Clustering of AIRR regions as a prerequisite of interregional innovation policy.pdf Введение Актуальность исследования развития инновационных систем в пространственном разрезе для России обусловлена высоким уровнем дифференциации потенциалов инновационного развития регионов страны. Кроме того, эволюционные изменения свойств инновационного процесса [1] и распространение подходов к управлению инновационной деятельностью на основе открытости [2] (формировании разнонаправленных потоков результатов инновационной деятельности между хозяйствующими субъектами с учетом комплементарности их ресурсов) диктуют необходимость пересмотра и совершенствования подходов к региональной и национальной инновационной политике. По инициативе регионов сформировалась межрегиональная площадка - Ассоциация инновационных регионов России (АИРР1), для которых инновационное развитие является приоритетом региональной политики. Такая форма сотрудничества регионов представляет научный интерес с точки зрения анализа возможностей для межрегионального взаимодействия в сфере инновационной деятельности, т. е. реализации принципа открытости в управлении региональными инновационными процессами. Большинство существующих методик оценки инновационного развития регионов АИРР [3] нацелены на разделение регионов по условным группам - сильные, средние, слабые - на основе подсчета интегральных показателей. Однако они построены лишь на количественном сравнении и не позволяют отразить содержательную составляющую инновационного развития той или иной группы регионов. Результаты применения данных методик существенно зависят от набора показателей, которые подчеркивают достоинства одних региональных моделей и недостатки других. Предложенный в статье вариант кластеризации2 регионов АИРР преследует цель описать различные модели регионального инновационного развития (выделенные группы регионов) не по принципу сильнее-слабее или лучше-хуже, а содержательно описать их особенности, преимущества и недостатки. Кластерный анализ данных о результатах инновационного развития регионов АИРР 1. Кластеризация показателей инновационного развития регионов АИРР. В качестве основного метода кластеризации показателей использован факторный анализ, который позволяет построить факторное пространство инновационного развития регионов и провести кластеризацию регионов [4] в зависимости от особенностей их инновационного развития. Необходимость применения факторного анализа для построения модели обусловлена тем, что используемые на практике показатели инновационного развития регионов являются корреляционно зависимыми и не формируют систему базисных показателей инновационного развития региона. Поскольку система базисных показателей формируется из корреляционно-независимых факторов, образованных группами корреляционно-связанных исходных показателей, то в результате применения данного анализа появляется возможность оценить влияние каждого фактора на структуру и динамику инновационного развития региона. Для построения факторной модели инновационного развития регионов АИРР использовались показатели, представленные в табл. 1. В данном исследовании использованы многомерные статистические методы: корреляционный, факторный, дисперсионный и кластерный анализы [2-5]. Статистический анализ проводился в системе STATISTICA 6 [6-12]. Информационной статистической базой исследования являются показатели инновационного развития регионов АИРР (табл. 2). Корреляционный анализ показателей инновационного развития регионов АИРР выявил значимые (табл. 3) корреляционные связи разных