Влияние структуры экономики на уровень научно-технологического развития

Автор: Волкова Н.Н., Романюк Э.И.

Журнал: Проблемы развития территории @pdt-vscc-ac

Рубрика: Устойчивое развитие территорий, отраслей и производственных комплексов

Статья в выпуске: 1 т.28, 2024 года.

Бесплатный доступ

Статья посвящена исследованию влияния структуры экономики на индекс научно-технологического развития в разрезе субъектов Российской Федерации. Для этого с помощью экономикоматематических методов был проведен кластерный анализ, который позволил выделить регионы со сходными характеристиками научно-технологического развития. Расчеты осуществлялись на основе регулярных статистических данных, предоставляемых Росстатом, Минобрнауки, а также информационного каталога о состоянии инновационной инфраструктуры научнотехнической деятельности в регионах Российской Федерации (МИИРИС) за 2021 год. Актуальность исследования вызвана тем, что вопрос стимулирования научно-технологического развития как базы достижения технологического суверенитета с учетом региональной специфики стал особенно важен в настоящее время. Новизну работы составляет авторская методика расчета индекса научно-технологического развития, включающая показатели, описывающие развитие ИТ-инфраструктуры и цифровизацию бизнеса. Данный аспект особенно актуален, поскольку вопросам научно-технологического развития в региональном разрезе в литературе уделяется недостаточно внимания. В работе были использованы методы математического моделирования, в частности двухуровневый кластерный анализ, который позволил выделить на первом этапе группы регионов со сходным уровнем научно-технологического развития, а затем среди регионов, составляющих основную массу, провести анализ влияния на этот уровень отраслевой структуры производства. В результате исследования выявлено, что три четверти регионов России имеют очень низкий индекс научно-технологического развития. Общая развитость экономики регионов дает более высокое научно-технологическое развитие. Регионы с более высокой долей обрабатывающих производств имеют более высокий индекс научно-технологического развития. Использование цифровой инфраструктуры является одним из слабых мест регионов с низким индексом научно-технологического развития.

Еще

Цифровая экономика, научно-технологическое развитие, региональное развитие, сравнительный анализ

Короткий адрес: https://sciup.org/147243343

IDR: 147243343 | DOI: 10.15838/ptd.2024.1.129.2

Текст научной статьи Влияние структуры экономики на уровень научно-технологического развития

В настоящее время общепризнано, что предпосылки для экономического роста могут быть созданы в рамках инновационной модели развития. Осуществляется переход к четвертой промышленной революции, обостряется соперничество между странами. Е.Б. Ленчук отмечает, что данный процесс сопровождается перераспределением ролей между странами и регионами, кроме того, появляются новые центры экономического влияния (Ленчук, 2022b). Можно согласиться с автором, что особую «актуальность приобретают оценка готовности России к конкурентной борьбе в сфере освоения новейших технологий, а также выработка экономической политики, опирающейся на научнотехнологическое развитие как драйвер роста и формирующей инструменты и механизмы реализации такого курса».

Органы государственной власти России уделяют большое внимание научно-технологической сфере. Так, в 2016 году Президент РФ указом № 642 утвердил Стратегию научнотехнологического развития Российской Фе-дерации1, где были сформулированы цели и задачи научно-технологического развития страны, обозначены основные направления и меры государственной политики в области его регулирования. В 2021 году при- нята Государственная программа Российской Федерации «Научно-технологическое развитие»2.

Однако с того времени, когда были выпущены указанные выше документы, произошли существенные изменения. На Россию были наложены беспрецедентные санкции, большая часть которых как раз касалась сферы высоких технологий, вопрос стимулирования научно-технологического развития как базы достижения технологического суверенитета стал особенно актуальным. Кроме того, необходимо учитывать федеративный характер РФ и экономическую специфику ее субъектов.

В научной литературе вопросам функционирования научно-технологического сектора в условиях санкций в последнее время уделяется значительное внимание. В качестве примера можно привести публикации (Казанцев, 2022; Лаврикова и др., 2022; Ленчук, 2022a; Шугуров и др., 2022; Ленчук, 2023; Kazantsev, 2020). В большинстве этих работ отмечается, что наиболее болезненными для российской экономики стали санкции, затрагивающие высокотехнологичную сферу.

Правительство РФ разработало ряд мер для смягчения последствий введенных санкций. Распоряжением Правительства от 20 мая 2023 года № 1315-р была принята

Концепция технологического развития на период до 2030 года3 (далее – Концепция), разрабатывавшаяся «в рамках реализации перечня поручений Президента Российской Федерации по итогам заседания Совета при Президенте Российской Федерации по стратегическому развитию и национальным проектам, состоявшегося 18 июля 2022 года (№ Пр-1553 от 1 сентября 2022 года)». Концепция определяет актуальные целевые установки такого развития, а также перечень задач, механизмов, инструментов для достижения целей.

С учетом федеративного устройства страны предполагается, что реализация Концепции будет способствовать продвижению высокотехнологичных отраслей экономики России и служить основой для региональных программ субъектов РФ, а также схем территориального планирования.

Региональные различия учитываются в Стратегии пространственного развития Российской Федерации на период до 2025 года (далее – Стратегия), которая определяет основные его направления с целью обеспечения сбалансированного экономического роста и сокращения межрегиональных различий в уровне и качестве жизни4. Одним из направлений является «поддержка отдельных территорий (регионов) с высокой концентрацией исследований, разработок, инновационной инфраструктуры, производства и их связи с другими субъектами Российской Федерации в части, касающейся трансфера технологий, продуктов и услуг».

