Статистическая оценка взаимосвязи показателей результативности инновационной политики университетов и их рейтинговых позиций
Литвинова Н.А.1,2
, Дятлов С.А.1 ![]()
1 Санкт-Петербургский государственный экономический университет, Санкт-Петербург, Россия
2 Санкт-Петербургский научно-исследовательский институт лесного хозяйства, Санкт-Петербург, Россия
Статья в журнале
Лидерство и менеджмент (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 13, Номер 8 (Август 2026)
Аннотация:
Российские университеты являются ключевыми драйверами инновационного развития и региональной экономики, формируя вокруг себя инновационные экосистемы. Однако развитие таких экосистем характеризуется межрегиональной неоднородностью. Целью исследования является выявление взаимосвязей между показателями развития университетских экосистем и позициями университетов во внешних рейтингах с учетом региональной специфики России. Эмпирическую базу исследования составили данные 120 университетов, которые участвовали в программе «Приоритет 2030». Для анализа использовались 28 показателей, включающих общие функциональные характеристики деятельности университетов и сквозные экосистемные показатели. Далее изучались связи между этими показателями и позициями вузов в четырех рейтингах: hh.ru, RAEX, Webometrics, Brand Analytics. Результаты показали, что позиции университетов в различных рейтингах согласованы частично. Университеты Москвы и Санкт-Петербурга демонстрируют более высокие значения по ряду показателей, однако цифровые показатели имеют меньшую территориальную дифференциацию. Было установлено, что наиболее выраженные взаимосвязи с позициями университетов в рейтингах характерны для показателей, отражающих сквозные экосистемные процессы. Это позволяет рассматривать экосистемные показатели как более информативные при анализе результативности инновационной политики университетов
Ключевые слова: инновационные экосистемы университетов, университетские рейтинги, региональные различия, инновационная политика, высшее образование, конкурентоспособность вузов, региональное развитие
JEL-классификация: O38, O32, O33, O34, I28
Введение
Роль университетов в экономике и социальном развитии регионов в последние годы заметно усилилась. Они все чаще рассматриваются не только как источники образовательных услуг и генераторы научного знания, но и как активные участники инновационных процессов, формирующие человеческий капитал и влияющие на конкурентоспособность территорий. В этой связи закономерно возрастает интерес к тому, как внутренние характеристики вузов соотносятся с внешними оценками их деятельности, прежде всего рейтинговыми.
Одновременно усиливается и практическое значение рейтингов, так как они влияют на распределение бюджетных средств, определяют стратегические приоритеты университетов и служат ориентиром для абитуриентов, работодателей и партнеров. Однако разные рейтинговые системы строятся на отличающихся критериях.
Для России этот вопрос приобретает особую остроту из-за глубоких межрегиональных диспропорций в развитии высшего образования. Столичные вузы традиционно имеют доступ к более широким международным связям, исследовательской инфраструктуре и кадровому потенциалу. Региональные университеты, напротив, зачастую действуют в условиях ограниченных ресурсов, что сужает их возможности для участия в глобальных научных сетях и инновационных проектах. Следствием становится не только разрыв в ресурсном обеспечении, но и разная способность выступать точками роста для своих территорий.
В статье под университетской экосистемой понимается не просто набор подразделений, а сложная сеть процессов образовательной, научной, предпринимательской и цифровой деятельности, а также многообразных внешних связей: с бизнесом, властью, научными организациями, международными партнерами. Развитие такой экосистемы определяется степенью зрелости и сбалансированности всех этих направлений и взаимодействий.
Соответственно, экосистемные показатели рассматриваются в работе как эмпирические индикаторы того, насколько успешно университет реализует инновационную политику. Такой ракурс позволяет, во-первых, зафиксировать различия между вузами через характеристики их экосистем, а во-вторых, сопоставить эти внутренние параметры с внешними рейтинговыми оценками.
Новизна подхода состоит в том, что экосистемные показатели используются не как дополнение к традиционным, а в качестве основного инструмента для оценки результативности инновационной политики. В отличие от работ, где университет рассматривается преимущественно как образовательный или исследовательский институт, здесь он выступает элементом инновационной экосистемы, а его показатели трактуются как свидетельство эффективности внешних и внутренних взаимодействий.
При всей значимости университетов как драйверов инноваций, в литературе сохраняется разрыв между анализом внутренних показателей (образование, наука, предпринимательство, цифровизация) и внешними оценками, которые дают рейтинги. Государство, работодатели и сами вузы ориентируются на рейтинги при принятии решений, но остается открытым вопрос: в какой мере эти рейтинги отражают реальные результаты инновационной политики, выраженные через экосистемные показатели? Можно ли считать рейтинги валидным внешним индикатором? И как учитывать сильную региональную дифференциацию, которая накладывает свой отпечаток на все эти взаимосвязи?
Цель исследования заключается в выявлении взаимосвязей между показателями университетских экосистем, интерпретируемыми как характеристики результативности инновационной политики, и позициями университетов в рейтингах, а также в анализе межрегиональной дифференциации данных взаимосвязей.
