Оценка уровня инновационного развития малого предпринимательства в субъектах Российской Федерации на основе нейросетевого моделирования

Введение

Инновационное развитие малых предприятий является ключевым фактором экономического роста, обеспечения технологического лидерства и конкурентоспособности страны, повышения производительности труда.

Методика оценки эффективности поддержки малого бизнеса представлена в работах Быковой Н.В. [6], Охрименко А.В., Гачегова М.А. [11], Степановой Е.Ю., Латышовой В.В. [12]

Оценка инновационного развития малого предпринимательства нашла отражение в работах Алтуфьевой Н.В. [2], Архиповой М.Ю. [3], Борисова С.А, Соменковой Н.С. [4]., Булановой Е.С., Соменковой Н.С., Ягуновой Н.А. [5], а также в работах Волковой И. А., Галынчик Т. А., Даниловой С. В [7], Гутмана А. И. [8], Казаковой О.Б., Казакова М.В., Безденежных Д.С. [10].

В исследованиях [1, 14] определены возможности цифровой трансформации субъектов малого предпринимательства и их влияние на уровень инновационного развития субъектов Российской Федерации.

Отсутствие единого комплексного подхода к оценке уровня инновационного развития малого предпринимательства в регионах Российской Федерации подчеркивают актуальность и практическую значимость исследования.

Цель исследования заключается в оценке уровня инновационного развития субъектов малого предпринимательства с использованием нейросетевого моделирования и разработке предложений по его повышению.

Научная новизна исследования состоит в том, что для анализа уровня инновационного развития малого предпринимательства в регионах Российской Федерации применяется метод кластеризации с использованием технологий искусственного интеллекта, в частности, самоорганизующихся карт Кохонена.

В рамках исследования выдвинута гипотеза о наличии связи между затратами на инновационную деятельность и уровнем инновационного развития малого предпринимательства. Для достижения поставленных задач использовались методы системного анализа и нейросетевое моделирование, основанное на самоорганизующихся нейронных сетях.

Основной информационной базой послужили данные, предоставленные Федеральной службой государственной статистики.

Основная часть

Анализ уровня инновационного развития субъектов малого предпринимательства в субъектах Российской Федерации

С 2021 года удельный вес малых предприятий, осуществляющих инновационную деятельность, устойчиво растет: с 6,89 % в 2021 году до 7,4 % в 2024 году. При этом наблюдается существенная межрегиональная дифференциация по уровню инновационной активности субъектов малого предпринимательства. Лидируют по данному показателю Республика Татарстан (21,9%), город Москва (16%) и Астраханская область (13,9%) (рис.1). Самый низкий уровень инновационной активности субъектов малого предпринимательства отмечается в Липецкой области – всего 0,6%, а в ряде регионов, например, в республиках Дагестан, Ингушетия, инновационно активных малых предприятий не отмечается.

Рисунок 1. Регионы-лидеры по уровню инновационной активности малых предприятий в 2024 году, %. Источник: составлено авторами по данным [13].

По показателю «Доля малых предприятий, осуществляющих технологические инновации» лидируют город Москва (42,4%), Республика Татарстан (40,5%), город Санкт-Петербург и Томская область (29,2%).

Повышение инновационной активности малого бизнеса зависит от мер государственной поддержки. Наиболее востребованными являются финансовые и консультационные меры государственной поддержки (рис.2).

Рисунок 2. Количество получателей мер государственной поддержки среди малых предприятий в 2024 году, ед. Источник: составлено авторами по данным [9]

Самый высокий удельный вес инновационных товаров (работ, услуг) в общем объеме отгруженных товаров (работ, услуг) малых предприятий отмечается в Мурманской области (рис. 3).

Рисунок 3. Регионы-лидеры по доле инновационных товаров (работ, услуг) в общем объеме отгруженных товаров (работ, услуг) малых предприятий в 2024 году, %. Источник: составлено авторами по данным [13]

Высокий удельный вес затрат на инновационную деятельность в общем объеме отгруженных товаров (работ, услуг) отмечается в Республике Алтай (11,6%), Москве (7%), Архангельской области (6,8%).

Обзор методик оценки инновационного развития субъектов малого предпринимательства

В научной статье Алтуфьевой Н.В. [2] представлена методика оценки сводного индекса инновационного потенциала малых предприятий в регионах России. Для расчета сводного индекса использовались нормированные значения 10 частных показателей, характеризующих совокупную способность малых предприятий к генерации, внедрению и коммерциализации новых технологий, продуктов и процессов. Основываясь на данной методике, была проведена классификация регионов с лидирующим, средним и низким уровнем развития инновационного потенциала малых предприятий и разработаны стратегии инновационного развитии малого предпринимательства в субъектах Российской Федерации.

