Структурно-технологические траектории экономического развития регионов РФ

Важность анализа технологической структуры подчеркивалась в экономической литературе на протяжении многих десятилетий. Основополагающая работа Пэвитта [1] представила классификацию технологических режимов, основанную на моделях инноваций в различных отраслях, заложив основу для последующих исследований технологической интенсивности. Более поздние исследования Кастеллаччи [2] и Пенедера [3] уточнили классификацию отраслей по технологической интенсивности и изучили ее взаимосвязь с экономическим ростом, занятостью и распределением доходов.

Современные исследования подчёркивают, что экономическая структура определяет возможности роста и развития [4, 5] через механизмы структурного обучения [6], технологическую восприимчивость различных отраслей [7]. При этом отмечается двусторонняя связь между структурой экономики и экономическим ростом, исходная структура ограничивает или, наоборот, стимулирует экономический рост, а сам рост ведёт к структурным изменениям [8]. Таким образом, отраслевая структура экономики, с одной стороны, отражает текущий уровень технологического развития [9], а с другой стороны, является фактором роста и развития [10, 11].

Эмпирические работы подтверждают значимость отраслевой структуры в различных региональных контекстах. Так, исследования экономики Китая демонстрируют, что оптимизация отраслевой структуры способна существенно ускорить экономический рост, одновременно решая проблемы структурных дисбалансов [12, 13]. Аналогичные выводы можно найти в работах по Латинской Америке, где структурная отсталость сопровождается повышенной экономической волатильностью и создает ограничения для развития [14].

В научной литературе исследуется влияние структуры экономики на производительность [15], институты [16], бедность [17], экологию [18], инфляцию и обменный курс [19], развитие быстрорастущих фирм (HGF) [20].

На наш взгляд, структурно-технологическая специфика регионов, определяемая как уникальная комбинация отраслей и технологических возможностей, которые сформированы специфическим историческим процессом, в значительной степени обусловлена зависимостью от пути развития и институциональными ограничениями. Хотя регионы могут обладать скрытым потенциалом для трансформационного роста, их способность реализовать этот потенциал ограничивается «эффектом колеи», [21] то есть исторически укоренившимися отраслевыми пропорциями.

Концепция path dependence («зависимость от траектории развития») утверждает, что исторический процесс оказывает долгосрочное влияние на текущие технологические структуры [22, 23]. В контексте регионального развития это означает, что отраслевые структуры, сформированные в прошлом, создают устойчивую основу, которая препятствует или замедляет изменения.

Исторически сложившаяся специализация региона часто приводит к накоплению специфических знаний, навыков и институтов, что, с одной стороны, способствует экономической стабильности, а с другой стороны, порождает структурную инерцию. Экономические системы начинают развиваться по заданным технологическим траекториям, из-за чего регионы с большей вероятностью будут развивать виды экономической деятельности, которые технологически связаны с их существующими сильными сторонами [24, 25].

Институты имеют тенденцию развиваться таким образом, чтобы поддерживать доминирующие отрасли, что ещё больше закрепляет специализацию региона [26]. Например, образовательные учреждения могут сосредотачиваться на навыках, актуальных для традиционных секторов, а местные политики в приоритетном порядке поддерживать доминирующие сектора экономики.

Таким образом, можно прийти к следующим ключевым выводам.

Исторически сложившееся структурные пропорции – это фундаментальная предпосылка, ко- торая определяет исходные условия для развития регионов. Преодоление наследуемых структурных особенностей требует глубокого понимания исторического контекста.

Регионы с отраслевой структурой, способной воспринимать инновации нового технологического уклада, обеспечат себе движение по трансформационной траектории развития.

Даже если два региона имеют изначально схожие структурные пропорции, различия в качестве институтов со временем могут привести к значительному разрыву в уровне технологического развития. Даже при высоком уровне технологического потенциала низкое качество институтов может привести к инерционному пути развития. Регионы с более гибкими институтами лучше подготовлены к внедрению новых технологий.

Переход на трансформационную траекторию развития может быть обеспечен за счет целенаправленной структурно-технологической политики государства, которая обусловит преодоление исторических и институциональных барьеров.

