Студенческое предпринимательство и научно-технологическое развитие регионов
Youth entrepreneurship in the context of regional R&D growth
Авторы
Аннотация
В статье исследуется влияние уровня научно-технологического развития (НТР) региона на показатели студенческой стартап-активности. В качестве ключевого индикатора используется успешность регионов в конкурсе «Студенческий стартап» Фонда содействия инновациям. На основе данных за 2022–2023 годы проведен корреляционный анализ, который выявил устойчивую положительную связь между рейтингом НТР (по методике РИА Новости) и количеством победителей конкурса. Коэффициент корреляции увеличился с «0,73» в 2022 году до «0,80» в 2023 году, что подтверждает важность развитой научно-технической инфраструктуры для успеха в сфере студенческого технологического предпринимательства.
Ключевые слова
студенческое предпринимательство, стартап-экосистема, региональное развитие, алгоритмизация, регрессионный анализ, корреляционный анализ, метод стохастического анализа.
Рекомендуемая ссылка
Москалев Александр Константинович
, Болдина Алена Витальевна
, Вершков Анатолий Валентинович
Студенческое предпринимательство и научно-технологическое развитие регионов// Региональная экономика и управление: электронный научный журнал. ISSN 1999-2645. — №3 (87). Номер статьи: 8709. Дата публикации: 03.09.2026. Режим доступа: https://eee-region.ru/article/8709/
Authors
Abstract
This article examines the impact of a region’s level of scientific and technological development (S&T) on student startup activity. The key indicator is the regions’ performance in the Student Startup competition of the Foundation for Assistance to Small Innovative Enterprises (FASIE). A correlation analysis using data for 2022–2023 revealed a stable positive relationship between the S&T rating (based on RIA Novosti methodology) and the number of competition winners. The correlation coefficient increased from 0.73 in 2022 to 0.80 in 2023, confirming the importance of a developed S&T infrastructure for success in student technological entrepreneurship.
Keywords
student entrepreneurship, startup ecosystem, regional development, algorithmization, regression analysis, correlation analysis, stochastic analysis method.
Suggested Citation
Moskalev Alexander Konstantinovich
, Boldina Alena Vitalyevna
, Vershkov Anatoly Valentinovich
Youth entrepreneurship in the context of regional R&D growth// Regional economy and management: electronic scientific journal. ISSN 1999-2645. — №3 (87). Art. #8709. Date issued: 03.09.2026. Available at: https://eee-region.ru/article/8709/
Введение
Наука и технологическое развитие выступают ключевыми драйверами экономического роста, структурной модернизации и социальных преобразований в современном обществе. В условиях глобальной конкуренции за человеческий капитал и технологическое лидерство особое значение приобретает формирование эффективных механизмов поддержки инновационной активности молодежи и вовлечение университетов в процессы экономического развития регионов.
Таким эффективным механизмом, на наш взгляд могут стать университеты. Университеты, являясь центрами науки и образования, в то же время начинают активно участвовать в предпринимательской деятельности. Этому способствует реализация в нашей стране федеральный проект «Платформа российского предпринимательства»[4], частью которого является студенческое предпринимательство. Студенты создают стартапы, в том числе высокотехнологичные, реализуя созданные в университетских лабораториях научные исследования.
Однако необходимо отметить, что успешность студенческой предпринимательской деятельности во многом зависит от развитой инфраструктуры региона пребывания университетов, уровня взаимодействия между бизнесом, университетами и региональной властью, от которой во многом зависит эффективность студенческой инновационной деятельности.
В предложенной нобелевским лауреатом Полом Ромером концепции экономического роста было показано, что движущей силой развития являются идеи, генерируемые в процессе научных исследований, а накопление знаний формирует основу для непрерывного технологического обновления[2].
Эта концепция имеет прямое отношение к роли университетов в региональном развитии. Именно университеты, концентрируя научный, кадровый и предпринимательский потенциал, создают тот самый «запас знаний», который, по Ромеру, выступает эндогенным фактором роста. Университетская среда генерирует идеи, которые не исчерпываются при использовании, а, напротив, создают мультипликативный эффект — каждое новое знание становится основой для последующих инноваций.
