Географические аспекты изучения диффузии нововведений заключаются в выявлении закономерностей этого процесса в географических территориальных системах. Нововведения, как правило, имеют тенденцию к усилению региональных различий в социально-экономическом развитии, при этом действуют как пассивно (отрицательно), так и активно (положительно). Это положение должно быть определяющим при разработке концепции инноваций в географии.



3. Комплексная сравнительная оценка научно-инновационной деятельности регионов России

3.1 Инновационный мультипликатор как первый индикатор инвестиционно-технологической активности регионов

Экономики регионов с наилучшими показателями уровня развития инноваций, расходов на НИОКР, развития экономики знаний занимают достаточно прочные позиции в российских рейтингах, что можно объяснить проявлением эффекта мультипликатора инноваций в результате эффективной НИД. Достаточно полно рассмотреть мультипликатор инноваций можно на основе макроэкономической теории Дж.М. Кейнса о влиянии инвестиций на валовой национальный доход и предложенного им понятия мультипликатора инвестиций. Термин «мультипликатор» дословно означает «множитель». Дж.М. Кейнс определяет мультипликатор инвестиций в качестве коэффициента, показывающего прирост национального дохода в результате прироста инвестиций. В данном случае величина k есть мультипликатор инвестиций.

Методика расчета мультипликатора инвестиций для определения прироста национального дохода в результате прироста инвестиций может быть интересна в своих аналоговых подходах при определении эффекта инновационных изменений. Первоначальный импульс инвестициям могут дать как бизнес, так и государство. Кейнсианская теория обосновывает необходимость стимулирования инвестиционных расходов государством. Однако независимо от источника инвестиций, чем выше у субъектов экономики склонность к потреблению, тем сильнее эффект мультипликатора. Модель инвестиционного мультипликатора может быть выражена как:

ДY = k * ДI



где: ДY - прирост валового национального дохода, вызванный увеличением инвестиционных расходов на величину ДI;

k - мультипликатор инвестиций (коэффициент), показывающий степень изменения национального дохода в ответ на изменение объема инвестиций.

Мультипликатор инвестиций можно характеризовать как изменение в потреблении и сбережениях хозяйствующих субъектов:

k = 1 / (1 - МРС)

где: МРС - предельная склонность к потреблению.

Методический подход, использованный при определении формул мультипликатора инвестиций интересен и может быть использован при оценке результатов инновационных изменений. Механизм действия мультипликатора основан на кругообороте доходов и расходов в экономике, когда расходы одних экономических субъектов превращаются в доходы других субъектов экономики. Изменение доходов влечет за собой изменения в потреблении и сбережениях. При этом прирост валового национального продукта тем больше, чем выше у экономических субъектов склонность к потреблению. Возвращаясь к проблеме инновационной активности, безусловно, следует согласиться с общепринятой методикой оценки влияния прироста инновационных расходов на прирост валового регионального продукта в конкретном субъекте страны. Первоначальный прирост инвестиционных расходов в народном хозяйстве порождает цепную реакцию прироста доходов экономических субъектов и их потребительских расходов, что приводит к многократному приросту валового регионального продукта. Теорию мультипликатора инвестиций можно распространить на оценку мультипликативного эффекта инноваций на валовой региональный продукт. Инвестиции в инновации оказывают существенное влияние на прирост валового регионального продукта и повышение конкурентоспособности экономики региона. Взаимосвязь между ростом инвестиций и основными макроэкономические показателями следующая: увеличение инвестиций в инновации ведет к приросту валового регионального продукта и валового регионального дохода с учетом мультипликативного эффекта, то есть прирост инвестиций в инновации ведет к приросту объема производства и совокупного дохода общества на величину большую, чем первоначальные инвестиции. Механизм действия инновационного мультипликатора основан на том, что дополнительные вливания инвестиций в инновации одних хозяйствующих агентов превращается в доходы других экономических субъектов, получаемых ими в качестве оплаты инновационных товаров, работ, услуг. Этот доход, проходя многочисленные цепочки преобразований, постепенно уменьшается на величину сбережений и передается в качестве оплаты потребительских расходов другому субъекту инновационной экономики и т.д. Таким образом, чем выше склонность к инвестированию в инновации, тем больше мультипликативный эффект.

В общем виде модель инновационного мультипликатора можно выразить как:

k = 1 / (1 - МРI)

где: МРI - предельная склонность к инвестированию в инновации. Предельная склонность к инвестированию в инновации, в свою очередь, представляет собой дополнительное изменение инвестиций в инновации в каждой дополнительной единице изменения валового регионального продукта и определяется как отношение изменения объема инвестиций в инновации к изменению объема регионального производства, то есть:

МРI = ДI / ДВРП



Рассчитаем эффект инновационного мультипликатора для экономики регионов РФ при условии, что прирост валового регионального продукта происходит в основном за счет технологических инноваций. Согласно данным Федеральной службы государственной статистики, технологические инновации выступают в качестве конечного результата инновационной деятельности, получившего воплощение в виде нового или усовершенствованного продукта, услуги, внедренных на рынке, нового или усовершенствованного процесса, способа производства (передачи) услуг, используемых в практической деятельности [49]. Для расчета инновационного мультипликатора используем показатели валового регионального продукта конкретного субъекта РФ (или Федерального Округа) и затрат на технологические инновации (инвестиции в инновации).

Таблица 2. Значения предельной склонности к инновациям (MPI) по субъектам РФ на 2014 г.

Регион	MPI	Регион	MPI
Республика Адыгея	-0,080	г. Москва	-0,037
Алтайский край	-0,036	Московская область	0,154
Амурская область	0,034	Мурманская область	0,040
Архангельская область	0,082	Ненецкий АО	-0,089
Астраханская область	0,000	Нижегородская область	0,022
Республика Башкортостан	0,413	Респ. Северная Осетия	0,002
Белгородская область	-0,022	Новгородская область	-0,392
Брянская область	-0,029	Новосибирская область	0,007
Республика Бурятия	-0,016	Омская область	0,010
Чеченская Республика	0,000	Орловская область	0,003
Челябинская область	-0,166	Оренбургская область	-0,006
Чукотский АО	-0,004	Пензенская область	0,058
Чувашская Республика	-0,070	Пермский край	0,759
г. Санкт-Петербург	0,068	Приморский край	-0,016
Республика Дагестан	0,001	Псковская область	-0,022
Республика Алтай	-0,041	Ростовская область	0,027
Ивановская область	-0,019	Республика Саха	0,052
Кабардино-Балкарская Респ.	0,063	Сахалинская область	0,000
Калининградская область	-0,004	Самарская область	-0,074
Республика Калмыкия	-0,009	Саратовская область	-0,044
Калужская область	0,159	Смоленская область	-0,001
Камчатский край	-0,083	Ставропольский край	0,048
Карачаево-Черкесская респ.	-0,008	Свердловская область	0,085
Республика Карелия	-0,049	Тамбовская область	-0,031
Кемеровская область	0,125	Республика Татарстан	0,230
Хабаровский край	0,040	Томская область	0,043
Республика Хакасия	0,003	Тульская область	0,027
Ханты-Мансийский АО	0,162	Республика Тыва	0,007
Кировская область	0,001	Тверская область	0,073
Республика Коми	-0,427	Тюменская область	0,014
Костромская область	-0,027	Республика Удмуртия	0,031
Краснодарский край	0,025	Ульяновская область	0,028
Красноярский край	0,580	Владимирская область	0,042
Курганская область	-0,009	Волгоградская область	0,004
Курская область	0,211	Вологодская область	-0,116
Ленинградская область	0,038	Воронежская область	0,020
Липецкая область	-0,089	Ямало-Ненецкий АО	-0,037
Магаданская область	-0,018	Ярославская область	-0,056
Республика Марий-Эл	-0,009	Еврейская АО	-0,033
Республика Мордовия	-0,027	Забайкальский край	0,030
Республика Ингушетия	0,000	Рязанская область	0,039
Иркутская область	0,176

