Подход к моделированию инновационной деятельности региона

В современных условиях одним из ключевых факторов экономического развития как отдельных предприятий, так и сложных территориальных систем является наличие и возможность реализации инновационного потенциала. Однако без понимания последствий принимаемых решений и тенденций изменения ситуации управление в данной области не представляется возможным, поскольку специфика инновационной деятельности предполагает высокую степень динамичности и многофакторности. В связи с этим на первый план выходит задача прогнозирования и выбора применяемых для ее решения методов соответственно. Перспективным направлением прогнозирования инновационной деятельности региона является использование формализованных моделей. Однако, прежде чем приступить к математической формализации, требуется разработать структурно-логическую модель инновационной деятельности региона, что и определило актуальность настоящего исследования.

Следует сказать, что понятия «инновация», «инновационная деятельность» и смежные с ними имеют множество трактовок, анализ которых выходит за пределы проводимого исследования. Отметим лишь, что подробный обзор различных точек зрения на данный вопрос можно найти в том числе в статье [1], где приводится шесть определений понятия «инновации» с точки зрения процессного подхода и столько же – с точки зрения объектного подхода. В этой же статье указывается, что определению сущности инновационной деятельности отводится меньше внимания исследователей. При этом самими авторами дается следующее определение: «Инновационная деятельность – это процесс зарождения, разработки принципиально новых идей, методов, изобретений, технологий с высокой степенью конкурентоспособности и их по- следующей коммерциализации, удовлетворяющих новые общественные потребности при получении принципиально нового уровня социально-экономического эффекта» [1, с. 151].

Другими исследователями отмечается, что инновационная деятельность – это «комплекс научных, технологических, организационных, финансовых и коммерческих мероприятий, направленный на коммерциализацию накопленных знаний, технологий и оборудования. Результатом инновационной деятельности являются новые или дополнительные товары (услуги) или товары (услуги) с новыми качествами» [2]. Одновременно с этим инновационная деятельность – это «выполнение работы (или) оказание услуг по созданию, освоению в производстве и (или) практическому применению новой или усовершенствованной продукции, нового или усовершенствованного технологического процесса» 1 . Схожей позиции придерживаются А. В. Сурин и О. П. Молчанова, указывая, что «инновационная деятельность представляет собой взаимосвязанную совокупность видов работ по созданию и распространению инноваций» 2 . Подробный обзор подходов зарубежных и отечественных исследователей к определению рассматриваемого понятия приводится в статье А. И. Нурдавля-товой, где автор предлагает группировать их по двум критериям: «по отношению к научной и научно-технической деятельности» и «по сферам осуществления» [3].

В Российской Федерации определение ключевых понятий приводится в Федеральном законе от 23.08.1996 № 127-ФЗ «О науке и государственной научно-технической политике». В рамках данного документа под инновационной деятельностью понимается «деятельность (включая научную, технологическую, организационную, финансовую и коммерческую деятельность), направленная на реализацию инновационных проектов, а также на создание инновационной инфраструктуры и обеспечение ее деятельности»3. При этом в методических пояснениях, представленных на сайте Росстата, указывается, что инновационная деятельность – это «вся исследовательская (исследования и разработки), финансовая и коммерческая деятельность, которая в течение периода наблюдения направлена или приводит к созданию новых или усовершенствованных продуктов (товаров, услуг), значительно отличающихся от продуктов, производившихся организацией ранее, предназначенных для внедрения на рынке, новых или усовершенствованных бизнес-процессов, значительно отличающихся от предыдущих соответствующих бизнес-процессов организации, предназначенных для использования в практической деятельности»1. Следует отметить, что методика Росстата не противопоставляется другим источникам, в том числе международным документам в данной области. В частности, имеются данные, полученные в соответствии с Руководством Осло. Вместе с тем необходимо понимать, что, как и другие документы, методология Росстата и Руководство Осло претерпевают изменения. Так, лишь в третьем издании Руководства Осло определение инновации было расширено путем включения двух дополнительных типов инноваций – организационной и маркетинговой. Аналогично имеет место и изменение методики учета инноваций в Российской Федерации, что в определенной степени затрудняет анализ и требует учета в рамках решения задачи прогнозирования изменения ситуации.