Эмпирические исследования подтверждают, что регионы с развитой университетской наукой и институциональной средой демонстрируют более высокие темпы технологического прогресса, инновационной активности и производительности труда. Как отмечал Ромер, инвестиции в исследования и разработки обладают свойством положительных экстерналий — создаваемые знания приносят выгоду не только их непосредственным создателям, но и всей экономике. Это объясняет, почему регионы, системно инвестирующие в университеты и в развитие научно-инновационной инфраструктуры, обеспечивают себе долгосрочные конкурентные преимущества. Однако статистика отмечает, что выживаемость студенческих проектов недостаточно высока, поскольку до внедрения доходит только 30% их первоначального числа.
В то же время, успешные кейсы, такие как кластер «Сколково», проекты НИУ ВШЭ и МФТИ, а также акселератор ФРИИ, доказывают эффективность модели, основанной на глубокой интеграции региональных ресурсов, практико-ориентированного обучения и четкой роли бизнес-инкубаторов.
В этой связи научно-технологическое развитие регионов выступает не просто показателем научной активности, а становится ключевым фактором прорыва к новым секторам производства — к тому, что сегодня устойчиво ассоциируется с понятием «стартап». Современные стартапы представляют собой инструмент трансформации знаний в прикладные технологические решения, формируя основу инновационной экономики регионов.
Результаты исследований
Оценка уровня научно-технологического развития (НТР) позволяет определить способность территории создавать и внедрять инновации. Уровень НТР регионов ежегодно оценивается в рейтинге «Национальный рейтинг научно-технологического развития субъектов Российской Федерации».
Лидерами рейтинга традиционно являются Москва, Санкт-Петербург и Татарстан, обеспечивающие 36% общероссийского объёма инновационных товаров и услуг. В топ-5 также входят Нижегородская и Московская области. Показатели Национального рейтинга сгруппированы в 3 блока и ориентированы на следующие целевые группы: органы власти (10 показателей), среда для ведения наукоёмкого бизнеса (13 показателей), среда для работы исследователей (10 показателей)[3].
В рамках федерального проекта «Студенческое предпринимательство» Фонд содействия инновациям (ФСИ) в течении уже трех лет реализует конкурсную программу «Студенческий стартап», которая предоставляет уникальные возможности для реализации инновационных идей студентами высших учебных заведений. С момента своего запуска в 2022 году, программа стала индикатором инновационного климата вузов и регионов: продемонстрировала эффективность в подготовке студентов к реальным условиям ведения бизнеса. Основная цель программы — поддержка молодежи в формировании и реализации собственных бизнес-идей на основе технологий[5].
Анализ корреляции между числом победителей конкурса «Студенческий стартап» и рейтингом регионов по научно-технологическому развитию позволяет выявить, насколько эффективно реализуются механизмы инновационной экосистемы в различных субъектах РФ и какова роль университетов в формировании конкурентоспособного инновационного пространства (рис. 1). В 2022 году значения рейтинга распределились следующим образом:
- Москва заняла лидирующую позицию с показателем 212,0;
- Санкт-Петербург – 211,7;
- Республика Татарстан – 211,7;
- Красноярский край с рейтинговым баллом 146,7 оказался на 21-м месте.
Рисунок 1 — Количество победителей в конкурсе «Студенческий стартап» и рейтинг регионов по научно-технологическому развитию в 2022 году
Умеренная положительная корреляционная связь — 0,68 подтверждает, что научно-технологическое развитие региона влияет на успех студенческих стартапов. Это означает, что для повышения инвестиционной привлекательности сферы исследований и разработок через создание предпринимательской деятельности необходимо учитывать региональные особенности, создавая инфраструктуру для поддержки стартапов. В то же время, умеренность корреляции свидетельствует, что помимо регионального аспекта имеются и иные факторы, влияющие на уровень студенческой стартап-культуры.
Данные, приведенные на рис. 1 и 2, свидетельствуют о росте корреляции до 0,8 в 2023 г. между развитием научно-технологической инфраструктуры в регионе и количеством студентов-победителей конкурса «Студенческий стартап». Это доказывает, что условием успешного развития студенческих стартапов и индикатором инновационного климата как вузов, так и регионов является развитость инновационной инфраструктуры региона.