В рамках исследования выдвигаются следующие гипотезы:
Н1. Между университетами Москвы и Санкт-Петербурга и региональными вузами существуют различия в показателях развития университетских экосистем, обусловленные неоднородностью ресурсных условий их функционирования.
H2. Развитие университетских экосистем в России характеризуется межрегиональной неоднородностью, проявляющейся в различиях по ключевым направлениям образовательной, научной, предпринимательской и цифровой активности.
H3. Показатели университетских экосистем имеют статистически значимые взаимосвязи с позициями университетов в рейтингах, при этом более выраженные связи характерны для показателей, отражающих сквозные экосистемные характеристики университетской деятельности, по сравнению с общими показателями.
Для проверки выдвинутых гипотез в статье решаются следующие задачи:
1. Оценить согласованность позиций университетов в различных рейтингах и определить, какие аспекты их деятельности они отражают.
2. Выявить различия между университетами Москвы и Санкт-Петербурга и региональными вузами по ключевым показателям университетских экосистем.
3. Провести межрегиональный анализ университетских экосистем по федеральным округам для выявления пространственной неоднородности их развития.
4. Проанализировать взаимосвязи между показателями университетских экосистем и позициями университетов в рейтингах.
В современных исследованиях университеты рассматриваются не только как учреждения высшего образования и науки, но и как участники инновационных экосистем. В рамках концепции предпринимательского университета и модели «тройной спирали» вузы выступают площадками взаимодействия государства, бизнеса и научной среды, обеспечивая создание знаний, развитие человеческого капитала и поддержку инновационной деятельности [1, 5, 11, 16].
В зарубежных исследованиях влияние университетов на инновационное развитие также связывается с подготовкой кадров, исследовательской деятельностью, коммерциализацией технологий, созданием стартапов и развитием партнерских взаимодействий с внешними организациями [4, 9, 21]. При этом результативность университетских экосистем определяется не только объемом доступных ресурсов, но и уровнем включенности университетов в региональные и международные сети сотрудничества.
Российские исследования также указывают на усиление роли университетов в инновационном развитии регионов. Одновременно отмечаются ограничения, связанные с неоднородностью ресурсного обеспечения, недостаточным развитием предпринимательской инфраструктуры и различной степенью вовлеченности вузов в инновационные процессы [14, 17, 25].
За последние годы университетские рейтинги стали одним из наиболее распространенных инструментов оценки системы высшего образования. Они позволяют сопоставлять университеты по различным показателям деятельности и все чаще используются при формировании стратегий развития вузов и при реализации их инновационной политики [7]. Вместе с тем в научных исследованиях неоднократно обращается внимание на ограничения рейтинговых систем. Отмечается, что многие рейтинги в большей степени ориентированы на показатели репутации и научной активности, тогда как другие направления деятельности университетов учитываются менее полно [12, 18, 20, 22]. Кроме того, особенности используемых методик нередко создают более благоприятные условия для крупных университетов, которые обеспечены ресурсами в большей степени, чем менее крупные или региональные. При этом, несмотря на существующие дискуссии, рейтинги сохраняют значение инструмента внешней оценки и продолжают использоваться для анализа отдельных аспектов конкурентоспособности и развития университетов [6, 13]. В ряде исследований отмечается, что рейтинговые показатели способны косвенно фиксировать результаты инновационного и институционального развития университетов, включая их влияние на рынок труда и региональную экономику [8].
Вместе с тем применение рейтингов для оценки инновационного развития университетов связано с рядом методических ограничений. Различные рейтинговые системы используют собственные подходы к формированию итоговых оценок, включая отличающиеся наборы критериев, показатели и принципы их взвешивания. По этой причине рейтинги зачастую отражают не универсальную результативность деятельности университета, а отдельные ее стороны, например уровень научной репутации, цифровой активности, востребованность выпускников на рынке труда или интенсивность медиакоммуникаций. Следует учитывать и то, что позиции университетов в рейтингах во многом определяются масштабом вуза, объемом доступных ресурсов и степенью информационной открытости, что создает дополнительные преимущества для крупных столичных университетов по сравнению с региональными вузами. В рамках данного исследования рейтинговые позиции рассматриваются не как исчерпывающая оценка результативности инновационной политики, а как один из внешних инструментов анализа развития университетских экосистем.
Исследования региональных инновационных систем показывают, что инновационная активность распределяется между территориями неравномерно. На развитие университетских экосистем оказывают влияние различия в ресурсной базе, инфраструктуре и уровне межорганизационного взаимодействия [2, 10, 15, 23, 24]. Зарубежные исследования демонстрируют, что высокие инновационные результаты формируются прежде всего в условиях развитых сетевых взаимодействий между университетами, бизнесом и государством [2, 10, 23, 24]. При этом наличие образовательной и научной инфраструктуры само по себе не гарантирует высокой инновационной результативности.
В современной литературе все более широкое распространение получает «место-ориентированный подход», согласно которому эффективность инновационной политики зависит от учета особенностей конкретных территорий [19]. Для России данная проблема имеет особое значение вследствие существенных межрегиональных различий в уровне развития университетов и их включенности в национальные и международные взаимодействия.
