Урбанизация как фактор стимулирования инновационных региональных систем

Грачев С.А.1
1 Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых(ВлГУ)

Статья в журнале

Экономика, предпринимательство и право (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 14, Номер 8 (Август 2024)

Цитировать:
Грачев С.А. Урбанизация как фактор стимулирования инновационных региональных систем // Экономика, предпринимательство и право. – 2024. – Том 14. – № 8. – doi: 10.18334/epp.14.8.121148.

Аннотация:
Статья рассматривает аспекты взаимосвязи процессов возрастания доли городского населения и роста инновационной составляющей региональных экономических систем. Урбанизация, влияя на все аспекты экономического и социального функционирования хозяйствующих субъектов и населения, видоизменяет практически все протекающие процессы. Помимо прочего значительное воздействие оказывается на инновационную составляющую региональных экономик. В работе предложен подход по оценке взаимосвязи и взаимовлияния между показателем урбанизации (долей городского населения) и параметрами инновационного развития на региональном уровне. Данный инструментарий основывается на методах корреляционно-регрессионного анализа. К элементам научной новизны можно отнести сформированный инструментарий, а также первичная классификация регионов по числу сформированных взаимосвязей. Данный сформированный инструментарий можно использовать для решения отдельных задач планирования и моделирования экономических и социальных территориальных субъектов Федерации и отслеживания национального вектора развития. Были получены регрессионные модели как национального, так и регионального уровня (по территориям Центрального федерального округа). Была доказана гипотеза о наличии взаимосвязи процесса урбанизации и показателями инновационного развития. Выявлены региональные особенности в части сформированности взаимосвязей инновационной составляющей. Текущее исследование может использоваться для моделирования и прогнозирования регионального инновационного развития исследователями и представителями государственной и муниципальной власти

Ключевые слова: анализ, модель, урбанизация, инновации, регрессия

JEL-классификация: O31 O32 O 33



Введение

Современная экономические системы национального и регионального уровня функционируют в условиях высокой конкуренции. Кроме того, возникает необходимость формирования новых и поддержание экономических связей во всех сферах на всех уровнях хозяйствования. Это важно ввиду ограничений, введенных в том числе в сфере наукоёмких и высокотехнологических рынков и их продукции. Следует отметить, что протекающие процессы цифровизации и урбанизации также оказывают влияние на протекающие процессы.

Несмотря на многообразие протекающих процессов и непростую внешнеэкономическую ситуацию инновационное развитие остаётся крайне важным и актуальным. Кроме того, следует отметить, что ввиду сложности и многообразия факторов, необходимо также отслеживать их взаимосвязи и взаимовлияние.

Данное направление исследования ввиду его актуальности на современном этапе достаточно активно изучается как отечественными, так и зарубежными учеными. Так, зависимость эффективности функционирования инновационной составляющей от географического расположения акторов было доказано Ашемом Б. и Гертлером М. [1]. Дальнейшее развитие тематика получила в работах, изучавших влияние пространственных аспектов на инновационный потенциал территорий. Так положительные эффекты от близкого расположения наукоемких компаний описаны в работах Брески С. и Лиссони Ф. [2], вопросы перелива знаний, а также аспекты «неявного» знания рассмотрены в трудах Сторпера М. [3], а также Аудреча Б. [4]. Отечественный опыт агломерационных эффектов, вызванных процессов урбанизации рассмотрен в трудах Копытовой Е.Д. [5], Шороховой И.С. [6]. Следует также отметить, что активно изучаются и современные особенности инновационной составляющей российской экономики. В частности, инфраструктурные аспекты рассмотрены в работах Макарова И.Н. [7], проблемы прогнозирования развития умных городов – Семячкова К.А. [8], вопросы кластерного развития инноваций - Казаковой М.В. [9]. Индивидуальный опыт инновационного развития отдельных территорий также активно изучается, что нашло отражение в исследованиях Волковой И.А. [10], Иванова С.Л. [11].

Обилие работ и их многогранность оказывает актуальность тематики и ее востребованность на различных уровнях хозяйствования.

Однако это также указывает на наличие нерешенных проблем и пробелов в научном знании. Так, в частности, остаются неизученными отдельные аспекты влияния процессов урбанизации на инновационное развитие отдельных регионов и сравнения данного направления с общенациональными тенденциями. При этом следует отметить, что взаимосвязь данных сфер доказана и обоснована.

