Диагностика региональных дисбалансов глобальной конкурентоспособности российских регионов на основе матричного подхода

Введение

Согласно целям национального развития Российской Федерации, к 2030 году предстоит обеспечить прирост объема экспорта несырьевых неэнергетических товаров не менее чем на две трети [12]. Решение этой задачи требует от регионов способности выстраивать конкурентные позиции на глобальных рынках и интегрироваться в новые логистические маршруты. Однако в связи с неравномерностью пространственной организации экономики страны неравномерным является и потенциал участия регионов в глобальной конкуренции.

В российской региональной экономике сложились исследовательские традиции, изучающие пространственную специфику (А.Г. Гранберг [3], Е.А. Коломак [8], Г.А. Хмелева [19]), ресурсные модели развития (А.И. Татаркин [16], О.В. Кузнецова [9]), пространственную организацию (Н.В. Зубаревич [6] и др.), а также институты и человеческий капитал как источники конкурентных преимуществ (Г.Ю. Гагарина [2], Р.М. Нуреев [11], Г.А. Унтура [18]). Однако в них малое отражение находит способность территории быстро перестраивать хозяйственные связи в условиях ограниченной открытости.

В зарубежной науке сформировались подходы, трактующие конкурентоспособность как динамический процесс. Например, Р. Бошма, Р. Мартин ввели понятия «эффекта колеи» (path dependence) и «связанного разнообразия» (related variety), показав, что конкурентоспособность региона определяется его исторически сложившимися компетенциями и способностью рекомбинировать их для освоения новых, технологически родственных видов деятельности [20]. Авторы Дж. Бристоу, М. Китсон, Р. Мартин дополнили это понимание категорией резильентности [21, 25]. Г. Гереффи, Дж. Хамфри, Т. Стерджена изучали переход регионов к более сложным и высокомаржинальным операциям в международном разделении труда [24]. Подходы к измерению региональной конкурентоспособности представлены прежде всего регулярно публикуемыми рейтингами. Среди них – зарубежные Regional Competitiveness Index [23], рассчитываемый Еврокомиссией для регионов ЕС, Global Competitiveness Index Всемирного экономического форума [22]. Они строятся на агрегации большого набора статических показателей (инфраструктура, институты, инновации, человеческий капитал и др.), позволяющих сравнивать территории по уровню развития, но не оценивающих их адаптационный потенциал.

Однако независимо от страны происхождения и инструментария большинство подходов отражают накопленный «запас» конкурентных преимуществ региона – ресурсы, достигнутый ВРП, сложившуюся структуру экономики, но не измеряют способность региона к структурной трансформации в ответ на внешние изменения. Не учитываются структура конкурентных преимуществ и слабые места, в результате чего региональная политика является выравнивающей, не позволяющей адресно устранять конкретные диспропорции и тем самым достигать целевых ориентиров национального развития.

Цель статьи – диагностировать региональные дисбалансы глобальной конкурентоспособности субъектов Российской Федерации на основе матричного подхода, позволяющего идентифицировать типы регионов по сочетанию накопленного потенциала и адаптационной динамики. Для достижения цели решаются следующие задачи: 1) построить матрицы позиционирования регионов по детерминантам глобальной конкурентоспособности с выделением четырех квадрантов («потенциал–адаптация»); 2) провести пространственный анализ распределения регионов по квадрантам и выявить виды структурных дисбалансов.

Методологическая основа исследования построена на системно-диагностическом подходе к оценке глобальной конкурентоспособности регионов. Информационной базой послужили преимущественно данные Федеральной службы государственной статистики по 78 субъектам Российской Федерации за 2021–2024 гг. (из анализа исключены четыре новых региона, а также регионы с отсутствием полных статданных).

Основная часть

Под глобальной конкурентоспособностью региона в настоящем исследовании понимается его способность к устойчивому экономическому развитию и повышению благосостояния в условиях фрагментации глобального пространства, проявляющаяся в трех аспектах: диверсификации внешнеэкономических связей и освоении новых рынков, снижении критической импортозависимости и развитии технологического потенциала, а также формировании адаптивной социально-экономической системы как основы инноваций и структурной перестройки. Под детерминантами глобальной конкурентоспособности региона понимаются управляемые параметры, определяющие способность региона формировать предложение и адаптироваться к изменениям внешней среды. Выделены три контура детерминантов (рис. 1).

Рисунок 1 – Детерминанты глобальной конкурентоспособности региона

Источник: разработано автором.

В основе разрабатываемого в статье матричного подхода – разделение индикаторов по каждому детерминанту на потенциал и адаптацию. Для каждого региона и детерминанта рассчитывается пара значений – индекс потенциала и индекс адаптации как взвешенные суммы нормализованных показателей в составе детерминантов (см. табл. 1); веса определены энтропийным методом. Для каждого детерминанта строится матрица, разделенная на четыре квадранта относительно медианных значений по всей выборке регионов (рис. 2).

Рисунок 2 – Типовая структура матрицы «потенциал – адаптация»

Источник: разработано автором.