По расчетным данным таблицы 2 склонность к инвестированию в инновации в субъектах РФ колеблется от -0,427 (Республика Коми) до 0,580 (Красноярский край). В тех регионах, где MPI<0, наблюдается отрицательный прирост затрат на технологические инновации либо отрицательный прирост ВРП по сравнению с предыдущим годом.

За 2014 год MPI<0 в следующих субъектах: Адыгея, Алтайский край, Белгородская область, Брянская область, Республика Бурятия, Челябинская область, Чукотский АО, Чувашская Республика, Горно-Алтайская Республика, Ивановская область, Калининградская область, Республика Калмыкия, Камчатский край, Карачаево-Черкесская Республика, Коми Республика, Костромская область, Курганская область, Липецкая область, Магаданская область, Республика Марий-Эл, Республика Мордовия, город Москва, Ненецкий АО, Новгородская область, Оренбургская область, Приморский край, Псковская область, Самарская область, Саратовская область, Смоленская область, Тамбовская область, Вологодская область, Ямало-Ненецкий АО и Еврейская АО. Согласно формуле инновационного мультипликатора, в этих 34 субъектах РФ данный показатель будет меньше единицы, - т.е. теоретически получается, что никакого прироста инвестиций в инновации за отчетный период не произошло. Отметим, что в Чеченской Республике и Ингушетии затраты на технологические инновации отсутствовали, однако по формуле мультипликатор инноваций у них оказался равен единице. В этой связи следует предположить о несовершенстве данного показателя, однако в первом приближении его рассмотрение дает неплохое представление об изменениях инновационной активности в регионах.

Недостаточная склонность к инвестированию в инновации сдерживает мультипликативный эффект. Именно поэтому инвестиционное обеспечение можно считать одним из основных факторов не только роста инноваций, но и роста основных макроэкономических показателей.

Картосхема 1. Значения инновационного мультипликатора по субъектам РФ. 2014 г.

В остальных 49 субъектах РФ значение мультипликатора инноваций больше единицы (см. картосхему 1). Именно за счет них данный показатель для России в целом на 2014 г. составил 1,05 (см. табл. 3).

Рассмотрим интерпретацию данного коэффициента на примере Ленинградской области. В 2014 году MPI для Ленинградской области оказался равен 0,038. То есть прирост инвестиций в инновации в каждой дополнительной единице дохода составил почти 4%. Мультипликатор инноваций согласно формуле равен 1,04. Это означает, что прирост инвестиций в инновации на 1% приносило общее увеличение ВРП на 4%.

Регионы-лидеры по инновационному мультипликатору со значением 1,15 и более: Красноярский край (1,75); Башкортостан (1,7); Пермский край (1,39); Татарстан (1,3); Курская область (1,27); Иркутская область (1,21); Калужская область (1,19); Ханты-Мансийский АО (1,19); Московская область (1,18).

Рассмотрим более подробно распределение значений затрат на технологические инновации по регионам России (см. рис. 4). По оси Х - значения данного показателя (млн. руб.), по оси Y - частота этих значений в доле от единицы.

Рис. 4. Относительная частота затрат на технологические инновации по регионам России

инновация научный регион география

Наблюдается правосторонняя ассиметрия, с островершинным распределением. Наиболее часто встречающиеся значения затрат на технологические инновации субъектов находятся в промежутке от 0 до 10000 млн. руб. Примерно для половины регионов РФ затраты на технологические инновации составляют не более 5000 млн. руб. (см. картосхему 2), а для подавляющего большинства это значение составляет до 20000 млн. руб.

Картосхема 2. Затраты на технологические инновации по регионам России. 2014 г. (млн. руб.)

Исключение составляют субъекты РФ, в которых имеется сравнительно высокий научно-инновационный потенциал, доставшийся по наследству от СССР (Москва, Санкт-Петербург, Нижегородская область) либо регионы с преобладанием добывающей или обрабатывающей промышленности (Красноярский край, Ханты-Мансийский АО, Самарская область, Республика Татарстан, Ростовская область, Сахалинская область, Свердловская область, Челябинская область, Пермский край), что можно объяснить, например, закупками нового импортного оборудования.

Корреляция значений ВРП от затрат на технологические инновации и инновационного мультипликатора представлена в последнем столбце (см. рис. 5).

Рис. 5. Корреляционная матрица исследуемых величин



Интерпретация рис. 5 следующая:

Связь инновационного мультипликатора есть со всеми его составляющими, однако она невысока (менее 0,4). Зависимость всех показателей друг от друга линейная. Наибольшая корреляция наблюдается между значениями ВРП (на рисунке обозначено как VRP) и затратами на технологические инновации (0,7642). Корреляция между значениями ВРП и мультипликатором инноваций составляет всего 0,1129. Можно уверенно сказать о практически полной независимости данных двух параметров между собой, - на ВРП регионов значение инновационного мультипликатора никак не влияет. Данный факт позволяет предположить, что на ВРП субъектов, возможно, влияют другие макроэкономические показатели, например экспорт высокотехнологичной продукции.

Приведенный ниже тест на нормальное распределение (см. рис. 6) показывает значение вершины наиболее встречающихся значений около 1,05. Это хорошо согласуется и с тем, что в целом для России на 2014 г. мультипликатор инноваций равен 1,05.

Рис. 6. Плотность значений инновационного мультипликатора с тестом на нормальное распределение



Значения инновационного мультипликатора колеблются от 0,7 до 1,75 (см. прил. 10). Наибольшая плотность распределения находится в районе единицы (см. рис. 6).