Таким образом, гипотезу исследования можно сформулировать как предположение о наличии взаимосвязи между параметрами урбанизации (доли городского населения) и инновационного развития (разработанные передовые производственные технологии, затраты на инновационную деятельность организаций объем инновационных товаров, работ, услуг).

Исходя из данной гипотезы была определена цель работы как определение взаимосвязи между параметрами урбанизации и инновационного развития региональном уровнях с помощью методов корреляционно-регрессионного анализа.

Методами исследования выступили инструменты математической статистики и корреляционно-регрессионного анализа.

К положениям научной новизны можно отнести формирование инструментария оценки влияния процесса урбанизации на отдельные составляющие инновационного развития, а также выявление индивидуальных особенностей развития регионов с первичной их классификацией по количеству сформированных связей.

Описание проблематики

В текущее время крайне широкое распространение получила концепция инновационной экономики. При реализации данного подхода упор делается на массовое внедрение передовых идей и технологий во сферы не только экономики, но и социума.

В данном случае значительно возрастает значимость географического местоположения центра генерации инноваций. Большинство исследователей разделяют мнение о важности вопросов локации хозяйствующих субъектов. Но, при этом существует несколько направлений: первое концентрируется на экономике урбанизации, при которой главенствующим является разнообразие компаний, занимающихся наукоемкой деятельностью [12]. Другое направление фокусируется на близости компаний в отдельном секторе, что способствует ускорению и облегчению обмена данными и знаниями [13]. Кроме того, существует ряд исследований, которые установили наличие устойчивой связи между плотностью размещения компании и эффективностью инновационной деятельности компаний участников [14].

Вместе с тем, еще одним трендом современного развития является нарастающий процесс урбанизации и цифровизация. Что, естественным образом, также оказывает влияние на озвученные ранее процессы.

Увеличение площади городов и рост численности городского населения можно трактовать двояко, как положительно, так и отрицательно. Негативным данный процесс часто определяют с позиции реализации концепции устойчивого развития в части энергоёмкости и энергоэффективности, а также роста экологической нагрузки. Однако с другой стороны, развитие городов способствует инфраструктурному развитию и активизации инновационной деятельности ввиду наличия географической близости исследовательских центров к центрам производства. Кроме того, городская среда положительно влияет на качество жизни, что, в свою очередь, положительно влияет на наукоемкую сферу [15].

Если рассматривать процесс урбанизации российских регионов (на примере субъектов Центрального федерального округа (ЦФО)) по показателю доли городского населения (рисунок 1), то можно сделать вывод о том, что территории имеют различные тенденции. Если на общенациональном уровне присутствует рост данного показателя за анализируемый период 2000-2022 гг. на 2,3%, то отдельные регионы демонстрируют различные тенденции:

- регионы роста (12 субъектов) – лидерами выступают Курская (+12,7%), Воронежская (+11,2%) и Костромская (+10,9%) области;

- регионы спада (5 субъектов) – наибольшее снижение произошло в Тульской области (-10,1%).

Отдельно отметим, что г. Москва в связи с его статусом, был исключён из анализа.

Рисунок 1 – Доля городского населения по субъектам Центрального федерального округа, 2000-2022 гг.

Источник: Регионы России. Социально-экономические показатели. 2023. / Стат.сб./Росстат. - М., 2023. – 1126 c. [16]

Часть работ, посвящённых смежным темам также затрагивают отдельные аспекты с одной стороны пространственного расположения, с другой особенности управления системами в современный период. Следует отметить, что исследователи отмечают некоторое снижение значимости городских агломераций в части концентрации инвестиций и инноваций [17], что также становится объяснить развитием цифровых технологий и сервисов. Изменение условий приводит к формированию необходимости к уточнению методического и методологических аппаратов анализа и оценки данного направления [18]. Это приводит в свою к переоценке государственного управления и осмысления роли правительства в информационном обществе [19], а также к смене влияния рыночных структур на модели поведения компаний на рынке [20].

Отследить динамику данного направления частично можно по динамике показателей развития инновационной сферы (рисунок 2).

Рисунок 2 – Динамика развития инновационной сферы, Российская Федерация, 2010-2022 гг.

Источник: Регионы России. Социально-экономические показатели. 2023. / Стат.сб./Росстат. - М., 2023. – 1126 c. [16]

На общенациональном уровне все рассматриваемые показатели демонстрируют рост, так число передовых разработанных технологий возросли на 203,3%, затраты на инновационную деятельность организаций – на 564,3%, объем инновационных товаров, работа, услуг – на 412,7%.