пар показателей (табл. 4-5). Поскольку выявлены значимые корреляционные связи разных пар показателей, то при проведении кластеризации показателей в качестве меры близости показателей было использовано корреляционное расстояние (1 - r Пирсона). Графические результаты кластерного анализа показателей по АИРР за 2012 г. представлены на дендрограмме (рис. 1). Устойчивыми (методы Варда, полной связи, взвешенного попарного среднего и невзвешенного попарного среднего) можно считать зателей: Ф1 = {11+23+14+22}, Ф2 = = {31+33+12}, Ф3 формирование 3 корреляционно связанных групп пока- = {13+42}. Т а б л и ц а 1 Группировка показателей, характеризующих инновационное развитие регионов АИРР Основанные группы показателей Показатели, характеризующие инновационное развитие регионов АИРР 1. Базовые показатели развития инновационной экономики 1.1. Доля инновационных товаров, работ, услуг в ВРП, % 1.2. Доля персонала, занятого научными исследованиями и разработками в экономически активном населении региона, % 1.3. Валовой региональный продукт, млн руб. 1.4. Интенсивность затрат на технологические инновации, % 2. Показатели результативности инновационной деятельности 2.1. Объем инновационных товаров, продукции, работ, услуг, млн руб. 2.2. Объем инновационных товаров, продукции, работ, услуг на одну инновационно активную организацию, млн руб. 2.3. Удельный вес инновационных товаров, продукции, работ, услуг в общем объеме отгруженных товаров, работ, услуг, % 3. Показатели состояния сферы интеллектуальной собственности 3.1. Коэффициент изобретательской активности 3.2. Выдача охранных документов (патентов), ед. 3.3. Суммарный рейтинг региональных вузов, вошедших в ТОП-100 вузов России (по версии Эксперт РА) и по критерию «Инновации» (по версии «Национальный рейтинг универ.») 3.4. Количество используемых патентов, ед. 4. Показатели технологической обеспеченности 4.1. Число созданных (разработанных) передовых производственных технологий, ед. 4.2. Число используемых передовых производственных технологий, ед. Т а б л и ц а 2 Стандартизированная база показателей инновационного развития регионов АИРР за 2012 г. Код Регион 11 12 13 14 21 22 23 31 32 33 34 41 42 1 Алтайский край -0,85 -1,19 -0,52 -0,41 -0,66 -0,82 -0,76 -0,92 -0,64 -0,66 -0,65 -1,12 -0,84 2 Иркутская обл. -0,92 -0,61 -0,19 -0,50 -0,64 -0,74 -0,90 -0,73 -0,64 0,28 -0,61 1,76 -1,20 3 Калужская обл. -0,22 1,88 -0,59 -0,40 -0,50 -0,20 -0,51 -0,56 -1,05 -1,28 -0,78 1,15 -0,65 4 Красноярский край -0,68 -0,58 0,21 0,07 -0,31 -0,38 -0,66 -0,26 0,15 0,00 0,72 0,93 -0,57 5 Липецкая обл. 0,76 -0,69 -0,58 0,43 -0,22 0,65 0,29 -1,09 -1,18 -1,06 -0,60 -1,12 -0,44 6 Новосибирская обл. -0,60 1,24 -0,26 -0,31 -0,45 -0,72 -0,17 0,29 0,48 0,45 -0,63 0,54 -0,43 7 Пермский край 0,09 -0,04 -0,05 -0,09 0,24 -0,10 -0,12 -0,11 0,32 0,12 2,02 -0,18 0,49 8 Респ. Башкортостан -0,39 -0,56 0,18 -0,62 -0,00 -0,34 -0,33 -0,36 0,84 -0,27 -0,02 -0,84 1,47 9 Респ. Мордовия 1,47 -0,90 -0,73 0,47 -0,41 0,44 1,80 -1,06 -1,26 -0,46 -0,90 -0,84 -0,38 10 Респ. Татарстан 1,27 -0,16 0,43 0,19 2,45 0,47 1,24 1,20 2,33 1,28 1,99 1,37 0,86 11 Самарская обл. 2,10 0,38 -0,01 3,17 2,10 3,04 2,02 0,64 1,10 1,00 0,86 -0,12 1,62 12 Томская обл. -0,82 1,71 -0,51 -0,43 -0,65 -0,75 -0,89 2,24 0,22 1,95 -0,66 -1,01 -0,76 13 Тюменская обл. -0,97 -0,95 3,24 -0,92 -0,41 -0,56 -1,01 -0,53 -0,58 -0,53 -0,24 -0,73 1,62 14 Ульяновская обл. -0,24 0,45 -0,63 -0,65 -0,54 0,01 -0,01 1,24 -0,10 -0,82 -0,51 0,21 -0,80 Т а б л и ц а 3 Категории значимости парных коэффициентов корреляции Категория значимости Незначимо Слабозначимо Статистически значимо Сильнозначимо Высокозначимо Уровень значимости p > 0,10 0,10 > p > 0,05 0,05 > p > 0,005 0,005 > p > 0,0005 0,0005 > p Коэффициент корреляции r,R < 0,46 0,46 < r, R < 0,53 0,53 < r, R < 0,70 0,70 < r, R < 0,81 0,81 < r, R Т а б л и ц а 4 Матрица парных коэффициентов корреляций параметрического Пирсона (выделены значимые на уровне р < 0,050) Перем. 