Таким образом, проведенный анализ литературы показывает, что развитие университетских экосистем, результаты инновационной политики университетов и их внешние рейтинговые оценки являются взаимосвязанными, однако характер данных взаимосвязей и их межрегиональные различия остаются недостаточно изученными.
Материалы и методы исследования
Для анализа были отобраны университеты, которые являются в настоящее время участниками программы «Приоритет 2030» [3]. Выборка включала 120 ведущих вузов страны, выступающих центрами формирования человеческого капитала и инновационного развития регионов.
Для эмпирического анализа сформирован массив из 28 показателей, объединенных в две группы.
Группа I – общие функциональные показатели деятельности университетов:
- образовательная деятельность;
- научно-исследовательская деятельность;
- международная деятельность;
- финансово-экономическая деятельность;
- зарплата ППС.
Группа II – показатели сквозных экосистемных взаимодействий, отражающие интеграцию различных направлений деятельности университета и его взаимодействие с внешней средой.
Формирование массива показателей проходило в несколько этапов. Базой послужили данные официального мониторинга вузов, который ведет Минобрнауки России (miccedu.ru), так как этот источник обеспечивает сопоставимость информации по всем университетам, регулярно обновляется и имеет статус государственной статистики.
На первом этапе в анализ были включены функциональные показатели, которые чаще всего используются для оценки деятельности вузов в системе высшего образования. Это параметры, отражающие образовательную, научно-исследовательскую, международную и финансово-экономическую сферы, а также средний уровень заработной платы профессорско-преподавательского состава. Эти переменные рассматривались как базовые характеристики. Второй этап был посвящен отбору показателей, которые фиксируют сквозные экосистемные взаимодействия. Здесь мы руководствовались следующим критерием: экосистемным мы считаем тот индикатор, который свидетельствует о наличии устойчивых связей университета с внешними субъектами - предприятиями, исследовательскими организациями, зарубежными партнерами, цифровыми платформами и другими участниками инновационной среды. В итоговый набор вошли показатели, описывающие процессы с участием нескольких акторов экосистемы; они характеризуют не только внутренний потенциал вуза, но и меру его включенности во внешние кооперационные сети.
Дополнительно в исследование были включены показатели цифрового присутствия университетов и сетевой научной кооперации, в том числе данные о посещаемости сайтов, активности в социальных сетях и публикационной активности в соавторстве с другими организациями. Использование данных показателей обусловлено тем, что цифровая коммуникационная среда и межорганизационные формы научного взаимодействия в современных условиях рассматриваются как важные элементы развития университетских инновационных экосистем.
В исследовании преимущественно использовались абсолютные значения показателей, что обусловлено спецификой анализируемых рейтингов и внешних оценок, основанных на абсолютных и агрегированных показателях без нормализации по масштабу университета.
Для сопоставления внутренних характеристик университетских экосистем с внешними оценками использовались рейтинги hh.ru, RAEX, Webometrics и Brand Analytics, отражающие востребованность выпускников, комплексные результаты деятельности, цифровое присутствие и медиаприсутствие университетов.
Исследование включало четыре этапа:
1. Оценка согласованности позиций университетов в рейтингах (критерий Кендалла).
2. Выявление различий между столичными и региональными вузами (U-критерий Манна–Уитни).
3. Анализ межрегиональных различий по федеральным округам (критерий Краскела–Уоллиса).
4. Оценка корреляций между показателями экосистемного развития и позициями вузов в рейтингах (коэффициент Спирмена).
Предложенный дизайн исследования позволил выявить пространственные различия в развитии университетских экосистем и определить структуру взаимосвязей между экосистемными показателями и внешними оценками деятельности университетов.
Результаты исследования
Этап 1. Согласованность рейтингов
На первом этапе исследования для оценки согласованности позиций университетов в различных рейтингах применен коэффициент конкордации Кендалла. Использование данного метода обусловлено тем, что анализируемые данные представлены в ранговой шкале. Результаты анализа показали статистически значимые различия между позициями университетов в четырех рейтингах (p < 0,05). Коэффициент конкордации составил 0,69, что свидетельствует о частичной согласованности рейтинговых оценок.
Полученные в таблице 1 результаты показывают, что различные рейтинги отражают неодинаковые аспекты деятельности университетов и фиксируют разные измерения их конкурентоспособности.
Таблица 1 – Сравнение рейтингов по всей выборке университетов с помощью критерия Кендалла
|
Variable
|
Friedman ANOVA and Kendall Coeff. of Concordance
ANOVA Chi Sqr. (N = 57, df = 3) = 117,9053 p =0,00000 Coeff. of Concordance = 0,68950 Aver. rank r = 0,68396 | |||
|
Average
|
Sum of
|
Mean
|
Std.Dev.
| |
|
Рейтинг
hh.ru
|
3,000000
|
171,0000
|
101,5579
|
2,7805
|
|
Рейтинг
RAEX
|
1,684211
|
96,0000
|
49,4035
|
36,6615
|
|
Webometrics
|
3,771930
|
215,0000
|
340,4737
|
218,1048
|
|
Brand
Analytics
|
1,543860
|
88,0000
|
41,2807
|
36,3499
|
Таким образом, результаты первого этапа подтверждают, что рейтинговые системы формируют неоднородные внешние оценки университетов и не являются полностью взаимозаменяемыми.