Региональный уровень в целом разделяет общегосударственные тенденции, однако следует отметить, что имеют место отдельные особенности. Так, по числу разработанных передовых технологий только два региона показывают убыль – Калужская и Тульская области, по затратам на инновационную деятельность – Ивановская область, по объему инновационных товаров, работ, услуг – Орловская и Костромская области.

В целом можно отметить, что протекающие процессы инновационного развития и урбанизации на национальном и региональном уровнях в целом схожи, однако территории имеют особенности развития, которые проявляются в том числе в отдельных отклонениях от федерального вектора развития. Выявление данных особенностей представляется значимым вопросом, ввиду того, что их учет необходим при составлении планов долгосрочного развития территорий.

Таблица 1 Динамика показателей инновационного развития регионов Центрального федерального округа, 2010-2022 гг.

2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
2021
2022
Разработанные передовые производственные технологии, единиц
Белгородская область
10
13
19
12
10
33
51
37
58
43
38
34
25
Брянская область
5
9
9
7
7
10
13
16
16
17
10
9
10
Владимирская область
-
9
7
3
11
15
11
10
9
9
16
10
14
Воронежская область
21
19
9
59
31
25
26
26
25
19
16
24
25
Ивановская область
-
8
10
11
... 1)
20
27
23
15
17
17
10
7
Калужская область
26
34
42
65
29
45
38
46
51
18
15
-
-
Костромская область
-
-
5
-
-
-
-
-
-
-
-
-
-
Курская область
-
-
3
-
-
-
-
-
-
-
-
-