Интерес представляет также исследование Архиповой М.Ю. [3], которая на основе кластерного анализа сегментировала регионы на три однородные группы по уровню развития малых инновационных предприятий (МИП). Уровень развития МИП осуществляется по четырем показателям, определяющим инновационную активность:

1) удельный вес малых предприятий, осуществлявших технологические инновации;

2) удельный вес инновационных товаров, (работ, услуг) в общем объеме отгруженных товаров (работ, услуг);

3) затраты на технологические инновации;

4) количество патентных заявок.

Проведенное исследование показало, что требуется комплексный подход к оценке уровня инновационного развития субъектов малого предпринимательства, который учитывает различные аспекты инновационной деятельности.

Результаты нейросетевого моделирования инновационного развития субъектов малого предпринимательства в российских регионах

В качестве исходных данных для оценки уровня инновационного развития субъектов малого предпринимательства в российских регионах использовались данные за 2024 год по 85 субъектам РФ, полученные из официальных данных Федеральной службы государственной статистики [13]:

П1 - число предприятий, выполнявших научные исследования и разработки, единиц;

П2 - затраты на научные исследования и разработки (без НДС, акцизов и аналогичных обязательных платежей), тыс. руб.;

П3 - доля малых предприятий, использовавших цифровые технологии;

П4 - удельный вес малых предприятий, осуществлявших инновационную деятельность, в общем числе обследованных малых предприятий;

П5 - удельный вес затрат на инновационную деятельность в общем объеме отгруженных товаров, выполненных работ, услуг.

Для проведения анализа в соответствии с теорией нейронных сетей все параметры были определены как входные, а на выходе получается карта Кохонена. Ячейки данной карты свидетельствуют об уровне инновационного развития малого предпринимательства в субъектах Российской Федерации.

Методика исследования предполагает выполнение серии последовательных шагов.

Шаг 1. Определение статистических характеристик исходных данных. Результаты анализа на данном этапе представлены в табл.1.

Таблица 1. Статистические характеристики распределения регионов по показателям П1-П5

Источник: составлено авторами на основе данных [13]

Шаг 2. Кластеризация и построение самоорганизующейся карты Кохонена.

На втором шаге проводим кластеризацию исходных данных с использованием программного пакета Deductor Studio Academic. Получаем карту Кохонена с распределением всех регионов на 4 кластера. Важно отметить еще раз, что все показатели П1-П5 являются входными, а результатом анализа являются кластеры, характеризующие уровень инновационного развития субъектов малого предпринимательства в российских регионах (рис.4).

Рисунок 4. Кластеризация регионов по уровню инновационного развития субъектов малого предпринимательства. Источник: Составлено авторами на основе данных [13].

Шаг 3. Определение состава и структуры кластеров.

Всего в кластеры попало 85 регионов без учета «новых регионов РФ», таких как: ДНР, ЛНР, Херсонская и Запорожская области. Данные регионы не вошли в анализ, так как по ним на данный момент времени не сформирована необходимая статистическая база для его проведения.

По результатам кластерного анализа было образовано 4 кластера со следующей региональной структурой.

Кластер 1 (46 регионов): Брянская область, Ивановская область, Костромская область, Курская область, Тамбовская область, Смоленская область, Республика Карелия, Республика Коми, Архангельская область, Ненецкий автономный округ, Архангельская область (кроме Ненецкого автономного округа), Вологодская область, Мурманская область, Новгородская область, Республика Адыгея, Республика Калмыкия, Краснодарский край, Волгоградская область, Республика Дагестан, Республика Ингушетия, Кабардино-Балканская республика, Карачаево-Черкесская Республика, Республика Северная Осетия-Алания, Ставропольский край, Оренбургская область, Саратовская область, Тюменская область, Ханты-Мансийский автономный округ -Югра, Республика Алтай, Республика Тыва, Красноярский край, Кемеровская область- Кузбасс, Омская область, Республика Бурятия, Республика Саха (Якутия), Забайкальский край, Камчатский край, Амурская область, Магаданская область, Сахалинская область, Еврейская автономная область, Чукотский автономный округ.

Кластер 2 (27 регионов): Белгородская область, Владимирская область, Воронежская область, Калужская область, Липецкая область, Орловская область, Тамбовская область, Рязанская область, Тверская область, Тульская область, Ленинградская область, Псковская область, Астраханская область, город федерального значения Севастополь, Республика Башкортостан, Республика Марий Эл, Республика Мордовия, Удмуртская Республика, Пермский край, Кировская область, Пензенская область, Самарская область, Курганская область, Свердловская область, Челябинская область, Алтайский край, Новосибирская область.

Кластер 3 (9 регионов): Ярославская область, Калининградская область, Республика Крым, Нижегородская область, Ульяновская область, Тюменская область (кроме Ханты-Мансийского автономного округа), Иркутская область, Томская область, Хабаровский край.