11 12 13 14 21 22 23 31 32 33 34 41 42 11 1,00 -0,06 -0,22 0,81 0,74 0,88 0,97 0,04 0,28 0,15 0,37 -0,05 0,38 12 -0,06 1,00 -0,32 0,02 -0,01 0,00 -0,07 0,60 0,16 0,31 -0,11 0,26 -0,20 13 -0,22 -0,32 1,00 -0,18 0,12 -0,10 -0,24 -0,08 0,14 0,01 0,22 -0,05 0,64 14 0,81 0,02 -0,18 1,00 0,67 0,94 0,78 0,08 0,28 0,30 0,32 -0,04 0,36 21 0,74 -0,01 0,12 0,67 1,00 0,73 0,70 0,33 0,78 0,48 0,75 0,23 0,63 22 0,88 0,00 -0,10 0,94 0,73 1,00 0,83 0,11 0,29 0,16 0,35 -0,06 0,48 23 0,97 -0,07 -0,24 0,78 0,70 0,83 1,00 0,08 0,31 0,18 0,31 -0,04 0,35 31 0,04 0,60 -0,08 0,08 0,33 0,11 0,08 1,00 0,63 0,73 0,27 0,11 0,07 32 0,28 0,16 0,14 0,28 0,78 0,29 0,31 0,63 1,00 0,69 0,73 0,28 0,53 33 0,15 0,31 0,01 0,30 0,48 0,16 0,18 0,73 0,69 1,00 0,41 0,14 0,18 34 0,37 -0,11 0,22 0,32 0,75 0,35 0,31 0,27 0,73 0,41 1,00 0,27 0,52 41 -0,05 0,26 -0,05 -0,04 0,23 -0,06 -0,04 0,11 0,28 0,14 0,27 1,00 -0,21 42 0,38 -0,20 0,64 0,36 0,63 0,48 0,35 0,07 0,53 0,18 0,52 -0,21 1,00 Т а б л и ц а 5 Матрица парных коэффициентов корреляций рангового Спирмена (выделены значимые на уровнер < 0,050) Перем. 11 12 13 14 21 22 23 31 32 33 34 41 42 11 1,00 0,24 -0,24 0,78 0,68 0,90 0,96 0,06 0,15 0,03 0,21 0,01 0,45 12 0,24 1,00 -0,16 -0,01 -0,00 0,09 0,16 0,69 0,42 0,29 -0,02 0,38 -0,05 13 -0,24 -0,16 1,00 -0,10 0,50 -0,07 -0,24 0,28 0,65 0,48 0,74 0,27 0,56 14 0,78 -0,01 -0,10 1,00 0,57 0,63 0,74 -0,13 0,05 0,21 0,13 -0,01 0,31 21 0,68 -0,00 0,50 0,57 1,00 0,76 0,65 0,13 0,51 0,24 0,74 0,13 0,82 22 0,90 0,09 -0,07 0,63 0,76 1,00 0,88 0,03 0,11 -0,11 0,39 0,07 0,53 23 0,96 0,16 -0,24 0,74 0,65 0,88 1,00 0,11 0,21 0,06 0,24 -0,02 0,43 31 0,06 0,69 0,28 -0,13 0,13 0,03 0,11 1,00 0,77 0,62 0,39 0,29 0,15 32 0,15 0,42 0,65 0,05 0,51 0,11 0,21 0,77 1,00 0,72 0,69 0,26 0,51 33 0,03 0,29 0,48 0,21 0,24 -0,11 0,06 0,62 0,72 1,00 0,32 0,25 0,24 34 0,21 -0,02 0,74 0,13 0,74 0,39 0,24 0,39 0,69 0,32 1,00 0,24 0,55 41 0,01 0,38 0,27 -0,01 0,13 0,07 -0,02 0,29 0,26 0,25 0,24 1,00 -0,08 42 0,45 -0,05 0,56 0,31 0,82 0,53 0,43 0,15 0,51 0,24 0,55 -0,08 1,00 Рис. 1. Дендрограмма корреляционной матрицы показателей инновационного развития регионов АИРР за 2012 г. Преимуществом кластерного анализа является то, что он позволяет выявлять не только высокозначимые парные корреляции индикаторов внутри основных групп, но и значимые (1 - r < 1 - 0,576 = 0,424 - критическое значение для группы из 14 регионов при уровне значимости 0,05 выделено на рис. 1 горизонтальной пунктирной прямой) межгрупповые кластеры показателей АИРР, т.е. факторы для построения базиса оценки инновационного развития регионов АИРР. С помощью факторного анализа построена 3-фак-торная модель показателей инновационного развития регионов АИРР за 2012 г. (табл. 6). Жирным шрифтом выделены наиболее значимые факторные нагрузки (частные коэффициенты корреляции), которые позволяют по совокупности показателей интерпретировать значимые факторы. В нижней строке приведены весовые коэффициенты факторов. Факторные показатели развития регионов АИРР за 2012 г. представлены в табл. 7. Значимые факторы, составляющие базис инновационного развития регионов АИРР за 2012 г., представлены в табл. 8. В результате