Таким образом, при определении понятия инновационной деятельности многие исследователи акцентируют внимание на различных составляющих, ставя на первое место этапы разработки идеи, коммерциализацию знаний, освоение новой продукции и др. На наш взгляд, данные этапы составляют единое целое, а следовательно, необходимо подходить к проблеме комплексно и рассматривать все этапы, включая как научные исследования, так и выпуск инновационной продукции. В наибольшей степени этому подходу соответствует определение, представленное в методических рекомендациях Росстата, на которое будем опираться в дальнейшем, что позволяет использовать для анализа официальные данные государственной статистики.

Подходы к прогнозированию и моделированию инновационной деятельности региона

Для прогнозирования инновационной деятельности региона применяются как формализованные, так и неформализованные методы, а также их комбинации. Неформализованные методы базируются на использовании экспертных знаний, оценок квалифицированных специалистов о направлениях развития науки и техники, перспективных областях научных исследований и разработок. В данной группе методов выделяют индивидуальные и коллективные методы прогнозирования, которые, несмотря на свою распространенность, обладают рядом значимых недостатков, включая субъективность оценок, недоучет факторов и их взаимовлияния и т.д.

Среди формализованных методов широкое распространение получили методы экстраполяции, базирующиеся на анализе динамики изменения отдельных параметров объекта в прошлом. Вместе с тем экстраполяция данных может быть применена лишь в тех случаях, когда условия функционирования остаются неизменными. Для более полного учета влияния различных факторов представляется целесообразным использовать методы экономико-математического моделирования. В данной сфере выделяют несколько направлений: эконометрические, балансовые и оптимизационные модели, имитационное моделирование и др. Каждое из них имеет свои достоинства и недостатки при решении той или иной задачи.

Обзору имеющегося опыта применения математического моделирования в области прогнозирования инновационной деятельности посвящены работы ряда отечественных и зарубежных исследователей [4; 5]. Так, Билаль Наваф Елиан Сулейман и соавторы отмечают, что «актуальной задачей является изучение базовых моделей инновационных процессов в области научно-образовательных систем, таких как макромодели развития, модели среднего уровня, микромодели развития» [6]. При этом авторы делают акцент на том, что в настоящее время нелинейная динамика представляет собой одно из наиболее значимых и перспективных направлений развития во всех науках. Другой подход применен И. А. Ивановой, предлагающей разрабатывать инновационную стратегию развития региона с использованием рекурсивной системы эконометрических уравнений [7]. В статье [8] рассматривается возможность применения метода LASSO для ранжирования различных факторов по степени влияния на уровень инновационной активности в регионе. В частности, авторами выделяется 13 факторов (в том числе доля персонала, занятого исследованиями; доля исследователей, имеющих научную степень; внутренние затраты; число выданных патентов; среднедушевые денежные доходы; инвестиции в основной капитал). На основе комплекса полученных уравнений сделан прогноз для регионов Сибирского федерального округа. Ряд других работ посвящен взаимовлиянию социальноэкономического и инновационного развития регионов России. Так, в работе М. И. Ахметовой для решения данной задачи используется метод кластеризации [9], Р. М. Нижегородцев отмечает важность согласования интересов разнородных хозяйственных агентов [10].

Вместе с тем большая часть публикаций, связанных с моделированием инновационной деятельности, рассматривает ее на уровне предприятий и организаций, в ряде случаев – в части видов экономической деятельности, профессий.

В подобных исследованиях применяются полиномы различного порядка [11], когнитивные карты, теория графов, нечеткая логика и др. Интересный обзор подходов к моделированию инновационной деятельности промышленных предприятий (в том числе основанных на методах эконометрики и математического программирования) представлен в статье Д. А. Алферьева [12]. Однако автор не приводит конкретные модели. Моделирование процессов управления инновационной детальностью промышленных предприятия представлено также в статье В. А. Васяйчевой [13]. Автор использует методологию IDEF0 для формализованного описания. Эта же методология используется в исследованиях С. В. Дедова и Е. В. Харченко [14], где авторы обосновывают целесообразность применения теории множеств и имитационного моделирования, однако непосредственно модель тоже не приводят.