По состоянию на конец 2024 года по критерию инновационной активности в РФ лидирующими можно назвать следующие регионы: г. Москва, г. Санкт- Петербург, Республика Татарстан, Нижегородская область, Новосибирская область, Московская область, Томская область, Ульяновская область, Республика Башкортостан.
Рисунок 2 — Количество победителей в конкурсе «Студенческий стартап» и рейтинг регионов по научно-технологическому развитию в 2023 году
Для устойчивого роста необходимо уточнить те конкретные параметры рейтинга, которые могут влиять на уровень технологического предпринимательства в регионе.
Для идентификации ключевых факторов успеха студенческого предпринимательства на основе данных «Национального рейтинга научно-технологического развития субъектов РФ» было проведено эмпирическое исследование за 2022–2023 годы. Исследование охватывает 51 регион России с совокупным объемом наблюдений 102 случая. Для анализа использованы 16 нормализованных показателей, сгруппированных в три блока: «Органы власти», «Среда для ведения наукоемкого бизнеса» и «Среда для работы исследователей». В качестве зависимой переменной (Y) использовалось количество победителей федерального конкурса «Студенческий стартап». Применялись методы корреляционного и множественного регрессионного анализа.
Фокус анализа смещен на выявление факторов, статистически значимо влияющих на успех студенческих стартапов (количество победителей конкурса «Студенческий стартап»), и последующее сопоставление механизмов предложенной модели Красноярского края с этими факторами.
Возьмем показатели за 2022-2023 годы (2 года × 51 регионов = 102 наблюдения), поскольку за 2024 год есть данные не по всем статистическим показателям.
Независимые переменные взяты из каждого блока. Рассмотрим первую целевую группу «Органы власти».
Независимые переменные:
X1 — индекс производства по высокотехнологичным обрабатывающим видам экономической деятельности; X2 — удельный вес занятых исследованиями и разработками в среднесписочной численности работников организаций субъекта Российской Федерации; X3 — удельный вес лиц, имеющих ученую степень (кандидата, доктора наук), в общей численности исследователей; X4 — внутренние затраты на исследования и разработки за счет всех источников в текущих ценах в процентах к ВРП; X5 — доля организаций, осуществляющих технологические инновации, в общем числе организаций; X6 — доля отечественных технологий, используемых организациями реального сектора экономики, в общем количестве технологий, используемых организациями; X7 — удельный вес инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг.
Вторая целевая группа «Среда для ведения наукоемкого бизнеса» имеет следующие независимые переменные:
X8 — доля исследователей в возрасте до 39 лет в общей численности российских исследователей; X9 — удельный вес средств бюджета субъектов Российской Федерации и местных бюджетов в общем объеме затрат на инновационную деятельность; X10 — доля продукции высокотехнологичных и наукоемких отраслей в валовом региональном продукте; X11 — уровень инновационной активности организаций.
Показатели из третьей целевой группы «Среда для работы исследователей» включают следующие независимые переменные:
X12 — соотношение среднемесячной начисленной заработной платы работников организаций, относящихся к виду экономической деятельности по коду ОКВЭД 2 72 «Научные исследования и разработки», к среднемесячной начисленной заработной плате работников организаций в субъекте Российской Федерации; X13 — удельный вес средств организаций предпринимательского сектора в общем объеме внутренних затрат на исследования и разработки; X14 — стоимость машин и оборудования в расчете на одного исследователя; X15 — темп роста стоимости машин и оборудования; X16 — число патентных заявок на изобретения, полезные модели и промышленные образцы, поданных в Роспатент национальными заявителями.
Результаты корреляционного анализа выявили наличие статистически значимых положительных связей между показателями научно-технологического развития регионов и динамикой студенческих стартапов. Наиболее существенное влияние оказывают: доля организаций, реализующих технологические инновации (r = 0,58), что свидетельствует о том, что активное внедрение инноваций в региональной экономике напрямую способствует росту предпринимательской активности и появлению новых стартапов. Одной из наиболее значимых и устойчивых является также положительная связь с переменной X11 — уровнем инновационной активности организаций (r = 0,53). Это свидетельствует о том, что регионы с более развитой инновационной средой в бизнес-секторе демонстрируют значительно больше успешных студенческих стартапов. Таким образом, инновационная активность организаций выступает главным драйвером успеха молодых предпринимателей. что подтверждает прямую зависимость между инновационной активностью бизнеса и успешностью студенческого предпринимательства; численность исследовательского персонала, свидетельствующая о важности кадрового потенциала; а также патентная активность (r = 0,74), являющаяся ключевым индикатором зрелости инновационной экосистемы.
