Детерминанты инновационного развития в регионах России: оценка с учетом временных лагов и региональной неоднородности

Введение

На современном этапе экономического развития успешность реализации модели, основанной на знаниях и инновациях, неразрывно связана со способностью генерировать новые знания. Этот процесс и дальнейшая коммерциализация становятся важнейшими условиями обеспечения конкурентоспособности страны на мировом рынке. Пространственная неоднородность, характерная для российских регионов, актуализирует вопрос об оценке факторов влияния на изобретательскую активность, измеряемую патентной статистикой.

Изменения геополитического курса переориентировали цели научно-технологической политики [1; 2]. Импортозамещение сопровождалось высокими трансакционными издержками, а в ряде случаев – заменой высокотехнологичной продукции менее качественными отечественными аналогами и расширением низкозатратных экспериментальных проектов при активном участии малого и среднего предпринимательства. Вместе с тем эмпирическая литература о факторах инновационной активности не выработала единства оценок результативности мер государственной поддержки. Распространённой проблемой остаётся использование статических подходов, не учитывающих эндогенность и инерционность процессов создания и внедрения инноваций.

Теоретическая основа инновационных процессов задана работами, подтверждающими положительную связь между научно-технологическим потенциалом и инновационным продуктом [20], с оговоркой, что в условиях переходных экономик эта связь может быть нелинейной и опосредованной качеством институтов [25]. Концепция национальных инновационных систем [22; 24] раскрыла институциональные взаимодействия, обеспечивающие создание, распространение и применение новых знаний. Дальнейшее развитие идея получили в работах по региональным инновационным системам [15]. Инновационные стратегии регионов должны учитывать множество показателей: научно-образовательный потенциал, развитость человеческого капитала, патентную активность, кооперационные связи [3; 27], стимулы и ограничения трансфера технологий [14]. Влияние всех факторов нельзя оценить однозначно, поскольку результаты политики в области региональных инновационных систем проявляются с временными лагами [4; 18]. На межстрановом уровне показано, что рост расходов на НИОКР на 1% сопровождается увеличением патентной активности на 1,21% [5]. Однако в российских регионах данная зависимость может ослабевать или принимать иной характер в силу институциональных особенностей, что требует проверки на региональных данных. Как показано в работе С.В. Фруминой, даже при наличии значительных бюджетных ассигнований на НИОКР их результативность может быть низкой без чёткой координации с налоговыми стимулами и механизмами привлечения частных инвестиций [12]. Результативность оценки функционирования преференциальных режимов особых экономических зон также демонстрируют противоречивые выводы [21; 26].

Для преодоления региональной дифференциации [6] современные исследователи подчёркивают необходимость сочетания комплексного подхода и адресности при выборе мер стимулировании технологического развития [7-9]. При этом особенность российской экономики заключается в низкой чувствительности к инвестициям в новые технологии и сохранении зависимости от устаревшего технологического базиса [11], а сама инновационная активность часто носит имитационный характер [13; 19]. Преодолеть данные противоречия возможно через формирование правил взаимодействия для всех заинтересованных участников, одним из которых является модель «тройной спирали» [17]. Суть модели раскрывается в кооперации между университетами, бизнесом и государством, фактором результативности которой выступают патенты (патентная активность).

Распространенные оценки факторов инновационной активности в регионах зачастую не учитывают проблему обратной причинности с полученными результатами, а также инерционность процессов создания новых знаний. Большинство исследований опираются на статические модели, игнорируя динамическую природу патентной активности и ненаблюдаемую неоднородность регионов. Отсутствуют комплексные оценки, которые одновременно учитывали бы эндогенность регрессоров, временные лаги и региональную специфику. На основе данного подхода проведен комплексный анализ факторов коммерциализации инноваций в российских регионах, восполняющий эмпирический пробел в этой области.

Целью работы является эмпирическая оценка влияния выбранных факторов (инвестиций в создание знаний, человеческого капитала высокой квалификации, институциональных условий и инфраструктуры) на патентную активность в регионах России с учётом временных лагов и региональной неоднородности.