проведения факторного анализа из 13 исходных показателей сформировано 3 значимых фактора. Т а б л и ц а 6 Факторные нагрузки показателей инновационного развития регионов АИРР за 2012 г. Код показателя Фактор 1 Фактор 2 Фактор 3 11 0,971 0,035 0,030 12 -0,073 0,58 -0,554 13 -0,264 -0,021 0,846 14 0,912 0,111 0,002 21 0,713 0,504 0,410 22 0,945 0,073 0,090 23 0,944 0,055 0,004 31 0,010 0,872 -0,141 32 0,257 0,816 0,394 33 0,136 0,822 0,060 34 0,332 0,52 0,55 41 -0,083 0,43 -0,115 42 0,369 0,146 0,816 Общ. дис. 4,478 3,189 2,361 Доля общ. 0,344 0,245 0,182 Т а б л и ц а 7 Стандартизированные значения факторных показателей для регионов АИРР за 2012 г. Код региона Фактор 1 Фактор 2 Фактор 3 1 -0,530 -1,067 -0,120 2 -0,817 -0,120 -0,463 3 -0,302 -0,252 -1,234 4 -0,483 0,133 0,243 5 0,731 -1,466 -0,410 6 -0,548 0,691 -0,691 7 0,006 0,334 0,674 8 -0,322 -0,192 1,025 9 1,194 -1,478 -0,662 10 0,773 1,809 1,064 11 2,576 0,636 0,327 12 -0,892 1,571 -1,151 13 -1,127 -0,791 2,290 14 -0,260 0,192 -0,891 Т а б л и ц а 8 Значимые взвешенные факторы инновационного развития регионов АИРР за 2012 г. Код фактора Расшифровка кодов Вес Экономическая интерпретация факторов 11+14+ +22+23+21 Доля инновационных товаров, работ, услуг в ВРП, %; объем инновационных товаров, продукции, работ, услуг, млн руб.; интенсивность затрат на технологические инновации, %; объем инновационных товаров, продукции, работ, услуг на одну инновационно активную организацию, млн руб.; удельный вес инновационных товаров, продукции, работ, услуг в общем объеме отгруженных товаров, работ, услуг, % 0,34 Отражает результативность функционирования инновационного сектора (инновационных компаний) в регионах 31+32+ 33+12+ +34+41 Коэффициент изобретательской активности, выдача охранных документов (патентов), ед.; суммарный рейтинг региональных вузов, вошедших в Т0П-100 вузов России по критерию «Инновации»; доля персонала, занятого научными исследованиями и разработками в экономически активном населении региона, %; количество используемых патентов, ед.; число созданных (разработанных) передовых производственных технологий, ед. 0,25 Отражает результативность функционирования сферы исследований и разработок, а также интеллектуальной собственности в регионах 13+42+ +34 Валовой региональный продукт, млн руб.; число используемых передовых производственных технологий, ед.; количество используемых патентов, ед. 0,18 Отражает зависимость итогового экономического эффекта экономики от объема коммерциализированных технологий и объектов интеллектуальной собственности в регионах Т = 0,77 2. Кластеризация регионов АИРР. Для кластерного анализа [2, 5, 9] инновационного развития регионов АИРР был выбран метод полной связи в качестве правила объединения регионов. В качестве меры близости регионов используется расстояние Чебышева. Для наглядности был использован метод дендрограмм (рис. 2), который позволяет графически проиллюстрировать кластеризацию регионов АИРР по уровню инновационного развития за 2012 г. На древовидной диаграмме представлены регионы, которые по мере «движения» вправо объединяются и формируют группы (кластеры). Каждый узел диаграммы (рис. 4) представляет объединение групп регионов, а положение узлов на горизонтальной оси определяет расстояние, на котором объединены соответствующие группы. В зависимости от выбора расстояния объединения можно получить соответствующее количество групп регионов, однородных по совокупности 3 факторов: Ф1, Ф2 и Ф3. Наряду с методом древовидной кластеризации применяется метод K-средних, проводящий