Обнаружена высокая степень взаимозависимости между факторами инновационного развития: установлены тесные связи между численностью исследователей и объемом финансирования НИОКР, а также между инновационной активностью организаций и долей инновационной продукции. Это подтверждает системный характер инновационных процессов и необходимость комплексного подхода к их стимулированию.
Полученные результаты корреляционного анализа по всем трём блокам факторов позволили выявить ключевые предикторы успешности студенческих стартапов, однако они не дают возможности оценить их совместное влияние и относительную значимость в рамках единой модели. В связи с этим для комплексной проверки основной гипотезы о соответствии механизмов предложенной модели значимым драйверам предпринимательства был применён многофакторный регрессионный анализ, позволяющий проверить гипотезу о том, что предложенные механизмы целенаправленно воздействуют именно на те предикторы успеха, которые были выявлены как статистически значимые.
В качестве основного метода оценки был выбран метод наименьших квадратов (МНК). Для реализации процедуры оценки был использован специализированный программный код на языке Python.
Коэффициенты регрессии представлены в таблице 1.
На основании результатов регрессионного анализа, направленного на исследование влияния широкого спектра факторов (X1-X16) на количество победителей конкурса «Студенческий стартап» (Y1), можно сформулировать комплексный и детальный вывод, который имеет важное значение для понимания механизмов развития инновационного предпринимательства среди молодежи и может быть использован в диссертационном исследовании.
Анализ значимых факторов показывает, что из 16 рассмотренных переменных лишь пять оказывают статистически значимое влияние на количество победителей. Среди них выделяются два наиболее сильных положительных фактора — уровень инновационной активности организаций (X11) и число патентных заявок (X16). Коэффициенты регрессии для этих переменных существенно превышают остальные, что свидетельствует об их ключевой роли.
К другим сильным положительным факторам относятся: : удельный вес лиц с учёной степенью (X3) и доля молодых исследователей до 39 лет (X8). Эти факторы подчеркивают значимость квалифицированных и молодых научных кадров для инновационного предпринимательства.
Следует также обратить внимание на отрицательное влияние доли средств региональных и местных бюджетов в инновационных затратах (X9). Этот результат требует осторожной интерпретации и может указывать на несколько возможных проблем.
Во-первых, существует вероятность, что государственное финансирование инноваций в регионах неэффективно распределяется и не направляется на поддержку перспективных студенческих проектов.
Во-вторых, увеличение доли бюджетных средств может замещать частные инвестиции и инициативы, снижая мотивацию бизнеса к активному участию в инновационной деятельности. Данный факт подчеркивает необходимость глубокого анализа механизмов и качества бюджетного финансирования, а также разработки более целевых и эффективных программ поддержки студенческих стартапов.
Таблица 1 — Коэффициенты регрессии
| Переменные | Коэффициенты |
| Y-пересечение | -0,134 |
| Переменная X 1 | -0,051 |
| Переменная X 2 | 0,036 |
| Переменная X 3 | 0,124 |
| Переменная X 4 | -0,086 |
| Переменная X 5 | -0,155 |
| Переменная X 6 | -0,050 |
| Переменная X 7 | -0,007 |
| Переменная X 8 | 0,187 |
| Переменная X 9 | -0,099 |
| Переменная X 10 | -0,057 |
| Переменная X 11 | 0,722 |
| Переменная X 12 | -0,131 |
| Переменная X 13 | 0,005 |
| Переменная X 14 | -0,015 |
| Переменная X 15 | -0,027 |
| Переменная X 16 | 0,853 |
Вывод итогов регрессионного анализа представлен на рисунке 3.
