Устойчивая типология регионов России по уровню научно-­технологического развития за 2012—2024 годы

Введение и постановка вопроса

Актуальная направленность государственной политики связана с поиском путей достижения страной технологической независимости [1]1 и формирования опоры на собственные разработки для ее устойчивого развития, что вовлекает в процесс решения этой задачи реальный сектор экономики и университеты. Сложившиеся внешние условия также подталкивают к решению данной задачи, прежде всего из-за санкционного режима, который привел к существенным ограничениям в сфере внешнеэкономической деятельности, в том числе сократил возможности для простого приобретения высокотехнологических решений за рубежом. Действительно, например, в 2012 г. Российскую Федерацию указали в качестве партнера по импорту 158 стран, по экспорту — 43 страны2. По итогам 2024 г. таких стран как по импорту, так и по экспорту стало меньше на 40 %3.

Это, конечно, не свидетельствует о полном прекращении внешнеэкономических связей, но иллюстрирует сокращение прямого взаимодействия и реальность перестройки состава и структуры логистических цепочек технологических (научных, торговых и индустриальных) взаимодействий. Хотя, например, динамика импорта РФ услуг в сфере научных разработок за 2012—2024 гг. также показывает почти такое же сокращение — на 43 %4, что позволяет предположить схожую динамику и в отношении изменения возможностей для импорта и объемов импорта Россией технологий по соглашениям с зарубежными странами. Доступ к фактическим данным приостановлен с 2022 г.5 Объем средств, ранее направляемых на приобретение иностранных технологий, был весьма значителен и вполне сопоставим с величиной всех расходов федерального бюджета на науку (около 60 % за 2019—2021 гг.)6.

Таким образом, к вопросу поиска направлений для вложений в развитие собственных технологий в стране добавляется ввиду изменений во внешних связях вопрос использования и частично «высвобождаемых» средств.

При этом проблематика эффективного расходования или распределения финансовых средств по регионам страны сформирована двумя составляющими:

1) наличием региональной диспропорции развития субъектов РФ7;

2) необходимостью соблюдения баланса между уровнем вложения средств и результатами, отдачей от них и решением тех задач, которые были поставлены, например, в рамках технологического развития8.

В связи с этим важным представляется определение конкретного места каждого региона9 в функционировании научно-технологической подсистемы страны, в том числе для эффективного распределения имеющегося и будущих объемов финансирования между ними с возможно более гарантированным получением результата от этих вложений, а также установление степени региональной дифференциации путем анализа основных показателей, характеризующих уровень НТР, на основе построения типологии субъектов РФ по уровню НТР. В настоящей публикации предлагается подобное исследование, основанное на данных за 13 лет (с 2012 по 2024 г. включительно).

Выбранный авторами временной интервал ограничен 2012—2024 гг., поскольку за этот период страна и, соответственно, экономики регионов столкнулись с тремя «точками перехода» к новым условиям функционирования10 (рис. 1).

Рис. 1. Активизация национальных векторов развития
под влиянием внешних факторов и условий

Целью настоящего исследования является построение устойчивой типологии субъектов Российской Федерации за период 2012—2024 гг. на основе кластеризации, по ключевым статистическим показателям, отражающим ресурсную и результативную составляющие региональных научно-технологических подсистем, для выявления опорных регионов для решения задач научно-технологического развития в соответствии с актуальным направлением государственной политики.

Гипотеза исследования заключается в том, что опорные регионы характеризуются наиболее высокими показателями развития их научно-технологических подсистем в течение длительного времени и являются ограниченно зависимыми11 от изменения внешних факторов и условий хозяйствования, что особенно важно для обеспечения устойчивости научно-технологического развития страны, достижения технологического суверенитета и решения задач обеспечения экономической безопасности при концентрации научно-технологической деятельности на базе этих опорных регионов.

Географическая связность регионов России в некоторой степени позволяет нивелировать процессы региональной диспропорции. В этом смысле особое внимание в работе уделяется исследованию результативности научно-технологической подсистемы эксклавной Калининградской области как одного из наиболее зависимых от внешних условий субъекта РФ [2] для оценки перспектив реализации задач НТР региона в новых условиях.

Теоретическая основа исследования

Вопросы дифференциации регионов по показателям, характеризующим уро­вень их научно-технологического развития и инновационного потенциала [3], яв­ляются предметом длительной научной дискуссии. Связано это с тем, что такое распределение выступает базовым условием для реализации практически любой стратегии экономического развития страны, предполагающей независимость соб­ственной технологической базы (рис. 2).

Рис. 2. Группировка регионов по уровню научно-технологического развития
как основа для выработки и реализации разных видов стратегий развития

Составлено на основе: [1; 5; 7; 9; 11; 15; 21].