Разрыв между субъектами РФ по различным показателям может достигать значительных величин. Так, даже если рассматривать только федеральные округа, разница по показателям в интересующей нас области достигает десятков раз. Например, значение показателя «Численность исследовате- лей, имеющих ученую степень» в 2021 году в Центральном федеральном округе (максимум) превышает минимальное значение этого индикатора в Северо-Кавказском федеральном округе в 21,7 раза (51476 и 2375 чел. соответственно)5.

По субъектам РФ различия еще более значимы. Разница между максимальным значением – 3757,6 тыс. руб./чел. (Ульяновская область) и минимальным – 496,9 (Республика Ингушетия) по показателю «Внутренние затраты на научные исследования и разработки на одного исследователя» в 2021 году составила 7,6 раза6.

С точки зрения развития ИТ-инфраструктуры, обеспечивающей связность пространства страны и возможность обмена в научно-технологической сфере, различия между субъектами Федерации также велики. Например, удельный вес организаций, использовавших персональные компьютеры, в 2022 году колебался в пределах от 52,6% в Кабардино-Балкарской Республике до 91,3% в Белгородской области (1,7 раза)7; удельный вес организаций, использовавших интернет, – от 49,6% в Кабардино-Балкарской Республике до 89,0% в Белгородской области (1,8 раза), в том числе мобильный – от 17,7% в Кабардино-Балкарской Республике до 52,9% в Чеченской Республике (3,0 раза)8.

Для увеличения связности территории и успешного обмена между регионами большое значение имеет скорость передачи данных по сетям связи. В источниках, описывающих Интернет 4.0 и промышленный интернет (например, Saravanan, Sudhakar, 2017; Boyes et al., 2018; Zezulka et al., 2018; Mon, DelGiorgio, 2021), указывается, что эти технологии требуют высоких скоростей передачи, и требования к последним постоянно растут.

По данным портала, отслеживающего скорость доступа в интернет в различных стра- нах (https://www.speedtest.net/global-index), по состоянию на июль 2023 года Россия занимала лишь 58 место в мире по скорости фиксированного интернета (79,3 Мбит/сек), а по скорости мобильного интернета – только 99 место с медианной скоростью 23,50 Мбит/сек. Лидер по скорости фиксированного доступа – Сингапур – имел медианную скорость передачи данных 247,4 Мбит/сек, а ОАЭ лидировал по скорости мобильного интернета – 205,77 Мбит/сек9.

Для сопоставления регионов России можно использовать представляющий интерес с точки зрения регионального научнотехнологического развития и публикуемый Росстатом показатель «Число организаций, указавших максимальную скорость передачи данных через интернет»10.

На первый взгляд ситуация относительно благополучная, поскольку в 2022 году доля организаций, указавших скорость передачи, соответствующую широкополосному доступу данных, практически по всем регионам приближалась к 80–90%. Однако нижняя граница широкополосного доступа, приводимая в данных Росстата (256 Кбит/сек), мала и недостаточна для многих современных приложений. Так, в «Методических рекомендациях по оснащению медицинских организаций оборудованием, применяемым в процессе оказания медицинской помощи с применением телемедицинских технологий, в том числе к передаче, обработке, хранению данных» приводятся минимальные требования к скорости передачи данных в 1 Мбит/сек, но для устойчивой работы лучше иметь запас по скорости11.

Для устойчивого функционирования потокового видео, необходимого для работы онлайн-систем образования, видеоконференций и т. д., минимальная скорость даже при низком качестве изображения также выше 1 Мбит/сек. Для получения изображения в хорошем качестве нужны более высокие скорости передачи (например, в системных требованиях YouTube для изображения в низком качестве нужна скорость 1,1 Мбит/сек, для изображения в хорошем качестве уже 2,5 Мбит/сек12).

На основании упомянутых выше данных Росстата рассчитаем долю от общего количества организаций, указавших скорость передачи данных по сети Интернет, тех организаций, которые указали скорость передачи данных больше 2Мбит/сек. По этому показателю максимальное значение Чеченской Республики (64,6%) превышает минимальное значение в Чукотском автономном округе (12,8%) в 5 раз13. В целом по России эта доля составляет 38,0%, что близко к медианному значению (36,8%). Даже в Москве она всего 44%. Это очень небольшой процент.

Кластеризация субъектов

Федерации по показателям научно-технологического развития

При таких существенных региональных различиях возникает вопрос о границах их выравнивания, поскольку субъекты РФ имеют различные географические, природные, культурные, инфраструктурные условия. Не всегда возможно и целесообразно приводить социально-экономические условия в регионах «к общему знаменателю». Для анализа было бы полезно выделить группы регионов, обладающих сходными характеристиками, в нашем случае – группы регионов со схожим уровнем научно-технологического развития (НТР).

Для этих целей хорошо подходит кластерный анализ, позволяющий провести разбиение объектов по набору параметров и выделить группы с наибольшей близостью по данным показателям. Кроме того, кластеризация дает возможность выявить аномальные регионы, выбивающиеся из общей картины, провести дальнейший анализ и выработать практические рекомендации.

