Научно-технологическое развитие регионов России: анализ пространственных взаимосвязей

Введение

В России – с её обширной территорий, неоднородной по природно-климатическим, социально-демографическим, технологическим, экономическим и прочим характеристикам – достижение общенациональных целей невозможно без эффективного управления пространственным развитием. В частности, для выполнения задач и достижения целевых показателей, установленных в рамках национальной цели «Технологическое лидерство» [1], необходимо обеспечить эффективную пространственную организацию научно-технологического развития в разрезе регионов страны.

В исследованиях научно-технологического развития регионов России доминируют два подхода.

Первый подход предполагает формирование рейтинга, то есть иерархического списка на основе единого агрегированного показателя, в том числе с последующей группировкой регионов. Это Национальный рейтинг научно-технологического развития субъектов РФ, ежегодно формируемый Минобрнауки России [2]; рейтинг регионов по научно-технологическому развитию от РИА Рейтинг [3]; рейтинг регионов по научно-технологического развитию на основе интегрального индикатора по методике А.С. Айвазяна, выполненный Е.Ю. Широковой [19]; рейтинг регионов на основе интегрального индекса научно-технологического развития с последующей группировкой по значению такого индекса Н.Н. Волковой и Э.И. Романюк [3]; рейтинги регионов по социально-экономическим, пространственным и административным показателям научно-технологического и инновационного развития с группировкой регионов посредством сопоставления квартилей в рамках каждого рейтинга [1].

Второй подход – это группировка регионов, основанная на многомерной кластеризация или классификации. Два варианта кластеризации методом k-средних, различающихся количеством исходных показателей, были выполнены в контексте оценки вклада регионов в технологический суверенитет страны [2]. А.А. Новикова и Д.Г. Ажинов провели иерархическую кластеризацию регионов по уровню научно-технологического развития на основе временных рядов за 2012-2024 гг., отражающих кадровые, финансовые и результативные характеристики научно-технологической деятельности [14]. Е.А. Шамова и Ю.Г. Мыслякова [18] выделили двенадцать типов регионов, основываясь на характеристиках регионального потенциала обеспечения технологической суверенизации страны.

Рейтинги позволяют выявить регионы с лучшими практиками, мотивируют органы власти субъектов к действенным мерам по научно-технологического развитию. Группировки на основе многомерной кластеризации или классификации дают более развёрнутую информацию, необходимую для планирования. Однако ни тот, ни другой подход не учитывает межрегиональные взаимосвязи в научно-технологическом развитии.

Цель исследования заключается в обосновании подхода к научно-технологическому развитию регионов РФ, базирующегося на их пространственной кластеризации с учетом межрегиональных взаимосвязей. В рамках работы проверяется гипотеза о том, что в научно-технологическом развитии регионов существуют пространственные взаимосвязи, на основе которых формируются однородные региональные кластеры и выделяются территориально нетипичные регионы.

Данные и методы

Для оценки пространственных взаимосвязей в научно-технологическом развитии регионов и формирования пространственных кластеров рассчитывались одномерные индексы Морана. В качестве показателя научно-технологического развития использовались обобщающие балльные оценки по итогам Национального рейтинга научно-технологического развития субъектов РФ [4]. В актуальной версии итоговый балл в рамках рейтинга формируется на основе 40 показателей, сгруппированных на три блока: «Органы власти», «Среда для ведения наукоемкого бизнеса» и «Среда для работы исследователей». Перечень показателей утвержден Правительством РФ [5]. На первом этапе расчета региону присваивается рейтинговый балл по каждому показателю по шкале от 0 до 100, на втором этапе – рассчитывается среднее арифметическое по блокам, на третьем – суммируются баллы всех блоков. Полученная сумма является итоговой балльной оценкой научно-технологического развития региона [6]. В таблице 1 представлены характеристики исходных данных – сейчас на сайте Минобрнауки доступы рейтинги из 85 регионов за 2022-2024 гг.

Таблица 1 – Показатели описательной статистики и диаграммы размаха балльных оценок научно-технологического развития регионов РФ

В контексте исследования глобальный индекс Морана позволяет подтвердить или опровергнуть существование пространственных закономерностей в распределении рейтинговых оценок научно-технологического развития регионов и рассчитывается по формуле:

,

где – глобальный индекс Морана;

– количество регионов (n=85),

– рейтинговый балл научно-технологического развития,

– средний рейтинговый балл научно-технологического развития,

i, j – индексы регионов (1…n),

– пространственный вес между регионами i и j.