Научный интерес к показателям, критериям и необходимым условиям для рас­пределения регионов по уровню НТР и использования результатов этого распре­деления обычно связан с переходом к новому общегосударственному курсу, кото­рый часто связан с внешними факторами или ожиданием их изменения в будущем [2; 4—6] (см. рис. 1).

Сейчас особенно важен вклад каждого региона в обеспечение экономической безопасности страны как «защищенности экономики от внешних вызовов и угроз» [7]12, в том числе обусловленных высокой степенью зависимости от внешних пар­тнеров, их ресурсов, кадров и технологий [8—10]. Соответственно, дифференциа­ция регионов по уровню НТР преимущественно используется при решении задач обеспечения научно-технологической [9; 10] и инновационной безопасности [11—13], в которую включают и научно-технологическую составляющую [13]. Хотя на­учно-техническая деятельность (НТД) значима для всех составляющих безопасно­сти, необходимо отметить, что не всем регионам нужно обладать высоким уровнем показателей научно-технологического развития, они должны функционировать в условиях баланса и взаимного дополнения для обеспечения решения общегосударственных задач.

В настоящее время в РФ в эпоху перехода «от импортозамещения к технологическому суверенитету»13 [5], что можно рассматривать как смену приоритетов от использования тактических мер к долгосрочному развитию, требующему наличия или ускоренного формирования собственной научно-технологической базы (рис. 2), поиск регионов, в которых такая база функционирует, равно как и регионов, где ее наиболее целесообразно формировать, является все более актуальной задачей.

Термин «технологический суверенитет» трактуется в литературе по-разному — от акцента на независимости государства в техносфере и защите национальных интересов до понимания его как способности сохранять субъектность в глобальных технологических цепочках без автаркии [4; 14; 15].

Консенсус заключается в разграничении суверенитета и импортозамещения: первый предполагает создание и контроль собственных критических технологий, второй — лишь замену поставок без гарантии конкурентоспособности.

В России обновленная Стратегия научно-технологического развития закрепила приоритеты и механизмы реализации политики НТР, однако сохраняются институциональные барьеры — несогласованность приоритетов и слабая восприимчивость экономики к инновациям. Без устранения этих проблем даже масштабная поддержка не ведет к устойчивому снижению технологической зависимости. Исследователи сходятся во мнении, что ключевые драйверы суверенитета — инвестиции в НИОКР и человеческий капитал, развитие институтов и инфраструктуры, а также сетевые формы кооперации. При этом суверенизация критических технологий может временно снижать эффективность, но в долгосрочной перспективе уменьшает риски внешнего давления [16—18].

Научно-технологическая составляющая, будучи основой для обеспечения эко­номической безопасности [9], формирует базу и определяет возможности для до­стижения технологического суверенитета страны.

Для оценки состояния научно-технологической базы страны в определенный период, обеспечения понимания возможного источника «технологического прорыва» и сосредоточения лучших условий для внедрения новых технологий используются различные оценки состояния научно-технологической подсистемы, в том числе рейтинговые. Например, в научном докладе специалистов Института экономики РАН по пространственным аспектам инновационного и научно-технологического развития России [19] сгруппированы 7 региональных рейтингов, рассматривающих научно-технологические показатели и столько же методик оценки инновационного потенциала регионов России. Н. Н. Волкова и Э. И. Романюк в рамках разрабатываемого ими рейтинга научно-технологического развития, включающего 28 показателей, сгруппированных по 4 блокам, также отмечают «актуализацию вопроса разработки рейтингов НТР в условиях антироссийских санкций, в результате которых для нашей страны заблокирован доступ к зарубежным технологиям» [20, с. 50]. Среди рейтингов отметим исследования НИУ ВШЭ, который ведет активное распределение регионов РФ для различных целей, с учетом доступности для них первичных статистических данных уже более 10 лет14. Блок исследования научно-технологического потенциала регионов в самостоятельном формате представлен до 2019 г., а в комплексе входит в региональный рейтинг инновационного развития субъектов (РРИИ). Первый рейтинг РРИИ (2012) базируется на 35 показателях, а актуальный десятый (2025)15 (вышел в июле 2025 года) — на оригинальной методике из 51 показателя (в шестом рейтинге (2019) было 53 показателя)16. Для составления рейтинга используются около 20 различных баз и информационных платформ с данными. Кроме того, в методологии НИУ ВШЭ сами авторы указывают, что применяемые ими методы нормирования показателей позволяют только сравнивать регионы между собой, а не в динамике, за разные годы.