Наибольший интерес с точки зрения проводимого исследования представляют публикации, непосредственно посвященные вопросам моделирования инновационной деятельности на уровне регионов. Следует отметить, что многие из работ носят сугубо описательный характер, без конкретных моделей [15; 16]. При этом имеется ряд публикаций, в которых приводятся инструментарий и результаты проведенных исследований. В частности, в статьях [17; 18] авторы рассматривают вопросы применения кластерного анализа и моделирования на основе панельных данных. Многие исследователи делают акцент на факторах инновационного развития. Например, А. Ю. Климентьева проводит оценку дисбалансов на различных этапах инновационного процесса [19]. В работе О. Ю. Худяковой предпринята попытка оценить влияние различных факторов на уровень инновационной активности организаций по субъектам РФ с применением регрессионных моделей [20]. Данный инструментарий также применялся в исследованиях других авторов в сочетании с иными методами анализа, например формированием рейтингов регионов России по различным проекциям [21]. Анализ временных рядов в сочетании с изучением статистики поисковых запросов представлен в работе [22].

Важно отметить, что, несмотря на достоинства, формализованные методы имеют и слабые стороны. Так, исследователи отмечают, что применительно к инновационным проектам существенные трудности возникают из-за высокого уровня неопределенности, особенно в долгосрочной перспективе. Кроме того, сложность использования алгоритмов математического моделирования обусловлена тем, что «моделирование не позволяет обнаружить качественно новые явления инновационной деятельности, так как модельный анализ сужает горизонт возможных объяснений: моделирование говорит об инновационном проекте ровно столько, сколько исходных данных было в него заложено изначально» [23, с. 703].

Таким образом, моделирование является одним из наиболее перспективных инструментов формирования прогноза инновационной деятельности региона. Вместе с тем построение качественной модели требует проведения большого объема подготовительной работы, в частности необходимо определить факторы, оказывающие влияние на развитие инноваций. Так, А. А. Кисуркин выделяет 12 групп факторов: демографические (16), экономические (12), финансовые (11), трудовые (11), социальные (10), инвестиционные (11), уровень жизни населения (13), образовательные (7), инновационные (7), экологические (4), жилищные (8), природные (9) [24]. Автор дополнительно приводит несколько классификационных признаков, позволяющих рассматривать различные экономические ресурсы как фактор функционирования и развития региона. Вместе с тем столь обширный перечень показателей достаточно затруднительно включать в экономико-математическую модель. Более того, многие из них могут быть коррелиро-ваны между собой. В связи с этим задача формирования перечня факторов инновационного развития в рамках построения модели остается актуальной. Достаточно широко в литературе рассматривается вопрос влияния уровня развития высшего и послевузовского образования на инновационную активность предприятий региона.

Проведенный анализ литературных источников показал, что в большинстве случаев прямое использование ранее полученных различными авторами результатов не представляется возможным, поскольку они не учитывают особенности регионального уровня и современных условий. В связи с этим предполагается провести творческое переосмысление результатов, представленных в литературных источниках, с целью формирования собственного подхода к формализации параметров инновационной деятельности региона. Для этого требуется провести анализ текущего и ретроспективного состояния инновационной деятельности в регионах России.

