Региональная экономика и управление: электронный научный журнал // Номер журнала: №4 (48), 2016

Субнациональная типология регионов Российской Федерации и ее использование при выборе приоритетов экономической безопасности

Subnational typology of Russian regions and its use in the selection of economic security priorities

Авторы


кандидат экономических наук, ведущий научный сотрудник
Россия, Институт социально-экономических исследований УНЦ РАН
kirillova_sa@mail.ru


аспирант
Россия, Институт социально-экономических исследований УНЦ РАН
olgagtimes@mail.ru

Аннотация

Объективно существующие региональные различия обусловливают целесообразность совершенствования методов, механизмов и инструментов управления инновационным потенциалом на основе учета специфики каждого региона и выдвигают в число актуальных задачу субнационального структурирования, которая, в свою очередь, предопределяет потребность в формировании однородных групп регионов для выделения сходных характеристик их инновационной деятельности.
В целях выделения однородных групп регионов использовался метод кластерного анализа, в результате которого было выделено четыре кластера с различным уровнем инновационного потенциала: кластер регионов-лидеров, кластер регионов догоняющего развития, отстающих регионов и регионов-аутсайдеров. В качестве критерия оценки влияния величины инновационного потенциала на уровень экономической безопасности региона использовались удельные значения объема ВРП на душу населения.

Ключевые слова

регион, субнациональная типология регионов, инновационный потенциал, кластер, кластерный анализ, экономическая безопасность

Финасирование

Данное исследование выполнено в рамках государственного задания ИСЭИ УНЦ РАН по теме № 0253-2014-0001 «Стратегическое управление ключевыми потенциалами развития разноуровневых социально-экономических систем с позиций обеспечения национальной безопасности» (№ гос. регистрации 01201456661).

Рекомендуемая ссылка
Кириллова Светлана Александровна , Васильева Ольга Павловна
Субнациональная типология регионов Российской Федерации и ее использование при выборе приоритетов экономической безопасности// Региональная экономика и управление: электронный научный журнал. ISSN 1999-2645. — №4 (48). Номер статьи: 4834. Дата публикации: . Режим доступа: http://eee-region.ru/article/4834/
Authors

Kirillova Svetlana Aleksandrovna
PhD, Leading Researcher
Russia, Institute of Social and Economic Research of the Ural Scientific Center of the Russian Academy of Sciences
kirillova_sa@mail.ru

Vasil'eva Ol'ga Pavlovna
postgraduate student
Russia, Institute of Social and Economic Research of the Ural Scientific Center of the Russian Academy of Sciences
olgagtimes@mail.ru

Abstract

Objectively existing regional differences determine the expediency of enhancement of the methods, mechanisms and management tools by innovation potential based on consideration of the specifics of each region and consider a problem of subnational structuring as one of the most urgent tasks, which, in turn, determines the need for the formation of uniform groups of regions to highlight similarities of their innovation activities.
In order to reveal the uniform groups of regions the method of cluster analysis was used. As a result of this analysis there were identified four clusters with different levels of innovation potential: a cluster of leading regions, a cluster of catching-up regions, regions lagging behind and regions-outsiders. Unit values of volume of GRP per capita were used as an estimate criterion of influence innovation potential on the level of economic security of the region.

Keywords

region, sub-region typology, potential for innovation, cluster, cluster analysis, economic security

Project finance

This study was performed as part of the state task ISEI USC RAS Related № 0253-2014-0001 «Strategic management of key potentials of different levels of socio-economic systems from the standpoint of national security» (№ state registration 01201456661).

Suggested Citation
Kirillova Svetlana Aleksandrovna , Vasil'eva Ol'ga Pavlovna
Subnational typology of Russian regions and its use in the selection of economic security priorities. Regional economy and management: electronic scientific journal. №4 (48). Art. #4834. Date issued: 2016-12-12. Available at: http://eee-region.ru/article/4834/

Print Friendly, PDF & Email

Введение

Глобализация, масштабные экономические преобразования, санкции европейских стран, девальвация рубля, иные внешние и внутренние вызовы предъявляют новые требования к обеспечению национальной безопасности, конкурентоспособности страны и ее регионов, что, в конечном итоге, является приоритетом современной государственной политики. Достижение общегосударственных интересов в этой области возможно не только при задействовании ресурсов и возможностей каждого региона, но и при рациональном и эффективном их использовании. В этой связи сложно переоценить значение инновационной деятельности, успех которой зависит от влияния многих внутренних и внешних факторов, способных в совокупности обеспечить стабильное поступательное развитие как региона, так и страны в целом, их место в рейтинге глобальной конкурентоспособности [1].

