектах. Однако к 2016 году ситуация меняется. По-прежнему четко выделяется две общности, однако состав первой группы расширяется и включает в себя: Белгородскую область (#1), Владимирскую область (#3), Воронежскую область (#4), Калужскую область (#6), Тверскую область (#15), Тульскую область (#16), Ярославскую область (#17). Состав регионов с наименее оптимальными показателями практически меняется: Костромская (#7) и Орловская (#11) области. Данные факты свидетельствуют о наметившихся тенденциях снижения дифференциации среди субъектов ЦФО при прочно закрепившихся регионах-лидерах. На следующем шаге был определен внешний ресурсный потенциал инновационного развития в рамках каждого типа ресурса по гравитационной модели взаимодействия. Расстояние между региональными центрами были приняты по протяженности автомобильных дорог. Исчисленные таким образом совокупные ресурсный потенциал инновационного развития (L) и материально-техническое обеспечение (K) представлены в табл. 4. Однако следует отметить, что степень взаимовлияния г. Москвы и Московской области была условно принята за 100%. Это вызвано несколькими особенностями данных субъектов: Таблица 4. Совокупные показатели для расчета инновационного потенциала регионов ЦФО Регион Год 2010 2011 2012 2013 2014 2015 2016 Ресурсный потенциал инновационного развития (L) Белгородская область 0,276 0,253 0,253 0,256 0,257 0,253 0,264 Брянская область 0,231 0,223 0,221 0,218 0,212 0,210 0,209 Владимирская область 0,309 0,287 0,286 0,287 0,279 0,284 0,267 Воронежская область 0,396 0,372 0,361 0,363 0,350 0,355 0,342 Ивановская область 0,222 0,207 0,205 0,200 0,194 0,196 0,190 Калужская область 0,309 0,262 0,254 0,283 0,263 0,253 0,236 Костромская область 0,155 0,149 0,147 0,144 0,138 0,136 0,134 Курская область 0,221 0,211 0,211 0,225 0,212 0,202 0,203 Липецкая область 0,241 0,226 0,225 0,219 0,212 0,212 0,209 Московская область 1,343 1,105 1,259 1,440 1,448 1,523 1,384 Орловская область 0,166 0,159 0,157 0,156 0,152 0,150 0,149 Рязанская область 0,240 0,222 0,222 0,223 0,215 0,212 0,207 Смоленская область 0,209 0,198 0,194 0,191 0,185 0,187 0,181 Тамбовская область 0,211 0,199 0,198 0,196 0,192 0,193 0,189 Тверская область 0,289 0,273 0,272 0,275 0,259 0,257 0,261 Тульская область 0,331 0,300 0,303 0,305 0,301 0,306 0,311 Ярославская область 0,324 0,280 0,275 0,280 0,278 0,270 0,249 г. Москва 2,507 2,793 2,871 2,887 3,011 3,067 3,324 Материально-техническое обеспечение (K) Белгородская область 0,123 0,124 0,107 0,092 0,089 0,097 0,092 Брянская область 0,061 0,066 0,053 0,052 0,056 0,058 0,064 Владимирская область 0,079 0,083 0,070 0,064 0,071 0,070 0,070 Воронежская область 0,119 0,134 0,118 0,119 0,123 0,136 0,130 Ивановская область 0,055 0,072 0,054 0,047 0,049 0,043 0,037 Калужская область 0,108 0,102 0,092 0,096 0,096 0,100 0,089 Костромская область 0,049 0,046 0,037 0,028 0,031 0,034 0,034 Курская область 0,061 0,064 0,055 0,052 0,053 0,052 0,059 Липецкая область 0,092 0,088 0,063 0,062 0,068 0,069 0,063 Московская область 0,404 0,405 0,356 0,339 0,360 0,366 0,367 Орловская область 0,046 0,050 0,044 0,036 0,041 0,043 0,041 Рязанская область 0,065 0,068 0,051 0,045 0,046 0,049 0,040 Смоленская область 0,072 0,079 0,063 0,050 0,051 0,051 0,049 Тамбовская область 0,001 0,001 0,001 0,001 0,001 0,001 0,001 Тверская область 0,117 0,113 0,108 0,094 0,088 0,081 0,090 Тульская область 0,091 0,092 0,085 0,077 0,086 0,100 0,097 Ярославская область 0,092 