Анализ инновационной деятельности регионов России

Большинство исследователей сходятся во мнении, что инновации являются одним из важнейших факторов экономического развития как отдельных организаций, так и целых стран. Проблемой развития региональных инновационных систем занимаются отечественные и зарубежные исследователи [25; 26]. В целом по Российской Федерации объем инновационных товаров, работ, услуг в период с 2000 по 2021 г. в номинальном выражении вырос в 38,8 раза. Однако этот рост был неоднороден. Так, в Вологодской области он составил лишь 1,9 раза (что говорит о снижении в сопоставимых ценах), в то время как в Белгородской области был зафиксирован рост в 557 раз, а в Омской – в 795. При этом, несмотря на столь внушительные значения, удельный вес инновационной продукции в России неуклонно снижается на протяжении последнего десятилетия (с 9,2 % в 2013 г. до 5,0 % в 2021 г.). Дифференциация регионов страны по данному показателю в 2021 г. представлена на рис. 1. Кроме того, обращают на себя внимание не только достаточно существенные изменения значений показателей во времени по регионам России (например, динамика доли инновационной продукции в Сахалинской области), но и то, что, являясь лидером по од- ному из показателей, характеризующих инновационную деятельность, регион может существенно уступать по другому показателю из данной группы [27].

Другим значимым результатом инновационной деятельности является количество поданных заявок на патенты и число выданных патентов. Анализ графиков на рис. 2 показывает, что начиная с 2014–2015 гг. наблюдается негативная динамика по данным показателям как в отношении патентных заявок на изобретения, так и в отношении заявок на полезные модели. Схожая ситуация прослеживается в разрезе федеральных округов и регионов. Наиболее заметное снижение числа патентных заявок на изобретения, как это ни странно, отмечено в Центральном федеральном округе. Так, если в 2015 г. подано 16,9 тыс. таких заявок (что составляло порядка 57,7 % от их совокупного количества по стране), то в 2021 г. их число снизилось до 8,7 тыс. заявок (то есть до 44,4 % от общего числа). При этом снижение числа выданных патентов на изобретения не всегда происходило в аналогичном объеме.

Источник: разработано авторами по: Регионы России. Социально-экономические показатели. 2022: стат. сб. / Росстат. М., 2022. 1122 с. (далее – данные Росстата).

Рис. 1. Доля инновационной продукции в совокупном объеме отгруженных товаров, выполненных работ, услуг, %

Fig. 1. Share of innovative products in the total volume of shipped goods, works and services, %

Рис. 2. Динамика патентных заявок и выдачи патентов в Российской Федерации, ед.

Fig. 2. Dynamics in patent applications and issuance in the Russian Federation, units.

Источник: разработано авторами по данным Росстата.

Рис. 3. Динамика численности персонала, занятого научными исследованиями и разработками, тыс. чел.

Fig. 3. Dynamics in the number of personnel engaged in research and development, thousand people

Одним из важнейших факторов обеспечения инновационного развития Российской Федерации и ее регионов является наличие соответствующих кадровых ресурсов научноисследовательской сферы. На начало 2022 г. численность персонала, занятого научными исследованиями и разработками, составила 662,7 тыс. чел., что на 25,3 % ниже уровня 2000 г. Анализируя структуру изменений, следует отметить, что за это время количество непосредственно исследователей снизилось на 85,8 тыс. чел., то есть на 20,1 % (рис. 3). На 14,7 тыс. чел. уменьшилось количество техников (соответственно 19,6 %). Существенное снижение зафиксировано в отношении вспомогательного персонала – на 88,4 тыс. чел., то есть более чем на треть. Прочий персонал сократился на 36,1 тыс. чел. (24,7 %). Однако и здесь наблюдается существенная неоднородность в региональном разрезе.

Более того, наблюдается ситуация, при которой в субъектах Российской Федерации формируются различные соотношения между ресурсными и результирующими показателями инновационной деятельности. Выявление данных особенностей может быть осуществлено с применением методов кластерного анализа. Необходимые расчеты произведены в программном продукте Statistica 6.0. Было отобрано четыре удельных показателя, характе- ризующих инновационную деятельность региона (по два ресурсных и результирующих):

• -    доля персонала, занятого научными исследованиями и разработками, в общей численности занятых в экономике;

• -    отношение величины внутренних затрат на НИР к общему объему ВРП региона;

• -    число выданных патентов на одного исследователя;

• -    доля инновационных товаров, работ, услуг в совокупном объеме отгруженной продукции.