Гипотетически, различные уровни экономической безопасности, достигнутые регионами, обусловлены существующими различиями в обеспеченности трудовыми, производственными, иными материальными и нематериальных ресурсами, в качестве институциональной среды и инновационной инфраструктуры, а также способности и готовности региональной системы трансформировать комплекс материальных и нематериальных ее ресурсов в повышение эффективности ее функционирования и развития, то есть – в ее способности управлять инновационным потенциалом [2, с. 90].

 

Классификация субнациональных образований Российской Федерации по уровню их инновационного потенциала на основе кластерного анализа

С учетом того, что уровень инновационного потенциала – комплексная категория, группировки территориальных образований следует проводить по совокупности характеризующих его показателей. При этом следует иметь в виду, что с развитием методов группировок территорий различного иерархического уровня возможности выбора инструментария формирования однородных групп территорий значительно расширились за счет использования множества статистических методов обработки значительных массивов данных – факторного и дискриминантного анализов, многомерного шкалирования и др. Однако присущие им недостатки, такие как необходимость обработки значительных объемов исходной информации, учет ряда ограничений на вид анализируемых объектов и т.д. усложняют рассмотрение и сопоставление множества разнородных исходных данных.

Формализация объективно существующих региональных различий в части располагаемого территорией инновационного потенциала и результатов ее развития может быть осуществлена на базе одного из известных и проработанных теоретико-методических подходов – кластерного анализа, в определенной мере позволяющего элиминировать указанные недостатки и представляющего собой множество вычислительных процедур, используемых при создании разного рода классификации. По сути, «кластерный метод – это многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая  эти  объекты  в  сравнительно  однородные  группы» [3, 141 c.].

Для решения задачи классификации регионов Российской Федерации по уровню их инновационного потенциала, характеризующегося набором исходных статистических показателей за 2013 г., предварительно проверенных на мультиколлинеарность (табл. 1), с использованием программного обеспечения IBM SPSS Statistics 22 был проведен кластерный анализ. В качестве результирующего был принят показатель удельного объема ВРП на душу населения – как один из значимых индикаторов экономической безопасности.

 

Таблица 1 – Исходные показатели для классификации регионов Российской Федерации по уровню инновационного потенциала

№№ п/п Наименование показателя Единицы измерения
1 У – ВРП на душу населения тыс. руб./ чел.
2 X1 – удельный вес численности персонала, занятого научными исследованиями и разработками в численности занятых в экономике региона %
3 X2 – удельный вес бюджетных средств во внутренних затратах на исследования и разработки %
4 X3– удельный вес внутренних затрат на научные исследования и разработки в общей величине расходов предприятия %
5 X– удельный вес затрат на информационно-коммуникационные технологии в ВРП %
6 X5 – коэффициент изобретательской активности
7 X6 – доля выданных патентов в общей численности поступивших патентных заявок %
8 X7 – плотность распределения объектов инновационной инфраструктуры на тысячу человек, занятых в экономике региона ед./ тыс.чел.
9 X8 – инновационная активность организаций %
10 X9 – удельный вес инновационных товаров, работ и услуг от общего объема отгруженных товаров, выполненных работ, услуг %
11 Х10 – соотношение доли экспорта к доле импорта технологий и услуг технического характера %

 

Поскольку количество классов разбиения и вид закона распределения заранее неизвестны, предварительно был проведен анализ исходных данных на наличие в них некоторой структуры с помощью иерархической агломеративной процедуры методом Уорда. Полученная дендрограмма представлена на рисунке.

Исходя из визуального анализа дендрограммы, полученной в результате кластерного анализа регионов Российской Федерации по уровню инновационного потенциала, а также уточнения количества кластеров в качестве меры сходства было использовано «Расстояние городских кварталов (Манхэттенское расстояние)», было сформировано четыре кластера.

 

Дендрограмма иерархического кластерного анализа регионов Российской Федерации по уровню инновационного потенциала

Рисунок – Дендрограмма иерархического кластерного анализа регионов Российской Федерации по уровню инновационного потенциала

 

Типология регионов Российской Федерации по уровню инновационного потенциала

На основании разбиения совокупности объектов на различное количество кластеров было установлено, что наилучшим с точки зрения компактности, является вариант из четырех кластеров с различным уровнем инновационного развития (потенциала): 1 кластер регионов-лидеров, 2 кластер – регионов догоняющего развития, 3 – отстающих регионов, 4 кластер – регионов-аутсайдеров. Результаты кластерного анализа представлены в табл. 2.