Центр экономических исследований «РИА Рейтинг» 28 октября 2024 г. представил второй рейтинг НТР регионов17. Данный рейтинг формируется по данным Росстата по 19 агрегированным показателям, характеризующим различные составляющие НТД, объемы финансирования, активность инноваций и др. Кроме того, два года подряд — в 2022 и 2023 г. — Минобрнауки публикует национальный рейтинг научно-технологического развития субъектов РФ. Рейтинг за 2022 г. включал 33 показателя, в рейтинге за 2023 г. — 43 показателя, сгруппированных по трем блокам18. Существенные различия в методической базе при составлении рейтинга значительно затрудняют возможность прямого сопоставления и сравнения данных для оценки произошедших изменений, даже за один год. Например, у 22 субъектов РФ их место за год изменилось на десятки (табл. 1). Возникает вопрос о влиянии на такой результат не только стремительно изменившейся ситуации в рассматриваемых регионах, но и обновленных критериев оценки.

Применяться рейтинги должны совершенно автономно, с указанием источника их разработки, что позволяет уточнить методическую базу каждой работы и перечень рассматриваемых в ней показателей. Например, в рейтинге НТР Минобрнауки за 2023 г. Калининградская область занимает 24-е место, в аналогичном рейтинге НТР19, составленном «РИА Рейтинг», — 56-е место.

Рейтинг, будучи иерархическим списком достижения результатов, таким образом, представляет собой «моментальный снимок», хотя и формируется в привязке к реальным данным с некоторым опозданием.

Другим возможным вариантом для распределения регионов по итогам оценки достигнутого или потенциального уровня НТР являются различные группировки (например, в форме классификации или кластеризации).

В числе результатов таких группировок выделим типологию регионов по их предрасположенности к НТР, включающую 9 индикаторов, распределенных на социальный, производственный и институциональный блоки, и построенную по данным субъектов РФ за 2015—2019 гг. [21]; дифференциацию субъектов для реализации региональной политики в области развития науки, технологий и инноваций, включающую 40 показателей, разделенных по 3 блокам, базирующуюся на рейтинговой оценке субъектов РФ за 2017—2021 гг. [22], а также актуальную работу кластерной оценки вклада субъектов в технологический суверенитет страны по показателям, сгруппированным по 4 блокам: потенциал, инфраструктура, результативность и уровень цифровизации, по данным за 2022 г. по двум вариантам показателей: первоначальному, включающему 29 показателей, и новому с 31 показателем [14]. Изменение некоторых используемых показателей и включение новых было произведено в том числе ввиду недоступности отдельных данных в условиях санкций [14].

Таблица 1

Данные по рейтингам и группировкам субъектов РФ по показателям научно-технологического развития20

Составлено на основе рейтингов, итогов дифференциации регионов [22] и кластеризаций [14].

Таким образом, можно отметить тенденцию к увеличению количества используемых показателей и усложнению применяемых методов оценки. Однако такой подход при наличии в качестве одной из целей отслеживания динамики изменений может привести к неверным выводам, в том числе за счет усложнения модели и субъективности экспертных мнений (при их использовании).

Небольшое количество ключевых показателей обеспечивает получение более четкой, сфокусированной картины, снижает затраты на сбор и обработку данных, делает оценку результатов более доступной для понимания не только для экспертов, но и для лиц, принимающих решения в области государственной политики. В дан­ном исследовании подробнее остановимся на оценке целесообразности использова­ния многофакторных моделей из нескольких десятков показателей. Приведем слова естествоиспытателя Ганса Селье: «Вы никогда не узнаете, на что похожа мышь, если будете тщательно изучать ее отдельные клетки под микроскопом, так же как не поймете прелести готического собора, подвергая каждый его камень химическому анализу» [23] и будем при формировании исследовательской базы руководствовать­ся принципом «разумной достаточности эмпирического материала» [24].

Особенность предлагаемой работы обусловлена тем, что научно-технологическая деятельность требует значительных инвестиций и временных затрат [25]. Накопление необходимой инфраструктуры и создание благоприятных условий для развития в регионе науки и создания инноваций, как правило, представляет собой длительный процесс, в котором, конечно, имеют место высокие достижения и прорывные технологии [26], но не менее важны повторяемость и постоянство прогресса. Только благодаря этому регионам удается создать фундамент для собственного устойчивого научно-технологического, а по итогам, и социально-экономического развития, а также сформировать эффективную исследовательскую базу. Исследования, построенные по данным за один год или на коротких промежутках времени, как правило, не имеют возможности уловить долгосрочные тенденции и степень стабильности происходящих в сфере НТР регионов процессов. Поэтому данная работа основана на интервале в 13 лет и, как отмечалось выше, включает как минимум три «точки перехода» к новым условиям функционирования экономики:

1) 2012—2016 гг. (включает «точку перехода» — 2014 г.);

2) 2016—2021 гг. («точка перехода» — 2020 г.);

3) 2021 г. — настоящее время21 («точка перехода» — 2022 г.) (см. рис. 1).