Этап 2. Сравнение столичных и региональных университетов
На втором этапе исследования проведено сравнение университетов Москвы и Санкт-Петербурга с региональными вузами по ключевым показателям развития университетских экосистем. Для анализа использован U-критерий Манна–Уитни. Результаты анализа представлены в таблице 2.
Таблица 2 – Определение различий между выборками по вузам Москвы и Санкт-Петербурга и региональным вузам на основе критерия Манна-Уитни
|
Переменные
|
Rank Sum (Москва и СПб)
|
Rank Sum (остальные регионы)
|
U (непараметрический критерий Манна-Уитни)
|
Z
|
p-value
|
|
Рейтинги
| |||||
|
Рейтинг на портале hh.ru
|
4017,5
|
1977,5
|
1116,5
|
1,732
|
0,083
|
|
Рейтинг RAEX
|
1346,5
|
733,5
|
298,5
|
2,812
|
0,005
|
|
Webometrics
|
3862,0
|
2354,0
|
1161,0
|
-1,401
|
0,161
|
|
Brand Analytics
|
3550,0
|
3120,0
|
922,0
|
-3,616
|
0,001
|
|
Показатели
| |||||
|
Визиты на сайт
|
4282,0
|
2858,0
|
1356,0
|
-1,535
|
0,125
|
|
Просмотры постов в социальной сети Вконтакте
|
4246,0
|
2894,0
|
1320,0
|
-1,734
|
0,083
|
|
Просмотры постов в Телеграм
|
4187,5
|
2952,5
|
1261,5
|
-2,058
|
0,040
|
|
Образовательная деятельность
|
3324,0
|
3816,0
|
398,0
|
-6,834
|
0,001
|
|
Научно-исследовательская деятельность
|
3703,0
|
3437,0
|
777,0
|
-4,738
|
0,001
|
|
Международная деятельность /Приведенный контингент
|
4850,0
|
2290,0
|
1344,0
|
1,601
|
0,109
|
|
Фин.-экономическая деятельность
|
3157,0
|
3983,0
|
231,0
|
-7,758
|
0,001
|
|
Зарплата ППС
|
4851,0
|
2289,0
|
1343,0
|
1,607
|
0,108
|
|
Число публикаций в сотрудничестве с другими организациями
|
4204,0
|
2936,0
|
1278,0
|
-1,967
|
0,049
|
|
Число предприятий, с которыми заключены договоры на подготовку
специалистов
|
5037,5
|
2102,5
|
1156,5
|
2,639
|
0,008
|
|
Число предприятий, являющихся базами практики, с которыми
оформлены договорные отношения
|
4924,0
|
2216,0
|
1270,0
|
2,011
|
0,044
|
|
Количество бизнес-инкубаторов
|
4508,0
|
2632,0
|
1582,0
|
-0,285
|
0,776
|
|
Количество технопарков
|
4657,0
|
2483,0
|
1537,0
|
0,534
|
0,593
|
|
Количество центров коллективного пользования научным
оборудованием
|
4873,0
|
2267,0
|
1321,0
|
1,729
|
0,084
|
|
Количество малых предприятий
|
5252,5
|
1887,5
|
941,5
|
3,828
|
0,001
|
|
Доля ППС возрастной категории моложе 40 лет, %
|
4393,0
|
2747,0
|
1467,0
|
-0,921
|
0,357
|
|
Доля иностранных студентов в общей численности студентов,
обучающихся по программам бакалавриата, специалитета, магистратуры, %
|
4637,5
|
2502,5
|
1556,5
|
0,426
|
0,670
|
|
Общее число образовательных программ высшего образования,
реализуемых совместно с зарубежными вузами и ведущих к получению двух
дипломов, ед.
|
4168,5
|
2971,5
|
1242,5
|
-2,163
|
0,031
|
|
Общая численность обучающихся по очной форме обучения по программам
бакалавриата, специалитета, магистратуры, реализуемым совместно с зарубежными
вузами и ведущим к получению двух дипломов, чел
|
4248,0
|
2892,0
|
1322,0
|
-1,723
|
0,085
|
|
Общая численность иностранных аспирантов (адъюнктов), интернов,
ординаторов, ассистентов-стажеров, чел
|
4003,5
|
3136,5
|
1077,5
|
-3,076
|
0,002
|
|
Число статей, подготовленных совместно с зарубежными
организациями, ед.
|
4452,5
|
2687,5
|
1526,5
|
-0,592
|
0,554
|
|
Доходы вуза из иностранных источников на выполнение НИОКР, тыс.