Научная новизна работы заключается в эмпирической оценке детерминант патентной активности на панельных данных по 82 регионам России за 2014–2023 гг. с использованием динамической модели с фиксированными эффектами, позволяющей контролировать ненаблюдаемую неоднородность и эндогенность переменных. В отличие от предшествующих исследований, в работе сопоставляются факторы изобретательской активности с факторами коммерциализации инноваций, что позволяет выявить различия в детерминантах разных этапов инновационного цикла.

Предполагается, что в отличие от коммерциализации инноваций, где ключевую роль играют инвестиции в научные исследования и разработки (НИОКР) и институциональные условия, изобретательская активность в большей степени зависит от инновационной активности организаций и качества институциональной среды, тогда как человеческий капитал высокой квалификации может не оказывать прямого значимого влияния на патентование в силу ориентации академического сектора на фундаментальные исследования, а не на прикладные разработки и патентование.

Материалы и методы

Для проверки гипотез были использованы динамические панельные модели по определенным показателям в разрезе 82 субъектов Российской Федерации за период 2014–2023 гг.

Источниками данных послужили официальная статистика Росстата, данные Минфина России (показатели инновационной деятельности, затрат на НИОКР, инвестиций, патентной статистики), Минэкономразвития России (информация об ОЭЗ), Федеральная налоговая служба. Индексы научно-технологического потенциала, социально-экономических условий инновационной деятельности, качества инновационной политики использованы для характеристики институциональной среды регионов, их расчёт проводится в рамках рейтинга инновационного развития субъектов Российской Федерации [10].

Выбор переменных обусловлен теоретическими подходами и данными, доступными в официальной статистике.

В качестве зависимой переменной используется PATENT – число патентных заявок на 10 тыс. населения (изобретательская активность), который является индикатором изобретательской активности на региональном уровне.

Независимые переменные. RDEXP – внутренние затраты на исследования и разработки в процентах к ВРП (инвестиции в создание знаний); PHD – число исследователей с ученой степенью на 10 тыс. населения (человеческий капитал высокой квалификации); INACT – инновационная активность организаций, процент (общая склонность к инновациям); INCST – внутренние затраты на технологические инновации, процент от общих затрат организаций (инвестиции в внедрение знаний); INV – доля инвестиций, направленных на реконструкцию и модернизацию, процент от общего объема инвестиций (инфраструктура для внедрения); SEZ – бинарная переменная, отражающая наличие особой экономической зоны в регионе; INTP – индекс научно-технологического развития; ISEC – индекс социально-экономических условий; IQIP – индекс качества инновационной политики; LPI – индекс производительности труда.

Для устранения проблемы мультиколлинеарности и облегчения интерпретации константы все непрерывные переменные были предварительно центрированы вокруг своих средних значений. Проверка на мультиколлинеарность (VIF-тест) показала отсутствие критических значений (максимальное VIF = 1,86).

Выдвигаются следующие гипотезы: расходы на научные исследования и разработки (RDEXP) положительно связаны с патентной активностью (PATENT); инновационная активность организаций (INACT) и институциональные условия (INTP, ISEC, IQIP) положительно влияют на патентную активность; наличие преференциальных условий (SEZ) способствует патентной активности; вклад человеческого капитала высокой квалификации может быть неоднозначен в зависимости от вида реализации исследований.

Для выбора между тремя моделями (Pooled OLS, RE, FE) использованы F-тест и тест Хаусмана, где Pooled OLS – метод наименьших квадратов, FE – модель с фиксированными эффектами, RE – модель со случайными эффектами. Выбранная модель с фиксированными эффектами (FE) была специфицирована с лагированием регрессоров (до второго порядка) для учета времени изменения патентной активности под воздействием факторов.

Модель имеет следующий вид:

PATENTit​=α+βPATENTi,t−1​+ΓXi,t​+u_i​+ε_it​ (1)

где PATENTit​ – число патентных заявок в регионе i в год t; Xit – вектор регрессоров, включая лагированные значения (до второго порядка); u_i – ненаблюдаемые индивидуальные эффекты региона; ε_it – ошибка.

Результаты

На начальном этапе были оценены три модели воздействия факторов на патентную активность (PATENT) в субъектах Российской Федерации (таблицы 1, 2).