Во внутренний контур включены детерминанты, характеризующие определенный аспект внутреннего потенциала региона (ресурсно-сырьевой – обеспеченность и структура добывающего сектора, производственно-технологический – масштаб и технологический уровень обрабатывающей промышленности, человеческого капитала – качество и инновационная активность рабочей силы, внутрирегиональный инфраструктурный – транспортная, энергетическая и цифровая обеспеченность) и определяющие способность региона формировать конкурентоспособное предложение на глобальных рынках. Сводная таблица весов (табл. 1) показывает, дифференциация регионов по внутреннему контуру определяется качественными параметрами: структурными сдвигами в ресурсно-сырьевом блоке, специализацией и инвестициями в производственно-технологическом, занятостью в исследованиях в человеческом капитале, энергообеспеченностью и плотностью дорог в инфраструктурном.

Таблица 1 – Весовые коэффициенты по детерминантам внутреннего контура

На основе рассчитанных весов для каждого региона были определены субиндексы потенциала и адаптации , представляющие собой взвешенные суммы нормализованных значений индикаторов в пределах каждого детерминанта. Например, субиндексы по ресурсно-сырьевому детерминанту сформированы на основе индикаторов РС-П-1, РС-П-2, РС-П-3, РС-П-4 ( ) и РС-А-1, РС-А-2, РС-А-3, РС-А-4 ( ). Для остальных детерминантов – аналогично, с разделением на индикаторы с суффиксами «-П» (потенциал) и «-А» (адаптацию). Полученные пары значений представлены в табл. 2.

Таблица 2 – Интегральные значения потенциала и адаптации по детерминантам внутреннего контура