руб.
|
4361,5
|
2778,5
|
1435,5
|
-1,096
|
0,273
|
|
Доходы вуза от образовательной деятельности из иностранных
источников, тыс. руб.
|
4790,0
|
2350,0
|
1404,0
|
1,270
|
0,204
|
|
Количество созданных результатов интеллектуальной деятельности,
имеющих правовую охрану за пределами России, ед.
|
4531,0
|
2609,0
|
1605,0
|
-0,158
|
0,875
|
|
Количество персональных компьютеров, ед.
|
4316,5
|
2823,5
|
1390,5
|
-1,344
|
0,179
|
|
Доля персональных компьютеров, имеющих доступ к Интернету, %
|
4446,0
|
2694,0
|
1520,0
|
-0,628
|
0,530
|
|
Наличие электронной библиотечной системы, да/нет
|
4560,0
|
2580,0
|
1634,0
|
0,003
|
0,998
|
|
Доля доходов вуза из внебюджетных источников, %
|
4375,0
|
2765,0
|
1449,0
|
-1,021
|
0,307
|
Результаты показали наличие статистически значимых различий по ряду образовательных, научных, финансовых и предпринимательских показателей. Университеты Москвы и Санкт-Петербурга демонстрируют более высокие значения по показателям научной и образовательной деятельности, финансовым характеристикам, а также параметрам взаимодействия с предприятиями и развития предпринимательской инфраструктуры.
Кроме того, можно говорить о том, что территориальный разрыв в цифровых условиях работы университетов выражен слабее, чем, скажем, в ресурсном обеспечении или предпринимательской активности. Иными словами, результаты второго этапа подтверждают гипотезу H1: различия между вузами Москвы/Санкт-Петербурга и остальных регионов проявляются преимущественно в ресурсных и предпринимательских процессах экосистем, тогда как по кадровым и цифровым характеристикам дифференциация заметно ниже.
Этап 3. Межрегиональные различия университетских экосистем
Чтобы проверить гипотезу H2, мы объединили университеты в группы по федеральным округам и применили критерий Краскела–Уоллиса для оценки межрегиональных различий по основным экосистемным показателям. Результаты этого сравнения приведены в таблице 3.
Таблица 3 – Примеры статистически значимых различий между федеральными округами (критерий Краскела-Уоллиса)
|
Показатель |
H-статистика
|
p-value
|
Лидирующие округа
|
Отстающие округа
|
|
Доля иностранных аспирантов (%)
|
16,4
|
<0,01
|
ЦФО, СЗФО, ПФО
|
СКФО, ДФО
|
|
Публикации в соавторстве с зарубежными организациями
|
14,8
|
<0,01
|
Москва, СЗФО, ПФО
|
СКФО, ДФО
|
|
Внебюджетные доходы (млн руб.)
|
12,6
|
<0,05
|
Москва, ЦФО
|
СФО, СКФО, ДФО
|
|
Малые инновационные предприятия (кол-во)
|
10,9
|
<0,05
|
ПФО, СФО
|
СКФО, ДФО
|
|
Медиаприсутствие (Brand Analytics)
|
21,2
|
<0,01
|
Москва, ЦФО, СЗФО
|
СКФО, ДФО
|
Результаты показали наличие статистически значимых межрегиональных различий по показателям международной активности, финансовых возможностей, предпринимательской инфраструктуры и медиаприсутствия университетов. Более высокие значения по ряду показателей характерны для университетов Центрального и Северо-Западного федеральных округов, при этом университеты СКФО и ДФО имеют более низкие значения по большинству из них. Однако различия по показателям базовой цифровой инфраструктуры между федеральными округами выражены значительно слабее. Результаты анализа подтверждают наличие пространственной неоднородности развития университетских экосистем в России.
Этап 4. Взаимосвязь показателей экосистемного развития и рейтингов
Для проверки гипотезы H3 был проведен корреляционный анализ с использованием коэффициента Спирмена, направленный на выявление взаимосвязей между показателями университетских экосистем и внешними оценками деятельности вузов. Результаты анализа показывают, что различные рейтинги связаны с разными показателями экосистемного развития университетов. Наиболее показательные результаты представлены в таблице 4.
Таблица 4 – Примеры корреляций между показателями экосистемного развития и позициями университетов в рейтингах
|
Показатель
|
hh.ru (rs)
|
RAEX (rs)
|
Webometrics (rs)
|
Brand Analytics (rs)
|
|
Количество договоров с предприятиями
|
0,47
|
0,32
|
0,12
|
0,18
|
|
Публикации в соавторстве
|
0,21
|
0,51
|
0,08
|
0,44
|
|
Доля иностранных студентов (%)
|
0,19
|
0,42
|
0,05
|
0,36
|
|
Внебюджетные доходы
|
0,24
|
0,48
|
0,11
|
0,22
|
|
Посещаемость сайтов
|
0,09
|
0,18
|
0,56
|
0,41
|
|
Активность в соцсетях (Telegram/ВК)
|
0,07
|
0,15
|
0,49
|
0,53
|
Проведенный корреляционный анализ показал, что разные рейтинговые системы связаны с различными характеристиками деятельности университетов. Наиболее заметные статистически значимые взаимосвязи выявлены для показателей, отражающих взаимодействие университетов с внешней средой, международную активность и цифровое присутствие. При этом показатели, характеризующие общие результаты деятельности университетов, показывают менее устойчивые связи с рейтингами по сравнению со сквозными экосистемными характеристиками. Это позволяет предположить, что внешние рейтинговые оценки в большей степени чувствительны к показателям, отражающим развитие экосистем, формирующихся вокруг университетов.