Структурно-технологические траектории развития – это пути эволюции экономики, формирующиеся в результате изменений в отраслевой структуре и технологическом развитии, которые либо расширяют возможности устойчивого роста и модернизации, либо создают ограничения для дальнейшего экономического развития. Были выделены:

– инерционная траектория развития – движение по существующей структурно-технологической траектории;

– трансформационная траектория развития – смещение структурно-технологической траектории развития в сторону высокотехнологичных отраслей;

– трансформационная деградация – смещение траектории в низкотехнологическом направлении.

Теория и методы

Для целей выявления уровня технологичности региональной экономики и ее динамики использовался отраслевой подход – группировка отраслей по уровню их технологической интенсивности. Отрасли региональной экономики объединялись на основании классификации отраслей по уровню технологичности, разработанной Евростатом (табл. 1). Для расчетов использовались данные бухгалтерской отчетности о выручке (нетто) от продажи товаров, продукции, работ, услуг (за минусом налога на добавленную стоимость, акцизов и иных аналогичных обязательных платежей).

Для количественной оценки схожести технологических структур использовалась метрика Хаусдорфа которая измеряет степень геометрического сходства между двумя фигурами. Чем меньше dh(A,B) тем ближе фигуры. В результате формируется матрица расстояний Хаусдорфа для всех пар шестиугольников (структура экономики из шести элементов), заданных данными:

Таблица 1

Распределение ОКВЭД по технологическим секторам экономики

Группа отраслей	Код ОКВЭД	Код ОКВЭД 2
Отрасли высокого технологичного уровня	24.4; 30; 32; 33; 35.3	21; 26; 30.3
Отрасли среднего высокого технологичного уровня	24 без (24.4); 29; 31; 34; 35 без (35.1 и 35.3)	20; 25.4; 27; 28; 29; 30 без (30.1 и 30.3); 32.5
Отрасли среднего низкого технологичного уровня	23; 25; 26; 27; 28; 35.1	18.2; 19; 22; 23; 24; 25 без (25.4); 30.1; 33
Высоко технологичные наукоемкие услуги	64; 72; 73	61; 62; 63; 72
Наукоемкие услуги	61;  62;  74.1;  74.2;  74.3; 74.5; 80; 85	50; 51; 69; 70; 71; 75; 78; 85; 86; 87; 88
Отрасли низкого технологичного уровня	прочие	прочие

Источник: составлено авторами на основе данных Евростат (KIS) и

^h ( A ^, В )=max { ^suPa ∈ A ^ⁿfb ∈ в ‖ a ^- b ‖, sup_b ∈ В inf a ∈ A ‖ b - a ‖} .                          (1)

Интерпретация результата:

– малое расстояние Хаусдорфа (менее 0,05) – почти полное совпадение или высокое сходство;

– среднее расстояние (от 0,05 до 0,15) – фигуры с такими расстояниями являются похожими, но могут иметь различия в масштабе, ориентации или небольших деформациях;

– большое расстояние (более 0,15) – шестиугольники значительно отличаются друг от друга, их формы или расположение вершин имеют существенные различия.

Для объединения регионов со схожими структурами в группы использовался метод иерархической агломеративной кластеризации с полным объединением.

Для оценки относительного технологического преимущества регионов использовался индекс Балассы:

,

∑ jX .

RCA_c , i = _∑ ^ ^,\ ,                 (2)

∑ ,    , , где xc,i – объем производства региона с в отраслях i, тыс. руб.; ∑i xc,i – общий объем производства региона с, тыс. руб.; ∑c xc,i – объем производства в отраслях i в стране, тыс. руб.; ∑c,i xc,i – общий объем производства в стране, тыс. руб.

Если RCA > 1, регион обладает сравнительным преимуществом в отраслях i и специализируется на них.

Если RCA < 1, относительное конкурентное преимущество отсутствует.