Регион	Ресурсно-сырьевые		Производственно-технологические		Человеческого капитала		Внутрирегиональные инфраструктурные
Белгородская обл.	0,081	0,509	0,131	0,366	0,243	0,127	0,202	0,256
Брянская обл.	0,000	0,546	0,125	0,522	0,162	0,188	0,133	0,391
Владимирская обл.	0,005	0,526	0,180	0,406	0,299	0,244	0,150	0,326
Воронежская обл.	0,004	0,514	0,108	0,339	0,374	0,183	0,296	0,386
Ивановская обл.	0,002	0,514	0,411	0,488	0,129	0,199	0,138	0,359
Калужская обл.	0,003	0,523	0,211	0,265	0,508	0,307	0,124	0,332
Костромская обл.	0,002	0,554	0,359	0,333	0,123	0,748	0,184	0,303
Курская обл.	0,046	0,483	0,115	0,332	0,245	0,229	0,211	0,271
Липецкая обл.	0,005	0,511	0,268	0,324	0,212	0,157	0,192	0,351
Московская обл.	0,002	0,541	0,126	0,437	0,667	0,257	0,341	0,324
Орловская обл.	0,000	0,532	0,104	0,395	0,210	0,251	0,155	0,328
Рязанская обл.	0,002	0,518	0,166	0,457	0,293	0,226	0,147	0,380
Смоленская обл.	0,003	0,520	0,179	0,435	0,166	0,204	0,364	0,261
Тамбовская обл.	0,000	0,597	0,107	0,446	0,158	0,125	0,093	0,304
Тверская обл.	0,002	0,456	0,136	0,414	0,239	0,168	0,295	0,356
Тульская обл.	0,005	0,546	0,261	0,427	0,328	0,231	0,162	0,273
Ярославская обл.	0,002	0,507	0,165	0,386	0,388	0,245	0,135	0,288
г. Москва	0,003	0,427	0,122	0,529	0,844	0,290	0,738	0,289
Респ. Карелия	0,085	0,521	0,238	0,254	0,169	0,230	0,106	0,306
Респ. Коми	0,274	0,586	0,217	0,320	0,179	0,235	0,125	0,248
Архангельская обл.	0,023	0,558	0,268	0,302	0,145	0,246	0,114	0,234
Вологодская обл.	0,001	0,522	0,292	0,283	0,123	0,225	0,137	0,166
Калининградская обл.	0,011	0,554	0,122	0,352	0,146	0,229	0,181	0,331
Ленинградская обл.	0,010	0,368	0,272	0,446	0,297	0,329	0,338	0,264
Мурманская обл.	0,090	0,548	0,229	0,286	0,239	0,187	0,195	0,314
Новгородская обл.	0,003	0,492	0,217	0,370	0,181	0,223	0,095	0,305
Псковская обл.	0,003	0,517	0,134	0,430	0,139	0,225	0,114	0,532
г. Санкт-Петербург	0,008	0,504	0,129	0,408	0,681	0,247	0,607	0,277
Респ. Адыгея	0,008	0,606	0,095	0,445	0,207	0,253	0,213	0,323
Респ. Крым	0,010	0,671	0,064	0,444	0,196	0,274	0,136	0,366
Краснодарский край	0,005	0,512	0,084	0,413	0,193	0,250	0,244	0,354
Астраханская обл.	0,249	0,461	0,058	0,468	0,240	0,327	0,094	0,365
Волгоградская обл.	0,011	0,380	0,139	0,388	0,240	0,202	0,142	0,357
Ростовская обл.	0,008	0,667	0,120	0,431	0,382	0,199	0,365	0,295
Респ. Дагестан	0,006	0,586	0,054	0,651	0,175	0,184	0,123	0,549
Респ. Ингушетия	0,012	0,526	0,032	0,320	0,183	0,213	0,201	0,287
Кабардино-Балкарская Респ.	0,001	0,529	0,134	0,310	0,192	0,173	0,206	0,416
Карачаево-Черкесская Респ.	0,013	0,511	0,130	0,446	0,228	0,226	0,146	0,253
Респ. Северная Осетия – Алания	0,003	0,495	0,054	0,642	0,227	0,330	0,170	0,364
Чеченская Респ.	0,016	0,651	0,102	0,427	0,171	0,242	0,138	0,509
Ставропольский край	0,008	0,575	0,092	0,411	0,212	0,202	0,182	0,257
Респ. Башкортостан	0,037	0,510	0,159	0,364	0,277	0,177	0,226	0,389
Респ. Марий Эл	0,002	0,511	0,159	0,444	0,170	0,453	0,057	0,260
Респ. Мордовия	0,000	0,505	0,156	0,489	0,253	0,151	0,116	0,288
Респ. Татарстан	0,092	0,528	0,210	0,449	0,501	0,310	0,288	0,460
Удмуртская Респ.	0,096	0,498	0,134	0,567	0,127	0,186	0,113	0,331
Чувашская Респ.	0,000	0,445	0,175	0,576	0,208	0,183	0,156	0,420
Пермский край	0,091	0,523	0,194	0,385	0,321	0,239	0,323	0,494
Кировская обл.	0,002	0,449	0,198	0,463	0,187	0,224	0,175	0,353
Нижегородская обл.	0,001	0,500	0,171	0,397	0,739	0,254	0,176	0,393
Оренбургская обл.	0,190	0,494	0,097	0,474	0,161	0,202	0,170	0,341
Пензенская обл.	0,002	0,517	0,156	0,437	0,351	0,227	0,112	0,298
Самарская обл.	0,072	0,542	0,158	0,372	0,363	0,252	0,245	0,312
Саратовская обл.	0,017	0,537	0,114	0,445	0,250	0,201	0,333	0,360
Ульяновская обл.	0,012	0,532	0,136	0,427	0,366	0,188	0,125	0,253
Курганская обл.	0,004	0,503	0,151	0,626	0,137	0,164	0,115	0,280
Свердловская обл.	0,017	0,523	0,192	0,418	0,352	0,222	0,383	0,345
ХМАО – Югра	0,724	0,733	0,086	0,333	0,201	0,334	0,448	0,277
Ямало-Ненецкий автономный округ	0,833	0,500	0,287	0,472	0,161	0,193	0,148	0,238
Тюменская обл. без автономных округов	0,054	0,540	0,212	0,351	0,332	0,224	0,151	0,344
Челябинская обл.	0,025	0,511	0,225	0,391	0,368	0,235	0,260	0,359
Респ. Алтай	0,015	0,428	0,084	0,305	0,088	0,169	0,115	0,350
Респ. Хакасия	0,094	0,529	0,142	0,310	0,090	0,269	0,235	0,282
Алтайский край	0,005	0,567	0,109	0,427	0,215	0,193	0,150	0,254
Красноярский край	0,097	0,545	0,202	0,362	0,278	0,235	0,480	0,319
Иркутская обл.	0,151	0,569	0,175	0,444	0,162	0,217	0,437	0,334
Кемеровская обл.	0,184	0,491	0,117	0,303	0,116	0,223	0,179	0,317
Новосибирская обл.	0,015	0,549	0,101	0,412	0,491	0,310	0,162	0,278
Омская обл.	0,001	0,537	0,157	0,281	0,217	0,199	0,113	0,309
Томская обл.	0,101	0,520	0,140	0,411	0,552	0,199	0,088	0,341
Респ. Бурятия	0,057	0,550	0,099	0,438	0,116	0,225	0,147	0,354
Респ. Саха (Якутия)	0,408	0,511	0,040	0,396	0,245	0,144	0,116	0,320
Забайкальский край	0,312	0,628	0,227	0,481	0,100	0,136	0,115	0,439
Камчатский край	0,058	0,561	0,098	0,307	0,245	0,148	0,124	0,234
Приморский край	0,011	0,547	0,085	0,421	0,210	0,151	0,144	0,334
Хабаровский край	0,044	0,616	0,118	0,462	0,156	0,207	0,172	0,445
Амурская обл.	0,077	0,376	0,396	0,588	0,117	0,287	0,156	0,524
Сахалинская обл.	0,541	0,393	0,061	0,307	0,160	0,256	0,152	0,180
Медиана	0,011	0,522	0,137	0,414	0,212	0,225	0,156	0,325

Анализ интегральных значений внутреннего контура позволяет выявить типы структурных дисбалансов, определяющих глобальную конкурентоспособность регионов:

Первый тип – между ресурсным потенциалом и сопутствующим развитием переработки, человеческого капитала и инфраструктуры. Наиболее ярко это проявляется в регионах с экстремально высокими значениями ресурсно-сырьевого потенциала (Ханты-Мансийский и Ямало-Ненецкий автономные округа, Кемеровская область, Республика Саха (Якутия)), которые одновременно имеют низкие адаптационные значения по производственно-технологическому, человеческому и инфраструктурному детерминантам. Ресурсная база сохраняется или наращивается, но без сопутствующего развития переработки, человеческого капитала и инфраструктуры. В терминах глобальной конкурентоспособности это означает утрату возможностей для углубленной переработки и роста добавленной стоимости.

Второй тип – между умеренным потенциалом и опережающей адаптацией. Ряд регионов (Ростовская область, Краснодарский край, Республика Адыгея, Республика Дагестан, Псковская область, Камчатский край) компенсируют отсутствие масштабных ресурсных заделов активной структурной перестройкой. Их адаптационные показатели по отдельным детерминантам существенно превышают медианные значения, что свидетельствует о целенаправленных усилиях по модернизации производства, развитию инфраструктуры и привлечению инвестиций. Такой тип дисбаланса, в отличие от первого, создает предпосылки для догоняющего развития и повышения глобальной конкурентоспособности за счет быстрой реакции на изменение внешних условий.

Третий тип – между накопленным человеческим капиталом и его динамикой. Разброс значений по занятости в исследованиях и разработках составляет почти два порядка. Столичные агломерации и крупные научно-образовательные центры существенно опережают остальные регионы по накопленному интеллектуальному капиталу. Однако в ряде регионов с высоким потенциалом адаптация низка (Томская область, Белгородская область, Воронежская область) – виден отток квалифицированных кадров или стагнация научно-инновационной сферы.

Четвертый тип – пространственный, между западными и восточными регионами по инфраструктурной обеспеченности. Наиболее высокие значения потенциала по плотности дорог и энергообеспеченности сосредоточены в столичных агломерациях и крупных промышленных центрах Европейской части России; восточные регионы характеризуются низкими значениями. При этом в восточных регионах адаптационная динамика по инфраструктуре часто выше медианной, что свидетельствует о попытках преодоления инфраструктурных ограничений.

Внешний контур объединяет рыночный, институционально-политический и логистико-географический детерминанты. Если внутренний контур отвечает на вопрос «что регион может предложить», то внешний – «при каких условиях и с какими издержками».

Анализ весовых коэффициентов внешнего контура (табл. 3) позволяет выделить основные факторы дифференциации регионов: в рыночном детерминанте – экспортная емкость ВРП (Р-П-1, вес 0,55) и локализация инвестиций в обрабатывающие производства (Р-П-4, вес 0,35), в блоке адаптации – интенсивность структурных сдвигов в промышленности (Р-А-1, вес 0,43), отражающая способность регионов перестраивать производственный профиль в ответ на изменение внешнеэкономических условий. В институционально-политическом детерминанте весовые коэффициенты не рассчитывались, поскольку входящие в него индикаторы имеют качественную, балльную природу, при агрегировании использованы равные веса индикаторов.

Таблица 3 – Состав индикаторов и весовые коэффициенты по детерминантам внешнего контура

Полученные пары значений по детерминантам внешнего контура представлены в табл. 4.

Таблица 4 – Интегральные значения потенциала и адаптации по детерминантам внешнего контура