Выбор данных показателей обусловливается следующими причинами. В число показателей, на наш взгляд, необходимо включить показатели, характеризующие как ресурсную базу инновационной деятельности, так и ее результат, в то же время они должны характеризовать как этап разработок, так и этап коммерческого освоения. Это позволит в дальнейшем описать распределение регионов с позиции эффективности использования имеющихся ресурсов и одновременно с этим учесть реализацию собственной исследовательской базы. В связи с этим и в соответствии с принципом минимальной и существенной достаточности были отобраны четыре указанных показателя: персонал и внутренние затраты как ресурсы исследовательского и внедренческого этапов и число патентов, доля инно- вационной продукции как результаты этих этапов соответственно.

Отметим, что из анализа исключены Еврейская автономная область и Чукотский автономный округ в связи с отсутствием данных по ряду показателей. Кроме того, для снижения степени влияния случайных отклонений, вызванных высоким уровнем изменчивости показателей, рассмотрены усредненные значения за три последних доступных периода.

Построенная дендрограмма представлена на рис. 4. При этом в качестве правила объединения был использован метод полной связи ( Complete Linkage ), в качестве меры близости – евклидово расстояние ( Euclidean Distance ). С учетом разноразмерности значений показателей предварительно было осуществлено их нормирование и приведение значений в диапазон от 0 до 1, где 0 соответствовал минимальному значению показателя по регионам России, а 1 – максимальному.

Как видно из рис. 4, при выборе порогового значения дистанции от центра кластера, равного 1, целесообразно выделить 4 кластера. В случае дальнейшей детализации один из кластеров будет содержать единственный регион. Анализ, проведенный с применением метода k -средних (для четырех кластеров), позволил сформировать следующие кластеры (табл. 1).

Регионы первого кластера занимают лидирующие позиции практически по всем выделенным показателям. При этом отрыв от остальных регионов России по доле персонала, занятого исследованиями и разработками, а также по величине внутренних затрат на НИР в ВРП является колоссальным (в среднем в 2– 3 раза). Однако получаемые результаты в части доли инновационной продукции в суммарном объеме отгруженной продукции не только сопоставимы со значениями по регионам второго кластера, но и уступают регионам третьего кластера (табл. 2).

Tree diagram for 85 cases Complete Linkage Euclidean distances

1,6

1,4

1,2

1,0

0,8

0,6

0,4

0,2

Источник: разработано авторами по данным Росстата.

Рис. 4. Вертикальная дендрограмма по регионам РФ

Fig. 4. Vertical dendrogram by the Russian regions

	Табл. 1. Распределение регионов России по кластерам Table 1. Distribution of the Russian regions by clusters
Кластер	Регион
1	Московская, Нижегородская, Ульяновская, Новосибирская, Томская области, г. Москва, г. Санкт-Петербург
2	Владимирская, Воронежская, Калужская, Курская, Тверская, Тульская, Ярославская, Ленинградская, Ростовская, Кировская, Пензенская, Самарская, Свердловская, Тюменская, Челябинская, Омская области, Республика Башкортостан, Пермский, Красноярский, Приморский края, г. Севастополь
3	Белгородская, Брянская, Рязанская, Архангельская, Мурманская области, Ставропольский, Хабаровский края, Республики Марий Эл, Мордовия, Татарстан, Удмуртия, Чувашия
4	Ивановская, Костромская, Липецкая, Орловская, Смоленская, Тамбовская, Вологодская, Калининградская, Новгородская, Псковская, Астраханская, Волгоградская, Оренбургская, Саратовская, Курганская, Иркутская, Кемеровская, Амурская, Магаданская, Сахалинская области, Республики Карелия, Коми, Адыгея, Калмыкия, Крым, Дагестан, Ингушетия, Кабардино-Балкария, Карачаево-Черкессия, Северная Осетия, Чечня, Алтай, Тыва, Хакасия, Бурятия, Саха (Якутия), Краснодарский, Алтайский, Забайкальский, Камчатский края, Ненецкий, Ханты-Мансийский, Ямало-Ненецкий автономные округа

Источник: разработано авторами по данным Росстата.