Согласно нулевой гипотезе распределение данных в пространстве случайно, согласно альтернативной – в них присутствует пространственная автокорреляция. Для проверки статистической значимости проводится Z-тест [5]. Ожидаемое значение индекса при полной пространственной случайности для 85 регионов равняется -0,0122.

Локальный индекс Морана предназначен для формирования пространственных кластеров и выявления территориально нетипичных регионов:

где – локальный индекс Морана для региона i;

– количество регионов в окрестности региона i;

– рейтинговый балл научно-технологического развития региона,

– средний рейтинговый балл научно-технологического развития,

i, j – индексы регионов (1…n),

– пространственный вес между регионами i и j.

Нулевая гипотеза предполагает отсутствие пространственной автокорреляции, альтернативная – наличие. Проверка проводится на основе Z-теста. Ожидаемое значение индекса при пространственной случайности:

,

где – ожидаемое значение локального индекса Морана,

n – количество регионов в окрестности,

– пространственный вес между регионами i и j.

Матрица смежности w формировалась на основе критерия наличия или отсутствия у регионов общих границ. Во избежание случайной кластеризации проводились перестановки методом Монте-Карло (при 999 перестановках фиктивные p-значения принимаются равными 0,001 [5]). Для расчетов и визуализаций использовалась программа GeoDa.

Результаты

Результаты расчета глобальных индексов Морана и проверки их статистической значимости (таблица 2) свидетельствуют о том, что в научно-технологическом развитии регионов России существуют пространственные закономерности. Фиктивные p-значения, равные 0,001, дают основание отклонить нулевую гипотезу о пространственной случайности в пользу альтернативной – о существовании пространственной автокорреляции. Автокорреляция положительная, есть тенденция к кластеризации, то есть к близкому расположению друг к другу регионов с высокими рейтинговыми оценками научно-технологического развития и аналогично регионов с низкими рейтинговыми оценками. Пространственные закономерности устойчивы – выводы одинаковы для всего анализируемого периода.

Таблица 2 – Результаты оценки пространственных взаимосвязей в научно-технологическом развитии регионов РФ на основе глобального индекса Морана

На основе локальных индексов Морана, рассчитанных по балльным рейтинговым оценкам научно-технологического развития регионов, сформированы пространственные региональные кластеры (таблица 3). В первый кластер вошли регионы, отвечающие двум критериям: во-первых, балльная рейтинговая оценка их научно-технологического развития выше средней по всем регионам страны, во-вторых, в регионах, с которыми имеется общая граница, оценка научно-технологического развития тоже высокая. Этот кластер наиболее многочисленный и стабильный – 7 регионов входят в него на протяжении всех трех лет. Второй кластер включает регионы с низкими значениями балльной рейтинговой оценки научно-технологического развития и расположенные в пространстве рядом с регионами тоже с низкими оценками. В течение трех лет количество регионов второго кластера увеличилось от двух в 2022 г. до восьми в 2024 г. Для первого и второго кластера характерна положительная пространственная автокорреляция. Третий и четвертый кластеры включает террриториально нетипичные регионы, автокорреляция балльных рейтинговых оценок научно-технологического развития в обоих случаях отрицательная. Регионы третьего кластера имеют низкие оценки научно-технологического развития, то есть ниже средних по стране, но соседствуют с регионами с высокими оценками. Четвертый кластер в 2022-2023 гг. не выявлен, в 2024 г. состоит из одного региона – Архангельской области, которая также нетипична для своего месторасположения. При высокой собственной балльной рейтинговой оценке научно-технологического развития она соседствует с регионами с низкими оценками.

Таблица 3 – Локальные пространственные кластеры регионов РФ по уровню научно-технологического развития

На рисунке 1 показано расположение локальных пространственных кластеров регионов по уровню научно-технологического развития, а также оценка статистической значимости для каждого кластера в 2024 г. Цветом выделены регионы, которые являются центрами кластеров.

Рисунок 1 – Локальные пространственные кластеры регионов РФ по уровню научно-технологического развития в 2024 г.

Источник: построено авторами

Дискуссия

Гипотеза о существовании статистически значимых пространственных взаимосвязей в научно-технологическом развитии регионов России подтвердилась. Результат ожидаем – ранее подобные взаимосвязи были выявлены в отношении высокотехнологичного экспорта [8], уровня цифровизации [9], индекса потенциала умной специализации [15] оборота интернет-торговли [11], темпа роста реального ВРП [6] и др.

Предлагаемый подход к научно-технологическому развитию базируется на пространственной кластеризации регионов с учетом их взаимосвязей. Аналогично традиционному кластерному подходу для каждой группы регионов

разрабатываются приоритетные направления развития с учетом особенностей этих групп. Предполагается, что специфического подхода требуют кластеризующиеся регионы и регионы, нетипичные для своего месторасположения, то есть являющиеся пространственными выбросами. В 2024 г. всего таких регионов оказалось двадцать.