Для определения структурно-технологической траектории развития регионов использовался метод декомпозиции, основанный на отраслевых долях и индексе валового регионально продукта:

Ci , =    ,     ^{∗   ,} - ^∗ It -1,            (3)

, где Ci,t – вклад сектора экономики i в год t, п.п.; Si,t – доля сектора экономики i в год t, %; It – индекс валового регионально продукта в год t, %.

Для укладки графа использован алгоритм многомерного шкалирования (MDS), основанный на матрице расстояний между узлами. Ребра графа определены на основании расстояний Хаусдорфа, веса узлов графа не задавались. Для создания графа использовались следующие библиотеки, написанные на языке Python: pandas; matplotlib.pyplot; numpy; networkx; sklearn.manifold. Сам граф строился в Visual Studio Code.

Полученные результаты

В результате проведенного исследования было выявлено 13 структурно-технологических кластеров, каждый из которых характеризуется определённым уровнем технологического развития, и 9 регионов с уникальной технологической структурой. Распределение регионов по кластерам представлено на рис. 1. Для визуализации взаимосвязей между технологическими структурами регионов РФ мы построили сетевой граф (рис. 2). Полученные кластеры демонстрируют широкий спектр технологических ориентаций – от доминирования низкотехнологичных отраслей до выраженной специализации на высокотехнологичных и наукоёмких услугах.

Для начала рассмотрим основные характеристики регионов с уникальной технологической структурой.

Технологическая структура Архангельской области характеризуется большой долей отраслей среднего высокого уровня (20,10 %) и наукоемких услуг (8,13 %) при незначительной доле отраслей высокого технологичного уровня (0,28 %) и высокотехнологичных наукоемких услуг (0,60 %).

Технологическая структура Вологодской области характеризуется средневысокой (19,69 %) и средненизкой (32,44 %) технологической направленностью при незначительной доле отраслей вы-

Регионы

Рис. 1. Кластеризация регионов РФ по структурно-технологической схожести

Источник: составлено авторами на основе данных Федеральной службы государственной статистики

сокого технологичного уровня (0,76 %) и высокотехнологичных наукоемких услуг (0,77 %), а также наименьшей в РФ долей отраслей низкого технологичного уровня (44,46 %).

Калужская область характеризуется относительно высокотехнологической структурой экономики, большая доля отраслей высокого (6,38 %) и средневысокого технологичного уровня (13,39 %), а также высокотехнологичных наукоемких услуг (1,22 %), при значительной доле отраслей среднего низкого технологичного уровня (17,33 %).

Технологическая структура Курганской области характеризуется средневысокой технологической направленностью, доля отраслей среднего высокого технологичного уровня (27,87 %) при значительной доле отраслей среднего низкого технологичного уровня (12,25 %).

Технологическая структура Мурманской области характеризуется наибольшей в РФ долей отраслей среднего низкого технологичного уровня

(48,02 %) и небольшой долей высокотехнологичных отраслей.

Технологическая структура Республики Бурятия характеризуется наибольшей в РФ долей отраслей высокого технологичного уровня (12,34 %) при значительной доле отраслей низкого технологичного уровня (81,62 %).

Рязанская область характеризуется неоднозначной структурой экономики – с одной стороны, большая доля отраслей высокого технологичного уровня (9,18 %), а с другой стороны, значительная доля отраслей среднего низкого технологичного уровня (21,19 %).

Технологическая структура Тульской области характеризуется наибольшей в РФ долей отраслей среднего высокого технологичного уровня (32,51 %), значительной долей отраслей высокого (2,21 %) и среднего низкого технологичного уровня (13,66 %), при небольшой доле высокотехнологичных и наукоемких услуг.

i

Можно выделить регионы инерционного развития – движение по существующей структурнотехнологической траектории: Мурманская область; Республика Бурятия; Калужская область; Амурская область.

Регионы трансформационного развития – сменившие структурно-технологическую траекторию развития: Рязанская область; Вологодская область; Архангельская область; Курганская область; Тульская область.

В кластер 1 входит 11 регионов, которые характеризуются наибольшей долей отраслей низкого технологичного уровня (доля 94,22 %) при наименьшей доле высокотехнологичных и среднетехнологичных отраслей. Наибольший вклад в рост индекса ВРП за период с 2017 г. по 2023 г. внесли отрасли низкого технологичного уровня, что говорит о том, что регионы продолжают движение по существующей низкотехнологической траектории развития (табл. 2).