В современной литературе известны публикации, касающиеся региональных различий в научно-технологическом развитии субъектов Федерации. Так, в работе (Akberdina et al., 2023) для региональных исследований применяются цифровые исследовательские платформы.

В статье (Казанцев, 2022) кроме теоретических аспектов стратегии в научно-технологической сфере в условиях санкционного давления рассматриваются вопросы, связанные с различиями в условиях научнотехнологического развития в регионах.

В зарубежных работах также исследуются региональные различия. В качестве примера можно привести (Popp, Wilson, 2009), где рассмотрено влияние региональных различий в Великобритании, или (Du, Ying, 2014) о региональных различиях в Китае.

Однако в большинстве указанных публикаций кластеризация проводится по показателям инновационной деятельности. В части из них исследуются лишь отдельные регионы, состоящие из ряда субъектов Федерации, которые объединены либо территориальной близостью, либо преобладающим типом производства. Так, в работе (Саблин и др., 2020) объектом исследования являются угледобывающие регионы, а кластеризация производилась по показателям инвестиционной и инновационной активности. В статье (Деркаченко, 2020) изучается инновационная деятельность регионов Приволжского федерального округа и проведен кластерный анализ регионов по уровню инновационного развития.

В (Чередниченко и др., 2020) также исследуется степень дифференциации субъектов России по уровню инновационного развития.

Новизну нашей работы составляет авторская методика расчета индекса научнотехнологического развития, включающая показатели, описывающие развитие ИТ-инфраструктуры и цифровизацию бизнеса. Этот аспект особенно важен, поскольку вопросам научно-технологического развития в региональном разрезе в литературе уделяется недостаточно внимания14.

Можно согласиться с коллегами из Института экономики УрО РАН, утверждающими, что «в отличие от импортозамещения нельзя говорить о технологическом суверенитете отдельно взятого региона, можно говорить лишь о его вкладе в технологический суверенитет страны или отрасли» (Акбердина, Потапцева, 2023, с. 15). Поэтому мы поставили цель выявить наличие или отсутствие связи между НТР и сложившейся структурой экономики региона. Для этого необходимо было решить следующие задачи: методами математической статистики выделить регионы со сходными характеристиками НТР и попытаться выявить наличие взаимосвязи между НТР и специализацией экономики этих регионов.

Первоначально в (Доржиева и др., 2022) авторами был предложен ряд показателей для оценки научно-технологического развития регионов Российской Федерации, пересмотренный в (Волкова, Романюк, 2023) с учетом анализа существующих на тот момент методик15 и пространственной структуры российской экономики. В работе (Волкова, Романюк, 2023) указанные рейтинги были подробно проанализированы и отмечено, что в них много пересекающихся показателей, что можно объяснить использованием данных из регулярных статистических источников, но недостаточно внимания уделяется именно научно-технологическому развитию.

В ноябре 2022 года была опубликована методика «Национальный рейтинг научнотехнологического развития субъектов Российской Федерации»¹⁶, созданная в ответ на Поручение Президента РФ Пр-290, п. 10 в¹⁷от 24 декабря 2021 года. С нашей точки зрения, эта методика обладает рядом недостатков, которые подробно были описаны в (Волкова, Романюк, 2023). Мы не будем подробно останавливаться на сравнении включаемых в рейтинг показателей, приведем лишь итоговый их список (табл. 1), послуживший основой для дальнейших исследований.

Отметим, что упор сделан на количественные регулярно публикуемые переменные, которые, с нашей точки зрения, более точно отражают различия в уровнях НТР. Это отличает нашу методику от правительственной и ряда упомянутых выше методик (например, рейтинг Ассоциации инновационных регионов включает показатели, полученные в результате специальных исследований).

При доработке методики первоначальный набор был расширен рядом показателей, с нашей точки зрения, влияющих на научно-технологическое развитие и первоначально не учитывавшихся при построении рейтинга, например, отношение средней заработной платы в науке к средней по региону. Необходимо сказать, что набор показателей время от времени пересматривался по мере накопления опыта и в настоящий момент он включает 4 подгруппы показателей:

– научно-технологический потенциал;

– научно-технологическая инфраструктура и научная инфраструктура;

– результативность научной и научнотехнологической деятельности;

– влияние цифровизации.

При построении рейтинга использовались регулярные статистические данные, предоставляемые Росстатом, а также данные Минобрнауки и МИИРИС18.

Индекс НТР (научно-технологического развития) и его подиндексы рассчитывались по следующему алгоритму:

1) на первом этапе все исходные показатели были подвергнуты стандартизации по минимаксу, то есть из каждого значения исходного показателя вычитался минимум по показателю, затем разность делилась на максимум по показателю;
2) затем вычислялись значения для подиндексов соответствующего уровня по каждому региону РФ (см. табл. 1) как простые средние значений тех показателей, которые входят в группу данного подиндекса;
3) на следующем этапе вычислялся агрегированный индекс НТР регионов РФ как простое среднее значений всех показателей¹⁹.

Первоначально была осуществлена кластеризация регионов России по всему набору показателей. Она не дала результата. После проведения корреляционного анализа для дальнейшего исследования выбрано по одному показателю из каждой группы (см. табл. 1), имевшему наибольшую корреляцию с агрегированным индексом.