Липецкая область
-
-
-
-
-
-
-
-
-
-
-
-
-
Московская область
66
123
68
101
70
68
109
101
134
128
168
201
195
Орловская область
5
-
-
-
-
-
-
-
4
-
-
-
-
Рязанская область
-
-
-
7
5
6
5
7
11
13
10
13
8
Смоленская область
-
-
-
-
9
7
10
12
18
27
19
-
-
Тамбовская
-
-
-
-
-
-
-
-
-
-
-
-
-
Тверская область
3
3
-
5
5
-
3
7
12
8
5
-
-
Тульская область
10
-
13
7
7
6
3
-
-
-
7
-
7
Ярославская область
5
8
18
29
37
20
34
29
26
9
8
4
-
Г. Москва
205
174
173
197
205
259
206
164
145
233
342
421
568
Затраты на инновационную деятельность организаций, (миллионов рублей)
Белгородская область
3072,3
2136,6
1629,0
1107,4
4108,8
2392,9
20339,0
23852,4
20703,2
30653,0
21540,9
30798,6
27232,1
Брянская область
929,7
1368,4
2426,7
2080,3
1246,3
1460,8
2789,9
1466,9
2164,6
2200,8
3742,3
2525,8
2241,2
Владимирская область
2613,1
3314,9
3849,9
4720,8
5906,6
9978,7
6734,6
6077,6
7249,8
14058,5
11950,5
7359,9
7689,6
Воронежская область
3190,3
8995,3
6608,9
7564,3
6769,7
9905,2
7729,3
13518,7
12725,1
22435,0
24847,9
19090,7
19661,8
Ивановская область
2519,5
811,8
797,1
377,8
225,0
282,8
361,0
253,3
154,7
195,3
1402,4
544,1
671,0
Калужская область
5321,5
8448,4
6787,1
15574,9
13491,9
11604,9
9232,9
10539,7
10401,3
5128,5
15471,0
7733,3
7067,0
Костромская область
827,6
459,9
723,0
504,5
486,4
1706,5
1146,3
559,6
685,3
748,3
453,5
9253,5
4036,3
Курская область
476,8
1878,9
2784,8
7710,6
4545,8
1022,4
2236,5
2061,0
2928,5
3449,0
1738,3
1829,8
2842,3
Липецкая область
26417,2
33983,4
11881,1
9892,1
11432,2
9726,5
15813,5
15321,4
10461,5
30970,7
42875,2
53767,7
42888,8
Московская область
12134,5
13236,5
52136,0
81299,5
107693,6
134313,9
126656,5
136250,6
136922,6
132824,0
185958,3
207162,0
205693,1
Орловская область
577,0
602,9
382,3
435,7
694,5
405,6
1539,7
1207,2
2924,5
962,0
1033,1
2979,6
2981,0
Рязанская область
2725,4
3318,5
6247,2
7242,3
10681,7
5913,9
6463,0
5585,9
3752,4
4575,8
3939,8
4323,7
4046,7
Смоленская область
1338,8
1974,4
1464,5
1432,2
1741,5
2636,0
3077,4
4286,3
2984,7
3803,2
3938,3
3228,8
4001,9
Тамбовская область
871,1
1187,3
2865,5
1841,8
2341,0
3417,5
6827,9
5818,9
5797,3
8225,5
3115,5
3436,8
6581,0
Тверская область
1565,9
3537,6
3896,0
6132,7
3093,9
3184,4
10308,6
14569,0
2023,6
4742,6
6639,4
4305,7
5260,9
Тульская область
5308,3
4447,4
8510,6
9520,9
10000,1
11509,7
17399,2
16119,8
18717,7
56822,0
26638,5
22241,6
35404,9
Ярославская область
11132,6
14498,3
15110,1
13129,3
15948,6
11669,5
5762,1
5778,9
4717,2
6531,4
8006,0
12947,3
14359,8
Г. Москва
22941,4
171476,7
176771,9
134632,1
177475,8
190334,7
283737,5
194205,0
249579,4
515945,9
527396,9
645168,7
722407,5
Объем инновационных товаров, работ, услуг (миллионов рублей)
Белгородская область
9391,6
15457,4
21683,4
21246,5
23098,3
29348,1
56411,5
101169,6
139301,4
150727,9
158024,3
190335,9
160333,0
Брянская область
4434,4
5807,6
11171,2
6654,9
8312,3
25445,2
30150,2
12198,6
6235,7
16261,0
31792,7
35265,2
25452,7
Владимирская область
4958,0
17029,9
26496,9
24829,9
22782,1
27015,3
21262,5
34029,9
17097,6
34001,3
39150,6
27132,8
28310,4
Воронежская область
13431,8
15588,5
16169,4
13520,8
24742,4
50120,6
27123,6
32481,8
36250,3
57946,9
43602,3
38083,6
37182,3
Ивановская область
2479,9
2492,8
514,7
463,1
795,2
1342,5
261,5
219,2
732,1
7938,1
5398,9
12964,0
9984,0
Калужская область
7190,6
15667,6
19439,8
15924,8
13724,3
14833,8
13978,0
16574,3
21001,5
17575,5
21706,8
35790,5
27460,3
Костромская область
2159,2
3299,0
3451,8
2272,1
2504,8
2198,4
9140,0
14590,9
11621,3
5376,4
10341,1
1836,8
1821,1
Курская область
1007,7
4738,5
6364,0
8591,3
13363,3
15087,2
24698,8
30361,0
48761,8
26754,2
30310,4
17028,5
29159,8
Липецкая область
31511,2
37106,0
43584,4
54860,5
63282,1
64830,1
66242,7
63108,2
65606,1
56295,0
54397,2
46904,1
42837,9
Московская область
90231,3
104854,7
179782,0
237539,0
268459,2
294032,1
357057,7
384328,6
357737,7
299890,3
380965,4
502758,0
416169,6
Орловская область
5868,9
5288,8
960,1
1143,8
885,1
748,5
869,7
1428,8
1481,7
6528,9
10219,2
5315,3
2622,5
Рязанская область
4497,5
5891,5
5246,6
5930,9
7293,7
8242,6
17542,2
19887,4
18871,3
28477,8
21399,9
30078,4
30501,2
Смоленская область
2367,0
2400,2
3152,0
5334,1
10438,8
5539,7
3997,4
10137,5
5585,9
15222,4
12564,7
8819,3
18791,6
Тамбовская область
2104,6
3667,2
3533,8
2624,3
6278,0
7165,4
8332,2
12962,6
18451,0
15999,7
15445,1
20395,6
23531,2
Тверская область
14948,3
18257,8
17155,6
18270,7
4489,6
12834,6
15724,2
10053,9
16079,5
24306,6
32431,1
48113,1
34332,5
Тульская область
8395,6
39152,4
50684,6
35378,7
41881,3
63110,9
66102,3
80875,4
84218,3
67069,2
131270,2
134432,4
146210,8
Ярославская область
21237,0
24735,2
34230,5
22812,3
26801,0
18057,8
48151,9
46557,6
48840,9
29493,3
27729,1
30375,2
33289,4
г. Москва
64543,2
158892,6
494532,2
686704,6
552039,1
851583,4
910869,1
248998,8
283544,6
565805,9
626603,4
795297,0
989918,7
Источник: Регионы России. Социально-экономические показатели. 2023. / Стат.сб./Росстат. - М., 2023. – 1126 c. [15]