классификацию регионов по заданному количеству групп и позволяющий оценить ее качество в рамках дисперсионного анализа. Применение метода K-средних позволяет группировать регионы с целью минимизации изменчивости внутри групп и максимизации изменчивости между ними. В данном исследовании в 3-факторной модели {Ф1, Ф2, Ф3} показателей инновационного развития регионов АИРР предлагается 4-кластерная модель регионов (рис. 3), высокозначимая по совокупности 3 факторов согласно многомерному критерию X - Уилкса. Применение дисперсионного анализа позволило осуществить оценку значимости кластеризации регионов по каждому фактору (табл. 9). Оценка значимости различий групповых средних значений факторных целей в дисперсионном анализе основана на сравнении компоненты дисперсии, обусловленной межгрупповым разбросом (SSмеЖдУ - суммой квадратов отклонений групповых средних от общей средней по АИРР или межгрупповой суммой квадратов отклонений), и компоненты дисперсии, обусловленной внутригрупповым разбросом (SS^^ -суммой квадратов отклонений значений факторных показателей для регионов (рис. 3) от групповых средних или внутригрупповой суммой квадратов отклонений). Согласно нулевой гипотезе о равенстве средних всех групп средняя межгрупповая дисперсия (SS,^^ , деленная на соответствующее число степеней свободы ссм) будет практически совпадать со средней внутригрупповой (SS^^h , деленная на ссв). Полученные средние дисперсии можно сравнить с помощью F-критерия, проверяющего, действительно ли отношение средней межгрупповой дисперсии к средней внутригрупповой значимо больше 1. В рассматриваемом случае (рис. 5, табл. 6) параметрический F-критерий показывает, что различие между 4 групповыми средними значимо в разной степени: статистически значимо по Ф1 (на уровне p & 0,028) и Ф2 (p & 0,011), а по Ф3 (p & 0,0013) - сильнозначимо. Непараметрический (ранговый) критерий Краскела -Уоллиса смягчает эти оценки: до слабо значимого уровня (p & 0,092) по Ф1, статистически значимо по Ф2 (p & 0,031) и Ф3 (p & 0,019). В рамках дисперсионного анализа (методом множественных сравнений) можно выделить для каждого фактора однородные (различающиеся незначимо, т.е. на уровне значимости р > 0,10) группы кластеров, расположенные в порядке убывания кластерных средних (рис. 4). - Ф1: {К1}, {К4, К2, К3}. При этом К1 статистически значимо (0,005 < p & 0,007 < 0,05) отличается от К4 по параметрическому F-критерию и слабо значимо (0,05 < p & 0,09 < 0,10) по ранговому критерию Краскела - Уоллиса; Рис. 2. Дендрограмма регионов АИРР за 2012 г. Рис. 3. Линейные графики кластерных средних с 95%-ми доверительными интервалами для каждого фактора Т а б л и ц а 9 Результаты дисперсного анализа группировки регионов АИРР по каждому фактору за 2012 г. Фактор SSмежду ссм S внутри ссв F Значим. p Ф1 7,57021 3 5,42979 10 4,647335 0,027757 Ф2 8,53939 3 4,46061 10 6,381337 0,010874 Ф3 8,50871 3 2,43364 10 11,65431 0,001329 - Ф2: {К1, К3}, {К2, К4}. При этом К1 статистически значимо (0,005 < p = 0,042 < 0,050) отличается от К2 по параметрическому F-критерию и слабо значимо (0,05 < p& 0,06 < 0,10) по ранговому критерию Краскела - Уоллиса; - Ф3: {К2, К1}, {К4, К3}. При этом К1 статистически значимо (0,005 < p = 0,008 < 0,050) отличается от К4 по параметрическому F-критерию и статистически значимо (0,005 < p = 0,045 < 0,050) по ранговому критерию Краскела - Уоллиса. Рис. 4. Однородные группы кластерных средних для каждого фактора Проведенная качественная классификация (табл. 7) детальным образом прописывает структуру кластерной модели регионов АИРР, проводя