Таблица 1. Показатели интегрального индекса научно-технологического развития

Наименование индекса первого уровня	Наименование индекса второго уровня	Наименование показателя
1. Научнотехнологический потенциал (НТП)	1.1. Человеческий потенциал	1.1.1. Доля лиц, имеющих послевузовское и высшее профессиональное образование в среднем за год, % к итогу
		1.1.2. Численность персонала, занятого исследованиями и разработками, на 10 тыс. занятых в экономике
		1.1.3. Численность персонала, имеющего ученую степень доктора наук, на 10 тыс. занятых в экономике
		1.1.4. Численность персонала, имеющего ученую степень кандидата наук, на 10 тыс. занятых в экономике
		1.1.5. Отношение средней заработной платы в науке к средней заработной плате по региону
	1.2. Затраты на научнотехнологическое развитие	1.2.1. Внутренние текущие затраты на исследования и разработки, % к ВРП
		1.2.2. Затраты на инновационную деятельность за счет бюджетов субъектов Российской Федерации и местных бюджетов, % от общего объема затрат на инновационную деятельность
		1.2.3. Затраты на инновационную деятельность (технологические инновации), % к ВРП
		1.2.4. Затраты на ИКТ, % к ВРП
		1.2.5. Капитальные затраты на научные исследования и разработки, % к стоимости основных фондов
2. Научнотехнологическая инфраструктура и инфраструктура науки (НТИ)	2.1. Научнотехнологическая инфраструктура	2.1.1. Организации, выполнявшие научные исследования и разработки, на 1000 организаций в регионе
	2.1. Научнотехнологическая инфраструктура	2.1.2. Число организаций инновационной инфраструктуры, на 1000 организаций в регионе
	2.2. Инфраструктура науки	2.2.1. Наличие научного оборудования организаций, выполняющих научные исследования и разработки, по полной учетной стоимости на конец года
		2.2.2. Удельный вес научного оборудования в общей стоимости машин и оборудования организаций, выполняющих научные исследования и разработки, %
		2.2.3. Наличие уникальных стендов и установок для проведения научно-исследовательских, опытно-конструкторских и технологических работ, по полной учетной стоимости на конец года
3. Результативность научной инновационной деятельности (РНИД)	3.1. Результаты инновационной деятельности	3.1.1. Отношение количества выданных патентных заявок к количеству работников, занятых исследованиями и разработками
		3.1.2. Отношение количества созданных передовых производственных технологий к общему количеству организаций, осуществлявших технологические инновации
		3.1.3. Доля инновационно активных предприятий в общей численности предприятий, %
		3.1.4. Отношение количества внедренных технологических инновационных проектов к общему количеству организаций, осуществлявших технологические инновации
		3.1.5. Отношение количества используемых передовых производственных технологий к общему количеству организаций, осуществлявших технологические инновации
	3.2. Выход на внешние рынки	3.2.1. Отношение числа соглашений по экспорту технологий и услуг технического характера к общему количеству организаций
		3.2.2. Отношение числа соглашений по импорту технологий и услуг технического характера к общему количеству организаций
		3.2.3. Доля организаций, имеющих кооперационные связи при разработке технологических, маркетинговых, организационных инноваций, в общем числе инновационных предприятий, % к общему числу организаций
4. Уровень цифровизации (УЦ)	4.1. Доступ к сети Интернет	4.1.1. Объем информации, переданной от/к абонентам сети отчитывающегося оператора при доступе к сети Интернет, на 1 пользователя фиксированной и мобильной связи
		4.1.2. Число активных абонентов фиксированного широкополосного доступа к сети Интернет, на 100 человек
		4.1.3. Число активных абонентов подвижной радиотелефонной связи, использующих широкополосный доступ к сети Интернет, на 100 абонентов
	4.2. Использование бизнесом	4.2.1. Удельный вес организаций (в общем числе организаций предпринимательского сектора), использующих широкополосный интернет
	4.2. Использование бизнесом	4.2.2. Индекс цифровизации бизнеса по субъектам Российской Федерации
Источник: (Волкова, Романюк, 2023, с. 57–59)

Это следующие показатели:

– численность персонала, занятого исследованиями и разработками, на 10 тыс. занятых в экономике;

– внутренние текущие затраты на исследования и разработки, % к ВРП;

– организации, выполнявшие научные исследования и разработки, на 1000 организаций в регионе;

– удельный вес научного оборудования в общей стоимости машин и оборудования организаций, выполняющих научные исследования и разработки;

– отношение количества созданных передовых производственных технологий к общему количеству организаций, осуществлявших технологические инновации;

– доля организаций, имеющих кооперационные связи при разработке технологических, маркетинговых организационных инноваций, в общем числе инновационных предприятий, % к общему числу организаций;

– число активных абонентов фиксированного широкополосного доступа к сети Интернет, на 100 чел.;

– индекс цифровизации бизнеса по субъектам Российской Федерации²⁰.

Получившееся разбиение на кластеры представлено в табл. 2. Первый кластер состоит из одного субъекта – г. Москва, во втором кластере – 6 субъектов. Третий и четвертый кластеры получились более многочисленными – 32 и 46 субъектов Федерации соответственно.

Город Москва вполне ожидаемо выделился в отдельный кластер, поскольку по многим рассматриваемым показателям значения для него существенно превышают значения для ближайшего региона. В качестве примера можно привести показатель «Численность персонала, занятого исследованиями и разработками, на 10 тыс. занятых»: в Москве – 240,3, в целом по России – 93,6, в Санкт-Петербурге – 220,5.