Динамика инновационного мультипликатора за 2012-2014 гг. по Федеральным округам (см. табл. 3 и рис. 7) - значения находятся в пределах от 0,98 (СКФО в 2012 г.) до 1,36 (СЗФО в 2014 г.). Заметим, что ниже среднероссийского уровня за три рассматриваемых года находятся ЦФО, ЮФО, СКФО, УФО, ДФО. Среди них явным аутсайдером можно называть СКФО. Выше среднероссийского уровня находятся СЗФО, ПФО, СФО. Среди перечисленных явным лидером выступает СЗФО.

Таблица 3. Значения инновационного мультипликатора по Федеральным округам за 2012-2014 гг.

	2012	2013	2014	2012-2014
Центральный	1,07	1,02	1,00	1,03
Северо-Западный	1,05	1,01	1,36	1,14
	2012	2013	2014	2012-2014
Южный	1,01	1,06	1,02	1,03
Северо-Кавказский	0,98	1,01	1,01	1,00
Приволжский	1,07	1,11	1,07	1,08
Уральский	1,01	1,00	1,06	1,02
Сибирский	1,02	1,06	1,16	1,08
Дальневосточный	1,01	1,07	1,02	1,03
РФ	1,04	1,03	1,05	1,04

Отметим, что структура самих Федеральных округов по инновационному мультипликатору неоднородна. В целом для РФ данный показатель можно охарактеризовать как низкий, так как прирост инвестиций в инновации на 1% приводит к повышению ВРП в среднем всего на 4%.

Судя по некоторым вышеприведенным примерам, инновационный мультипликатор иногда даёт ложную экономико-географическую картину НИД сравниваемых регионов. Любая математическая формула это идеализация реальности. Вспомним базовые условия для расчета инновационного мультипликатора по предлагаемой формуле: предполагается, что прирост ВРП происходит в основном за счет технологических инноваций. Второе допущение, о котором еще не было сказано: предполагается, что инновации дают быстрый эффект в течении года инвестирования. В-третьих, засекреченность статистических данных по военно-техническим новациям, которые не могут учитываться в расчетах. Ошибки в выводах возможны именно из-за этих двух допущений и погрешностей в исходных данных.

Рис. 7 Диаграмма значений инновационного мультипликатора по Федеральным округам и в России за 2012-2014 гг.

Итак, расчет инновационного мультипликатора - достаточно простой способ для первоначальной оценки НИД регионов. Этот индикатор НИД может быть полезен для общего представления, а в совокупности с другими индикаторами может служить важным показателем уровня НИД регионов.

3.2 Методика и расчет рейтинга регионов России по уровню инновационного развития

Территориальная дифференциация и неоднородность субъектов РФ по инновационному развитию вообще-то очевидны. Однако одна из задач экономико-географической науки - выработать объективные методы оценки НИД, на основе которых можно построить сравнительные рейтинги регионов в динамике, которые позволят получать общую картину инновационных процессов в стране. Как следствие, подобные рейтинговые оценки НИД позволяют проанализировать пространственную дифференциацию по ключевым индикаторам инновационного развития и выявить некоторые закономерности в распределении территориальных инновационных потенциалов. Актуальность составления подобных НИД-рейтингов подтверждается и тем, что на сегодня ниша информативных репрезентативных региональных данных по инновационному развитию остается незаполненной.

В данном параграфе представлена методика рейтингования регионов по уровню их инновационного развития на основе ключевых показателей, которые отображаются в государственной статистике. В дальнейшем на основе полученных рейтингов регионов проводится всесторонний анализ. Для лучшего представления рейтинги субъектов рассчитаны в динамике на основе 2005 и 2014 гг. Это позволяет выявить основные тенденции в инновационном развитии регионов в промежутке девяти лет.

Индикаторы инновационного развития регионов. Учитываемые в рейтинге факторы подразделяются на две группы (см. рис. 8):

1) факторы инновационной восприимчивости, которые описывают уровень технологического развития региона;

2) факторы инновационной активности региона. [39]



Рис. 8. Факторы инновационной восприимчивости и активности региона

Первую группу факторов представляют такие индикаторы технологической эффективности регионального производства, как производительность труда, фондоотдача и экологичность производства. Включение в оценку данных показателей обусловлено тем, что уровень технологического развития региона пропорционален масштабу внедренных в производство инноваций. Поэтому если они находятся на низком уровне, то разговоры об инновационном развитии бессмысленны. Данный перечень технологических факторов мог бы быть дополнен параметром энергоемкости экономик регионов. Одним из приоритетов инновационной политики государства за последнее десятилетие является именно снижение энергоемкости, однако федеральная статистика не представляет данные о расходуемой энергии в субъектах РФ.

В рамках методики рейтингования производительность труда оценивалась как отношение валового регионального продукта (ВРП) субъекта Российской Федерации к среднегодовой численности занятых в региональной экономике:

p = ,

где p - производительность труда экономики региона; Y - ВРП субъекта РФ; L - среднегодовая численность занятых.

Фондоотдача представляет собой частное от деления ВРП субъекта РФ к стоимости основных фондов:

f = ,

где f - фондоотдача региональной экономики; Y - ВРП субъекта РФ; F - стоимость основных фондов в регионе.

Экологичность производства оценивалась как отношение ВРП субъекта РФ на объем выбросов вредных веществ в атмосферу, исходящих от стационарных источников:

e = ,

где e - экологичность экономики региона; Y - ВРП субъекта РФ; W - объем выбросов вредных веществ в атмосферу от стационарных источников.

Таким образом, представленная выборка индикаторов технологической эффективности региональной экономики описывает эффективность использования труда, основного капитала, а также позволяет определить степень негативного воздействия на окружающую среду. Включая в анализ факторы инновационной восприимчивости, автор исследования исходил из того, что уровень технологического развития пропорционален масштабу внедренных в производство инноваций. Соответственно при высоких показателях технологической эффективности невозможно говорить о низком уровне инновационного развития даже при невысокой инновационной активности. То есть, технологические показатели являются результирующими индикаторами инновационной активности.

В методике рейтингования показатели инновационной активности представлены такими удельными индикаторами, как затраты на научные исследования и разработки на 1 занятого (k); затраты на технологические инновации на 1 занятого (l); выпуск инновационной продукции на душу населения субъекта (m).

Следует обратить внимание на то, что все используемые в рейтинге показатели имеют не абсолютные, а относительные (удельные) единицы измерения, отображающие эффективность инновационной деятельности как с точки зрения результата (инновационная восприимчивость), так и с точки зрения процесса (инновационная активность).