Это позволило оценить возможную реакцию на изменение условий со стороны научно-технологической подсистемы каждого из рассматриваемых регионов, а также сформировать итоговые результаты типологизации по достаточно устойчивой структуре регионов в рамках каждого из сформированных кластеров, в условиях разнообразия влияющих за такой период внешних факторов.

Данные и методы исследования

Для построения устойчивой типологии регионов по уровню НТР на интервале 2012—2024 гг. использовался иерархический кластерный анализ, включающий предварительную стандартизацию данных, а также реализацию агломеративной иерархической кластеризации с отдельным выделением кластеров на основе пониженного порога отсечения дендрограммы [27]22. Все расчеты выполнены с использование языка программирования Python 3.11 и библиотек: Pandas 2.2.2; NymPy; Scikit-learn 1.4.2.

Ключевая методологическая особенность подхода — кластеризация по временным траекториям. Каждое наблюдение представлено не одним значением индикатора, а последовательностью значений за многие годы, причем по всем четырем показателям одновременно. В результате евклидово расстояние между регионами измеряет схожесть их многоиндикаторных многолетних профилей: регионы, близкие по уровням и динамике (форме траектории), попадают в одни и те же ветви дендрограммы и, при заданном разрезе, в один кластер. Этот прием повышает устойчивость типологии к краткосрочным отклонениям и позволяет идентифицировать «структурное» сходство регионов, проявляющееся на протяжении длительного периода наблюдений.

Эмпирической базой исследования стали статистические данные, отражающие только ключевые характеристики функционирования научно-технологической подсистемы регионов, что позволило сконцентрироваться на наиболее значимых аспектах его НТД. Выбор показателей обусловлен необходимостью охвата как ресурсных, так и результативных компонентов научно-технологической подсистемы, доступностью сопоставимых данных в региональном разрезе за достаточный период (2012—2024) для выявления долгосрочных тенденций и степени стабильности процессов, происходящих в НТД регионов (рис. 3).

Перед проведением кластерного анализа все показатели были преобразованы путем логарифмирования.

Источниками для анализа НТР регионов стали данные, находящиеся в открытом доступе, за 2012—2024 гг.23 Для обеспечения сопоставимости на 10 000 жителей субъекта использовались данные по численности населения24.

Анализ ключевых показателей НТР позволил выявить позицию каждого региона25 в научно-технологической подсистеме Российской Федерации, которая является частью производственной системы, что подробно рассматривалось в предыдущих работах авторов, например в [28]. Применяемая авторами кластеризация регионов по данным за длительный период26 ориентирована на формирование устойчивой типологии регионов, в том числе для выявления опорных из их числа.

Рис. 3. Взаимосвязь ресурсных и результирующих показателей,
применяемых для оценки уровня НТР регионов27

Составлено на основе данных: Статистическая информация об использовании объектов интеллектуальной собственности, 2025, Федеральный институт промышленной собственности, URL: https://www1.fips.ru/about/deyatelnost/sotrudnichestvo-s-regionami-rossii/statisticheskaya-informats... (дата обращения: 02.06.2025).

В связи с тем что базовая гипотеза исследования заключается в предположении, что опорные регионы, регионы, характеризующиеся наиболее высокими показателями развития их научно-технологических подсистем в течение длительного времени, являются ограниченно зависимыми (или быстро адаптирующимися) от изменения внешних факторов и условий хозяйствования, то по итогам кластеризации авторы используют дополнительный индикатор для оценки степени зависимости НТД регионов от внешних факторов и условий. Степень зависимости НТД регионов от внешних условий в работе оценивается посредством вариабельности показателя эффективности инновационной деятельности (см. подробнее порядок расчета на рисунке 3). В данном исследовании предполагается, что регионы, отличающиеся низким уровнем зависимости от внешних факторов и условий, демонстрируют в рамках всех трех временных этапов, включающих «точки перехода», стабильные результаты эффективности инновационной деятельности (как результата научно-технологической), что, соответственно, может означать высокую степень их самостоятельности вне влияния внешнего контекста. Стабильность достигнутого результата оценивалась посредством расчета коэффициента вариации на каждом временном этапе. Регионы с низкой вариабельностью эффективности инновационной деятельности считаются менее зависимыми от внешних условий.

Кластеризация за длительный период времени на основе ключевых показателей НТД регионов позволяет сформировать устойчивую типологию регионов. Расширенная типология, дополненная расчетом изменчивости показателя эффективности инновационной деятельности на разных временных отрезках, обеспечивает возможность для выявления регионов, демонстрирующих стабильные результаты в разных внешних условиях, а значит, вероятно, и в значительной степени, независимых от их изменения.

Результаты исследования

В результате кластеризации выделены пять кластеров регионов, различающихся по уровню и темпам научно-технологического роста (результаты иерархической кластеризации представлены на рисунке 4).