измерения различий 4 кластеров в номинальной шкале по совокупности 3 факторов. По итогам кластеризации на уровне 4-кластерной модели регионов АИРР были определены четыре основные группы (табл. 10). Т а б л и ц а 10 Группировка регионов АИРР за 2012 г. Группа Регионы K 1 Республика Татарстан, Самарская область K 2 Красноярский, Пермский края, Республика Башкортостан, Тюменская область K 3 Новосибирская, Томская области K 4 Алтайский край, Иркутская область, Калужская, Ульяновская, Липецкая области, Республика Мордовия Т а б л и ц а 12 Характеристика региональных моделей инновационного развития (АИРР в 2012 г.) Особенности модели | Преимущества и недостатки (риски) модели 1. Модель промышленных инновационно активных регионов (Республика Татарстан, Самарская область) Доминируют инновационные промышленные предприятия, которые отличаются наличием собственной мощной производственной базы. Основной источник генерации инноваций -промышленный сектор. Основные структуры, занимающиеся исследованиями и разработками, - специализированные подразделения предприятий. Разработки осуществляются в ответ на запросы рынка, тем самым повышается вероятность их массового производства, реализации и потребления на внутреннем и внешнем рынке (превалируют элементы модели инновационного процесса G2 «подтягивание спросом»). Выступают и производителем и потребителем инноваций в одном лице. В то же время отмечаются высокая инновационная активность в экономике, результативность инновационного сектора и патентная активность. Доминируют двунаправленные потоки РИД Преимущества: наличие развитой производственной базы; более высокая вероятность успешного массового инновационного производства, реализации и потребления на рынке; более короткий инновационный процесс, минимизация временного лага от идеи до внедрения; принадлежность большей части объектов интеллектуальной собственности предприятиям, что способствует более эффективному их использованию; относительная независимость от других производителей и потребителей инноваций Недостатки (риски): более низкая мобильность крупных промышленных предприятий; свертывание программ долгосрочных стратегических фундаментальных исследований и разработок; преобладание улучшающих («микроинноваций», «псевдоинноваций»), маркетинговых инноваций, что не может служить основой качественного инновационного роста; ограниченные возможности адаптации к радикальным технологическим изменениям, фундаментальным долгосрочным тенденциям НТП 2. Модель промышленных регионов, обеспечивающих спрос на инновации («рынок») (Красноярский, Пермский края, Республика Башкортостан, Тюменская область) Традиционно промышленные регионы, в основе экономики которых находятся машиностроение, энергетика, авиастроение, металлургия и другие отрасли, требующие существенных производственных мощностей. Доминируют промышленные предприятия, которые в незначительной степени занимаются самостоятельным производством инноваций, но обеспечивают спрос на них. В отличие от регионов первой модели, не отличаются высокими показателями инновационной деятельности и качества научно-образовательного комплекса. Доминирует направление потока РИД «снаружи-внутрь» Преимущества: наличие развитой производственной базы; более высокая вероятность успешного массового инновационного производства, реализации и потребления на рынке; более короткий инновационный процесс, минимизация временного лага от идеи до внедрения; принадлежность большей части объектов интеллектуальной собственности предприятиям, что способствует более эффективному