Кластер 4 (5 регионов): Московская область, город Москва, город Санкт-Петербург, Ростовская область, Республика Татарстан.

Шаг 4. Формирование выводов и предложений на основе проведенного анализа.

По результатам анализа видно, что группу лидеров составляют регионы кластера № 4, причем лидирующими регионами среди кластера являются города федерального значения Москва и Санкт-Петербург. Данный кластер значительно превосходит остальные по показателям затрат на научные исследования и разработки, что свидетельствует о стремлении малых предприятий данных регионов завоевывать новые рынки, повышая конкурентоспособность продукции. Однако удельный вес инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг малых предприятий этого кластера ниже, чем у регионов первого кластера, таких как Мурманская область (23%), Республика Алтай (13,7%). Регионы четвертого кластера характеризуются развитой инновационной инфраструктурой (особые экономические зоны технико-внедренческого типа, технопарки, бизнес-инкубаторы, инновационные кластеры), что позволяет данным регионам сохранять лидирующие позиции. Согласно Национальному рейтингу состояния инвестиционного климата Республика Татарстан и г. Москва входят в топ-10 регионов по мерам поддержки бизнеса.

К группе вице-лидеров относятся регионы кластера №3, в них значения показателей П1-П5 ниже, чем в группе регионов-лидеров, но выше чем в двух оставшихся кластерах №1 и №2.

На третьем месте находятся регионы, входящие в кластер №2, показатели данных регионов хуже, чем у регионов, входящих в кластеры №3 и №4, но лучше, чем показатели регионов, входящих в кластер №1.

Регионы, входящие в кластер №1, следует отнести к регионам-аутсайдерам по уровню инновационного развития малого предпринимательства в них.

Заключение

Исходя из результатов кластеризации, авторы предлагают ряд мероприятий по повышению уровня инновационного развития субъектов малого предпринимательства, которые помогут снизить различия между регионами-лидерами и отстающими регионами.

Для регионов четвертого кластера:

1. Развитие существующих и создание новых инновационных экосистем, таких как технопарки, бизнес-инкубаторы, центры трансфера технологий, центры развития производственных технологий.

2. Формирование на региональном уровне специальной системы налоговых льгот для высокотехнологичных малых предприятий.

3. Проведение конкурсов на предоставление грантов, направленных на разработку и внедрение малыми предприятиями зеленых технологий, основной целью которых является оптимальное использование производственных ресурсов и снижение экологического ущерба (сокращение энергозатрат и потерь энергетических ресурсов, сокращение загрязнения атмосферного воздуха, земельных, водных ресурсов, уменьшение уровня шума, улучшение возможностей вторичной переработки товаров после использования).

4. Предоставление субсидий и льготных кредитов для привлечения частных инвесторов в инновационные стартапы (например, субсидия на закупку оборудования).

5. Расширение образовательных программ, нацеленных на подготовку специалистов по научно-техническому развитию регионов и предприятий.

Для регионов третьего кластера:

1. Расширение имеющейся сети технопарков, бизнес-инкубаторов, центров развития технологий и создание новых инновационных экосистем не территории региона.

2. Формирование специализированных инновационных кластеров, способствующих эффективному взаимодействию региональных органов власти, образовательных, научных и финансовых организаций, субъектов малого предпринимательства и других лиц, участвующих в реализации инновационных проектов.

3. Проведение конкурсов на предоставление грантов, направленных на разработку и внедрение малыми предприятиями сквозных цифровых технологий.

4. Предоставление расширенного перечня мер финансовой поддержки на региональном уровне (субсидии, налоговые льготы для резидентов технопарков, льготные кредиты).

5. Разработка и реализация программ повышения квалификации по коммерциализации инноваций.

Для регионов второго кластера:

1. Инвестирование в создание современной инновационной инфраструктуры, включая специализированные инновационные кластеры, технопарки, бизнес-инкубаторы, центры развития технологий.

2. Развитие сети венчурных фондов и формирование региональных инновационных фондов для финансовой поддержки инновационных проектов.

3. Активизация поддержки стартапов в секторе инновационного малого бизнеса посредством налоговых льгот и субсидий.

4. Содействие взаимодействию субъектов малого предпринимательства с научно-исследовательскими организациями.

5. Разработка и реализация программ профессиональной подготовки и повышения квалификации в сфере инноваций.

Для регионов первого кластера:

1. Создание современной инновационной экосистемы, учитывающей региональную специфику.

2. Увеличение объемов и эффективности государственной поддержки

3. Укрепление сотрудничества малого бизнеса с образовательными и научно-исследовательскими организациями.

Полученные результаты данного исследования могут быть использованы при совершенствовании стратегии региона в части инновационного развития субъектов малого предпринимательства с учетом их кластерной принадлежности.