0,102 0,080 0,072 0,070 0,064 0,066 г. Москва 1,003 1,053 1,155 1,233 1,287 1,349 1,521 Таблица 5. Коэффициенты α и β для расчета инновационного потенциала Регион Год 2011 2012 2013 2014 2015 2016 α Белгородская область -7,94 -348,81 -1,94 20,01 -15,88 20,54 Брянская область -9,08 -116,32 24,95 -8,84 -424,39 -22,58 Владимирская область -34,42 -237,20 -14,93 2,77 9,85 3,62 Воронежская область -2,67 -1,30 -45,12 -24,10 71,80 12,28 Ивановская область -0,08 63,66 4,51 -22,95 69,96 26,64 Калужская область -7,74 -7,65 -1,56 1,94 -2,21 0,84 Костромская область -13,75 -3,44 14,31 -2,75 8,54 -205,78 Курская область -79,36 -447,59 5,14 -9,85 -2,67 100,33 Липецкая область -2,81 -34,35 -11,08 -4,36 -85,31 -1,97 Московская область -0,91 5,12 2,23 24,73 1,82 -2,34 Орловская область 2,33 52,63 -53,20 8,33 14,94 -23,12 Рязанская область -4,11 82,05 23,66 -6,87 -8,17 -47,90 Смоленская область -0,26 -15,16 -50,80 -28,53 -47,62 8,66 Тамбовская область -13,07 4,87 26,67 -76,32 49,88 -8,89 Тверская область -4,07 25,95 7,04 12,72 -301,20 15,89 Тульская область -39,53 35,33 -39,43 -12,57 28,39 3,12 Ярославская область -1,21 -21,93 -20,48 -34,48 10,92 -21,40 г. Москва 12,82 75,43 71,94 -4,55 29,31 0,83 β Белгородская область 45,84 -2,84 0,14 -2,76 2,97 -17,63 Брянская область 3,95 -4,57 31,01 3,14 66,63 1,76 Владимирская область 54,41 -3,64 0,68 -0,75 -19,68 38,50 Воронежская область 1,26 -0,31 -41,15 21,56 9,75 10,45 Ивановская область 0,02 3,10 0,84 19,83 -5,95 5,70 Калужская область -22,84 -2,51 -5,30 -18,62 2,04 0,52 Костромская область -7,29 -0,23 1,47 1,01 -1,20 2657,22 Курская область 69,18 -2,46 -5,70 25,40 -7,38 4,97 Липецкая область -3,66 -0,61 -27,67 1,58 3,19 -0,28 Московская область 50,15 -5,89 -6,67 2,12 5,66 86,71 Орловская область -1,36 7,21 -1,07 -1,79 -3,06 -3,18 Рязанская область 5,56 0,43 -1,21 13,82 2,07 -6,21 Смоленская область 0,14 -1,59 -3,36 65,36 40,91 11,54 Тамбовская область 24,56 0,52 -27,74 39,84 5,39 -1,75 Тверская область -6,62 1,21 -0,50 12,93 -22,94 1,99 Тульская область 292,65 -3,82 3,27 1,63 3,08 -1,49 Ярославская область 1,55 -1,80 3,00 -7,63 4,09 53,37 г. Москва 29,09 21,85 5,76 -4,51 11,13 0,55 Рассчитано по: Регионы России. Социально-экономические показатели. 2017. Таблица 6. Инновационный потенциал территорий ЦФО Регион Год 2011 2012 2013 2014 2015 2016 Белгородская область 3,431 -88,773 -0,476 4,865 -3,818 3,479 Брянская область -1,854 -26,242 7,153 -1,761 -86,029 -4,650 Владимирская область -6,310 -68,336 -4,226 0,747 1,355 3,727 Воронежская область -0,909 -0,527 -21,171 -6,188 26,351 5,787 Ивановская область -0,016 13,421 0,968 -3,652 13,273 5,464 Калужская область -4,854 -2,260 -0,886 -1,232 -0,383 0,265 Костромская область -2,494 -0,525 2,162 -0,367 1,144 62,646 Курская область -13,343 -94,536 0,770 -0,902 -0,957 20,533 Липецкая область -1,014 -7,811 -4,225 -0,858 -17,844 -0,436 Московская область 19,019 3,271 0,438 36,333 4,671 28,144 Орловская область 0,323 8,726 -8,374 1,234 2,142 -3,607 Рязанская область -0,626 18,240 5,183 -0,902 -1,665 -10,459 Смоленская область -0,044 -3,127 -10,061 -2,162 -6,707 2,200 Тамбовская область -2,731 0,972 5,241 -14,899 9,599 -1,717 Тверская область -1,953 7,222 1,865 4,708 -79,924 4,246 Тульская область 13,491 10,259 -11,663 -3,709 8,799 0,807 Ярославская область -0,248 -6,327 -5,396 -10,191 3,325 -2,346 г. Москва 61,316 233,671 213,205 -18,692 102,561 3,286 Рассчитано по: Регионы России. Социально-экономические показатели. 2017.