Табл. 2. Средние значения показателей по кластерам

Table 2. Average values of indicators by clusters

Показатель	Номер кластера
	1	2	3	4
Доля персонала, занятого научными исследованиями и разработками, в общей численности занятых в экономике, %	20,25	7,31	2,94	2,29
Величина внутренних затрат на НИР в общем объеме ВРП региона, промилле	28,59	9,69	3,56	2,46
Число выданных патентов на одного исследователя, ед.	0,58	0,30	0,26	0,14
Доля инновационных товаров, работ, услуг в совокупном объеме отгруженной продукции, %	7,56	6,60	11,23	1,91

Источник: разработано авторами по данным Росстата.

Следует отметить, что в Новосибирской и Томской областях доля инновационной продукции ниже уровня, характерного для кластера в целом. Регионы, вошедшие во второй кластер, преимущественно отличаются показателями выше среднего уровня, однако существенно уступают лидерам. Несколько отличается положение Ленинградской области, где число выданных патентов на одного исследователя и доля инновационной продукции значительно ниже среднего по кластеру. Последнее относится и к Калужской области. Регионы третьего кластера уступают по всем показателям, за исключением доли инновационных товаров, работ и услуг. Особенно это заметно в отношении Республики Мордовия и Республики Татарстан, где соответствующий показатель составил 23,0 и 18,2 % соответственно. Наиболее многочисленным является четвертый кластер, характеризующийся низкими значениями всех рассмотренных показателей. Полученные результаты в целом являются ожидаемыми и согласуются с исследованиями других авторов, что говорит о корректности полученных нами результатов. Однако, в отличие от экспертной оценки, кластерный анализ позволяет количественно оценить отдаленность конкретного региона от типового представителя каждой группы. Это, в свою очередь, в дальнейшем дает возможность перейти от простого описания к расчетным моделям и более точной оценке эффек- тов принимаемых мер. В частности, анализ полученных результатов позволяет оценить соотношение между показателями: доля персонала, занятого научными исследованиями и разработками, в 3 и 4 кластерах различается на 28 %, а число выданных патентов на одного исследователя – почти на 86 %. Эти и другие особенности кластеров могут быть учтены при решении задач управления инновационным развитием регионов.

Проведенный анализ показал, что в настоящее время регионы России существенно различаются по параметрам инновационной деятельности. В связи с этим модель инновационной деятельности региона должна, с одной стороны, включать в себя ресурсные и результирующие характеристики, а с другой – учитывать особенности, отраженные в принадлежности региона к выделенным кластерам. Для описания взаимосвязи между различными элементами инновационной системы требуется разработка логической модели инновационной деятельности региона.

Разработка структурно-логической модели инновационной деятельности региона

Модель инновационной деятельности является составляющим элементом более масштабной модели социально-экономического развития региона. Параметры инновационной деятельности в существенной степени определяются уровнем развития экономики региона [28], наличием соответствующего человеческого капитала, финансовых ресурсов и т.д. Более того, цели в рамках инновационной деятельности являются производными от целей и приоритетов развития экономики в целом. Вместе с тем следует отметить, что в рамках региональной системы должны рассматриваться и различные экономические агенты, обладающие противоречивыми интересами, а также должно быть учтено влияние внешней среды.

В рамках исследования разработана модель инновационной деятельности региона (рис. 5).

Как было отмечено, подсистема инновационной деятельности является частью региональной системы. Управление инновационной деятельностью региона осуществляется на различных уровнях. Так, решения принимаются отдельными людьми (в том числе в части потребительского выбора в пользу инновационной продукции, выбора образовательной и карьерной траекторий в научно-исследовательской сфере, выбора того или иного варианта постановки и решения исследовательской задачи), на уровне организаций (решения о финансировании исследований в той или иной области, переход на выпуск инновационной продукции, осуществление маркетинговых инноваций), органами публичной власти (разработка стратегических документов и мероприятий, направленных на стимулирование инновационной деятельности, включая установление особых налоговых режимов, грантовая поддержка).