Таблица 1. Описательные статистики переменных

Table 1. Descriptive statistics of variables

Source: calculated by the author according to data from Rosstat, the Ministry of Economic Development of Russia, the Ministry of Finance of Russia, and the rating of innovative development of the subjects of the Russian Federation.

После удаления пропущенных значений итоговый набор панельных данных включает 817 наблюдений из 820 возможных по 82 субъектам Российской Федерации за 2014–2023 гг. Описательные статистики переменных показывают значительный разброс значений показателей между регионами, что подтверждает высокий уровень региональной дифференциации.

Таблица 2. Сравнительные результаты оценки факторов патентной активности (зависимая переменная: PATENT)

Table 2. Comparative estimation results of factors affecting patent activity (dependent variable: PATENT)

Источник: составлено автором.

Source: compiled by the authors.

Сравнение моделей показывает, что оценки коэффициентов для ключевых переменных устойчивы по направлению влияния, хотя величина эффектов варьируется. Это подтверждает надёжность полученных выводов. Наиболее релевантной оказалась модель с фиксированными эффектами (FE-модель).

Результаты оценки воздействия факторов на патентную активность (PATENT) в субъектах Российской Федерации представлены в таблице 3.

Таблица 3. Результаты оценки факторов на патентную активность (FE-модель)

Table 3. Estimation results of the impact of factors on patent activity (FE-model)

Источник: составлено автором.

Source: compiled by the authors.

Качество спецификации и интерпретируемость выбранной модели подтверждаются диагностическими тестами. Совместная значимость регрессоров подтверждена F-тестом (5,12 при p <0,001). Критической мультиколлинеарности не выявлено (VIF – в пределах 1,86).

Оценённые коэффициенты показывают разнонаправленность влияния факторов на патентную активность в регионе. Институциональные условия, которые характеризуются индексом научно-технологического потенциала и качеством инновационной политики, положительно влияют на динамику патентной активности. Увеличение доли инновационно-активных предприятий на 1 процентный пункт соответствует росту патентной активности на 0,024 пункта. В тоже время расходы на НИОКР отрицательно связаны с патентной активностью. При увеличении доли затрат на исследования и разработки в ВРП на 1 процентный пункт показатель патентной активности снижается на 0,285 пункта. Показатели преференциальных режимов, доли ученых, инвестиций в модернизацию и затрат на технологические инновации не достигли статистически принятого уровня значимости.

Результаты оценки влияния факторов на патентную активность с учётом лагов объясняющих переменных до второго порядка представлены в таблице 4. Число наблюдений сокращается до 656 за счёт потери двух периодов.

Таблица 4. Результаты оценки влияния факторов на патентную активность с учётом временных лагов (FE-модель)

Table 4. Estimation results of the impact of factors on patent activity with time lags (FE-model)

Источник: составлено автором.

Source: compiled by the authors.

Включение лагов в модель позволяет уточнить временной характер влияния факторов. Инновационная активность организаций (INACT) сохраняет значимый положительный эффект в текущем периоде (0,0209; p < 0,05). Лаги инновационной активности статистически незначимы, что может указывать на краткосрочный характер воздействия. Эффект от роста инновационной активности проявляется в том же году и не имеет пролонгированного действия.

Расходы на НИОКР (RDEXP) в модели с лагами демонстрируют отрицательный эффект на втором лагу (-0,2507; p <0,1), при незначимых текущих и первых лагированных значений. Данный результат может указывать на то, что простое наращивание финансирования исследований и разработок не приводит к росту патентной активности в долгосрочной перспективе, а в ряде случаев даже сопровождается снижением изобретательской активности.

Особые экономические зоны (SEZ) в модели с лагами показывают отрицательный эффект (-0,1945; p <0,05). Это позволяет предположить, что компании, размещающиеся в ОЭЗ, ориентированы преимущественно на производственную деятельность, а не на генерацию патентов, либо используют преференциальный режим для целей, не связанных с инновационным развитием.