Методы исследования

Для подтверждения высказанной ранее гипотезы был использован инструментарий корреляционно-регрессионного анализа. При этом следует отметить, что информационной базой выступили материалы Федеральной службы государственной статистики. Кроме того, следует отметить, что, учитывая специфику тематики, Москва была исключена из перечня анализируемого региона. Период исследования 2010-2022 гг.

В качестве исследуемых показателей были выбраны:

- доля городского населения, % – x;

- разработанные передовые производственные технологии, единиц – Y1;

- затраты на инновационную деятельность организаций, (миллионов рублей) – Y2;

- объем инновационных товаров, работ, услуг (миллионов рублей) – Y3.

Для определения наличия связи между анализируемыми параметрами был рассчитан коэффициент линейной корреляции, позволяющий оценить наличие и тесноту связи между показателями.

Полученные значения данного индикатора представлен в таблице 2.

Таблица 2 Значения линейной корреляции и характеристика связи между показателями

Коэффициент
корреляции х
относительно
Y1
Характеристика связи
Коэффициент
корреляции х
относительно Y2
Характеристика связи
Коэффициент
корреляции х
относительно Y3
Характеристика связи
Российская Федерация
0,89
высокая
0,96
весьма высокая
0,98
весьма высокая
Белгородская область
-0,57
заметная
-0,89
высокая
-0,97
весьма высокая
Брянская область
0,77
высокая
0,35
умеренная
0,39
умеренная
Владимирская область
0,25
слабая
0,39
умеренная
0,02
слабая
Воронежская область
-0,03
слабая
0,84
высокая
0,79
высокая
Ивановская область
-0,05
слабая
-0,26
слабая
0,78
высокая
Калужская область
0,37
умеренная
0,07
слабая
-0,77
высокая
Костромская область
-
-
0,55
заметная
0,28
слабая
Курская область
-
-
-0,04
слабая
0,79
высокая
Липецкая область
-
-
-0,70
заметная
-0,07
слабая
Московская область
-0,90
высокая
-0,91
весьма высокая
-0,84
высокая
Орловская область
-0,99
весьма высокая
0,57
заметная
0,01
слабая
Рязанская область
0,70
заметная
-0,31
умеренная
0,87
высокая
Смоленская область
-0,70
заметная
-0,44
умеренная
-0,27
слабая
Тамбовская область
-
-
0,76
высокая
0,94
весьма высокая
Тверская область
0,59
заметная
0,26
слабая
0,63
заметная
Тульская область
0,49
умеренная
-0,73
высокая
-0,92
весьма высокая
Ярославская область
0,20
слабая
0,19
слабая
-0,19
слабая
Источник: составлено авторами

Следует отметить, что данные коэффициентов демонстрируют, что отдельные зависимости не имеют достаточной тесноты связи. Кроме того, следует отметить, что имеет место разнонаправленная зависимость по сферам и по территориям. При этом в ряде случаев это не совпадает с национальными особенностями, что можно отнести к индивидуальным чертам отдельных регионов.

Для моделирования были отобраны показатели, имеющие значение по модулю выше 0,5.

Полученные результаты

Моделирование взаимосвязей, которые представляются значимыми с точки зрения оценки тесноты связей. Построение уравнения зависимостей было произведено с помощью инструментария регрессионного анализа. Сформированные таким образом модели представлены в таблице 3.