Исходя из вышесказанного, рейтинг инновационного развития регионов может быть разбит на две части: рейтинг субъектов по инновационной восприимчивости и рейтинг регионов по инновационной активности.

Методика оценки рейтинговых индексов инновационного развития регионов. Алгоритм оценки рейтинговых индексов инновационного развития регионов следующий.

На первом этапе производится сбор первичной информации, оцениваются показатели инновационной восприимчивости и инновационной активности экономики субъекта РФ. Вся первичная информация была взята из данных Федеральной службы государственной статистики, сборника «Регионы России», в котором использовались следующие разделы: научные исследований и инновации, труд, окружающая среда, валовой региональный продукт, национальное богатство.

На втором этапе для каждого из введенных в анализ шести критериев выявляется регион-лидер, обладающий максимальным значением выбранного показателя, которое принимается за 100%. Далее по остальным регионам просчитывается данный критерий в процентном отношении к максимальному значению по приведенном ниже формуле:

S_i = ,



где i - номер региона, R_i - значение параметра i-ого региона; R_max - максимальное значение параметра региона-лидера; S_i - процентное отношение значение параметра в i-том регионе к региону-лидеру.

В результате применения последней формулы полученные ряды данных приводим к соответствующей базе (регионам-лидерам).

На третьем этапе производятся математические преобразования, «сворачивающие» относительные значения показателей в итоговые рейтинговые оценки, и формируется рейтинг инновационного развития регионов.

В структуре данного исследования считается, что индексы инновационной активности и инновационной восприимчивости региона имеют равные весовые коэффициенты, хотя на практике, безусловно, взаимосвязанные индикаторы имеют совершенно разное влияние на инновационные процессы. Следовательно, рейтинговые баллы инновационной восприимчивости и инновационной активности региона будут оцениваться по двум ниже описанным формулам:

V = (B_p + B_f + B_e)/3,

где V - рейтинговая оценка инновационной восприимчивости региона; B_p - процентное отношение производительности труда в экономике региона к максимальному значению по генеральной совокупности; B_f - процентное отношение фондоотдачи в экономике региона к максимальному значению по генеральной совокупности; B_e - процентное отношение экологичности экономики региона к максимальному значению по генеральной совокупности.

A = (S_k + S_l + S_m)/3,



где А - рейтинговая оценка инновационной активности региона; S_k - процентное отношение затрат на научные исследования и разработки на одного занятого к максимальному значению по генеральной совокупности; S_l - процентное отношение затрат на технологические инновации на одного занятого к максимальному значению по генеральной совокупности; S_m - процентное отношение объема выпуска инновационной продукции на душу населения региона к максимальному значению по генеральной совокупности.

Итоговый индекс инновационного развития региона представляет собой среднее арифметическое A и V. В итоговой рейтинговой оценке весовые коэффициенты инновационной активности и инновационной восприимчивости будут одинаковыми и составлять 0,5:

VA = (V + A)/2,

где VA - итоговый индекс инновационного развития субъекта; остальные обозначения остаются прежними.

Следовательно, рейтинговая оценка уровня инновационного развития региона лежит в интервале от 0 до 100. Значит, чем больше значение VA, тем выше место административно-территориальной единицы в рейтинге.

Для упрощения и повышения наглядности рейтинговых оценок числовую шкалу обычно заменяют буквенным кодом. Эту процедуру можно провести и в отношении рейтинга инновационного развития регионов. Разбив числовую шкалу VA на десять равных частей и присвоив каждому интервалу значений свой буквенно-символьный код, получаем модифицированную рейтинговую шкалу инновационного развития регионов (см. табл. 2.3).

В приложениях 1 - 6 приведены исходные данные по факторам инновационной восприимчивости, инновационной активности регионов России за 2005 и 2014 гг. (параметры p, f, e, k, l, m), а также итоговые рейтинговые оценки VA, A, V.

Таблица 4. Рейтинговые индексы инновационного развития регионов VA и их интерпретация

Класс	Рейтинговый балл	Интерпретация
Зона А - высокий уровень
A++	90 - 100	Экстра-высокий уровень инновационного развития
A+	80 - 90	Очень высокий уровень инновационного развития
A	70 - 80	Высокий уровень инновационного развития
Зона B - средний уровень
B++	60 - 70	Уровень инновационного развития выше среднего
B+	50 - 60	Средний уровень инновационного развития
B	40 - 50	Удовлетворительный уровень инновационного развития
Зона С - низкий уровень
C++	30 - 40	Уровень инновационного развития ниже среднего
C+	20 - 30	Низкий уровень инновационного развития
C	10 - 20	Очень низкий уровень инновационного развития
Зона D - неудовлетворительный уровень
D	0 - 10	Неудовлетворительный уровень инновационного развития

Рейтинг регионов РФ по уровню инновационной восприимчивости. В соответствии с буквенно-символьной шкалой (см. табл. 4) и расчетными рейтинговыми оценками V (см. прил. 7) в таблице 5 приведен рейтинг регионов РФ по уровню инновационной восприимчивости.

Таблица 5. Рейтинг регионов РФ по уровню инновационной восприимчивости за 2005 и 2014 гг.

Регион	2014 год	2005 год
г. Москва	В++	А
Ненецкий АО	В+	B++
г. Санкт-Петербург	В	C++
Сахалинская область	В	C++
Белгородская область	С++	C+
Владимирская область	С++	C
Воронежская область	С++	C
Калужская область	С++	C+
Московская область	С++	C+
Калининградская область	С++	C+
Республика Дагестан	С++	C
Республика Ингушетия	С++	C
Кабардино-Балкарская Республика	С++	C++
Республика Тыва	С++	C+
Республика Северная Осетия - Алания	С++	C
Республика Башкортостан	С++	C+
Республика Татарстан	С++	C+
Ханты-Мансийский автономный округ	С++	B+
Ямало-Ненецкий автономный округ	С++	C++
Тюменская область	С++	B
Красноярский край	С++	C+
Новосибирская область	С++	C
Омская область	С++	C+
Республика Саха (Якутия)	С++	C+
Брянская область	С+	C
Ивановская область	С+	C
Костромская область	С+	C
Курская область	С+	C
Липецкая область	С+	С+
Орловская область	С+	C
Рязанская область	С+	C
Смоленская область	С+	C
Тамбовская область	С+	C
Тульская область	С+	C
Ярославская область	С+	C
Республика Карелия	С+	C
Архангельская область	С+	C
Ленинградская область	С+	C+
Новгородская область	С+	C
Псковская область	С+	C
Республика Адыгея	С+	C+
Республика Калмыкия	С+	C
Краснодарский край	С+	C
Астраханская область	С+	C
Волгоградская область	С+	C
Ростовская область	С+	C
Карачаево-Черкесская Республика	С+	C
Чукотский автономный округ	С+	C+
Республика Марий-Эл	С+	C
Республика Мордовия	С+	C
Удмуртская Республика	С+	C
Чувашская Республика	С+	C
Пермский край	С+	C
Нижегородская область	С+	C+
Оренбургская область	С+	C+
Ставропольский край	С+	C
Пензенская область	С+	C
Самарская область	С+	C+
Саратовская область	С+	C
Ульяновская область	С+	C
Свердловская область	С+	C
Челябинская область	С+	C
Республика Алтай	С+	C
Республика Бурятия	С+	C
Республика Хакасия	С+	C
Алтайский край	С+	C
Иркутская область	С+	C
Кемеровская область	С+	C+
Томская область	С+	C+
Камчатский край	С+	C+
Хабаровский край	С+	C
Магаданская область	С+	C
Тверская область	С	C
Кировская область	С	С
Республика Коми	С	C
Вологодская область	С	C+
Мурманская область	С	C+
Чеченская Республика	С	C
Курганская область	С	C
Забайкальский край	С	C
Приморский край	С	C
Амурская область	С	C
Еврейская автономная область	С	C
Россия	С+	С+