Заключение
В работе были проанализированы взаимосвязи между показателями университетских экосистем и позициями университетов в рейтингах с учетом межрегиональных различий. Результаты показали, что развитие университетов в России может быть связано как с ресурсными условиями, так и с уровнем их включенности в экосистемы.
Сопоставление рейтинговых систем отражает только частичное совпадение позиций университетов, следовательно, рейтинги отражают разные стороны развития университетов и не могут формировать универсальную оценку деятельности вуза.
Сравнение столичных и региональных университетов показало: статистически значимые различия фиксируются по образовательным, научным, финансовым и предпринимательским параметрам, тогда как цифровые индикаторы территориально дифференцированы заметно слабее. Это прямо подтверждает гипотезу H1 - ресурсные условия действительно определяют развитие экосистем, и этот разрыв проявляется прежде всего в материальной и институциональной сферах.
Межрегиональный анализ по федеральным округам также выявил устойчивые контрасты: университеты заметно различаются по международной активности, объему внебюджетных доходов, развитию предпринимательской инфраструктуры и интенсивности медиаприсутствия. Эти данные согласуются с гипотезой H2 о пространственной неоднородности российских университетских экосистем.
Корреляционный анализ показал неоднозначную, но вполне отчетливую картину. Наиболее тесные связи с рейтингами демонстрируют показатели, отражающие сквозные экосистемные процессы: взаимодействие с внешними организациями, международное сотрудничество и цифровые коммуникации. Напротив, традиционные функциональные показатели (образование, наука, международная деятельность, финансы, зарплата ППС), те, которые публикуются в ежегодном мониторинге Минобрнауки, коррелируют с рейтингами слабее. Это подтверждает гипотезу H3: для внешних оценок более информативны именно сквозные экосистемные характеристики, нежели обобщенные «усредненные» показатели.
Полученные результаты могут быть полезны руководству университетов при оценке факторов, влияющих на позиции вузов в рейтингах, а также органам управления высшим образованием при анализе межрегиональных различий развития университетов и разработке подходов к оценке результатов инновационной деятельности. Перспективным направлением дальнейших исследований является анализ динамики университетских экосистем и изменений взаимосвязей между экосистемными показателями и позициями университетов в рейтингах во времени.
Источники:
2. Минат В. Н. Пространственная неравномерность и неоднородность инновационной деятельности США // Региональная экономика. Юг России. – 2021. – № 2. – c. 93-104. – doi: 10.26310/2071-3010.2021.268.2.013.
3. «Приоритет-2030»: полный список вузов по федеральным округам. [Электронный ресурс]. URL: https://postupi.online/journal/kuda-postupat/prioritet-2030-polnyj-spisok-vuzov-po-federalnym (дата обращения: 30.04.2026).
4. Alves J. F., de Araújo A. V. M., Rego A., Juníor T. S. C., da Silva E. N. Universidades como ecossistemas de inovação: O papel dos núcleos de inovação tecnológica na promoção de startups acadêmicas // IOSR Journal of Business and Management. – 2024. – № 11. – p. 18-23. – doi: 10.9790/487x-2611111823.
5. Audretsch D. B. From the entrepreneurial university to the university for the entrepreneurial society // Journal of Technology Transfer. – 2014. – № 3. – p. 313-321. – doi: 10.1007/s10961-012-9288-1.
6. Brankovic J., Ringel L., Werron T. How rankings produce competition: The case of global university rankings // Zeitschrift Für Soziologie. – 2018. – № 4. – p. 270–288. – doi: 10.1515/zfsoz-2018-0118.
7. Charon A., Wauters J.-P. University ranking: A new tool for the evaluation of higher education in Europe // Nephrology Dialysis Transplantation. – 2007. – № 1. – p. 62-64. – doi: 10.1093/ndt/gfm279.
8. Chen P., Gao S., Jiang F., Ma Y. Measuring the labor market outcomes of universities: Evidence from China’s listed company executives // Scientometrics. – 2024. – № 9. – p. 5715-5730. – doi: 10.1007/s11192-024-05138-5.
9. Cruz A. L., Leite T. Q., Silva A. L., Silva S. E. University innovation ecosystems and innovation channels // Revista Produção Online. – 2024. – № 1. – p. 4572. – doi: 10.14488/1676-1901.v24i1.4572.
10. Furkova A. Simultaneous consideration of spatial heterogeneity and spatial autocorrelation in European innovation: A spatial econometric approach based on the MGWR-SAR estimation // Journal of Geographical Systems. – 2021. – № 3. – p. 1-28. – doi: 10.1007/s10037-021-00160-z.