В кластер 2 входит 15 регионов, которые характеризуются низкотехнологической направленностью (доля 88,50 %) при относительно высокой доле наукоемких услуг (доля 3,42 %), стоит отметить, что наибольший вклад в сектор наукоёмких услуг вносит деятельность в области здравоохранения. Рост индекса ВРП за период с 2017 г. по 2023 г. обеспечивается за счет отраслей низкого технологичного уровня, что говорит о том, что этот кластер состоит из регионов инерционного развития – движение по существующей структурно-технологической траектории (см. табл. 2).

В кластер 3 входит 3 региона, которые характеризуются средненизкой (доля 14,15 %) и низкой (доля 80,15 %) технологической направленностью при незначительной доле высокотехнологичных отраслей. Регионы данного кластера демонстрируют разнонаправленные траектории развития: Карачаево-Черкесская Республика движется по существующей структурно-технологической траектории, наибольший вклад в рост ВРП вносят отрасли среднего низкого технологичного уровня; Оренбургская область сместила структурно-технологическую траекторию развития в сторону отраслей низкого технологичного уровня; Кемеровская область демонстрирует трансформационное развитие, наибольший вклад в рост ВРП вносят отрасли среднего высокого технологичного уровня (см. табл. 2).

В кластер 4 входит 2 региона, которые характеризуются средненизкой (доля 28,30 %) техноло-

Таблица 2

Доля технологических секторов экономики в кластерах, %

Кластер	Группа отраслей
	Отрасли высокого технологичного уровня		Отрасли среднего высокого технологичного уровня		Отрасли среднего низкого технологичного уровня		Высокотехнологичные наукоемкие услуги		Наукоемкие услуги		Отрасли низкого технологичного уровня
	доля %	спе-циа-лиза-ция	доля %	спе-циа-лиза-ция	доля %	спе-циа-лиза-ция	доля %	спе-циа-лиза-ция	доля %	спе-циа-лиза-ция	доля %	спе-циа-лиза-ция
1	0,00	0	0,90	0	1,45	0	0,61	0	2,81	0	94,22	1
2	0,75	0	2,70	0	3,74	0	0,89	0	3,42	1	88,50	1
3	0,68	0	2,63	0	14,15	1	0,25	0	2,14	0	80,15	1
4	0,14	0	1,64	0	28,30	1	0,57	0	2,37	0	66,98	0
5	0,63	0	7,20	0	34,06	1	0,96	0	1,61	0	55,54	0
6	1,06	0	4,99	0	7,01	0	1,12	1	2,23	0	83,58	1
7	1,04	0	10,08	1	2,88	0	0,70	0	3,24	1	82,06	1
8	1,12	0	8,86	1	21,23	1	1,03	0	3,72	1	64,03	0
9	1,54	0	3,94	0	10,19	1	3,11	1	4,64	1	76,57	0
10	2,54	1	9,13	1	9,52	1	0,80	0	1,86	0	76,15	0
11	3,90	1	13,95	1	9,87	1	2,12	1	3,47	1	66,69	0
12	3,51	1	25,32	1	6,41	0	1,02	0	1,71	0	62,03	0
13	2,33	1	13,79	1	7,63	0	1,24	1	2,14	0	72,87	0

Источник: составлено авторами на основе данных Федеральной службы государственной статистики

гической направленностью при относительно небольшой доле отраслей среднего высокого технологичного уровня (доля 1,64 %). В этом кластере Красноярский край осуществляет развитие по инерционной траектории развития, наибольший вклад в рост ВРП за период с 2017 г. по 2023 г. вносят отрасли среднего низкого технологичного уровня, а Республика Хакасия – по трансформационной траектории развития, наибольший вклад внесли отрасли среднего высокого технологичного уровня (см. табл. 2).