Структура рейтинга регионов на 2014 год позволяет сделать следующие выводы (см. табл. 6):



Таблица 6. Структура рейтинга инновационной восприимчивости (технологического развития) регионов РФ. 2014 г.

Класс	Количество регионов	Доля занятых, %	Доля ВРП, %
А++	-	-	-
А+	-	-	-
А	-	-	-
В++	1	9,8	21,8
В+	1	0,05	0,3
В	2	4,2	5,8
С++	20	26,4	30,0
С+	48	51,65	36,5
С	11	7,9	5,6
D	-	-	-

Особенностью распределения регионов по классам является отсутствие субъектов, которые, с точки зрения технологического развития относились бы к высокому уровню. Всего четыре региона (Москва, Санкт-Петербург, Ненецкий АО, Сахалинская область) можно отнести к «среднему классу», а зона «В» аккумулирует менее 28% ВРП и менее 15% общей численности занятых. Наибольший удельный вес составляют регионы с низким технологическим уровнем (зона «С»). В них сконцентрировано более 85% занятых и около 72% ВРП. Следовательно, более 2/3 ВРП России относится к низкому технологическому уровню развития. В структуре самой зоны «С» наибольший удельный вес приходится на регионы класса «С+», которые согласно табл. 6. характеризуются низким уровнем инновационной восприимчивости.

Если говорить о динамике рейтинговых позиций субъектов РФ (см. картосхему 3), то по сравнению с 2005 годом, 6 регионов (13,7% занятых и 30% ВРП) опустились в более низкую рейтинговую группу: г. Москва (из «А» в «В++»); Ненецкий АО (из «В++» в «В+»); Ханты-Мансийский АО (из «В+» в «С++); Тюменская область (из «В» в «С++»); Вологодская и Мурманская области (из «С+» в «С»). При этом 21 регион (18,8% занятых и 16,3% ВРП) сохранили свои рейтинги, а именно:

«С++» - два региона (1% занятых и 2,7% ВРП);

«С+» - десять регионов (11,4% занятых и 9,2% ВРП);

«С» - девять регионов (6,4% занятых и 4,4% ВРП).

Картосхема 3. Динамика рейтинга инновационной восприимчивости. 2014 и 2005 гг.

Остальные 56 субъектов РФ (67,5% занятых и 53,7% ВРП) смогли улучшить свои позиции по данному рейтингу. Подавляющее большинство из них переместилось из рейтинга «С» (очень низкий уровень инновационной восприимчивости) в «С+» (низкий уровень). Следующие регионы смогли подняться на две ступени из рейтинга «С» в «С++» (уровень инновационной восприимчивости ниже среднего): Владимирская, Воронежская и Новосибирская области, Республика Дагестан, Республика Ингушетия, Республика Северная Осетия. Существенным изменением по сравнению с 2005 годом стал выход из зоны удовлетворительной инновационной восприимчивости «С» в зону «В» Сахалинской области и города федерального значения Санкт-Петербурга.

Федеральные округа в структуре рейтинга инновационной восприимчивости выглядят следующим образом (см. табл. 7): в зоне низкой инновационной восприимчивости пребывают ЮФО, СКФО, ПФО, УФО, СФО, а также основная часть регионов ДФО, ЦФО, СЗФО, за исключением столицы России (ЦФО), Санкт-Петербурга (СЗФО) и Сахалинской области (ДФО).

Таблица 7. Федеральные округа в структуре рейтинга инновационной восприимчивости. 2014 г.

Параметр	Зона	ЦФО	СЗФО	ЮФО	СКФО	ПФО	УФО	СФО	ДФО
Доля занятых в ФО, %	B	35,2	38,4	-	-	-	-	-	8,7
	C	64,8	61,6	100,0	100,0	100,0	100,0	100,0	91,3
Доля ВРП в ФО, %	B	61,7	48,0	-	-	-	-	-	23,7
	C	38,3	52,0	100,0	100,0	100,0	100,0	100,0	76,3

Таким образом, только Москва, Санкт-Петербург и Сахалинская область выделяются в общей массе субъектов РФ. При этом важно подчеркнуть, что в 5 из 7 федеральных округов отсутствуют ярко выраженные точки роста, регионы-лидеры и потенциальные «доноры» окружного значения.

Рейтинг регионов России по уровню инновационной активности. В соответствии с буквенно-символьной шкалой и фактическими расчетными данными приложения 8 в таблице 8. приведен рейтинг субъектов РФ по уровню инновационной активности:

Таблица 8. Рейтинг регионов РФ по уровню инновационной активности за 2005 и 2014 гг.