В данном случае регионы первого кластера – это передовые регионы, лидеры научно-технологического развития, демонстрирующие лучшие практики и вносящие наибольший вклад в технологический суверенитет страны. Кластер устойчив, большинство регионов расположены в европейской части России. При реализации национальной политики научно-технологического развития эти регионы логично рассматривать как опорные.

Второй кластер по итогам 2024 г. занимает наибольшую территорию, уровень научно-технологического развития в его регионах ниже среднего по стране. Необходима активизация научной и технологической деятельности, в том числе с адаптацией лучших практик. При этом стремиться к абсолютному выравниванию территорий по уровню научно-технологического развития или преобразованию второго кластера в передовой было бы некорректно, региональная дифференциация в научно-технологическом развитии вызвана многочисленными объективными причинами, в том числе историческими, природно-климатическими, социальными и др.

Регионы третьего кластера, которых в 2024 г. оказалось два (Курганская область и Оренбургская область), требуют внимания в первую очередь, так как они являются нетипичными для своего месторасположения. Близко расположенные регионы, как правило, имеют сходные социально-экономические процессы. В регионах третьего кластера уровень социально-экономического развития оказался ниже несмотря на то, что в соседних регионах он высокий. Следует выяснить причины такой ситуации и найти способы её коррекции с учетом практик регионов-соседей.

Четвертый кластер, который в 2022-2023 гг. отсутствовал, а в 2024 г. представлен единственным регионом (Архангельской областью), тоже является территориально нетипичным. В данном случае противоположна – реализуемые в нем практики следует распространить на соседние регионы.

В отличие от традиционной многомерной кластеризации или классификации, при которых регионы рассматриваются как изолированные друг от друга, пространственная кластеризация учитывает взаимосвязи в научно-технологическом развитии между соседними регионами.

Несмотря на то, что вопросы межрегионального взаимодействия относятся к одной из слабо разработанных тем регионалистики [10], зависимость регионов друг от друга, позитивное влияние сотрудничества на общие результаты многократно доказывались и обосновывались. В частности, была разработана методология межтерриториального взаимодействия, в основу которой заложен кластерный подход, предполагающий установление и поддержание тесных связей между экономическими агентами, расположенными на двух и более территориях, для оптимального использования имеющихся ресурсов и потенциала [12]. Исследовались механизмы межтерриториального взаимодействия как важной части обеспечения связности территории России, в рамках чего приводились примеры положительных результатов в области технологического развития из практики межрегионального сотрудничества [16]. На основе обзора научной литературы был сделан вывод о том, что взаимодействие органов власти соседних территориальных единиц – это хороший способ преодолеть недостатки системы административно-территориального деления [10]. В контексте типологизации регионов по уровню научно-технологического развития приоритетным направлением для периферийных субъектов названо включение в межрегиональные и сетевые формы сотрудничества [14]. В том же исследовании [14] отмечалось, что географическая связность регионов отчасти позволяет нивелировать процессы региональной диспропорции, в связи с чем особого внимания требует Калининградская область, не имеющая общих границ с другими российскими регионами.

Поэтому при разработке и реализации национальной политики научно-технического развития предлагается определять приоритетные направления, устанавливать целевые показатели не только для отдельных регионов, но и для их групп, взаимосвязанных с учетом месторасположения. В этом контексте научно-технологическое развитие на основе пространственной кластеризации имеет преимущество перед рейтинговым подходом, который мотивирует власти субъектов к повышению эффективности принимаемых мер, но вместе с тем снижает мотивацию к межрегиональному сотрудничеству.

Представленные результаты имеют ряд ограничений, которые одновременно формируют пространство для продолжения исследования.

Во-первых, в связи с тем, что при формировании матрицы смежности соседствующие регионы определялись исходя из наличия или отсутствия общей границы, из кластеризации оказались исключены Калининградская область и Сахалинская область. В частности, эксклавная Калининградская область является одним из наиболее зависимых от внешних условий регионом и требует специфического подхода к научно-технологическому развитию с учетом внешних связей [13, 14]. Соответствующие исследования проводятся, например, К.Ю. Волошенко и соавторами [4], В.С. Коноплевой и И.А. Коноплевой [7], А.А. Новиковой и Д.Г. Ажиновым [14], О.А. Сагиной [17] и др.