Список литературы Модель оценки эффективности ресурсного обеспечения инновационного развития регионов и их экономического роста
- Левченко Т.П., Вареников В.А. Ресурсный подход как способ оценки инновационной активности предприятия // Науковедение. 2016. № 4. URL https://cyberleninka.ru/article/n/resursnyy-podhod-kak-sposob-otsenki-innovatsionnoy-aktivnosti-predpriyatiya (дата обращения 18.07.2018).
- Чечина О.С. Ресурсное обеспечение инновационного развития отраслевой экономической системы // Вестн. ЮурГУ. Сер. «Экономика и менеджмент». 2014. № 4. Том 8. С. 61-66.
- Дмитриенко О.В., Жалсараева Е.А. Природно-ресурсный потенциал как фактор роста экономики региона // Вестн. Вост.-Сибир. гос. ун-та технологий и управления. 2015. № 4. Т. 55. С. 73-78.
- Метелев С.Е. Интеллектуально-ресурсное обеспечение инновационного и социально-экономического развития региона: институциональный аспект // Успехи современной науки. 2016. № 4. Т. 2. С. 17-23.
- Фешина С.С. Проблемы ресурсного обеспечения инновационной модернизации российской экономики // Науч. журн. КубГАУ. 2016. № 121. С. 1995-2009. DOI: 10.21515/1990-4665-121-126
- Шаталова Т.Н., Русакова Н.А. Влияние природно-ресурсного потенциала на эффективность производства в условиях инновационного развития предприятия // Науковедение. 2016. № 1. Т. 8. URL http://naukovedenie.ru/PDF/07EVN116.pdf (дата обращения 20.04.2018).
- DOI: 10.15862/07EVN116
- Буркальцева Д.Д. Точки экономического и инновационного роста: модель организации эффективного функционирования региона // МИР (Модернизация. Инновации. Развитие). 2017. Т. 8. № 1. С. 8-30.
- DOI: 10.18184/2079-4665.2017.8.1.8-30
- Шестак В.П., Тютюник И.Г. Финансово-правовое обеспечение инновационной активности // Финансы: теория и практика. 2017. Т. 21. № 6. С. 118-127. 10/26794/2587-5671-2017-21-6-118-127
- DOI: 10.26794/2587-5671-2017-21-6-118-127
- Сухарев О.С., Ворончихина Е.Н. Факторы экономического роста: эмпирический анализ индустриализации и инвестиций в технологическое обновление // Вопросы экономики. 2018. № 6. С. 29-47.
- Межов И.С., Клецкова Е.В. Планирование роста экономики региона на основе моделирования стратегий инвестирования // Вестн. финанс. ун-та. 2017. Т. 21. № 3. С. 129-140.
- Структурная политика в России: новые условия и возможная повестка (доклад НИИ ВШЭ) // Вопросы экономики. 2018. № 6. С. 5-28.
- Капранова Л.Д. Основные направления финансовой поддержки инвестиционной активности и экономического роста в регионах России // Региональная экономика: теория и практика. 2018. Т. 16. Вып. 5. С. 792-804.
- Сухарев О.С. Некоторые проблемы теории экономического роста // Вестн. финанс. ун-та. 2017. Т. 21. № 3. С. 61-74.
- Бакулина А.А., Растеряев К.О. Создание условий для устойчивого экономического роста в России // Вестн. финанс. ун-та. 2017. Т. 3. С. 57-60.
- Казакова С.М., Михайлова А.А. Дотационность как фактор устойчивости региональных экономических систем // Росс. экон. журн. 2018. № 2. С. 29-37.
- Белоусов Д.Р., Пенухина Е.А. О построении качественной экосистемы ИТК // Проблемы прогнозирования. 2018. № 3. С. 94-101.
- Douglas P.H. Comments on the Cobb-Douglas Production Function. NBER. Available at: http:// www.nber.org/chapters/c1474
- Reilly W.J. The law of retail gravitation. New York: Knickerbocker Press New York, 1931. 75 p.
- Converse P.D. New Laws of Retail Gravitation. Journal of Marketing, 1949, vol. 3, pp. 379-384.
- Haynes K.E., Fotheringham K.E. Gravity and spatial-interaction model. Scientific geography Series 2, 1984, vol. 5, no. 2, pp. 9-13.
- Fotheringham A.S. A new set of spacial-interaction models: the theory of competing destinations. Available at: https://www.econstor.eu/bitstream/10419/113417/1/ERSA1998_081.pdf
- Fotheringham A.S. Modelling hierarchical destination choice. Environment and Planning A: Economy and Space, 1986, vol. 18, pp. 401-418.