Регион	2014 год	2005 год
Сахалинская область	B+	D
г. Москва	B	B
Московская область	C++	C++
Ленинградская область	C++	C
г. Санкт-Петербург	C++	B
Нижегородская область	C++	C++
Калужская область	C+	C+
Республика Татарстан	C+	B+
Пермский край	C+	C++
Самарская область	C+	B++
Красноярский край	C+	C
Томская область	C+	C+
Ярославская область	C	C
Архангельская область	C	C
Ульяновская область	C	C+
Свердловская область	C	B
Ханты-Мансийский АО	C	D
Тюменская область	C	D
Челябинская область	C	B
Новосибирская область	C	C
Омская область	C	D
Магаданская область	C	C
Белгородская область	D	C
Брянская область	D	D
Владимирская область	D	C
Воронежская область	D	C
Ивановская область	D	D
Костромская область	D	C
Курская область	D	C
Липецкая область	D	C
Орловская область	D	D
Рязанская область	D	D
Смоленская область	D	D
Тамбовская область	D	D
Тверская область	D	C
Тульская область	D	C
Республика Карелия	D	D
Республика Коми	D	C
Ненецкий АО	D	D
Калининградская область	D	C
Вологодская область	D	C+
Мурманская область	D	C+
Новгородская область	D	C++
Псковская область	D	D
Республика Адыгея	D	D
Республика Калмыкия	D	D
Краснодарский край	D	D
Астраханская область	D	D
Волгоградская область	D	C+
Ростовская область	D	C
Республика Дагестан	D	D
Республика Ингушетия	D	D
Кабардино-Балкарская Республика	D	D
Карачаево-Черкесская Республика	D	D
Республика Северная Осетия - Алания	D	D
Чеченская Республика	D	D
Ставропольский край	D	D
Республика Башкортостан	D	D
Республика Марий-Эл	D	D
Республика Мордовия	D	C
Удмуртская Республика	D	C
Чувашская Республика	D	C
Кировская область	D	D
Оренбургская область	D	D
Пензенская область	D	D
Саратовская область	D	C
Курганская область	D	D
Ямало-Ненецкий АО	D	C
Республика Алтай	D	D
Республика Бурятия	D	D
Республика Тыва	D	D
Республика Хакасия	D	C
Алтайский край	D	D
Забайкальский край	D	D
Иркутская область	D	C
Кемеровская область	D	C
Республика Саха (Якутия)	D	C
Камчатский край	D	D
Приморский край	D	D
Хабаровский край	D	C
Амурская область	D	D
Еврейская автономная область	D	D
Чукотский АО	D	D
Россия	С	С+

В табл. 9. представлено распределение регионов России по рейтинговым классам инновационной активности, которое позволяет сделать следующие выводы:

Во-первых, как и в рейтинге инновационной восприимчивости, в 2014 г. ни один из регионов не смог попасть в зону «А». Зона «В» представлена двумя субъектами России (Москва и Сахалинская область), в которых произведено почти 28% инновационной продукции и сконцентрировано 35,4% общего объема внутренних научных затрат на исследования и разработки.

Таблица 9. Структура рейтинга инновационной активности регионов РФ. 2014 г.

Класс	Количество регионов	Доля инновационной продукции, %	Доля затрат на исследования и разработки, %
А++	-	-	-
А+	-	-	-
А	-	-	-
В++	-	-	-
В+	1	9,2	0,1
В	1	19,6	35,3
С++	4	18,2	31,3
С+	6	23,6	9,4
С	10	12,3	10,8
D	61	17,1	13,1

Во-вторых, для регионов зоны «В» и рейтингового класса «С++» характерна низкая экономическая эффективность затрат на исследования и разработки: доля произведенной инновационной продукции оказывается в 1,4 раза меньше доли внутренних затрат на исследования и разработки в общем их объеме.

В-третьих, обращает на себя внимание группа регионов класса «С+», в которых доля произведенной инновационной продукции (23,6%) в 2,5 раза превосходит долю затрат на исследования и разработки (9,4%). Это такие регионы: Калужская, Самарская и Томская области, Республика Татарстан, Пермский и Красноярский край. Таким образом, по экономической эффективности затрат на исследования и разработки эти регионы класса «С+» в 3,5 раз превосходят регионы более высокого рейтингового класса «С++» и зоны «В». Среди этих регионов обращает на себя внимание Калужская область, в которой наименее развита добывающая промышленность, а получило широкое распространение обрабатывающее производство, а именно машиностроение и металлообработка.

Рассмотрим динамику инновационной активности регионов России, сравнив соответствующие рейтинговые классы 2005 и 2014 гг. (см. картосхему 4).

Картосхема 4. Динамика рейтинга инновационной активности. 2014 и 2005 гг.

Так, 32 субъекта (44,7% инновационной продукции и 31,8% затрат на исследования и разработки) ухудшили свои позиции. Наибольшее снижение показали следующие субъекты: Республика Татарстан, Самарская, Свердловская и Новгородская области. Самарская область ухудшила позиции на 4 рейтинговые ступни - с класса «В++» в «С»: в 2005 году затраты на исследования и разработки вместе с затратами на технологические инновации составляли более 8% ВРП региона, тогда как в 2014 г. уже менее 4% ВРП [49].

Рейтинговые классы сохранили неизменными:

«В» - один регион (19,6% инновационной продукции и 35,3% затрат на исследования и разработки);

«С++» - два региона (11,7% инновационной продукции и 18,2% затрат на исследования и разработки);

«С+» - два региона (5,6% инновационной продукции и 2,4% затрат на исследования и разработки);

«С» - четыре региона (5,6% инновационной продукции и 3,2% затрат на исследования и разработки);

«D» - 36 регионов (5,4% инновационной продукции и 5,2% затрат на исследования и разработки).

Остальные шесть субъектов РФ (12,2% инновационной продукции и 3,9% затрат на исследования и разработки) смогли улучшить свои позиции в рейтинге.

В отличие от рейтинга инновационной восприимчивости инновационная активность федеральных округов выглядит менее однородной, однако эта однородность сосредоточена в нижней части рейтинга (см. табл. 10).

Таблица 10. Федеральные округа в структуре рейтинга инновационной активности, 2014 г.

Параметр	Зона	ЦФО	СЗФО	ЮФО	СКФО	ПФО	УФО	СФО	ДФО
Доля инновационной продукции в ФО, %	B	59,0	-	-	-	-	-	-	86,8
	C	23,7	55,7	-	-	81,6	98,0	80,2	1,7
	D	17,3	44,3	100,0	100,0	18,4	2,0	19,8	11,5
Доля затрат на исследования и разработки в ФО, %	B	66,4	-	-	-	-	-	-	8,1
	C	27,1	91,0	-	-	74,9	99,2	81,1	7,2
	D	6,5	9,0	100,0	100,0	25,1	0,8	18,9	84,7

Явными аутсайдерами инновационной активности являются ЮФО и СКФО. К числу инновационно активных следует отнести ЦФО, в котором самый весомый вклад имеет Москва. В ДФО на зону «В» хоть и относится 86,8% инновационной продукции, которая представлена Сахалинской областью, однако в этой же зоне доля затрат на исследования и разработки составляет менее 10% от значений округа, что говорит о трансфере готовых технологий из-за рубежа или из других регионов.

Итоговый рейтинг регионов России по уровню инновационного развития. В соответствии с буквенно-символьной шкалой и рейтинговыми оценками VA (см. прил. 9) итоговый рейтинг субъектов РФ по уровню инновационного развития приведен в таблице 11:

Таблица 11. Рейтинг регионов России по уровню инновационного развития России за 2005 и 2014 гг.