Рис. 4. Дендрограмма иерархической кластеризации (метод Варда)

Кластер 1 — «опорные регионы» (18 субъектов) — представляет ядро российской научно-технологической системы. Средние значения всех четырех показателей существенно превышают национальный уровень, в динамике за 2012—2024 гг. наблюдается устойчивый рост при относительном снижении внутрикластерной неоднородности. Кластер объединяет крупнейшие научно-образовательные и индустриальные центры страны, характеризующиеся высокой концентрацией исследовательского персонала и постоянным расширением сектора НИОКР. Для большинства регионов группы характерен умеренный темп роста при сохранении лидирующих позиций, что указывает на переход к стадии стабилизированного технологического лидерства.

Кластер 2 — «перспективные регионы I уровня» (18 субъектов) — занимает промежуточное положение между ядром и периферией. Показатели обеспеченности персоналом НИОКР и внутренних затрат приближаются к значениям «опорных регионов», тогда как изобретательская активность и инновационный выпуск остаются умеренными. Вместе с тем именно эта группа демонстрирует наиболее высокие среднегодовые темпы роста (CAGR) по ряду показателей, особенно по объему инновационных товаров и затратам на НИОКР, что свидетельствует о постепенном сокращении разрыва с лидерами.

Кластер 3 — «перспективные регионы II уровня» (15 субъектов) — представляет средний уровень развития. Средние значения показателей остаются ниже общероссийских, однако темпы роста по отдельным направлениям, прежде всего по инновационному выпуску, сопоставимы с темпами роста в регионах кластера 2. Рост сопровождается высокой вариативностью, что отражает неоднородность исходных условий и точечный характер технологического обновления. В географическом отношении группа включает преимущественно индустриальные субъекты с формирующимися научно-образовательными центрами и отраслевыми нишами.

Кластер 4 — «перспективные регионы III уровня» (19 субъектов) — характеризуется относительно низкими средними значениями всех показателей и выраженной внутригрупповой дифференциацией. Для ряда регионов наблюдаются краткосрочные всплески изобретательской активности или роста инновационного выпуска, что указывает на чувствительность к локальным факторам — наличию отдельных предприятий-лидеров, участию в федеральных программах, развитию университетских инициатив. Несмотря на отдельные успехи, общий темп роста показателей ниже, чем в вышестоящих группах, что подтверждает сохраняющееся отставание по основным параметрам НТР.

Кластер 5 — «развивающиеся регионы» (12 субъектов) — занимает нижние позиции по всем показателям. Для них характерны минимальные значения обеспеченности исследовательским персоналом и затрат на НИОКР, низкий уровень изобретательской активности и ограниченные масштабы инновационного выпуска. При этом в 2012—2024 гг. в ряде субъектов фиксируются сравнительно высокие темпы прироста по отдельным показателям, что объясняется эффектом низкой базы и реализацией единичных проектов в сфере научно-технологического развития. Высокие значения внутрикластерной дисперсии отражают наличие отдельных «точек роста» на фоне общей слабости инфраструктуры НИОКР.

Сравнительный анализ динамики по четырем индикаторам позволяет выявить несколько закономерностей. Во-первых, кадровый потенциал остается ключевым маркером устойчивого технологического лидерства: уровень обеспеченности персоналом НИОКР наиболее стабилен во времени и четко дифференцирует кластеры. Во-вторых, затраты на НИОКР демонстрируют наиболее резкую поляризацию между верхними и нижними группами, при этом «догоняющие кластеры» (I—II уровни) показывают опережающие темпы роста. В-третьих, изобретательская активность отличается высокой волатильностью и чувствительностью к институциональным изменениям. Наконец, инновационный выпуск выявляет разнонаправленные траектории: у «опорных регионов» — высокий и устойчивый уровень, у «догоняющих» — высокие темпы прироста при еще умеренных масштабах.

Таким образом, проведенный анализ подтверждает наличие иерархически организованной и пространственно-дифференцированной структуры научно-технологического развития России, в которой «опорные» и «перспективные регионы I уровня» формируют ядро национального научно-технологического пространства, тогда как остальные кластеры представляют зоны трансформации и догоняющего роста (рис. 5).

Рис. 5. Фоновая картограмма распределения кластеров НТР
по территории Российской Федерации

Устойчивость положительных трендов в 2012—2024 гг. позволяет говорить о постепенном сокращении разрыва между верхними и средними группами, однако периферийные регионы по-прежнему остаются на этапе формирования базовой инфраструктуры и кадровых условий для включения в национальную систему научно-технологического развития.

Следует отметить, что проведенная кластеризация и динамический анализ позволяют не только зафиксировать текущее состояние региональной научно-технологической системы, но и выявить направления для пространственно-ориентированной региональной политики.