 

Таблица 2 – Средние значения показателей (значения центров кластеров) 

Показатели Кластеры
Кластер 1 Кластер 2 Кластер 3 Кластер 4
y 461,34 267,40 351,56 639,45
х1 2,65 0,77 0,29 0,003
x2 63,67 51,1 60,4 81,09
 X3 3,28 1,26 0,42 0,00
x4 2,17 1,35 1,16 0,02
X5 5,02 2,39 1,48 0,92
X6 83,62 83,50 85,22 0,38
X7 2,68 1,51 0,66 0,00
X8 14,27 12,40 8,60 8,31
X9 10,90 11,90 5,00 2,29
X10 6,56 2,11 0,64 1,21

 

В обоснование этого вывода было осуществлено сравнение расстояний между центрами кластеров и расстояний объектов внутри кластеров до их центров, которое показало, что разброс невелик, и кластеры, полученные этим методом, устойчивы. В первый кластер вошли города Москва и Санкт-Петербург, Нижегородская, Московская и Калужская области. Данный кластер – наиболее благополучный в России в рамках исследуемой задачи. Здесь одни из самых высоких в стране значений ВРП на душу населения, самые высокие значения показателей, характеризующих инновационную деятельность, что позволяет сделать вывод о наличии мощного инновационного потенциала.

Второй кластер включает 17 регионов-субъектов Российской Федерации с самыми высокими значениями уровня инновационного потенциала – коэффициента изобретательской и инновационной активности,  плотности распределения объектов инновационной инфраструктуры на тысячу человек, занятых в экономике региона; удельного веса инновационных товаров, работ и услуг от общего объема отгруженных товаров, выполненных работ, услуг и  соотношения доли экспорта к доле импорта технологий и услуг технического характера после значений соответствующих показателей по первому кластеру.

В состав этого кластера вошли такие регионы как республики Башкортостан и Татарстан, Чувашия и Мордовия, Пермский край, Липецкая, Самарская, Новосибирская, Челябинская, Свердловская области. Средний показатель ВРП на душу населения в данном кластере – самый низкий из всех сформированных 4-х кластеров. Достаточно высокие значения инновационного потенциала и не соответствующие им удельные значения ВРП могут свидетельствовать об инерционности инновационных процессов, оказывающей влияние на темпы и пропорции регионального воспроизводственного процесса, обусловливая тем самым необходимость ее учета при разработке стратегий дальнейшего развития однородных групп регионов.

В третий кластер, объединивший 42 региона, вошли Хабаровский, Приморский, Красноярский края, Амурская, Калининградская, Мурманская, Тюменская области, Ханты-Мансийский АО и др. Этот кластер характеризуется достаточно высокими средними по кластеру значениями ВРП на душу населения (351564,79 руб./чел), здесь самый высокий удельный вес выданных патентов в общей численности поступивших патентных заявок и самое низкое соотношение доли экспорта к доле импорта технологий и услуг технического характера. Сложившееся положение объясняется развитием экономики этих регионов на основе их сырьевой специализации, экспортно-ориентированного роста, опирающегося на сырьевые отрасли.

Четвертый кластер – регионов-аутсайдеров, характеризуется самыми высокими удельными значениями ВРП – 639452,39 руб./чел. и самым низким уровнем инновационного потенциала. Исключение составляет высокий размер удельного веса бюджетных средств во внутренних затратах на исследования и разработки. Кластер сформирован как дотационными регионами Северо-Кавказского (Чеченская Республика, Ингушетия, Дагестан, Кабардино-Балкарская, Карачаево-Черкесская республики) и Дальневосточного федеральных округов (Чукотский АО, Магаданская область и др.), так и регионами-донорами (Ненецкий и Ямало-Ненецкий автономные округа). Ситуация, сложившаяся в этом кластере, объясняется теми же причинами, что и в третьем кластере.