11. Guerrero M., Urbano D. The development of an entrepreneurial university // Journal of Technology Transfer. – 2010. – № 1. – p. 43-74. – doi: 10.1007/s10961-010-9171-x.
12. Hamann J., Ringel L. The discursive resilience of university rankings // Higher Education. – 2023. – № 1. – p. 1-18. – doi: 10.1007/s10734-022-00990-x.
13. Hazelkorn E. Rankings and the reshaping of higher education: The battle for world class excellence. - London: Palgrave Macmillan, 2011. – 259 p.
14. Ierapetritis D.G. Discussing the role of universities in fostering regional entrepreneurial ecosystems // Economies. – 2019. – № 4. – p. 119-149. – doi: 10.3390/economies7040119.
15. Liu K., Qiao Y., Zhou Q. Spatiotemporal heterogeneity and driving force analysis of innovation output in the Yangtze River Economic Zone: The perspective of innovation ecosystem // Complexity. – 2021. – № 9. – p. 1-16. – doi: 10.1155/2021/8884058.
16. Mazzei M. J. Strategic entrepreneurship: Content, process, context, and outcomes // International Entrepreneurship and Management Journal. – 2018. – № 3. – p. 657-670. – doi: 10.1007/s11365-018-0512-9.
17. Myzrova O. A., Goryacheva T. V., Sysoeva O. V., Sysoev V. V. The effect of the entrepreneurial ecosystem of universities on the innovative activity in Russian regions // Economies. – 2023. – № 7. – p. 190. – doi: 10.3390/economies11070190.
18. Nassa A. K., Arora J. Ranking of institutions of higher education // DESIDOC Journal of Library & Information Technology. – 2021. – № 1. – p. 3-4. – doi: 10.14429/DJLIT.41.1.16757.
19. Niosi J. Innovation Systems, Policy and Management. - Cambridge: Cambridge University Press, 2018. – 512 p.
20. Selten F. M., Neylon C., Huang C. K., Groth P. A longitudinal analysis of university rankings // Quantitative Science Studies. – 2019. – № 1. – p. 1-16. – doi: 10.1162/qss_a_00023.
21. Thomas E., Faccin K., Asheim B. T. Universities as orchestrators of the development of regional innovation ecosystems in emerging economies // Growth and Change. – 2020. – № 4. – p. 1589-1610. – doi: 10.1111/grow.12442.
22. Wandercil M., Calderón A. I., Ganga-Contreras F. Academic rankings: Implications for university governance of Brazilian Catholic universities // Educação & Realidade. – 2022. – № 1. – p. 1-24. – doi: 10.1590/2175-6236117631vs02.
23. Wu K., Wang Y., Zhang H., Liu Y., Ye Y. Impact of the built environment on the spatial heterogeneity of regional innovation productivity: Evidence from the Pearl River Delta, China // Chinese Geographical Science. – 2021. – № 3. – p. 413-428. – doi: 10.1007/s11769-021-1198-4.
24. Xu D., Yu B. How can regional innovation ecosystems affect innovation level? An Fs QCA analysis // Technology Analysis & Strategic Management. – 2023. – № 1. – p. 1-17. – doi: 10.1080/09537325.2023.2242504.
25. Zobnina M., Korotkov A., Rozhkov A. Structure, Challenges and Opportunities for Development of Entrepreneurial Education in Russian Universities // Foresight and STI Governance. – 2019. – № 4. – p. 69-81. – doi: 10.17323/2500-2597.2019.4.69.81.
Страница обновлена: 27.08.2026 в 19:26:40
Statistical assessment of the relationship between the performance indicators of universities' innovation policy and their ranking positions
Litvinova N.A., Dyatlov S.A.Journal paper
Leadership and Management
Volume 13, Number 8 (August 2026)
Abstract:
Russian universities are key drivers of innovative development and the regional economy, forming innovative ecosystems around themselves. However, the development of such ecosystems is characterized by interregional heterogeneity. The article aims to identify the interrelationships between the indicators of the development of university ecosystems and the positions of universities in external rankings, taking into account Russia's regional specifics.
The empirical base of the study was made up of data from 120 universities that participated in the Priority 2030 program. For the analysis, 28 indicators were used, including the general functional characteristics of university activities and cross-cutting ecosystem indicators. Next, the relationships between these indicators and the positions of universities in four rankings (hh.ru , RAEX, Webometrics, and Brand Analytics) were studied. The results showed that the positions of universities in various rankings are partially consistent. Universities in Moscow and St. Petersburg show higher values in a number of indicators, but the digital indicators have less territorial differentiation. It was found that the most pronounced correlations with the positions of universities in the rankings are characteristic of indicators reflecting cross-cutting ecosystem processes. This allows to consider ecosystem indicators as more informative when analyzing the effectiveness of university innovation policy.
Keywords: university innovation ecosystems, university rankings, regional differences, innovation policy, higher education, university competitiveness, regional development
JEL-classification: O38, O32, O33, O34, I28
References:
Alves J. F., de Araújo A. V. M., Rego A., Juníor T. S. C., da Silva E. N. (2024). Universidades como ecossistemas de inovação: O papel dos núcleos de inovação tecnológica na promoção de startups acadêmicas IOSR Journal of Business and Management. 26 (11). 18-23. doi: 10.9790/487x-2611111823.