Регион	2014 год	2005 год
г. Москва	B+	B+
г. Санкт-Петербург	B	B
Сахалинская область	B	C+
Московская область	C++	C++
Ленинградская область	C++	C
Нижегородская область	C++	C+
Калужская область	C+	C+
Ненецкий АО	C+	C+
Кабардино-Балкарская Республика	C+	C
Республика Башкортостан	C+	C+
Республика Татарстан	C+	B
Пермский край	C+	C+
Самарская область	C+	B
Ульяновская область	C+	C+
Свердловская область	C+	C++
Ханты-Мансийский АО	C+	C+
Тюменская область	C+	C+
Красноярский край	C+	C+
Новосибирская область	C+	C+
Омская область	C+	C+
Томская область	C+	C+
Белгородская область	C	C+
Брянская область	C	C
Владимирская область	C	C+
Воронежская область	C	C+
Ивановская область	C	C
Костромская область	C	C
Курская область	C	C
Липецкая область	C	C
Орловская область	C	C
Рязанская область	C	C
Смоленская область	C	C
Тамбовская область	C	C
Тверская область	C	C
Тульская область	C	C
Ярославская область	C	C
Республика Карелия	C	C
Республика Коми	C	C
Архангельская область	C	C
Вологодская область	C	C
Калининградская область	C	C
Мурманская область	C	C
Новгородская область	C	C++
Псковская область	C	C
Республика Адыгея	C	C
Республика Калмыкия	C	D
Краснодарский край	C	C
Астраханская область	C	C
Волгоградская область	C	C+
Ростовская область	C	C
Республика Дагестан	C	C
Республика Ингушетия	C	C+
Карачаево-Черкесская Республика	C	C
Республика Северная Осетия - Алания	C	C
Ставропольский край	C	C
Республика Марий-Эл	C	C
Республика Мордовия	C	C
Удмуртская Республика	C	C
Чувашская Республика	C	C
Кировская область	C	C
Оренбургская область	C	C
Пензенская область	C	C
Саратовская область	C	C
Ямало-Ненецкий АО	C	C+
Челябинская область	C	C++
Республика Алтай	C	C
Республика Бурятия	C	C
Республика Тыва	C	C
Республика Хакасия	C	C
Алтайский край	C	C
Забайкальский край	C	C
Иркутская область	C	C
Кемеровская область	C	C
Республика Саха (Якутия)	C	C+
Камчатский край	C	C
Приморский край	C	C
Хабаровский край	C	C
Амурская область	C	D
Магаданская область	C	C
Чукотский АО	C	C
Чеченская Республика	D	D
Курганская область	D	C
Еврейская автономная область	D	D
Россия	C+	C+

Одним из показателей прогрессивного инновационного развития регионов выступает сокращение числа субъектов РФ, находящихся в зоне «D». По сравнению с 2005 годов в 2014 году их число сократилось с 4 (0,7% ВРП) до 3 (0,6% ВРП), что свидетельствует о застойном инновационном развитии регионов.

В табл. 12. представлена структура рейтинга регионов России по уровню инновационного развития, которая позволяет сделать следующие выводы:

Таблица 12. Структура рейтинга регионов России по уровню инновационного развития, 2014 г.

Класс	Количество регионов	Доля инновационной продукции, %	Доля затрат на исследования и разработки, %	Доля занятых, %	Доля ВРП, %
A++	-	-	-	-	-
A+	-	-	-	-	-
A	-	-	-	-	-
B++	-	-	-	-	-
B+	1	19,6	35,3	9,8	21,8
B	2	15,3	12,5	4,2	5,8
C++	3	12,1	18,9	8,0	7,7
C+	15	31,4	18,3	23,0	25,2
C	59	21,5	14,9	53,8	38,9
D	3	0,1	0,1	1,2	0,6

Во-первых, нет ни одного субъекта России, который бы занял место в зоне «А», идентифицирующей высокий уровень инновационного развития. В середине рейтинговой шкалы, в зоне «В», расположились всего три региона: Москва, Санкт-Петербург, Сахалинская область (см. картосхему 5). Уровень инновационного развития остальных субъектов Российской Федерации квалифицируется как низкий (77 регионов) и неудовлетворительный (3 региона).

Картосхема 5. Рейтинг регионов России по уровню инновационного развития. 2014 г.

Во-вторых, четко определился регион класса «В+» (Москва), расходы которого на исследования и разработки обратно пропорциональны объемам выпускаемой инновационной продукции.

Есть две версии, объясняющие этот факт. Первая гипотеза заключается в том, что Москва выступает научно-исследовательским центром, генерирует знания для промышленности других регионов и при этом своего инновационного производства почти не имеет. Вторая версия элементарно основывается на низкой эффективности затрат на исследования и разработки, низком уровне их коммерциализации. В любом случае, инновационный режим развития Москвы носит деструктивный характер: оторванность затрат на исследования и разработки от внедрения в производство получаемых результатов. Необходимо отметить, что в рейтинговом классе «С++» (Московская, Ленинградская и Нижегородская области) тоже существует такой дисбаланс, однако он меньше Москвы в 1,2 раза.

В-третьих, по соотношению «доля инновационной продукции / доля ВРП» лидируют регионы класса «В» и «С++». Однако вызывает сомнение инновационность продукции класса «С++» в условиях технологичного отставания.

Таблица 13. Федеральные округа в структуре рейтинга инновационного развития, 2014 г.

Параметр	Зона	ЦФО	СЗФО	ЮФО	СКФО	ПФО	УФО	СФО	ДФО
Доля инновационной продукции в ФО, %	A	-	-	-	-	-	-	-	-
	B	59,0	52,3	-	-	-		-	86,9
	C	41,0	47,7	100,0	100,0	100,0	98,2	100,0	13,1
	D	-	-	-	0,0	-	1,8	-	0,0
Доля затрат на исследования и разработки в ФО, %	A	-	-	-	-	-	-	-	-
	B	66,4	85,9	-	-	-	-	-	8,1
	C	33,6	14,1	100,0	92,7	100,0	99,4	100,0	91,2
	D	-	-	-	7,3	-	0,6	-	0,7
Доля численности занятых в ФО, %	A	-	-	-	-	-	-	-	-
	B	35,2	37,9	-	-	-	-	-	8,7
	C	64,8	62,1	100,0	90,0	100,0	93,8	100,0	89,0
	D	-	-	-	10,0	-	6,2	-	2,3
Доля ВРП в ФО, %	A	-	-	-	-	-	-	-	-
	B	61,7	44,9	-	-	-	-	-	23,7
	C	38,3	55,1	100,0	91,2	100,0	97,8	100,0	74,9
	D	-	-	-	8,8	-	2,2	-	1,4

Что касается Федеральных округов, то среди них следует выявить двух лидеров по уровню инновационного развития: ЦФО и СЗФО (см. табл. 13). Правда, ни один из них не демонстрирует сверхвысоких показателей инновационного развития. К очевидным аутсайдерам инновационного развития относятся СКФО, УФО, в меньшей степени ЮФО, ПФО, СФО.