Несмотря на то что система управления региональным развитием является частью социально-экономической системы, на схеме, представленной на рис. 5, она вынесена в отдельный блок с целью иллюстрации особого положения с точки зрения рассматриваемой проблемы. Фактически разрабатываемая модель, на наш взгляд, может стать инструментарием управления и использоваться именно органами публичной власти для принятия управленческих решений. В связи с этим в ней выделено три подсистемы: целеполагания, регулирования и анализа. Подсистема целеполагания определяет ориентиры развития и значения индикаторов на перспективу. Подсистема регулирования призвана ответить на вопрос о способе достижения поставленных целей. При этом рассматриваются особенности организации, координации и стимулирования деятельности. Подсистема анализа призвана обеспечить сопоставление целевых ориентиров и фактически достигнутых результатов. Выявление различий становится отправной точкой для разработки мероприятий и (или) изменения целевых параметров развития системы. В то же время принимается во внимание не только состояние параметров регионального развития (включая параметры инновационной деятельности), но и условия, определяемые внешней средой.

Финансовоэкономические условия

Подсистема целеполагания

Внешняя среда Нормативная база и целевые установки

Система управления региональным развитием

Подсистема регулирования

Подсистема анализа

Иные факторы (политические, культурные и др.)

Региональная социально-экономическая система

(в том числе подсистемы «демография», «экономика», «социальная сфера», «экологическая сфера» и др.

Разработка инноваций вне региона

Внедрение инноваций вне региона

Блок разработки

Блок использования

Процесс разработки

Патенты

^ Блок трансфера н

Процесс использования

Инновационная продукция

Спрос на результаты НИОКР

- ->:

Ресурсная база

Кадровая база

Материальнотехническая база

Финансовая база

Организационная база

НИИ, вузы, отделы R & D

Объекты инновационной инфраструктуры

Население

Предприятия и организации

Формирование спроса на рынке исследований и инноваций

Спрос на результаты исследований

Спрос на инновационную продукцию

Источник: разработано авторами.

Рис. 5. Структурно-логическая модель инновационной деятельности региона

Fig. 5. Structural and logical model of a region’s innovation activity

В рамках непосредственно подсистемы инновационной деятельности региона можно выделить две крупные составляющие: «Блок разработки» (описывает вопросы создания новшеств) и «Блок использования» (ориентирован на внедрение в хозяйственный оборот). Кроме того, исследователи в данной области выделяют «Блок трансфера», который в ряде случаев называют блоком коммерциализации. В его рамках осуществляется переход с одного этапа (например, исследовательского)

на другой (предположим, производственный). Несмотря на важность данного блока, его рассмотрение в рамках проводимого нами исследования не осуществляется, поскольку трансфер инноваций (как и ряд других вопросов, таких как диффузия инноваций) является самостоятельной научной проблемой, требующей всестороннего анализа. Отметим лишь тот факт, что данный трансфер охватывает не только внутрирегиональные процессы. Так, патенты на изобретения и полезные модели, разработанные в регионе, могут использоваться за его пределами. Одновременно с этим предприятия региона могут применять разработки, созданные в других регионах и странах. Однако более подробно в рамках данного исследования будем рассматривать только две указанные составляющие.

Представленная структурно-логическая модель инновационной деятельности региона иллюстрирует сущностные взаимосвязи между элементами данной системы. На ее основе может быть в дальнейшем разработана параметрическая модель, предназначенная для формирования количественного прогноза параметров инновационной деятельности региона.

ЗАКЛЮЧЕНИЕ

На динамике производства инновационных товаров, работ, услуг в регионах страны сказываются не только ресурсные ограничения, но и сложная внешнеэкономическая и политическая обстановка, усугубившаяся в 2022 г. Необходимость учета данного и многих других факторов при формировании прогноза развития ситуации обусловливает целесообразность разработки и внедрения информационных систем, построенных на базе методов моделирования. Последовательная формализация как структурно-логических взаимосвязей, так и количественных отношений между параметрами системы позволит перейти от интуитивных методов управления к научно обоснованным. Очевидные с точки зрения мероприятия, направленные на активизацию собственного потенциала регионов России, внедрение венчурной системы финансирования, повышение инвестиционной привлекательности данной сферы, требуют проведения глубокого анализа, разработки экономико-математической модели