Научно-технологический потенциал (INTP) и качество инновационной политики (IQIP) сохраняют значимое положительное влияние, что подтверждает важность институциональной среды для стимулирования изобретательской активности. Остальные факторы (человеческий капитал, затраты на технологические инновации, инвестиции в модернизацию, индекс социально-экономических условий, производительность труда) статистически незначимы во всех спецификациях

Визуализация оценок модели (рис. 1) позволяет наглядно сопоставить характер и временную динамику влияния различных факторов на долю патентную активность в региональном разрезе.

Примечание: красный – значимые коэффициенты (p < 0,1), планки погрешностей соответствуют 95% доверительному интервалу.

Рисунок 1. Динамика влияния факторов на патентную активность

Figure 1. Dynamics of the influence of factors

Источник: составлено автором

Source: compiled by the authors

Первая группа факторов (инновационная активность организаций и институциональные факторы) даёт устойчивый положительный эффект в текущем периоде. Вовлечённость предприятий в инновационные процессы и качество институциональной среды выступают прямыми драйверами изобретательской активности. Однако отсутствие значимости с лаговыми периодами свидетельствует о краткосрочном характере воздействия.

Вторая группа факторов (расходы на НИОКР и особые экономические зоны) обнаруживает отрицательную или незначимую динамику. На втором лаговом периоде расходы на НИОКР сопровождаются даже снижением патентной активности. ОЭЗ в ряде спецификаций демонстрируют отрицательную отдачу по патентам, что позволяет предположить ограниченные возможности действующей системы преференциальных режимов в решении задач стимулирования инноваций.

Третья группа факторов (человеческий капитал, затраты на технологические инновации, инвестиции в модернизацию и социально-экономические условия) статистически незначима на всех временных лагах. Данные факторы либо не являются определяющими для патентной активности в российских регионах, либо их влияние опосредовано институциональными условиями, не учтёнными в модели.

Обсуждение

Полученные результаты позволяют уточнить представления о факторах, определяющих изобретательскую активность в российских регионах. Выводы не только согласуются с отдельными теоретическими положениями, но и выявляют противоречия, характерные для институциональной среды переходных экономик.

Наиболее устойчивый результат связан с инновационной активностью организаций. Положительный эффект фиксируется в обеих спецификациях, как в базовой модели, так и при включении лагов. Это позволяет говорить о том, что вовлечённость предприятий в инновационные процессы остаётся основным каналом генерации патентов. В отличие от коммерциализации, где аналогичный показатель также значим, для изобретательской активности он выступает безусловным стимулом. Отсутствие значимых лагов у INACT указывает на то, что эффект реализуется в текущем периоде и не накапливается. Это может означать, что инновационная активность организаций скорее характеризует текущую инновационную среду, нежели отражает долговременную динамику.

Отрицательный эффект расходов на НИОКР – один из наиболее дискуссионных результатов. В классических работах [16; 20] инвестиции в исследования и разработки рассматриваются как основной фактор генерации новых знаний и технологий. В полученных в данной работе оценках увеличение доли затрат на НИОКР в ВРП сопровождается снижением патентной активности в текущем периоде, а на втором лаге этот эффект сохраняется, хотя и на грани значимости. Расходы на НИОКР в российских регионах могут быть неэффективными из-за институциональных барьеров: слабая связь науки и производства, отсутствие стимулов к патентованию; разрыв между фундаментальными исследованиями и коммерциализацией – «долина смерти» [23]. В российских регионах средства, направляемые на исследования, концентрируются в академическом секторе, тогда как патентование в большей степени связано с прикладными разработками [11; 19]. Кроме того, значительная часть расходов на НИОКР может быть связана с содержанием институциональной инфраструктуры, а не с созданием новых технологических решений, которые могли бы быть запатентованы.

Особые экономические зоны в модели с лагами демонстрируют отрицательный эффект. В базовой спецификации он незначим, однако при учёте временных лагов коэффициент становится отрицательным и значимым. Это позволяет предположить, что компании, размещающиеся в ОЭЗ, ориентированы преимущественно на производственную деятельность, а не на генерацию патентов. Полученный результат согласуется с выводами ряда исследований о неоднозначной эффективности ОЭЗ [21; 26], где отмечается, что преференциальные режимы нередко используются для оптимизации налоговой нагрузки, а не для стимулирования инновационной активности.