их использованию, наличие возможностей для быстрого развития собственных инновационных процессов Недостатки (риски): более низкая мобильность крупных промышленных предприятий; свертывание программ долгосрочных стратегических исследований и разработок; преобладание улучшающих («микроинноваций», «псевдоинноваций»), маркетинговых инноваций, что не может служить основой качественного инновационного роста; ограниченные возможности адаптации к радикальным технологическим изменениям, фундаментальным долгосрочным тенденциям НТП; ориентация на поиск готовых технических решений, а не на их создание, что обусловливает технологическую зависимость 3. Модель регионов с развитым научно-образовательным комплексом (Томская, Новосибирская области) Доминируют малые инновационные предприятия при вузах, НИИ, ОЭЗ, основанные на передовых разработках, не предполагающие существенных производственных мощностей. Основной источник генерации инноваций - НОК. Основные структуры, занимающиеся исследованиями и разработками, -вузы, научно-исследовательские структуры, МИПы. Разработки осуществляются исходя из фундаментальных научных предпосылок (превалируют элементы модели инновационного процесса G1 «технологический толчок»). В то же время отмечаются высокая инновационная активность в экономике, высокое качество вузов и их исследовательская активность. Модель с актуализированным институтом интеллектуальной собственности, высокой изобретательской и патентной активностью. Доминируют направление потока РИД «изнутри-наружу» Преимущества: фундаментализм исследований в НОК, что обеспечивает возможность создания прорывных инноваций и, следовательно, опережающего инновационного развития; более высокий уровень развития человеческого капитала; возможность обеспечения технологической независимости региона; более высокая мобильность малых инновационных компаний, высокое качество НОКа, создание и владение существенным объемом интеллектуальных прав (объектов интеллектуальной собственности), что обусловливает возможность формирования интеллектуальной ренты. Недостатки (риски): существенный временной лаг между возникновением идеи и реализацией на рынке; обособленность инновационного процесса от общепроизводственного; игнорирование характеристик рыночного спроса (отсутствие связи разработок с рынком), что обусловливает риск невостребованности продукта; необходимость наличия и содержания сети развитых институтов трансфера технологий, содержание и функционирование которых требует высоких затрат; зависимость от покупателей (рынка сбыта) разработок и, следовательно, внутренней и внешней рыночной конъюнктуры 4. Смешанная догоняющая модель инновационного развития регионов (Алтайский край, Иркутская, Калужская, Ульяновская, Липецкая области, Республика Мордовия) Регионы, которые по показателям инновационного развития не могут быть однозначно отнесены к какой-либо из вышеперечисленных моделей. Не имеют выражено развитого одного сектора инновационной экономики (промышленность или НОК). Как правило, отличаются средними или низкими результатами инновационной деятельности относительно остальных регионов АИРР. Отдельные регионы потенциально тяготеют в одной из вышеперечисленных моделей, однако для формального отнесения к ним требуется более четкий курс инновационной политики с упором на определенные источники генерации инноваций и сектора Могут быть выражены любые из перечисленных преимуществ и недостатков при тяготении к соответствующей модели. Общие недостатки: менее активная инновационная деятельность, невысокий уровень развития НОК, нацеленность на модернизацию производств (догоняющий тип развития), зависимость от производителей инноваций 3. Экономическая интерпретация и обсуждение результатов. Результаты кластерного анализа позволяют говорить о наличии нескольких моделей инновационного развития среди регионов АИРР: 1. Модель промышленных инновационно активных регионов (Республика Татарстан, Самарская область) - основной источник генерации инноваций -промышленный сектор. 