Место Калининградской области
в устойчивой типологии регионов

Эксклавная Калининградская область — одновременно приграничный и при­морский регион РФ [29]. Экономика региона является или являлась, так как данные по внешней торговле субъектов не публикуются с 2022 г., одной из наиболее откры­тых к внешним связям среди экономик регионов РФ с учетом того, что в отдельные периоды величина импорта существенно (например, в 2014 г. в 1,6 раза) превышала уровень ВРП области [2]. Это позволяет предположить и более высокий уровень зависимости региона от изменения внешних условий по сравнению с другими ре­гионами страны [29].

В рейтинге Минобрнауки, сконцентрированном на оценке условий для осуществления НТД, Калининградская область по итогам 2023 г.28 переместилась на два пункта вниз — с 22-го на 24-е место. В рейтинге «РИА Рейтинг», базирующемся на оценке объемов финансирования, изобретательской активности и результативности НТД по данным Росстата, область также переместилась, но уже с 51-го на 56-е место. Отметим общую направленность рейтингов в сторону ухудшения результатов региона, а также тот факт, что по анализируемым разными рейтинговыми методиками составляющим НТД возможности региона с точки зрения условий для НТД, создаваемых органами власти и параметрами среды, для наукоемкого бизнеса примерно в 2,3 раза превышают фактические достижения региона в этих «благоприятных» условиях (56-е место по результату против 24-го по условиям).

Причем «благоприятные» условия для наукоемкой деятельности пока не предусматривают возможности значимого увеличения для Калининградской области затрат на научные исследования и разработки, поскольку доля затрат региона в общем объеме таких затрат по РФ в 2012 г. составляла 0,13 % (что меньше 1 % в 7,7 раза), в 2024 г. — 0,16 % (что меньше 1 % в 6 раз). По результатам типологизации за 2012—2024 гг. область занимает место в кластере 3 («перспективные регионы II уровня») и пока не входит в число «опорных», которые могут выступать в качестве устойчивой платформы для реализации актуальных задач государственной политики. Кроме того, базовый показатель вариабельности НТД Калининградской области по периодам, соответствующим «точкам перехода», составляет: 1) 2012—2016 гг. — 92 %; 2) 2016—2021 гг. — 100 %; 3) 2021—2024 гг. — 64 %, то есть в рамках каждого из рассматриваемых периодов существенно превышал не только уровень в 33 %, принятый как граница стабильности изменений, но и среднерегиональный уровень в 79 % (кроме 2021—2024 гг.). Поэтому зависимость НТД региона от внешних изменений характеризуется как «высокая». Динамика показателей региона в значительной степени разнонаправленна по сравнению с общероссийской (рис. 6).

Рис. 6. Разница между темпами роста ключевых показателей НТР
Калининградской области и РФ, п. п.; а — объем инновационной продукции;

б — внутренние затраты на научные исследования и разработки; в — численность персонала, занятого научными исследованиями; г — изобретательская активность (коэффициент изобретательской активности (КИА))

Рассчитано на основе данных Росстата.

Финансирование исследований и разработок в регионе (средний темп роста в год за период 2012—2024 гг. — 112 %) осуществляется несколько активнее, чем по стране в целом (109 %). Эта цифра даже несколько превышает средний официальный уровень инфляции примерно в 7 %29. За период существенно изменилась результативность (эффективность) НТД Калининградской области в показателях результативности по РФ (или «отдача от инвестиций в инновации», оцениваемая здесь как отношение объема инновационной продукции к внутренним затратам на научные исследования, руб./руб.).

В начале рассматриваемого периода достижения региона составляли менее 1 руб. инновационной продукции на рубль средств, вложенных в научные разработки, или в среднем 17 % от результата по РФ (рис. 7). После 2020 г. показатель отдачи от вложенных средств стабильно превышает единицу, что позволило достичь в период 2021—2024 гг. 84 % от общероссийского уровня, а по итогам 2024 г. даже превысить его на 64 % (с уровнем отдачи 8 руб./руб. при среднем по РФ за 2024 г. — 5 руб./руб.) при росте внутренних затрат на исследования только на 14 %, что может рассматриваться как наличие потенциала у региона в сфере НТД при достаточном для планируемых результатов объеме финансирования разработок.

Рис. 7. Доля Калининградской области в данных по РФ
по величине отдачи от затрат в объемах инновационной продукции, %

Рассчитано на основе данных Росстата.

Результаты актуальных рейтингов и группировок
(типологий и кластеризаций) субъектов РФ
по уровню научно-технологического развития

С учетом актуальности вопроса оценки фактического и/или потенциального вклада регионов (или группы регионов) в достижение целей обеспечения экономической безопасности в целом, технологического суверенитета как одной из ее ключевых составляющих, устойчивого научно-технологического развития страны и понимания иерархии результативности регионов по показателям НТР обобщим конкретные итоги наиболее актуальных работ по теме, включая данную, в таблице 1.