Во втором кластере сосредоточены в основном крупные научные и образовательные центры. Третий включает преимущественно промышленно развитые территории России, хотя наличие в нем ряда регионов вызывает вопросы (например, Еврейской автономной области, которая специализируется на сельскохозяйственном производстве). Четвертый кластер – самый многочисленный и неоднородный. В нем сосредоточено больше половины субъектов РФ.

В табл. 3 приведена характеристика центров соответствующих кластеров²¹. Как видим, г. Москва (кластер 1) доминирует по всем позициям, кроме показателя «Внутренние текущие затраты на исследования и разработки, % к ВРП», где на первое место выходит второй кластер. По всем остальным показателям второй кластер занимает вторую позицию.

Особенно заметен разрыв между кластерами по показателю «Удельный вес научного оборудования в общей стоимости машин и оборудования организаций, выполняющих научные исследования и разработки», где г. Москва занимает доминирующее положение. Третий кластер отстает от первых двух. В четвертом кластере значения всех переменных крайне низкие. Относительно однородные значения во всех кластерах демонстрируют только показатели, характеризующие уровень цифровизации в регионах.

В табл. 4 отражены значения агрегированных индексов, рассчитанных по полному кругу показателей, а не только тех, которые использовались для кластеризации. Анализ свидетельствует, что агрегированный индекс и подиндексы по группам в целом повторяют картину распределения по отдельным показателям. Первый кластер, а именно г. Москва, лидирует с большим отрывом от последующего. Индексы четвертого кластера имеют очень небольшие значения. Любопытно распределение индексов в четвертой подгруппе

Таблица 2. Состав кластеров после проведения кластерного анализа по показателям индекса НТР

Кластер 1	г. Москва	Кластер 4	Ростовская область
Кластер 2	г. Санкт-Петербург		Архангельская область
	Московская область		Республика Саха (Якутия)
	Новосибирская область		Астраханская область
	Томская область		Чукотский автономный округ
	Нижегородская область		Республика Коми
	Ульяновская область		Омская область
Кластер 3	Республика Татарстан		Тюменская область
	Свердловская область		Пензенская область
	Воронежская область		Алтайский край
	Краснодарский край		Республика Мордовия
	Мурманская область		Республика Дагестан
	Калужская область		Белгородская область
	Саратовская область		Тульская область
	Пермский край		Орловская область
	Ставропольский край		Республика Тыва
	Красноярский край		Камчатский край
	Хабаровский край		Магаданская область
	Челябинская область		Курская область
	Ярославская область		Кировская область
	Чувашская Республика		Кабардино-Балкарская Республика
	Приморский край		Оренбургская область
	Тверская область		Карачаево-Черкесская Республика
	Республика Бурятия		Брянская область
	Республика Северная Осетия		Ивановская область
	Иркутская область		Липецкая область
	Самарская область		Амурская область
	Удмуртская Республика		Республика Алтай
	Владимирская область		Новгородская область
	Рязанская область		Республика Адыгея
	Забайкальский край		Псковская область
	Смоленская область		Курганская область
	Кемеровская область		Республика Калмыкия
	Республика Крым		Вологодская область
	Республика Карелия		Ненецкий автономный округ
	Ленинградская область		Ханты-Мансийский автономный округ – Югра
	Сахалинская область		Республика Хакасия
	Калининградская область		г. Севастополь
	Еврейская автономная область		Республика Ингушетия
Кластер 4	Ростовская область		Чеченская Республика
	Республика Башкортостан		Республика Марий Эл
	Тамбовская область		Ямало-Ненецкий автономный округ
	Волгоградская область		Костромская область

Источник: расчеты авторов.

Таблица 3. Конечные кластерные центры

Показатель	Кластер
Показатель	1	2	3	4
Численность персонала, занятого исследованиями и разработками, на 10 тыс. занятых в экономике	0,94	0,75	0,19	0,10
Внутренние текущие затраты на исследования и разработки, % к ВРП	0,41	0,61	0,11	0,06
Организации, выполнявшие научные исследования и разработки, на 1000 организаций в регионе	1,00	0,17	0,04	0,02
Удельный вес научного оборудования в общей стоимости машин и оборудования организаций, выполняющих научные исследования и разработки	1,00	0,14	0,05	0,03
Отношение количества созданных передовых производственных технологий к общему количеству организаций, осуществлявших технологические инновации	1,00	0,24	0,07	0,03
Доля организаций, имеющих кооперационные связи при разработке технологических, маркетинговых организационных инноваций, в общем числе инновационных предприятий, % к общему числу организаций	1,00	0,71	0,60	0,27
Число активных абонентов фиксированного широкополосного доступа к сети Интернет, на 100 чел.	0,95	0,63	0,54	0,44
Индекс цифровизации бизнеса по субъектам Российской Федерации	1,00	0,25	0,09	0,04

Источник: расчеты авторов.