Рисунок 3 – Вывод итогов регрессионного анализ
Важно отметить высокое качество построенной модели. Значение коэффициента детерминации R², равное 0,798, свидетельствует о том, что почти 80% вариации числа победителей конкурса объясняется совокупностью включённых в модель факторов. Это указывает на высокую степень адекватности модели и её способность отражать реальные взаимосвязи в исследуемой предметной области. Кроме того, крайне низкое значение уровня значимости F-теста (практически равное нулю) подтверждает, что влияние совокупности факторов на результат не является случайным, а носит статистически значимый характер. Таким образом, модель представляет собой надежный инструмент для оценки детерминант успеха студенческих стартапов на региональном уровне.
Важно отметить, что большинство традиционных показателей научно- инновационного потенциала (X1, X2, X4, X5, X6, X7, X10, X12, X13, X14, X15), не проявили статистически значимого влияния на количество победителей в рамках данной модели. Это свидетельствует о том, что традиционные индикаторы научно- технического потенциала не всегда являются адекватным отражением факторов, способствующих развитию молодежного инновационного предпринимательства.
Заключение
С практической точки зрения, полученные результаты позволяют сформулировать конкретные рекомендации для региональной политики и управления инновационным развитием.
- В регионах приоритетное внимание следует уделять развитию инновационной активности бизнеса и стимулированию патентной активности. Это увеличивает число победителей конкурса «Студенческий стартап», создает благоприятные условия для коммерциализации научных идей.
- Необходимо поддерживать и развивать молодой научный потенциал, обеспечивая условия для привлечения и удержания молодых исследователей, а также повышения квалификации научных кадров. Важным направлением является создание систем менторства, образовательных программ и грантовой поддержки, ориентированных на студентов и молодых ученых.
- Особое внимание следует уделить анализу и оптимизации регионального бюджетного финансирования инноваций, в том числе создавать механизмы, стимулирующие синергию государственного и частного финансирования.
- Традиционные меры поддержки, основанные на госфинансировании и инфраструктурных вложениях недостаточно эффективны без активного участия частного сектора и системной поддержки кадрового потенциала, например вовлечение молодых исследователей и студентов практиков.
Список литературы
- Алихманова, А.Н. Математическое и алгоритмическое обеспечение для оценки эффективности деятельности предприятий // Диссертация на соискание ученой степени кандидата технических наук. Томск 2023. ФГБОУВО «Томский государственный университет систем управления и радиоэлектроники».
- Модель эндогенного роста Ромера [Электронный ресурс]. URL: https:// bigenc.ru (дата обращения: 14.04.2025).
- Национальный рейтинг субъектов Российской Федерации [Электронный ресурс] URL: https://minobrnauki.gov.ru (дата обращения 25.08. 2026)
- Платформа университетского технологического предпринимательства [Электронный ресурс] URL: https://minobrnauki.gov.ru (дата обращения 14.05. 2026)
- Студентам-предпринимателям окажут государственную поддержку [Электронный ресурс]. URL: https://rg.ru/2023/03/23/reg-sibfo/biznes-uvazhaet-derzkih.html (дата обращения: 14.04.2025).
References:
- Alihmanova, A.N. Mathematical and Algorithmic Support for Assessing the Efficiency of Enterprises [Matematicheskoye i algoritmicheskoye obespecheniye dlya otsenki effektivnosti deyatel’nosti predpriyatiy] // Dissertation for the Degree of Candidate of Technical Sciences. Tomsk State University of Control Systems and Radioelectronics. Tomsk: 2023.
- Romer’s Endogenous Growth Model [Romer’s Endogenous Growth Model] [Electronic Resource]. URL: https://bigenc.ru(accessed: 2025-04-14).
- National Rating of Subjects of the Russian Federation [Natsional’nyy reyting sub”yektov Rossiyskoy Federatsii] [Electronic Resource]. URL: https://minobrnauki.gov.ru(accessed: 2026-08-25).
- University Technology Entrepreneurship Platform [Platforma universitet’skogo tekhnologicheskogo predprinimatel’stva] [Electronic Resource]. URL: https://minobrnauki.gov.ru(accessed: 2026-05-14).
- Government Support for Student Entrepreneurs [Studentyam-predprinimatelyam okazhut gosudarstvennuyu podderzhku] [Electronic Resource]. URL: https://rg.ru/2023/03/23/reg-sibfo/biznes-uvazhaet-derzkih.html(accessed: 2025-04-14).
Еще в рубриках
Регионы России
Экономика инноваций