Регион	Рыночный		Институционально-политический		Логистико-географический
Белгородская обл.	0,247	0,190	0,458	0,031	0,030	0,130
Брянская обл.	0,249	0,310	0,167	0,267	0,019	0,121
Владимирская обл.	0,336	0,452	0,448	0,287	0,056	0,179
Воронежская обл.	0,202	0,284	0,198	0,337	0,051	0,092
Ивановская обл.	0,218	0,335	0,198	0,094	0,025	0,118
Калужская обл.	0,409	0,449	0,563	0,446	0,031	0,132
Костромская обл.	0,651	0,335	0,031	0,142	0,030	0,097
Курская обл.	0,163	0,433	0,750	0,063	0,034	0,167
Липецкая обл.	0,474	0,269	0,531	0,063	0,033	0,114
Московская обл.	0,231	0,300	0,229	0,690	0,109	0,117
Орловская обл.	0,277	0,217	0,198	0,132	0,016	0,109
Рязанская обл.	0,299	0,406	0,719	0,321	0,050	0,087
Смоленская обл.	0,292	0,351	0,417	0,322	0,015	0,142
Тамбовская обл.	0,284	0,246	0,000	0,031	0,049	0,100
Тверская обл.	0,187	0,313	0,344	0,000	0,048	0,108
Тульская обл.	0,379	0,188	0,656	0,258	0,037	0,102
Ярославская обл.	0,326	0,283	0,031	0,094	0,047	0,086
г. Москва	0,321	0,281	0,438	0,313	0,930	0,543
Респ. Карелия	0,216	0,187	0,656	0,101	0,042	0,167
Респ. Коми	0,175	0,263	0,656	0,000	0,003	0,082
Архангельская обл.	0,162	0,330	0,833	0,070	0,036	0,107
Вологодская обл.	0,526	0,198	0,771	0,101	0,015	0,088
Калининградская обл.	0,315	0,407	0,781	0,031	0,064	0,124
Ленинградская обл.	0,571	0,252	0,510	0,359	0,061	0,133
Мурманская обл.	0,266	0,117	0,167	0,139	0,038	0,090
Новгородская обл.	0,418	0,243	0,594	0,142	0,036	0,115
Псковская обл.	0,263	0,268	0,365	0,162	0,047	0,103
г. Санкт-Петербург	0,215	0,490	0,458	0,579	0,766	0,124
Респ. Адыгея	0,129	0,396	0,667	0,221	0,027	0,169
Респ. Крым	0,098	0,480	0,500	0,139	0,056	0,101
Краснодарский край	0,255	0,316	0,563	0,284	0,060	0,115
Астраханская обл.	0,119	0,297	0,500	0,252	0,043	0,092
Волгоградская обл.	0,383	0,333	0,656	0,285	0,044	0,115
Ростовская обл.	0,297	0,344	0,333	0,162	0,049	0,130
Респ. Дагестан	0,096	0,458	0,625	0,162	0,042	0,051
Респ. Ингушетия	0,078	0,397	0,167	0,000	0,044	0,263
Кабардино-Балкарская Респ.	0,097	0,535	0,448	0,000	0,044	0,106
Карачаево-Черкесская Респ.	0,124	0,377	0,625	0,000	0,037	0,190
Респ. Северная Осетия – Алания	0,099	0,460	0,479	0,000	0,050	0,107
Чеченская Респ.	0,021	0,339	0,740	0,311	0,047	0,213
Ставропольский край	0,179	0,503	0,740	0,063	0,045	0,089
Респ. Башкортостан	0,210	0,261	0,531	0,628	0,042	0,122
Респ. Марий Эл	0,244	0,316	0,771	0,031	0,028	0,106
Респ. Мордовия	0,293	0,175	0,594	0,304	0,036	0,153
Респ. Татарстан	0,333	0,271	0,167	0,938	0,046	0,216
Удмуртская Респ.	0,272	0,467	0,531	0,329	0,036	0,102
Чувашская Респ.	0,239	0,447	0,604	0,156	0,052	0,136
Пермский край	0,366	0,357	0,500	0,500	0,041	0,100
Кировская обл.	0,311	0,467	0,427	0,031	0,040	0,102
Нижегородская обл.	0,324	0,192	0,365	0,531	0,047	0,111
Оренбургская обл.	0,262	0,247	0,500	0,125	0,042	0,101
Пензенская обл.	0,204	0,300	0,531	0,359	0,047	0,114
Самарская обл.	0,302	0,355	0,563	0,281	0,055	0,121
Саратовская обл.	0,286	0,324	0,625	0,171	0,049	0,099
Ульяновская обл.	0,210	0,311	0,365	0,452	0,025	0,139
Курганская обл.	0,303	0,484	0,531	0,070	0,041	0,095
Свердловская обл.	0,290	0,232	0,656	0,531	0,047	0,109
ХМАО – Югра	0,124	0,114	0,833	0,258	0,001	0,093
Ямало-Ненецкий автономный округ	0,094	0,341	0,490	0,000	0,035	0,907
Тюменская обл.	0,217	0,341	0,531	0,111	0,038	0,133
Челябинская обл.	0,426	0,238	0,875	0,313	0,050	0,094
Респ. Алтай	0,092	0,306	0,198	0,000	0,012	0,112
Респ. Хакасия	0,328	0,205	0,531	0,000	0,007	0,110
Алтайский край	0,231	0,345	0,229	0,063	0,041	0,122
Красноярский край	0,237	0,133	0,313	0,094	0,035	0,105
Иркутская обл.	0,315	0,285	0,531	0,325	0,036	0,119
Кемеровская обл.	0,343	0,226	0,365	0,325	0,047	0,122
Новосибирская обл.	0,184	0,311	0,563	0,193	0,041	0,110
Омская обл.	0,370	0,376	0,365	0,274	0,038	0,106
Томская обл.	0,263	0,336	0,167	0,162	0,012	0,095
Респ. Бурятия	0,187	0,160	0,625	0,324	0,036	0,118
Респ. Саха (Якутия)	0,137	0,304	0,198	0,380	0,034	0,115
Забайкальский край	0,272	0,236	0,656	0,101	0,038	0,089
Камчатский край	0,144	0,023	0,594	0,000	0,034	0,164
Приморский край	0,229	0,350	0,563	0,297	0,041	0,118
Хабаровский край	0,192	0,348	0,563	0,031	0,036	0,099
Амурская обл.	0,399	0,723	0,458	0,031	0,039	0,148
Сахалинская обл.	0,281	0,257	0,490	0,171	0,040	0,111
Медиана	0,259	0,312	0,521	0,162	0,041	0,113

По данным табл. 4 видны следующие типы дисбалансов:

Первый тип – между масштабом экспортной базы и способностью ее перестраивать. Разрыв между регионами по рыночному потенциалу превышает 30 раз, а адаптационные значения варьируют в более узком диапазоне – накопленная экспортная специализация регионов принципиально различна, однако способность к перестройке внешнеэкономических связей распределена более равномерно.