Таблица 4. Индексы научно-технологического развития в среднем по кластеру

Кластер	Индекс	НТП	НТП		НТИ	НТИ		РНИД	РНИД		ВЦ	ВЦ
Кластер	Индекс	НТП	1	2	НТИ	1	2	РНИД	1	2	ВЦ	1	2
Кластер 1	0,66	0,56	0,70	0,42	0,73	1,00	0,56	0,60	0,62	0,57	0,85	0,76	1,00
Кластер 2	0,35	0,39	0,44	0,34	0,24	0,21	0,26	0,32	0,25	0,45	0,44	0,59	0,23
Кластер 3	0,17	0,12	0,14	0,09	0,07	0,07	0,07	0,20	0,15	0,29	0,34	0,52	0,08
Кластер 4	0,13	0,08	0,10	0,07	0,03	0,02	0,04	0,11	0,10	0,13	0,27	0,44	0,03

Источник: расчеты авторов.

^^^^^^^^^^в Кластер 1 ^^^^^^^^^^в Кластер 2 ^^^^^^^^^^^^™ Кластер 3 Кластер 4

Рис. 1. Подиндексы первого уровня агрегированного индекса НТР для центров кластеров

Источник: расчеты авторов.

показателей (влияние цифровизации). Так, первый подиндекс, описывающий возможность доступа, имеет довольно большое значение во всех кластерах, однако второй подиндекс, отвечающий за использование этой инфраструктуры, в первом кластере выше, чем подиндекс, отвечающий за доступ, а во втором, третьем и четвертом существенно ниже первого подиндекса. Можно предположить, что бизнес не полностью использует возможности, предоставляемые цифровой инфраструктурой на данных территориях.

На рис. 1 и 2 представлены составляющие агрегированного индекса для центров кластеров²².

НТП 1

1,00

0,90

0,80

0,70

0,60

0,50

0,40

0,3

ВЦ 2

НТП 2

ВЦ 1 н

НТИ 1

НТИ 2

РНИД 2

Кластер 1

РНИД 1

Кластер 2 Кластер 3 Кластер 4

Рис. 2. Подиндексы второго уровня агрегированного индекса для центров кластеров Источник: расчеты авторов.

Кривая каждого последующего кластера находится внутри предыдущего, что говорит о том, что по всем показателям каждый следующий кластер «хуже» предыдущего, т. е. все индексы снижаются при увеличении номера.

Влияние структуры экономики на уровень научно-технологического развития

Поскольку, как было сказано выше, третий и четвертый кластеры не являются однородными, была проведена их дополнительная кластеризация. Выдвинута гипотеза о том, что сложившаяся структура производства может влиять на индекс научно-технологического развития. Для кластеризации была искусственно рассчитана доля отдельных производств в ВРП. Для получения доли подотраслей обрабатывающих производств в ВРП авторы умножили долю обрабатывающих производств в ВРП в целом, которую приводит Росстат23, на структуру отгруженной продукции обрабатывающих производств. Это, конечно, несколько огрубляет результат, поскольку в отгруженную продук- цию кроме добавленной стоимости входит стоимость потребленных сырья и материалов, но для целей дальнейшего анализа такой точности достаточно. Для кластеризации использовалась не вся полученная структура, а только несколько наиболее важных отраслей: сельскохозяйственное производство, добыча полезных ископаемых, химические и нефтехимические производства, которые были объединены в одну группу, машиностроительные производства, также объединенные в одну группу, торговля; деятельность в области информации и связи, деятельность профессиональная, научная и техническая.

В табл. 5 представлено разбиение на подкластеры двух самых больших кластеров первоначального разбиения. Кластер 3 разбился на 4 неоднородных подкластера. Первый включает один субъект – Сахалинскую область; второй насчитывает 16 регионов; третий – 5; четвертый – 10.

Разбиение четвертого кластера более равномерно: в первом подкластере насчитывается 8 субъектов, во втором – 12, в третьем – 22, в четвертом – 4.

Таблица 5. Разбиение на подкластеры по структуре производства

Кластер 3		Кластер 4
Сахалинская область	31	Брянская область	42
Воронежская область	32	Орловская область	42
Рязанская область	32	Тамбовская область	42
Смоленская область	32	Республика Калмыкия	42
Тверская область	32	Республика Дагестан	42
Калининградская область	32	Кабардино-Балкарская Республика	42
Мурманская область	32	Карачаево-Черкесская Республика	42
Республика Крым	32	Республика Марий Эл	42
Краснодарский край	32	Республика Мордовия	42
Республика Северная Осетия	32	Пензенская область	42
Ставропольский край	32	Алтайский край	42
Саратовская область	32	Камчатский край	42
Свердловская область	32	Ивановская область	43
Челябинская область	32	Костромская область	43
Республика Бурятия	32	Курская область	43
Приморский край	32	Липецкая область	43
Хабаровский край	32	Тульская область	43
Владимирская область	33	Вологодская область	43
Калужская область	33	Новгородская область	43
Ярославская область	33	Псковская область	43
Ленинградская область	33	Республика Адыгея	43
Чувашская Республика	33	Волгоградская область	43
Республика Карелия	34	Ростовская область	43
Республика Татарстан	34	г. Севастополь	43
Удмуртская Республика	34	Республика Ингушетия	43
Пермский край	34	Чеченская Республика	43
Самарская область	34	Республика Башкортостан	43
Красноярский край	34	Кировская область	43
Иркутская область	34	Курганская область	43
Кемеровская область	34	Республика Алтай	43
Забайкальский край	34	Республика Тыва	43
Еврейская автономная область	34	Республика Хакасия	43
		Омская область	43
Кластер 4		Амурская область	43
Белгородская область	41	Ненецкий автономный округ	44
Республика Коми	41	Тюменская область	44
Архангельская область	41	Ханты-Мансийский автономный округ – Югра	44
Астраханская область	41	Ямало-Ненецкий автономный округ	44
Оренбургская область	41
Республика Саха (Якутия)	41
Магаданская область	41
Чукотский автономный округ	41
Источник: расчеты авторов.