В исследовании уже отмечалось многообразие рейтингов, акцентирующихся на различных аспектах НТР регионов. Сопоставление результатов устойчивой типологии с актуальными рейтингами научно-технологического развития выявило ряд принципиальных расхождений, обусловленных различиями в методологических подходах.

Во-первых, для ряда регионов характерна высокая изменчивость рейтинговых позиций, связанная с чувствительностью рейтингов к изменению состава показателей и методик нормирования: например, Свердловская, Самарская и Нижегородская области в разных рейтингах могут смещаться на десятки позиций, тогда как в многолетней кластеризации они устойчиво входят в группы лидеров (кластеры 1 и 2).

Во-вторых, некоторые регионы демонстрируют заметный разрыв между оценкой создаваемых условий (по рейтингу Минобрнауки) и фактическими результатами НТД (по «РИА Рейтинг» и устойчивой типологии). Так, Калининградская область, имея высокие показатели институциональной среды, по многолетним динамическим профилям сохраняет умеренные значения результативности и входит в кластер 3.

В-третьих, ряд субъектов, занимающих высокие места в ежегодных рейтингах за счет реализации отдельных крупных проектов или кратковременного роста финансирования (например, Республика Саха (Якутия), Краснодарский край, Ханты-Мансийский автономный округ), при рассмотрении траекторий за 2012—2024 гг. демонстрируют значительную неустойчивость показателей, что не позволяет им войти в верхние кластеры устойчивой типологии. Наконец, выявлены регионы — «скрытые лидеры», чьи позиции в рейтингах остаются средними, но многолетняя стабильность и высокая интенсивность научно-технологической деятельности в расчете на 10 000 жителей обеспечивают попадание в группу «опорных регионов» — наиболее ярким примером выступает Пензенская область. Эти расхождения подчеркивают, что рейтингование отражает преимущественно моментное состояние региональной НТД, тогда как устойчивые многолетние профили, лежащие в основе предлагаемой типологии, позволяют выявлять структурную стабильность, качество динамики и способность регионов сохранять результаты вне зависимости от внешних шоков и методических изменений. Таким образом, рейтинговые оценки и иерархии регионов по НТР не являются инструментом планирования, тем более долгосрочного, и цели такой также не имеют.

Другим вариантом распределения субъектов служат их группировки по заданным критериям, прежде всего с учетом попадания значений рассматриваемых показателей в определенные, установленные авторами границы. В. И. Бывшев и др. [22] предлагают результаты дифференциации субъектов для более направленной региональной политики в области НТР, которые также базируются на рейтинговых оценках регионов за период 2017—2021 гг.30, однако с учетом временного интервала, используемого авторами в агрегированном виде (сумма баллов по рейтингам за 5 лет)31.

Несмотря на разные исходные предпосылки и временные рамки работ, отметим, что субъекты [22], отнесенные по 40 показателям к типу «передовых регионов»32 (группа 1 регионов в рамках дифференциации), полностью входят в состав кластера 1 в рамках устойчивой типологии, сформированной только по четырем ключевым показателям, что важно для настоящего исследования.

В качестве итогового варианта для сопоставления рассмотрим результаты кластеризации субъектов. Одной из наиболее актуальных по состоянию на октябрь 2025 г. является работа 2024 г. [14], в которой представлены два варианта кластеризации для оценки вклада субъектов в технологический суверенитет страны. Первый вариант кластеризации осуществляется по набору из 29 показателей, второй вариант — из 31 показателя . Авторы в [14] отмечают, что модификация системы показателей осуществлена ими ввиду недоступности отдельных данных в санкционных условиях (например, по внешней торговле субъектов), что привело к необходимости искать альтернативы. О сложностях корректного сопоставления результатов группировки за длительный период времени при наличии большого количества сравниваемых показателей уже говорилось нами ранее. В работе [14] в отличие от настоящего исследования для кластеризации применялся итеративный метод k-средних. Метод k-средних, в отличие от метода Варда, требует заранее заданного числа кластеров, что может привести к формированию неоптимальных кластеров. Кроме того, в работе [14] полная наполняемость первого кластера сформирована у авторов всего одним субъектом — г. Москвой.

Далее используем результаты дифференциации и кластеризации субъектов (см. табл. 1) для целей верификации базовой гипотезы настоящего исследования, которая заключается в предположении, что регионы, характеризующиеся наиболее высокими показателями развития их научно-технологических подсистем33, демонстрируют и стабильные темпы инновационной деятельности, что рассматривается в данной работе как высокая степень независимости от изменения внешних факторов и условий хозяйствования (табл. 2).