Второй тип – между институциональным потенциалом и его реализацией. Регионы с развитой поддержкой экспорта (Челябинская область, Забайкальский край, Республика Коми) имеют низкую адаптацию, тогда как Республика Татарстан при минимальном потенциале имеет максимальную адаптацию за счет высокой интенсивности экономической дипломатии и участия в федеральных программах.

Третий тип – пространственный, проявляющийся в разрыве между столичными агломерациями и остальной территорией по логистико-географическому детерминанту.

Четвертый тип – между приграничным положением и его использованием. Близость к границе не является автоматическим преимуществом: разброс адаптационных значений среди приграничных регионов варьирует от высоких (Амурская, Псковская области) до нулевых (республики Северного Кавказа).

В системообразующий контур вошли детерминанты, обеспечивающие координацию и управление процессом сопряжения внутреннего потенциала региона с параметрами внешней среды: управленческо-аналитический – качество стратегического планирования, наличие аналитических подразделений в органах власти и регулярность мониторинга внешнеэкономической деятельности; институциональный – развитость инфраструктуры поддержки экспорта, эффективность институтов развития и качество регионального регулирования в сфере ВЭД; информационно-коммуникационный – уровень цифровизации бизнеса и государственного управления, доступность широкополосного интернета и внедрение цифровых платформ для внешнеэкономической деятельности.

Анализ весовых коэффициентов системообразующего контура (табл. 5) показывает, что в институциональном детерминанте веса близки (0,53 и 0,47), а в адаптации доминирует географическая диверсификация экспорта (0,81). В информационно-коммуникационном блоке в потенциале важнее широкополосный доступ (0,63), в адаптации – динамика внедрения цифровых платформ (0,65). Для управленческо-аналитического детерминанта веса не рассчитывались ввиду балльной природы показателей; при агрегировании использованы равные веса.

Таблица 5 – Состав индикаторов и весовые коэффициенты по детерминантам системообразующего контура

Полученные пары значений по детерминантам системообразующего контура представлены в табл. 6.

Таблица 6 – Интегральные значения потенциала и адаптации по детерминантам системообразующего контура