Таблица 6. Структура ВРП для центров кластеров

Регион	Номер кластера	Индекс	А	B	C	E	G	H	I	J	K	L	M
г. Москва	1	0,66	0,0	0,0	15,6	9,44	2,20	18,4	8,5	9,7	5,0	2,2	3,2
Кластер 2	2	0,35	3,7	5,8	17,5	3,7	5,5	19,4	3,1	5,2	5,8	3,3	4,4
Кластер 3	3	0,17
Сахалинская область	31	0,14	2,2	60,0	3,9	0,13	0,17	3,5	0,4	1,0	4,1	2,0	3,5
Среднее по кластеру	32	0,17	9,2	3,2	18,3	2,8	4,1	13,0	2,0	2,5	7,6	3,6	5,3
Среднее по кластеру	33	0,20	5,1	0,3	33,8	9,0	10,4	11,5	1,7	2,7	4,9	3,0	4,8
Среднее по кластеру	34	0,14	3,4	29,5	12,8	2,0	1,2	7,0	1,2	1,6	7,0	3,5	4,9
Кластер 4	4	0,13
Среднее по кластеру	41	0,13	5,3	45,6	7,2	0,9	1,2	6,0	1,0	1,1	5,8	2,7	3,7
Среднее по кластеру	42	0,13	21,6	0,8	13,8	1,5	3,2	11,4	1,9	1,6	9,0	4,9	5,4
Среднее по кластеру	43	0,13	8,7	3,8	21,2	5,3	2,8	10,9	1,9	2,1	9,3	4,9	5,8
Среднее по кластеру	44	0,13	0,3	75,4	3,2	2,9	0,1	1,5	0,4	0,7	1,8	0,9	1,3
Обозначения: сельское, лесное хозяйство, охота, рыболовство и рыбоводство – А; добыча полезных ископаемых – B; обрабатывающие производства – C; химия и нефтехимия – E; машиностроительные производства – G; торговля оптовая и розничная; ремонт автотранспортных средств и мотоциклов – H; деятельность в области информации и связи – I; деятельность профессиональная, научная и техническая – J; государственное управление и обеспечение военной безопасности; социальное обеспечение – K; образование – L; деятельность в области здравоохранения и социальных услуг – M. Для полноты картины представлены и представители первых двух кластеров. Поскольку в первом кластере есть только один субъект – г. Москва, то структура производства приведена для Москвы. Кластер 31 представлен своим единственным представителем – Сахалинской областью. Источник: расчеты авторов; Регионы России. Социально-экономические показатели – 2022: стат. сборник / Росстат. Москва, 2022.

Необходимо отметить, что для регионов третьего и четвертого кластеров характерно очень низкое значение подиндекса, описывающего использование цифровой инфраструктуры (4.2, см. табл.1). Если для третьего кластера подиндекс 4.1, который отвечает за доступ к цифровой инфраструктуре, равен 0,52, то подиндекс 4.2 всего 0,08 (см. табл. 4), для четвертого – 0,44 и 0,03 соответственно.

Выводы

Прежде всего необходимо отметить, что субъекты РФ в результате сложившегося пространственного размещения научно-технологической инфраструктуры характеризуются низким уровнем научно-технологического развития. При кластеризации большинство регионов (примерно три четверти) попали в третий и четвертый кластеры с очень слабым научно-технологическим развитием.

Вполне предсказуемо более высокий индекс НТР имеют регионы, характеризующиеся более диверсифицированной структурой экономики. Общая развитость экономики регионов имеет как результат более высокий уровень научно-технологического развития.

Исследование показало, что прослеживается некоторое влияние структуры экономики на индекс НТР. Регионы с более высокой долей обрабатывающих производств имеют

более высокий индекс НТР, что можно объяснить востребованностью технологического развития (хотя и не очень сильной) со стороны промышленных предприятий. Однако этот вопрос нуждается в дальнейшем исследовании.

Цифровизация является важным фактором, во многом оказывающим влияние на развитие в научно-технологической сфере Российской Федерации, при этом использование цифровой инфраструктуры выступает одним из слабых мест регионов, относящихся к третьему и четвертому кластерам. Развитие цифровой и инновационной инфраструктуры этих регионов увеличило бы связность пространства страны, могло бы способствовать НТР на тех территориях, которые объективно не обладают развитым научно-технологическим потенциалом, и ускорить научно-технологическое развитие регионов за счет удаленных сервисов.

Основной вклад результатов представленного в статье исследования в развитие теоретической науки заключается в анализе влияния структуры экономики на научнотехнологическое развитие региона; в развитие прикладной науки – в разработке критерия для оценки факторов НТР при создании документов, определяющих пространственное развитие территорий.