Расчет среднего значения, эксцесса, ассиметрии для рейтингов инновационной восприимчивости, инновационной активности и инновационного развития регионов РФ дан на рис. 9. Полученное среднее значение для инновационных рейтингов восприимчивости составляет 27,365; активности - 9,0539; развития - 18,209. Данные значения позволяют выявить субъекты - «серднячки». Так, «средним» регионом по рейтингу инновационной восприимчивости является Нижегородская область; по рейтингу инновационной активности - Тверская область; по рейтингу инновационного развития - Курская область.

Рис. 9. Описательная статистика рейтингов инновационной восприимчивости, инновационной активности, инновационного развития по субъектам РФ. 2014 г.

Показатели ассиметрии у всех рейтингов положительны и больше 0,5. Следовательно, имеет место крайне ассиметричное правостороннее распределение. Это подтверждается и тем, что средние значения и медиана не совпадают, и медиана имеет меньшее значение.

Показатели эксцесса также положительны и больше нуля. Тогда распределение островершинное. Наименее островершинное распределение у рейтинга инновационной активности, так как значение эксцесса по сравнению с другими ближе к нулю.

Примером может служить распределение рейтинга инновационного развития (см. рис. 10). По оси Х - значения рейтинга, по оси Y - частота этих значений в доле от 1. Наблюдается правосторонняя ассиметрия, с островершинным распределением. Наиболее часто встречающиеся значения рейтингов инновационного развития находятся в промежутке от 10 до 20, т.е. эти регионы попадают в класс «С» (очень низкий уровень инновационного развития).

Рис. 10. Относительная частота рейтинга инновационного развития регионов России, 2014 г.

Корреляция значений рейтинга инновационного развития от его составляющих представлена в последнем столбце (см. рис. 11):

Рис. 11. Корреляционная матрица исследуемых показателей инновационного развития регионов

Зависимость рейтинга инновационного развития со всеми другими индикаторами и рейтингами, входящими в него, линейная, т.е. при увеличении одного из показателей (или рейтинга инновационной восприимчивости или активности) будет увеличиваться и рейтинг инновационного развития. Обратная зависимость наблюдается только между индикаторами фондоотдачи и производительности труда. Наибольшая корреляция рейтинга инновационного развития с рейтингом инновационной активности (0,8871) и рейтингом инновационной восприимчивости (0,7722), что вполне логично объясняется тем, что данные два рейтинга непосредственно входят в формулу итогового рейтинга инновационного развития. Далее по убыванию, корреляция с индикатором затрат на исследования и разработки / занятого (0,7428); затрат на технологические инновации / занятого (0,6413); экологичности (0,5383); выпуска инновационной продукции / душу населения (0,5246); производительности труда (0,4429); фондоотдачи (0,4401). Связь есть со всеми потенциалами, так как значения больше 0,3.

В табл. 14. представлены данные о среднероссийском уровне инновационной восприимчивости, инновационной активности и инновационного развития.

Таблица 14. Рейтинговая динамика среднероссийских уровней инновационной восприимчивости, активности и развития

Параметр	Рейтинговый балл	Рейтинговый класс
	2005	2014	2005	2014
Инновационная восприимчивость	22,13	24,95	С+	С+
Инновационная активность	21,52	15,41	С+	С
Уровень инновационного развития	21,83	20,18	С+	С+

Можно сказать, что на федеральном уровне обозначился выраженный вектор повышения технологического уровня (восприимчивость) при снижении инновационной активности. Итоговый уровень инновационного развития остался почти неизменным, не изменив своего класса «С+» (низкий уровень инновационного развития).

Подчеркнем, что рейтинговые характеристики инновационного развития регионов получены исходя из сравнительного анализа субъектов РФ друг с другом. Если в качестве базы сравнения использовать показатели инновационной активности и восприимчивости развитых стран, то позиции российских регионов в рейтинге могут существенно снизиться.

3.3 Сравнительное исследование и оценка научно-инновационной деятельности регионов по семи индикаторам

Для глубокой и объективной оценки НИД регионов требуется обширная и точная статистика. Отсутствие данных сужает возможности исследователя. В статистических базах России многие показатели даются обобщенно, без разбивки по регионам. Поэтому выбор исследуемых ниже семи показателей НИД обусловлен, прежде всего, доступностью порегиональной статистики. Он мог бы быть существенно дополнен рядом других, не менее важных параметров.

Например, хорошей оценкой эффективности НИД мог бы послужить показатель доли коммерциализированных патентов от общего числа выданных. Но ни одна государственная ни частная структура не публикует региональную статистику по данному индикатору.

Далее в работе будет проведено сравнительное (порегиональное) статистическое исследование по следующим семи показателям-индикаторам НИД:

1. Число организаций, выполняющие научные исследования и разработки;

2. Суммарное число публикаций в журналах, входящих в Web of Science или Scopus;

3. Суммарный индекс Хирша у организаций, зарегистрированных в регионе;

4. Суммарное цитирование работ, опубликованных за последние семь лет;

5. Численность ученых (исследователей);

6. Число разработанных передовых производственных технологий;

7. Количество выданных патентов на изобретения и полезные модели.

Как видно, выбранные показатели отображают основные факторы развития инновационной деятельности, включая конечный результат в виде числа разработанных передовых технологий и выданных патентов. Представленная совокупность индикаторов НИД, на наш взгляд, достаточна, чтобы в первом приближении наглядно оценить дифференциацию российских регионов по уровню НИД, выявить основные тенденции в динамике их развития.

Примечание: Заметим, что для Республики Крым и города Севастополя, вследствие отсутствия некоторых первичных данных, расчеты велись только по следующим четырем показателям: число организаций, выполняющих научные исследования и разработки; количество выданных патентов на изобретения и полезные модели; суммарный индекс Хирша; суммарное число публикаций в журналах, входящих в Web of Science или Scopus.

Математически рейтинг каждого из семи показателей-индикаторов НИД для каждого конкретного региона РФ рассчитывается по следующей формуле:

S_i = ,



где i - номер региона, R_i - значение параметра i-ого региона; R_max - максимальное значение параметра региона-лидера; S_i - процентное отношение значение параметра в i-том регионе к региону-лидеру.

Сразу же укажем, что вычисленные нами рейтинги регионов по указанным выше индикаторам НИД представлены в приложениях в конце работы (см. прил. 12-18). А конкретная статистика и анализ по каждому из семи индикаторов даны ниже.

1. Число организаций, выполняющих научные исследования и разработки