Показатели научно-технологического потенциала, а также инновационная политика проявили положительное влияние в обеих модельных спецификациях. Вклад научно-технологического потенциала (измеренный через соответствующий коэффициент) существенно превысил эффекты от прочих факторов.

Параметр доли исследователей с учёными степенями не показал значимого влияния на патентную активность. Одним из объяснений может быть, концентрация деятельности ученых на академических научных задачах и образовательной деятельности, что отдаляет их от прикладных разработок. Патентная активность преимущественно развивается в корпоративном секторе или в исследовательских организациях.

Параметр социально-экономических условий, затраты на инновации и модернизацию не показали значимость для патентной активности. Данные факторы либо не являются определяющими для изобретательской деятельности, либо их влияние опосредовано другими институциональными условиями. В отличие от коммерциализации, где затраты на технологические инновации давали отсроченный положительный эффект, для патентования такие инвестиции не работают. Вероятно, это связано с тем, что затраты на технологические инновации направлены на приобретение оборудования и технологий, а не на создание новых знаний.

Обобщая изложенное, следует признать, что сложившийся инструментарий научно-технологической политики не обеспечивает ожидаемого роста изобретательской активности. Для стимулирования патентования необходим переход от экстенсивных мер к институциональным изменениям, направленным на усиление связи между академической наукой и промышленностью, создание механизмов коммерциализации результатов исследований, а также выработку стимулов для бизнеса к патентованию и внедрению разработок.

Заключение

Проведённое исследование позволило выявить ряд устойчивых закономерностей и сформулировать следующие выводы.

(1) Инновационная активность организаций и институциональные условия выступают основными драйверами изобретательской активности. Положительный эффект устойчив в текущем периоде, тогда как лаги незначимы, что указывает на краткосрочный характер воздействия. Это означает, что вовлечённость предприятий в инновационные процессы даёт быстрый, но краткосрочный результат. Для формирования устойчивого патентного потока одной лишь текущей активности недостаточно, требуются механизмы, закрепляющие эффект на длительном горизонте.

(2) Расходы на НИОКР в текущей институциональной среде не способствуют росту патентной активности: в базовой модели эффект отрицательный, с двухлетним лагом – на грани значимости. Это нарушает классические представления о прямой связи финансирования науки и генерации патентов. Расхождение может указывать на то, что в российских регионах основная часть средств направляется на фундаментальные исследования и содержание институциональной инфраструктуры, тогда как патентование в большей степени зависит от прикладных разработок и корпоративного сектора.

(3) Особые экономические зоны не выполняют функцию стимулирования изобретательской деятельности. В модели с лагами их влияние отрицательно, что позволяет предположить ограниченность использования преференциальных режимов. Компании, размещающиеся в ОЭЗ, ориентированы преимущественно на производство, а не на патентование, либо используют льготы для целей, не связанных с инновационным развитием.

(4) Человеческий капитал, измеряемый долей исследователей с учёными степенями, статистически незначим и для патентования не является определяющим фактором. Это не означает, что кадровый потенциал не важен, но указывает на то, что текущая модель его использования не ориентирована на патентование. Учёные концентрируются на академических задачах и фундаментальной науке, тогда как патентная активность формируется в других сегментах – в корпоративном секторе или в прикладных исследовательских организациях.

(5) Затраты на технологические инновации, инвестиции в модернизацию и социально-экономические условия не оказывают значимого влияния на изобретательскую активность, что позволяет предположить, что их роль в генерации патентов опосредована другими институциональными факторами.

Полученные результаты свидетельствуют о необходимости пересмотра приоритетов научно-технологической политики в части стимулирования патентования. Финансирование науки и создание преференциальных режимов в их текущей конфигурации не дают ожидаемого эффекта. Для изменения ситуации требуется переориентация политики – не столько на наращивание затрат, сколько на устранение институциональных барьеров между академическим сектором и промышленностью, создание стимулов для прикладных исследований и формирование механизмов, обеспечивающих трансформацию научных результатов в патенты и последующие инновации.