Список литературы Влияние структуры экономики на уровень научно-технологического развития

Акбердина В.В., Потапцева Е.В. (2023). Обеспечение технологического суверенитета государства: вклад регионов // Круглый стол «Технологический суверенитет: опыт региональной политики ведущих регионов» (25–25 мая 2023 г.). URL: https://uiec.ru/wp-content/uploads/2023/06/Акбердина-Потапцева-25.05.2023.pdf (дата обращения 09.09.2023). DOI: 10.13140/RG.2.2.31420.62080
Волкова Н.Н., Романюк Э.И. (2023). Рейтинг научно-технологического развития субъектов Российской Федерации // Вестник Института экономики Российской академии наук. № 2. С. 50–72. DOI: 10.52180/2073-6487_2023_2_50_72
Деркаченко О.В. (2020). Кластеризация регионов России по уровню инновационного развития и построение системы эконометрических уравнений // Российский экономический вестник. Т. 3. № 2. C. 36–40.
Доржиева В.В., Сорокина Н.Ю., Беляевская-Плотник Л.А., Волкова Н.Н., Романюк Э.И. (2022). Пространственные аспекты инновационного и научно-технологического развития России. Москва: ИЭ РАН. 94 c.
Казанцев С.В. (2022). Стратегические подходы к обеспечению устойчивого развития экономики в условиях множественных санкций // Мир экономики и управления. Т. 22. № 2. С. 5–22. DOI: 10.25205/2542-0429-2022-22-2-5-22
Лаврикова Ю.Г., Васильева Е.В., Берсенев В.Л. [и др.] (2022). Риски и возможности развития регионов России в условиях санкционного давления. Екатеринбург: Институт экономики УрО РАН. 644 c.
Ленчук Е.Б. (2022a). Научно-технологическое развитие как стратегический национальный приоритет России // Экономическое возрождение России. № 1 (71). С. 58–65. DOI: 10.37930/1990-9780-2022-1-71-58-65
Ленчук Е.Б. (2022b). Научно-технологическое развитие России в условиях санкционного давления // Экономическое возрождение России. № 3 (73). С. 52–60.
Ленчук Е.Б. (2023). Технологическая модернизация как основа антисанкционной политики // Проблемы прогнозирования. № 4 (199). С. 54–66. DOI: 10.47711/0868-6351-199-54-66
Саблин К.С., Каган Е.С., Чернова Е.С. (2020). Кластеризация угледобывающих регионов России: инвестиционная и инновационная активность // Journal of New Economy. Т. 21. № 1. С. 89–106. DOI: 10.29141/2658-5081-2020-21-1-5
Чередниченко Л.Г., Губарев Р.В., Дзюба Е.И., Файзуллин Ф.С. (2020). Целевое управление инновационным развитием регионов России // Вестник Санкт-Петербургского университета. Экономика. Т. 36. Вып. 2. С. 319–350. URL: https://doi.org/10.21638/spbu05.2020.207
Шугуров М.В., Серебряков А.А., Печатнов Ю.В. (2022). Международное научно-исследовательское сотрудничество России в условиях масштабирования санкций: характеристика институциональных разрывов // Международный журнал гуманитарных и естественных наук. № 4-3. URL: https://cyberleninka.ru/article/n/mezhdunarodnoe-nauchno-issledovatelskoe-sotrudnichestvo-rossii-v-usloviyah-masshtabirovaniya-sanktsiy-harakteristika (дата обращения 13.07.2023).
Akberdina V., Kozonogova E., Dubrovskaya Yu. (2023). Digital platforms for regional economic research: a review and methodology proposal. R-economy, 9 (1), 52–72. Available at: https://journals.urfu.ru/index.php/r-economy/article/view/6772 (accessed 19.09.2023). DOI: 10.15826/recon.2023.9.1.004http://hdl.handle.net/10995/122231
Boyes H., Hallaq B., Cunningham J., Watson T. (2018). The industrial internet of things (IIoT). An Analysis Framework Computers in Industry, 101, 1–12. Available at: https://doi.org/10.1016/j.compind.2018.04.015
Du Ying (2014). China’s regional development strategy. In: The Oxford Companion to the Economics of China. Chapter 86. Oxford: Oxford University Press. Available at: https://doi.org/10.1093/acprof:oso/9780199678204.003.0087 (accessed 19.09.2023). DOI: 10.1093/acprof:oso/9780199678204.003.0087
Kazantsev S. (2020). Impact of anti-russian sanctions on some macroeconomic indicators of Russia’s Development. Review of Businessand Economics Studies, 8, 1, 34–40.
Mon Alicia, Del Giorgio Horacio René. (2021). Evaluation of information and communication technologies towards industry 4.0. Procedia Computer Science, 180, 639–648. Available at: https://doi.org/10.1016/j.procs.2021.01.286
Popp A., Wilson J. (2009). Business in the Regions: From ‘Old’ Districts to ‘New’ Clusters? In: Coopey R., Lyth P. (eds.). Business in Britain in the Twentieth Century: Decline and Renaissance? Chapter 3. Oxford: OUP Oxford. Available at: https://doi.org/10.1093/acprof:oso/9780199226009.003.0004 (accessed 19.09.2023).
Saravanan S., Sudhakar P. (2017). Telemedicine communication system in Mobile units. International Conference on Computer Communication and Informatics (ICCCI), 1-4. Coimbatore, India. DOI: 10.1109/ICCCI.2017.8117750
Zezulka F., Marcon P., Bradac Z. [et al.] (2018). Communication Systems for Industry 4.0 and the IIoT. IFAC-Papers OnLine, 51, 6, 150–155. Available at: https: //doi.org/10.1016/j.ifacol.2018.07.145

Еще

Статья научная