Таблица 3 Регрессионные модели зависимости параметра урбанизации и показателей инновационного развития

Регион
Уравнение регрессии
Характеристика модели
Российская Федерация
Y1 = 1194,3x - 87280
R² = 0,79
Y2 = 2E+06x - 1E+08
R² = 0,89
Y3 = 4E+06x - 3E+08
R² = 0,96
Белгородская область
Y1 = -27,752x + 1856
R² = 0,32
Y2 = -33100x + 2E+06
R² = 0,80
Y3 = -200504x + 1E+07
R² = 0,93
Брянская область
Y1 = 15,84x - 1089,9
R² = 0,59
Воронежская область
Y2 = 5857,2x - 382190
R² = 0,71
Y3 = 11453x - 740572
R² = 0,62
Ивановская область
Y3 = 8853,3x - 717697
R² = 0,61
Калужская область
Y3 = -10364x + 802992
R² = 0,60
Костромская область
Y2 = 994,22x - 69915
R² = 0,30
Курская область
Y3 = 10221x - 668334
R² = 0,63
Липецкая область
Y2 = -40562x + 3E+06
R² = 0,49
Московская область
Y1 = -69,395x + 5627,8
R² = 0,81
Y2 = -95588x + 8E+06
R² = 0,82
Y3 = -167877x + 1E+07
R² = 0,71
Орловская область
Y2 = 1206,1x - 78771
R² = 0,32
Рязанская область
Y3 = 31267x - 2E+06
R² = 0,75
Тамбовская область
Y2 = 2848,5x - 165766
R² = 0,58
Y3 = 10983x - 643837
R² = 0,88
Тверская область
Y3 = 12224x - 903523
R² = 0,40
Тульская область
Y2 = -5233,6x + 416380
R² = 0,53
Y3 = -19213x + 2E+06
R² = 0,86
Источник: составлено авторами

Следует отметить, что существует несколько групп регионов:

- субъекты с тремя сформированными моделями: Белгородская, Московская области;

- субъекты с двумя сформированными моделями – Воронежская, Тамбовская, Тульская области;

- субъекты с одной сформированной моделью – Брянская, Ивановская, Калужская, Костромская, Курская, Липецкая, Орловская, Рязанская, Тверская области;

- регионы с несформированными моделями – Владимирская, Смоленская, Ярославская области.

Следует отметить, что самыми массовой является категория с одной сформированной моделью – 9 территорий. На национальном уровне значимыми являются все три сформированные модели, аналогичными значениями обладают всего два региона. Оба из них традиционно входят в лидеры ЦФО. Можно предположить, что число моделей может зависеть не только от уровня инновационного развития, но и от сформированности системы взаимодействия с внешними территориями. Также следует учитывать, что введенные санкции оказали неравномерное воздействие на отдельные территории. Поэтому, возможно, территории получили большее негативное воздействие, процесс восстановления происходит несколько медленнее, чем в иных регионах.

Таким образом, высказанную гипотезу о наличии взаимосвязи между параметрами урбанизации и инновационного развития можно считать доказанной.

Заключение

Мировая экономическая система находится под воздействием достаточно значимого числа объективно протекающих процессов. Одним из них является процесс урбанизации, который оказывает влияние на все стороны экономического развития. Драйверами роста последнего выступают инновационная составляющая и цифровиация. Помимо прочих факторов доказанное влияние оказывает пространственные аспекты размещения отдельных хозяйствующих субъектов, что активно меняется ввиду озвученных процессов урбанизации.

Проведенное исследование выявило особенности российских территорий в части влияния роста доли городского населения на индикаторы инновационного развития. Так, были получены данные, позволяющие утверждать о наличии индивидуальных особенностей, присущих различного уровня территорий. Высказанная гипотеза о взаимовлиянии параметров урбанизации и инновационного развития (разработанные передовые производственные технологии, затраты на инновационную деятельность организаций объем инновационных товаров, работ, услуг). В процессе исследования были выявлены особенности развития территорий, проявляющиеся в различии сформированных устойчивых связей. Часть территорий демонстрируют полное сходство с национальными тенденциями, однако большинство субъектов демонстрируют особенности. Самая массовая категория территорий – это регион с одной сформированной моделью. Данные особенности, возможно, связаны с негативными проявлениями санкционного воздействиями и скоростью перестроения цепочек. Кроме того, часть территорий имеет неполную сформированность ввиду демонстрирования обратной связи между анализируемыми параметрами.

Выявленные особенности позволяют в дальнейшем сформировать расширенную классификацию регионов, отражающих особенности территориального инновационного развития. Это можно выделить как дальнейшее направление исследований по данной тематике.