В кластер 5 входит 2 региона, которые характеризуются наибольшей долей отраслей среднего низкого технологичного уровня (доля 34,06 %) и значительной долей отраслей среднего высокого технологичного уровня (доля 7,20 %) при минимальном высокотехнологичном секторе экономики. Наибольший вклад в рост индекса ВРП за период с 2017 г. по 2023 г. в Челябинской области внесли отрасли среднего низкого технологичного уровня, что говорит о том, что регион продолжает движение по существующей траектории развития, а в Липецкой области – отрасли низкого технологичного уровня, что говорит о смещении траектории в низкотехнологическом направлении (см. табл. 2).

В кластер 6 входит 11 регионов, которые характеризуются относительной специализацией на высокотехнологичных наукоемких услугах (доля 1,12 %) и отраслях низкого технологичного уровня (доля 83,58 %). Подавляющее большинство регионов, входящих в кластер, демонстрируют движение по существующей структурно-технологической траектории, наибольший вклад в рост индекса ВРП внесли отрасли низкого технологичного уровня. Тамбовская область сместила структурно-технологическую траекторию в сторону отраслей среднего низкого технологичного уровня. Тюменская область продемонстрировала трансформационную траекторию развития, наибольший вклад внесли отрасли среднего высокого технологичного уровня (табл. 2).

В кластер 7 входит 2 региона, которые характеризуются средневысокой (доля 10,08 %) технологической направленностью при относительно высокой доле отраслей низкого технологичного уровня. В этом кластере Псковская область осуществляет развитие по трансформационной траектории, наибольший вклад в рост ВРП вносят отрасли среднего высокого технологичного уровня. Ставропольский край демонстрирует смещение структурнотехнологической траектории в сторону отраслей низкого технологичного уровня (см. табл. 2).

В кластер 8 входит 4 региона, которые характеризуются средненизкой технологической направленностью (доля 21,23 %) и относительно большой долей отраслей среднего высокого технологичного уровня (доля 8,86 %) и наукоемких услуг (доля 3,72 %). Во всех регионах кластера наибольший вклад в рост индекса ВРП за период с 2017 г. по 2023 г. внесли отрасли низкого технологичного уровня, что говорит о смещении структурно-технологической траектории развития в низкотехнологическую сторону (см. табл. 2).

В кластер 9 входит 4 региона, которые характеризуются наибольшей долей высокотехнологичных (доля 3,11 %) и наукоемких услуг (доля 4,64 %) при относительно большой доли отраслей среднего низкого технологичного уровня (доля 10,19 %). Во всех регионах кластера наибольший вклад в рост индекса ВРП за период с 2017 г. по 2023 г. внесли отрасли низкого технологичного уровня, что говорит о смещении траектории в низкотехнологическом направлении (см. табл. 2).

В кластер 10 входит 4 региона, которые характеризуются относительно высокотехнологичной структурой экономики (доля высокотехнологичных отраслей 2,54 %; доля средневысоких отраслей 9,13 %) со значительной средненизкой технологической направленностью (9,52) при незначительной доле высокотехнологичных и наукоемких услуг. Среди регионов, входящих в данный кластер, Орловская область демонстрирует движение по существующей структурно-технологической траектории, наибольший вклад в рост индекса ВРП за период с 2017 г. по 2023 г. внесли отрасли среднего низкого технологичного уровня. Омская, Саратовская и Смоленская область демонстрируют смещение траектории в сторону отраслей низкого технологичного уровня (см. табл. 2).

В кластер 11 входит 9 регионов, которые характеризуются наибольшей долей отраслей высокого технологичного уровня (доля 3,9 %) и относительно сбалансированной структурой экономики, специализация на средневысоких (доля 13,95 %), средненизких отраслях (доля 9,87 %) и высокотехнологичных (доля 2,12 %) и наукоемких услугах (доля 3,47 %) при относительно небольшой доле отраслей низкого технологичного уровня (доля 66,69 %). В этом кластере можно выделить регионы трансформационного развития – сменившие структурно-технологическую траекторию: Удмуртская Республика, наибольший вклад в рост индекса ВРП за период с 2017 г. по 2023 г. внесли отрасли высокого технологичного уровня; Республика Марий Эл, Республика Мордовия, Тверская область – наибольший вклад в рост индекса ВРП внесли отрасли среднего высокого технологичного уровня. Регионы, сместившие структурно-технологическую траекторию в сторону отраслей низкого технологичного уровня: Владимирская область; Нижегородская область; Пермский край; Ульяновская область; Ярославская область (см. табл. 2).