Второе ограничение связано с использованием в качестве анализируемого показателя балльной рейтинговой оценки регионов согласно Национальному рейтингу субъектов РФ, публикуемому Минобрнауки. С одной стороны, рейтинг строится по официально утвержденной методике, охватывает разные стороны научно-технологического развития и является качественным инструментом оценки. С другой стороны, в рамках методики ежегодно меняется количество частных показателей, используемых для расчетов, что влияет на результаты рейтингования и последующей кластеризации. Ранее было доказано (см. [2]), что несмотря на использование агрегированных индексов научно-технологического развития, построенных на основе различающихся наборов показателей, кластеры регионов (сформированные методом k-средних) имеют с устойчивое ядро в каждом из них. В другом исследовании [14] также сделан вывод о том, что свыше 90% регионов сохраняют принадлежность к сходным группам при разных методах оценки научно-технологического развития. Эти выводы косвенно подтверждают устойчивость полученных результатов, однако в дальнейшем следует оценить пространственные взаимосвязи и построить пространственные кластеры, основываясь на других вариантах агрегированных показателей научно-технологического развития регионов. Это необходимо для оценки устойчивости пространственной кластеризации и при необходимости – для последующего уточнения оптимальных критериев оценки.

В-третьих, локальные индексы Морана позволяют выявить пространственные кластеры, однако не объясняют причины их формирования и тем более не дают конкретных практических рекомендаций для тех или иных регионов. В дальнейших исследованиях следует сфокусироваться на анализе научно-технологического развития в каждом кластере и разработке приоритетных направлений технологического развития для регионов каждого кластера с учетом его специфических характеристик.

Заключение

Проведенное исследование подтвердило гипотезу о том, что в научно-технологическом развитии регионов России существуют пространственные взаимосвязи.

На основе выявленных пространственных взаимосвязей были сформированы локальные кластеры регионов: два однородных кластера (с положительной пространственной автокорреляцией балльных рейтинговых оценок научно-технологического развития) и два кластера нетипичных для своего месторасположения регионов (автокорреляция отрицательная).

Предложен подход к научно-технологическому развитию регионов, базирующийся на их пространственной кластеризации на основе региональных взаимосвязей. При таком подходе приоритетные направления научно-технологического развития разрабатываются для однородных пространственных кластеров и нетипичных регионов с учетом их специфических характеристик.

В отличие от традиционной многомерной кластеризации или классификации, при которых регионы рассматриваются как изолированные друг от друга, пространственная кластеризация учитывает взаимосвязи в научно-технологическом развитии между соседними регионами. Преимущество перед рейтинговым подходом также состоит в том, что повышается мотивация к межрегиональному сотрудничеству. Совместные усилия региональных властей позволят улучшить общие результаты и внести больший вклад в достижение национальных целей научно-технологического развития.

[1] Указ Президента РФ от 07.05.2024 N 309 "О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года".URL: https://www.consultant.ru/document/cons_doc_LAW_475991/ (дата обращения: 27.06.2026)

[2] Национальный рейтинг субъектов Российской Федерации. Минобрнауки России. URL: https://minobrnauki.gov.ru/action/stat/rating/ (дата обращения: 27.06.2026)

[3] Рейтинг регионов по научно-технологическому развитию – итоги 2024 г. РИА Рейтинг. URL: https://riarating.ru/infografika/20251020/630287865.html (дата обращения: 27.06.2026)

[4] См. Национальный рейтинг субъектов Российской Федерации. Минобрнауки России. URL: https://minobrnauki.gov.ru/action/stat/rating/ (дата обращения: 27.06.2026)

[5] Распоряжение Правительства РФ от 5 декабря 2024 г. № 3571-р «Об утверждении перечня показателей, используемых для формирования национального рейтинга научно-технологического развития субъектов Российской Федерации, и перечня дополнительных аналитических показателей, характеризующих технологическое развитие субъектов Российской Федерации». URL: https://www.consultant.ru/document/cons_doc_LAW_492592/f62ee45faefd8e2a11d6d88941ac66824f848bc2/ (дата обращения: 27.06.2026)

[6] См. Паспорт национального рейтинга научно-технологического развития субъектов РФ за 2024 г. URL: https://minobrnauki.gov.ru/upload/2025/12/%D0%9D%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9%20%D1%80%D0%B5%D0%B9%D1%82%D0%B8%D0%BD%D0%B3%20%D0%B7%D0%B0%202024%20%D0%B3%D0%BE%D0%B4.pdf (дата обращения: 27.06.2026)

[7] Национальный рейтинг субъектов Российской Федерации. Минобрнауки России. URL: https://minobrnauki.gov.ru/action/stat/rating/ (дата обращения: 27.06.2026)