Регион	Управленческо-аналитический		Институциональный		Информационно-коммуникационный
Белгородская обл.	1,000	0,667	0,722	0,182	0,519	0,182
Брянская обл.	0,167	0,167	0,462	0,081	0,357	0,081
Владимирская обл.	0,667	0,333	0,519	0,052	0,441	0,052
Воронежская обл.	0,333	0,333	0,604	0,198	0,632	0,198
Ивановская обл.	0,500	0,333	0,369	0,006	0,499	0,006
Калужская обл.	0,500	0,167	0,485	0,053	0,354	0,053
Костромская обл.	0,333	0,500	0,435	0,021	0,311	0,021
Курская обл.	0,333	0,167	0,730	0,296	0,440	0,296
Липецкая обл.	0,333	0,167	0,585	0,310	0,477	0,310
Московская обл.	0,500	0,500	0,525	0,320	0,654	0,320
Орловская обл.	0,500	0,167	0,489	0,207	0,446	0,207
Рязанская обл.	0,333	0,167	0,568	0,021	0,589	0,021
Смоленская обл.	0,500	0,000	0,505	0,023	0,417	0,023
Тамбовская обл.	0,333	0,167	0,447	0,253	0,422	0,253
Тверская обл.	0,333	0,000	0,579	0,016	0,609	0,016
Тульская обл.	0,500	0,333	0,490	0,024	0,674	0,024
Ярославская обл.	0,667	0,167	0,409	0,022	0,382	0,022
г. Москва	1,000	0,500	0,661	0,159	0,769	0,159
Респ. Карелия	0,500	0,833	0,520	0,022	0,440	0,022
Респ. Коми	0,500	0,500	0,437	0,003	0,445	0,003
Архангельская обл.	0,500	0,167	0,731	0,003	0,661	0,003
Вологодская обл.	0,500	0,500	0,704	0,294	0,485	0,294
Калининградская обл.	0,500	0,667	0,715	0,309	0,633	0,309
Ленинградская обл.	0,167	0,500	0,666	0,188	0,485	0,188
Мурманская обл.	0,333	0,333	0,655	0,162	0,585	0,162
Новгородская обл.	0,333	0,833	0,425	0,028	0,616	0,028
Псковская обл.	0,167	0,000	0,455	0,059	0,331	0,059
г. Санкт-Петербург	1,000	1,000	0,482	0,172	0,554	0,172
Респ. Адыгея	0,167	0,667	0,734	0,012	0,654	0,012
Респ. Крым	0,167	0,333	0,354	0,069	0,505	0,069
Краснодарский край	0,833	0,833	0,602	0,870	0,565	0,870
Астраханская обл.	0,667	0,667	0,394	0,112	0,622	0,112
Волгоградская обл.	0,500	0,500	0,499	0,207	0,567	0,207
Ростовская обл.	0,667	0,833	0,620	0,947	0,523	0,947
Респ. Дагестан	0,500	0,833	0,451	0,137	0,488	0,137
Респ. Ингушетия	0,333	0,667	0,275	0,028	0,278	0,028
Кабардино-Балкарская Респ.	0,500	0,500	0,511	0,071	0,401	0,071
Карачаево-Черкесская Респ.	0,333	0,167	0,460	0,047	0,671	0,047
Респ. Северная Осетия – Алания	0,500	0,167	0,546	0,103	0,685	0,103
Чеченская Респ.	0,667	0,667	0,558	0,029	0,878	0,029
Ставропольский край	0,667	0,333	0,701	0,601	0,493	0,601
Респ. Башкортостан	0,833	0,500	0,512	0,784	0,561	0,784
Респ. Марий Эл	0,500	0,500	0,710	0,051	0,431	0,051
Респ. Мордовия	0,500	0,833	0,500	0,049	0,427	0,049
Респ. Татарстан	0,833	0,167	0,466	0,423	0,777	0,423
Удмуртская Респ.	0,500	0,833	0,495	0,550	0,495	0,550
Чувашская Респ.	0,667	0,333	0,716	0,100	0,509	0,100
Пермский край	0,500	0,667	0,264	0,187	0,532	0,187
Кировская обл.	0,333	0,667	0,356	0,063	0,182	0,063
Нижегородская обл.	0,667	0,667	0,392	0,090	0,506	0,090
Оренбургская обл.	0,500	0,500	0,377	0,111	0,708	0,111
Пензенская обл.	0,333	0,667	0,548	0,230	0,412	0,230
Самарская обл.	0,833	0,500	0,476	0,055	0,507	0,055
Саратовская обл.	0,500	0,667	0,504	0,097	0,381	0,097
Ульяновская обл.	0,500	0,667	0,341	0,113	0,538	0,113
Курганская обл.	0,667	0,667	0,353	0,037	0,410	0,037
Свердловская обл.	0,833	0,667	0,493	0,028	0,390	0,028
ХМАО – Югра	0,667	0,833	0,602	0,003	0,705	0,003
Ямало-Ненецкий автономный округ	0,500	0,667	0,000	0,003	0,733	0,003
Тюменская обл.	0,833	0,667	0,446	0,012	0,633	0,012
Челябинская обл.	0,833	0,667	0,666	0,219	0,615	0,219
Респ. Алтай	0,500	0,833	0,319	0,003	0,560	0,003
Респ. Хакасия	0,500	0,833	0,332	0,106	0,348	0,106
Алтайский край	0,333	0,333	0,519	0,309	0,423	0,309
Красноярский край	0,833	0,833	0,586	0,151	0,417	0,151
Иркутская обл.	0,833	0,500	0,477	0,109	0,699	0,109
Кемеровская обл.	0,333	0,500	0,371	0,049	0,516	0,049
Новосибирская обл.	0,667	0,500	0,476	0,415	0,527	0,415
Омская обл.	0,500	0,833	0,406	0,146	0,548	0,146
Томская обл.	0,667	0,333	0,331	0,260	0,503	0,260
Респ. Бурятия	0,667	0,833	0,424	0,094	0,630	0,094
Респ. Саха (Якутия)	0,500	0,000	0,292	0,003	0,707	0,003
Забайкальский край	0,500	0,833	0,421	0,135	0,321	0,135
Камчатский край	0,333	0,833	0,403	0,168	0,683	0,168
Приморский край	0,833	0,833	0,489	0,563	0,582	0,563
Хабаровский край	0,833	0,833	0,391	0,215	0,544	0,215
Амурская обл.	0,500	0,833	0,500	0,215	0,626	0,215
Сахалинская обл.	0,667	0,833	0,482	0,127	0,732	0,127
Медиана	0,500	0,500	0,489	0,107	0,521	0,107

Анализ интегральных значений системообразующего контура позволяет выделить три типа структурных дисбалансов:

Первый тип – между наличием управленческо-аналитических структур и их реальным функционированием. Наличие аналитических подразделений и стратегических документов в органах власти не гарантирует их актуализации и практического использования (Смоленская, Тверская, Псковская области, Республика Саха (Якутия) при высоком потенциале имеют нулевую адаптацию).

Второй тип – между институциональным потенциалом и эффективностью его использования для расширения географии экспорта. Регионы с развитой инфраструктурой поддержки экспорта (Республика Адыгея, Архангельская, Курская области) демонстрируют низкую адаптацию, тогда как Ростовская область и Краснодарский край при умеренном потенциале достигают максимальной адаптации за счет активного использования институтов для расширения экспортных поставок.