Источники:

1. Ashiem B., Gertler M. The geography of innovation. Jan Fagergerg, David C. Mowery, Richard R. Nelson Nelson (Eds.), The Oxford Handbook of Innovation, Oxford University Press, Oxford (2005), pp. 291-317
2. Breschi S., Lissoni F. Knowledge spillovers and local innovation systems: a critical survey // Industrial and Corporate Change. – 2001. – № 4. – p. 975-1005.
3. Storper M., Venables A. J. Buzz: face-to-face contact and the urban economy // Journal of economic geography. – 2004. – № 4. – p. 351-370.
4. Audretsch B. Agglomeration and the location of innovative activity // Oxford Review of Economic Policy. – 1998. – № 2. – p. 18-29.
5. Копытова Е.Д., Патракова С.С. Агломерационные эффекты крупных городов: оценка на микроданных // Проблемы развития территории. – 2024. – № 2. – c. 10–23. – doi: 10.15838/ptd.2024.2.130.2.
6. Шорохова И.С. Методический подход к оценке влияния эффектов концентрации на инновационное развитие регионов России // Проблемы развития территории. – 2024. – № 1. – c. 42–60. – doi: 10.15838/ptd.2024.1.129.4.
7. Макаров И.Н., Пивоварова О.В., Дробот Е.В., Селищев О.В., Юшков М.А. Роль инновационной инфраструктуры в обеспечении пространственной политики России в условиях мобилизационной экономики // Вопросы инновационной экономики. – 2023. – № 4. – c. 2075-2084. – doi: 10.18334/vinec.13.4.119989.
8. Семячков К.А. Проблемы прогнозирования развития умных городов // Вопросы инновационной экономики. – 2023. – № 4. – c. 2103-2118. – doi: 10.18334/vinec.13.4.119292.
9. Казакова М.В. Творческие кросс-инновационные кластеры как драйверы современного экономического развития // Вопросы инновационной экономики. – 2023. – № 4. – c. 2143-2158. – doi: 10.18334/vinec.13.4.119716.
10. Волкова И.А., Галынчик Т.А., Данилова С.В. Векторы поддержки малого и среднего инновационного предпринимательства региона // Вопросы инновационной экономики. – 2023. – № 4. – c. 2187-2200. – doi: 10.18334/vinec.13.4.119799.
11. Иванов С.Л. Совершенствование инструментов государственной поддержки инновационного предпринимательства в регионе (на примере Вологодской области) // Вопросы инновационной экономики. – 2023. – № 4. – c. 2201-2222. – doi: 10.18334/vinec.13.4.119253.
12. Gilles D., Puga D. "Nursery Cities: Urban Diversity, Process Innovation, and the Life Cycle of Products." // American Economic Review. – 2001. – № 91 (5). – p. 1454-1477.
13. Asheim B.T., Isaksen A. Regional innovation systems: the integration of local 'sticky' and global 'ubiquitous' knowledge // Journal of Technology Transfer. – 2002. – № 1. – p. 77-86.
14. Knudsen B., Florida R., Stolarick K., Gates G. Density and Creativity in U.S. Regions // Annals of the Association of American Geographers. – 2008. – p. 461-478.
15. Hamidi S., Zandiatashbar A., Bonakdar A. The relationship between regional compactness and regional innovation capacity (RIC): Empirical evidence from a national study // Technological Forecasting and Social Change. – 2019. – p. 394-402.
16. Регионы России. Социально-экономические показатели. / Стат.сб./Росстат. - М., 2023. – 1126 c.
17. Кожевников С.А., Ворошилов Н.В. Агломерационные процессы в регионах России: особенности и проблемы активизации позитивных эффектов // Экономические и социальные перемены: факты, тенденции, прогноз. – 2024. – № 1. – c. 91–109. – doi: 10.15838/esc.2024.1.91.5.
18. Окрепилов В.В., Коршунов И.В. Управление развитием агломерации в условиях множества конкурирующих целей: задачи и решения // Экономические и социальные перемены: факты, тенденции, прогноз. – 2024. – № 1. – c. 60–78. – doi: 10.15838/esc.2024.1.91.3.
19. Шаймиева Э.Ш., Гумерова Г.И., Плешанов И.С., Гараева Р.Р. Информационное общество как основа экономики данных: российский опыт управления данными // Вопросы инновационной экономики. – 2024. – № 2. – doi: 10.18334/vinec.14.2.121093.
20. Стрелец И.А. Развитие квазиконкурентных рынков в условиях цифровизации экономики // Вопросы инновационной экономики. – 2024. – № 1. – c. 27-36. – doi: 10.18334/vinec.14.1.120542.

Страница обновлена: 30.05.2024 в 09:03:04