В кластер 12 входит 2 региона, которые характеризуются наибольшей долей отраслей сред- него высокого технологичного уровня (доля 25,32 %) и относительной специализацией на отраслях высокого технологичного уровня (доля 3,51 %). Регионы данного кластера (Новгородская область и Чувашская Республика) демонстрируют движение по существующей структурно-технологической траектории, наибольший вклад в рост индекса ВРП внесли отрасли среднего высокого технологичного уровня (см. табл. 2).

В кластер 13 входит 4 региона, которые характеризуются высокотехнологичной структурой экономики, относительная специализация на высокотехнологичных (доля 2,33 %), средне высокотехнологичных отраслях (доля 13,79 %), а также на высокотехнологичных наукоемких услугах (доля 1,24 %). Среди регионов данного кластера Кировская область демонстрирует движение по существующей структурно-технологической траектории, наибольший вклад в рост индекса ВРП внесли отрасли среднего высокого технологичного уровня. Брянская область, Республика Татарстан, Самарская область демонстрируют смещение структурнотехнологической траектории в сторону отраслей низкого технологичного уровня (см. табл. 2).

В результате можно выделить виды экономической деятельности, которые способствовали переходу на трансформационную траекторию развития за счет высокотехнологичных отраслей. В Удмуртской Республике: производство компьютеров, электронных и оптических изделий; производство летательных аппаратов, включая космические, и соответствующего оборудования. В Рязанской области: производство лекарственных средств и материалов, применяемых в медицинских целях и ветеринарии; производство компьютеров, электронных и оптических изделий

Выводы

Проведённое исследование демонстрирует, что несмотря на выявленные различия в структурно-технологическом развитии регионов, основным фактором роста ВРП остаются отрасли низкого технологичного уровня. Такая зависимость указывает на глубоко укоренившиеся инерционные механизмы в экономике регионов, что приводит к устойчивому развитию по инерционным траекториям и тормозит переход к инновационным моделям. В то же время наблюдение трансформационных процессов в отдельных регионах указывает на возможность перехода к инновационным траекториям при условии преодоления структурных и институциональных ограничений.

Полученные эмпирические результаты доказывают, что, несмотря на наличие потенциала для трансформационных изменений, структурно -технологическая специфика регионов зачастую определяется исторически сложившейся отраслевой структурой и институциональными ограничениями. Таким образом, результаты исследования подтверждают гипотезу о том, что даже в условиях относительной специализации на высокотехнологичных секторах основным драйвером экономического роста остаются традиционные, низкотехнологичные отрасли.

По инерционной траектории двигалось 46 регионов, по трансформационной траектории развития двигалось 14 регионов, по траектории трансформационной деградации - 22 региона.

Выявленные закономерности позволяют рекомендовать целенаправленные меры государственной поддержки, направленные на: содействие диверсификации отраслевого состава посредством стимулирования развития инновационных секторов; преодоление структурных барьеров через разработку комплексных программ, учитывающих специфику технологического развития каждого кластера; реформы регуляторных рамок для новых отраслей, способствующие экспериментам и адаптации; снижении институциональной жесткости и поддержке развития новых компетенций.

Настоящее исследование вносит существенный вклад в развитие теоретических и методологических основ анализа региональных экономик структур. Результаты работы представляют практический интерес для разработки стратегий технологической модернизации и стимулирования инновационной активности в различных регионах, что является важным условием устойчивого экономического развития в условиях формирования нового технологического уклада.

Таким образом, полученные результаты позволяют не только охарактеризовать траектории развития региональных экономик, но и выявить потенциальные точки для проведения целенаправленной государственной политики, способной стимулировать переход к более инновационным и высокотехнологичным моделям развития.