Третий тип – между инфраструктурной обеспеченностью цифровизации и динамикой ее внедрения в бизнес-процессы. Столичные и ряд национальных регионов имеют высокий потенциал (Чеченская Республика, Москва, Татарстан), но низкую адаптацию (Ямало-Ненецкий АО – 0,003; Сахалинская область – 0,127; Якутия – 0,003), что указывает на замедление темпов цифровой трансформации бизнеса. Напротив, регионы с высокой адаптацией активнее внедряют цифровые технологии, что в условиях ограниченной открытости становится важным фактором перестройки внешнеэкономических связей.

Сводные результаты распределения регионов по квадрантам в разрезе четырех детерминантов внутреннего контура представлены в табл. 7.

Таблица 7 – Сводное распределение регионов по квадрантам детерминантов глобальной конкурентоспособности

Сводная таблица распределения регионов по квадрантам позволяет сделать следующие выводы. Во-первых, только один регион (Республика Татарстан) находится в первом квадранте одновременно по всем четырем детерминантам внутреннего контура. Ни один регион не демонстрирует такого сочетания по внешнему контуру. По системообразующему контуру в первом квадранте по всем трем детерминантам находятся лишь шесть регионов (Москва, Московская область, Калининградская область, Ростовская область, Республика Башкортостан, Челябинская область). Это означает, что целостная, сбалансированная поддержка экспорта – скорее исключение, чем норма. Во-вторых, во многих регионах видно сочетание высокого потенциала по одним детерминантам и низкой адаптации по другим. Наиболее характерные сочетания: высокий ресурсно-сырьевой потенциал – низкая адаптация по человеческому капиталу и инфраструктуре (ХМАО, ЯНАО, Кемеровская область, Якутия); высокий производственно-технологический потенциал – низкая адаптация по институциональному и управленческому блокам (Липецкая, Калужская, Ярославская области); высокий рыночный потенциал – низкая институциональная адаптация (Костромская, Тульская области); высокий уровень цифровизации – слабые институты (Тульская область, ряд регионов Сибири и Дальнего Востока). В-третьих, даже у регионов-лидеров с сильными рыночными и логистическими позициями институциональная адаптация отстает. Качественная институциональная среда, включая актуальные стратегии, аналитические подразделения и механизмы поддержки экспорта, оказывается важнейшим условием реализации внешнеэкономических возможностей.

Таким образом, сбалансированность – это редкое исключение; дисбалансы – неотъемлемая характеристика российского регионального развития. Именно они создают зоны риска при изменении внешней конъюнктуры, но одновременно формируют точки роста для целенаправленной региональной политики.

Заключение

Диагностика структурных дисбалансов глобальной конкурентоспособности российских регионов на основе матричного подхода позволила выявить ключевую закономерность: способность региона к устойчивому позиционированию на глобальных рынках определяется не столько накопленным потенциалом, сколько его соотношением с адаптационной динамикой. Построенные матрицы по десяти детерминантам показали, что лишь в единичных случаях высокий потенциал сопровождается адекватной адаптацией. Для большинства субъектов Российской Федерации характерна структурная несбалансированность: ресурсная база, производственные мощности, институты и инфраструктура не подкрепляются необходимой динамикой обновления и перестройки.

Научная новизна предложенного подхода состоит в переходе от оценки уровня конкурентоспособности к анализу ее внутренней структуры, в том числе пространственной. В отличие от существующих методик, матричный подход позволяет выявить конкретные детерминанты, формирующие отставание или опережение региона, и оценивать разрыв между накопленным заделом и динамикой его изменения. Тем самым вклад в теорию региональной экономики состоит в обосновании того, что глобальная конкурентоспособность региона в условиях ограниченной открытости не сводится к наличию ресурсов или производственных мощностей, а представляет собой способность региональной системы управления к согласованию разнородных факторов развития и поддержанию динамического равновесия между ними.

Результаты диагностики могут быть использованы при разработке и корректировке стратегий социально-экономического развития регионов, а также при формировании адресных мер государственной поддержки внешнеэкономической деятельности. Предложенный инструментарий позволяет федеральным и региональным органам власти дифференцировать приоритеты в соответствии с реальным вкладом каждого типа регионов в глобальную конкурентоспособность страны. Нам видится, что регионы, сочетающие высокий потенциал и высокую адаптацию, – это опорные точки для наращивания несырьевого экспорта и выхода на новые рынки. Наряду с этим, регионы с высоким потенциалом, но низкой адаптацией, требуют структурной перестройки и снятия институциональных ограничений; в противном случае их экспортный потенциал остается нереализованным. Депрессивные регионы нуждаются в смене модели развития, поскольку их текущая траектория не позволяет внести вклад в достижение национальных экспортных целей.

Дальнейшие научные исследования будут связаны с экономической валидацией предложенных в методике детерминантов в части их влияния на уровень и динамику социально-экономического развития регионов и разработкой типологии регионов по уровню глобальной конкурентоспособности.