2. Модель промышленных регионов, обеспечивающих спрос на инновации («рынок») (Красноярский край, Пермский край, Республика Башкортостан, Тюменская область). 3. Модель регионов с развитым научно-образовательным комплексом (Томская, Новосибирская области) - основной источник генерации инноваций - научно-образовательный комплекс. 4. Смешанная догоняющая модель инновационного развития регионов (Алтайский край, Иркутская область, Калужская область, Ульяновская область, Липецкая область, Республика Мордовия). Преимущества и недостатки моделей являются взаимонивелируемыми при взгляде на АИРР как единый субъект инновационной деятельности. Особенности различных моделей инновационного развития позволяют каждому региону достигать эффективной инновационной деятельности на основе взаимодополняемости ресурсов в случае, если каждый регион выполняет свою функцию (роль), определенную моделью инновационного развития. Так, промышленные регионы имеют возможность привлекать прорывные технологии, разработки; регионы с развитым НОК имеют стабильный рынок сбыта для разрабатываемых технологий; регионы со смешанными догоняющими моделями получают расширенные возможности для развития. Подобные взаимные интересы и особенности инновационного развития регионов образуют фундамент и являются предпосылкой для реализации подхода открытых инноваций в АИРР с применением различных его форм и инструментов. В результате в регионах АИРР существуют объективные экономические предпосылки для реализации подхода открытых инноваций в виде взаимодополняемых региональных моделей инновационного развития и виде потребностей регионов в повышении эффективности инновационной деятельности. Таким образом, проблема межрегиональной дифференциации в сфере инновационной деятельности может быть трансформирована в дополнительный источник развития регионов на основе формирования межрегиональной инновационной политики, целью которой является активизация и повышение эффективности инновационной деятельности во всех регионах на основе синергизма использования региональных потенциалов. ПРИМЕЧАНИЯ 1 АИРР создана в 2010 г. с целью содействия эффективному инновационному развитию регионов-участников. В настоящее время в АИРР входят 14 регионов: Республики Башкортостан, Татарстан, Мордовия, Алтайский, Красноярский, Пермский края, Иркутская, Калужская, Липецкая, Новосибирская, Самарская, Томская, Тюменская и Ульяновская области. 2 Информационно-аналитическую базу анализа составляет статистическая информация об инновационной деятельности в субъектах Российской Федерации за 2012 г. (результаты федерального статистического наблюдения Федеральной службой государственной статистики) по формам: - № 4 - инновация «Сведения об инновационной деятельности организации» (годовая); - № 2 - МП инновация «Сведения о технологических инновациях малого предприятия» (1 раз в 2 года за нечетные года). - № 1 - технология «Сведения о создании и использовании передовых производственных технологий» (годовая). 3 Теснее соприкасаются друг с другом в пространстве наиболее весомые факторные цели.

Скачать электронную версию публикации