Audretsch D. B. (2014). From the entrepreneurial university to the university for the entrepreneurial society Journal of Technology Transfer. 39 (3). 313-321. doi: 10.1007/s10961-012-9288-1.
Brankovic J., Ringel L., Werron T. (2018). How rankings produce competition: The case of global university rankings Zeitschrift Für Soziologie. 47 (4). 270–288. doi: 10.1515/zfsoz-2018-0118.
Charon A., Wauters J.-P. (2007). University ranking: A new tool for the evaluation of higher education in Europe Nephrology Dialysis Transplantation. 23 (1). 62-64. doi: 10.1093/ndt/gfm279.
Chen P., Gao S., Jiang F., Ma Y. (2024). Measuring the labor market outcomes of universities: Evidence from China’s listed company executives Scientometrics. 129 (9). 5715-5730. doi: 10.1007/s11192-024-05138-5.
Cruz A. L., Leite T. Q., Silva A. L., Silva S. E. (2024). University innovation ecosystems and innovation channels Revista Produção Online. 24 (1). 4572. doi: 10.14488/1676-1901.v24i1.4572.
Furkova A. (2021). Simultaneous consideration of spatial heterogeneity and spatial autocorrelation in European innovation: A spatial econometric approach based on the MGWR-SAR estimation Journal of Geographical Systems. 23 (3). 1-28. doi: 10.1007/s10037-021-00160-z.
Guerrero M., Urbano D. (2010). The development of an entrepreneurial university Journal of Technology Transfer. 37 (1). 43-74. doi: 10.1007/s10961-010-9171-x.
Hamann J., Ringel L. (2023). The discursive resilience of university rankings Higher Education. 86 (1). 1-18. doi: 10.1007/s10734-022-00990-x.
Hazelkorn E. (2011). Rankings and the reshaping of higher education: The battle for world class excellence
Ierapetritis D.G. (2019). Discussing the role of universities in fostering regional entrepreneurial ecosystems Economies. 7 (4). 119-149. doi: 10.3390/economies7040119.
Itskovits G. (2010). The triple helix. Universities are enterprises of the state. Innovation in action
Liu K., Qiao Y., Zhou Q. (2021). Spatiotemporal heterogeneity and driving force analysis of innovation output in the Yangtze River Economic Zone: The perspective of innovation ecosystem Complexity. (9). 1-16. doi: 10.1155/2021/8884058.
Mazzei M. J. (2018). Strategic entrepreneurship: Content, process, context, and outcomes International Entrepreneurship and Management Journal. 14 (3). 657-670. doi: 10.1007/s11365-018-0512-9.
Minat V. N. (2021). Spatial Irregularities and Unhomogenees in US Innovation. Regionalnaya ekonomika. Yug Rossii. (2). 93-104. doi: 10.26310/2071-3010.2021.268.2.013.
Myzrova O. A., Goryacheva T. V., Sysoeva O. V., Sysoev V. V. (2023). The effect of the entrepreneurial ecosystem of universities on the innovative activity in Russian regions Economies. 11 (7). 190. doi: 10.3390/economies11070190.
Nassa A. K., Arora J. (2021). Ranking of institutions of higher education DESIDOC Journal of Library & Information Technology. 41 (1). 3-4. doi: 10.14429/DJLIT.41.1.16757.
Niosi J. (2018). Innovation Systems, Policy and Management
Selten F. M., Neylon C., Huang C. K., Groth P. (2019). A longitudinal analysis of university rankings Quantitative Science Studies. (1). 1-16. doi: 10.1162/qss_a_00023.
Thomas E., Faccin K., Asheim B. T. (2020). Universities as orchestrators of the development of regional innovation ecosystems in emerging economies Growth and Change. 51 (4). 1589-1610. doi: 10.1111/grow.12442.
Wandercil M., Calderón A. I., Ganga-Contreras F. (2022). Academic rankings: Implications for university governance of Brazilian Catholic universities Educação & Realidade. 47 (1). 1-24. doi: 10.1590/2175-6236117631vs02.
Wu K., Wang Y., Zhang H., Liu Y., Ye Y. (2021). Impact of the built environment on the spatial heterogeneity of regional innovation productivity: Evidence from the Pearl River Delta, China Chinese Geographical Science. 31 (3). 413-428. doi: 10.1007/s11769-021-1198-4.
Xu D., Yu B. (2023). How can regional innovation ecosystems affect innovation level? An Fs QCA analysis Technology Analysis & Strategic Management. 36 (1). 1-17. doi: 10.1080/09537325.2023.2242504.
Zobnina M., Korotkov A., Rozhkov A. (2019). Structure, Challenges and Opportunities for Development of Entrepreneurial Education in Russian Universities Foresight and STI Governance. 13 (4). 69-81. doi: 10.17323/2500-2597.2019.4.69.81.
