Проблемы и инструменты аналитики инновационного развития субъектов РФ

Авторы рассматривают подходы и сравнивают оценки уровня инновационного развития регионов РФ по различным методикам. Особое внимание уделено расхождению оценок разных методик вследствие разного набора показателей, характеризующих инновационное развитие и алгоритмов, используемых при расчете композитных индексов. Приведена методическая схема создания оригинального программного комплекса для аналитики и визуализации индикаторов инновационного развития, группируемых в разных композициях. Оригинальная программа позволяет сравнивать оценки композитных индексов, применяя действующие или новые, гибко формируемые алгоритмы, в соответствии с целями анализа и экспертизы для выработки решений, принимаемых на различных уровнях власти. Приведены иллюстрации по апробации программы для расчета отдельных видов композитных индексов.

Эмпирическая оценка уровня инновационного развития регионов России выполняется разными методами, которые отличаются набором показателей и алгоритмов. Цель статьи – анализ методов оценки композитного индекса инновационного развития региона, разработанных разными исследователями, для создания общей схемы его расчета, сопровождаемой  оригинальным программным обеспечением.

Методология исследования содержала краткий обзор подходов к оценке уровня инновационного развития российских регионов, сравнение эмпирических результатов различных методов для того, чтобы создать компьютерную программу, которая содержит библиотеку алгоритмов анализа и визуализации. Результат исследования - методическая схема построения композитного индекса и его межрегиональные сравнения. Схема включает в себя выбор показателей, группировки, алгоритмы, ранги, типологии, визуализацию результатов. В частности, сравнивались последствия применения алгоритмов на результаты оценивания, использующие методические приемы Всемирного банка и метод Хельвига. Показано, что применение разных алгоритмов обеспечивает близкие оценки уровня инновационного развития  регионов - лидеров, таких как Москва и Санкт-Петербург, Нижегородская область. Одновременно наблюдается большая разница оценок для большинства регионов. Верификация схемы расчета индекса выполнена на примере оценки  индекса экономики знаний регионов  России.

Разработанный авторами программный комплекс позволяет создавать и вести библиотеку алгоритмов, конструируемых пользователем; обрабатывать массивы информации с использованием как заранее определённых, так и конструируемых пользователем алгоритмов; визуализировать получаемые результаты в различных формах. Его практическое применение расширяет возможности прикладного анализа различных композиций из показателей, характеризующих развитие регионов  России. 

1. Сиротин В. П., Кузьмин О. М. Моделирование инновационного потенциала региона. URL: finbiz.spb.ru/dounload/4_2008_sirotin.pdf

2. Моисеев В. И. Презентация ИСИ. М., 2012.

3. Унтура Г. А. Стратегическая поддержка регионов России: проблемы оценки статуса территорий инноваций // Регион. 2012. № 1. С. 123–141.

4. Киселев В. Н. Сравнительный анализ инновационной активности субъектов Российской Федерации // Инновации. 2010. № 4. C. 44–55.

5. Семенова Р. И. Сравнительный анализ применения инструментов поддержки иннова- ционной деятельности, а также механизмов реализации инновационной политики в субъек- тах Российской Федерации: выявление лучших практик. URL: http://regconf.hse.ru/ uploads/c7f5b686a8a833cd2b357bd0155ac33739b4233b.doc

6. Канева М. А., Унтура Г. А. Диагностика инновационного развития Сибири // Регион. 2013. № 2. С. 173–197.

7. Халимова С. Инновационная деятельность российских региональных систем. _Saarbrucken: LAP Lambert AcademicPubl., 2011. 115 с.

8. Валиева О. Российские региональные инновационные системы. Характеристика и ана- лиз. Saarbrucken: LAP Lambert Academic Publ., 2011. 192 с.

9. Казанцев С. В. Масштабы инновационной деятельности в субъектах Федерации // Ре- гион: экономика и социология. 2012. № 4. С. 111–138.

10. Лавровский Б. Л. К вопросу об изменении инновационного фактора: региональный аспект // Регион: экономика и социология. 2012. № 4. С. 171–182.

11. Марков Л. С., Ягольницер М. А. Кластеры: формализация взаимосвязей в неформали- зованных производственных структурах. Новосибирск, 2006.

12. Унтура Г. А., Комиссарова И. Г., Ушаков Ф. А. Методы обработки данных для по- строения комплексных (интегральных) индикаторов и классификации объектов. Новоси- бирск, 1998. 75 с.

13. Унтура Г. А. Перспективные вложения для развития экономики знаний: общероссий- ские и региональные тенденции // Регион: экономика и социология. 2009. № 1. С. 64–84.

14. Chen D., Dahlman K. The Knowledge Economy, the KAM Methodology and World Bank Operations // World Bank Institute Working Paper No. 37256. October 2005. URL: http://siteresources.worldbank.org/KFDLP/Resources/KAM_Paper_WP.pdf

15. Инновационный вектор экономики знания / Под ред. Г. А. Унтуры. Новосибирск: Наука, 2011. 271 с.

16. Гапоненко А. Контуры наукоемкой экономики // Экономика. 2005. № 10. С. 56–66.

17. Плюта В. Сравнительный многомерный анализ в экономических исследованиях. М.: Статистика, 1980.

18. Hellwig Z. Zastosowanie metody taksonomicznej do typologocznego podzialu krajov ze wzgledu na poziom ich rozwoju i structure wykwalificowanych kadr // Przeglad Statictyczny. 1968. № 4. S. 307–324.