Выделение этих групп является предпосылкой выявления основных закономерностей влияния исследуемых классификационных признаков на формирование одного из значимых критериев экономической безопасности – объемных параметров ВРП на душу населения внутри выделенных кластеров. При этом следует иметь в виду, что для качественно различных объектов анализа, выделенных в исходной совокупности, взаимосвязи признаков также будут различны. Поэтому особенно значимым представляется построение в выделенных кластерах эконометрических моделей зависимости удельных значений ВРП от определяющих его факторов. Оценка влияния факторных показателей на результирующий осуществлялась методом корреляционно-регрессионного анализа в результате проведения которого было установлено следующее.

 

Оценка влияния величины инновационного потенциала на уровень экономической безопасности территории

Для первого кластера, содержащего 6 объектов, с наиболее высоким уровнем инновационного потенциала, наиболее значимое влияние на удельные значения ВРП оказывают: удельный вес численности персонала, занятого научными исследованиями и разработками в численности занятых в экономике региона, удельный вес бюджетных средств во внутренних затратах на исследования и разработки, коэффициент изобретательской активности и инновационная активность организаций.

Во втором кластере, с самым низким средним значением ВРП на душу населения, отмечено отсутствие зависимости результирующего показателя от набора показателей, характеризующих уровень инновационного развития (потенциала) регионов кластера. Исключение составляет лишь интенсивность изобретательской активности, оказывающая средней силы влияние на результирующий показатель, что свидетельствует о том, что существующий в регионах кластера инновационный потенциал используется не в полной мере. Основные причины сложившейся ситуации выражаются в отсутствии инфраструктуры, обеспечивающей создание и внедрение инноваций. Тем не менее, здесь существуют реальные предпосылки экономического роста и повышения уровня экономической безопасности на основе масштабного задействования элементов инновационного потенциала территорий.

В третьем и четвертом кластерах также отмечено лишь незначительное влияние анализируемых факторов на результирующий показатель, что в сочетании с низкими их значениями говорит о том, что формирование удельных объемов ВРП здесь происходит, преимущественно, не за счет инновационной деятельности, а также о том, что имеющийся инновационный потенциал недостаточен для обеспечения конкурентоспособности территорий кластера в долгосрочной перспективе.

 

Заключение

Выявленные особенности развития регионов в различных кластерах обусловливают необходимость детальной проработки направлений территориальной политики в части активизации инновационной деятельности, формирования условий для осуществления инновационного прорыва в экономике на основе развития и реализации конкурентных преимуществ инновационного потенциала регионов. Стратегической целью при этом будет выступать обеспечение экономической безопасности и конкурентоспособности регионов и страны в целом.

Развитие информационной базы статистики позволит существенно расширить рамки анализа и возможности применения математико-статистических методов в формировании предпосылок управления развитием регионов, сводя процесс территориального управления к принятию решений, являющихся унифицированными для каждой из сформированных однородных групп территорий.

 

Список источников

  1. Печаткин, В.В. Современные угрозы национальной безопасности страны и их нейтрализация на основе повышения эффективности использования инновационного потенциала региона [Текст] / В.В. Печаткин // Национальные интересы: приоритеты и безопасность. – 2016. – №9 (342). – C. 192-204.
  2. Кириллова, С.А. Концепция оценки инновационного потенциала [Текст] / С.А. Кириллова // Основы управления инновационным потенциалом разноуровневых социально-экономических систем. – Уфа: ИСЭИ УНЦ РАН, 2016. – 242 с.
  3. Ким, О. Дж. Факторный, дискриминантный и кластерный анализ [Текст] / О. Дж. Ким, Ч.У. Мьюллер, У.Р. Клекка // Под ред. И.С. Енюкова. – М.: Финансы и статистика, 1989. – 215 с.

 

References

  1. Pechatkin, V.V. Modern threats to national security and their neutralization, based on more efficient use of the innovative potential of the region [Sovremennye ugrozy nacional’noj bezopasnosti strany i ih nejtralizacija na osnove povyshenija jeffektivnosti ispol’zovanija innovacionnogo potenciala regiona]. National interests: priorities and security. 2016. №9 (342). pp. 192-204.
  2. Kirillova S.A. The concept of innovation potential assessment [Koncepcija ocenki innovacionnogo potenciala]. Basics of management in innovative potential of different levels of socio-economic systems. Ufa: ISEI USC RAS, 2016. 242 p.
  3. Kim O. J. Factor, discriminant and cluster analysis [Faktornyj, diskriminantnyj i klasternyj analiz]. M. Finance and Statistics, 1989.  215 p.

Пространственная экономика, Экономическая безопасность