Таблица 2

Показатели вариабельности темпов инновационной деятельности
к темпам внутренних затрат на научные исследования и разработки по группировкам и результатам кластеризации субъектов по уровню НТР

Действительно, во всех представленных исследованиях и работах регионы, входящие в первую и вторую группы, соответствующие наиболее высоким показателям НТР (с учетом разных исходных предпосылок у разных авторов), демонстрируют гораздо более высокий уровень стабильности темпов изменений (то есть низкий уровень вариабельности) по сравнению со всеми остальными группами, выделенными в разных исследованиях. Как отмечалось, накопление необходимой инфраструктуры и создание благоприятных условий для развития в регионе науки и создания инноваций, как правило, длительный процесс, в котором важны повторяемость и постоянство прогресса, отчетливо демонстрируемые прежде всего «опорными регионами» (кластер 1), а также «перспективными регионами I уровня» (кластер 2).

Для оценки возможности использования только ключевых показателей в целях распределения регионов по показателям НТР сопоставим результаты рейтингов (ранжирования) и кластеризации субъектов (по двум группам показателей) с результатами произведенной авторами кластеризации (по итогам типирования субъектов за 2012—2024 гг.)35, с учетом ограничений, накладываемых разными временными рамками работ. В отношении рейтингов используем порядковый номер субъектов в рейтинге соответствующего года. Для типирования результатов кластеризации используем также порядковый номер субъекта, представленный в работе [14] в соответствии с инновационным индексом (индексом НТР)36 (табл. 3).

Таблица 3

Результаты типирования субъектов РФ по показателям НТР

Среднее количество показателей, задействованных для точного распределения субъектов по уровню НТР в приведенных рейтингах и результатах кластеризации, — 25. При этом только ключевые показатели позволили авторам обеспечить абсолютное совпадение по группе для 59 % субъектов в среднем. В соседние группы, то есть в границах от – 1 до + 1, попадают 94 % всех субъектов, что обеспечивает достаточно релевантный вариант их использования и дает возможность отслеживания прогресса в достижении регионами целей НТР исключительно на базе ключевых показателей, являющихся доступными для регулярного мониторинга.

Выводы

Результаты исследования демонстрируют комплексную картину пространственной структуры научно-технологического развития субъектов РФ за длительный период — 2012—2024 гг. Применяемый метод иерархической кластеризации на многолетних данных открывает путь для использования результатов оценки регионов не по разовым значениям показателей, а по их устойчивым временным траекториям. Такой подход позволил сформировать типологию, отражающую не только текущее положение регионов, но и степень стабильности их научно-технологического потенциала в различных внешнеэкономических условиях.

Кластеризация выявила пять устойчивых групп регионов, отличающихся по уровню и темпам научно-технологического развития. Вершину иерархии составляют «опорные регионы» — ядро национальной научно-технологической системы, обеспечивающее концентрацию кадровых, финансовых и институциональных ресурсов. Эти регионы демонстрируют высокие и стабильные показатели по всем ключевым индикаторам и наименьшую чувствительность к внешним изменениям, что подтверждает их роль как пространственных опор технологического суверенитета страны. Перспективные регионы I уровня формируют ближайший к ядру контур научно-технологического пространства: они демонстрируют динамичное догоняющее развитие, высокие темпы роста по показателям инновационной активности и постепенное сокращение разрыва с лидерами. Регионы II и III уровней характеризуются средними и ниже средних значениями показателей, однако именно в них фиксируются значительные резервы роста и наибольшая вариативность результатов, что указывает на наличие потенциала при условии активной государственной поддержки. Развивающиеся регионы занимают периферию национальной системы, оставаясь часто зависимыми от внешних факторов и ограниченными в ресурсах, но даже среди них выявляются отдельные территории с признаками локального научно-технологического подъема.

Особое значение имеет результат сопоставления кластерной типологии с актуальными группировками и рейтингами научно-технологического развития, что подтвердило высокую конвергенцию подходов: свыше 90 % регионов сохраняют принадлежность к схожим группам при разных методах оценки. Это доказывает, что использование ограниченного числа ключевых показателей (персонал, затраты, изобретательская активность, инновационный выпуск) позволяет адекватно отразить реальное положение регионов и динамику их научно-технологического развития.

Полученные результаты имеют прикладное значение для пространственно-ориентированной научно-технологической политики. Кластеризация за длительный период позволяет выделить регионы с подтвержденной устойчивостью научно-технологической деятельности и относительно низкой зависимостью от внешних факторов, которые могут рассматриваться в качестве опорных территорий при реализации государственной политики технологического суверенитета. Для регионов II и III уровней приоритетным направлением становится наращивание кадрового и инфраструктурного потенциала, а для периферийных субъектов — включение в межрегиональные и сетевые формы сотрудничества, способные компенсировать ограниченность внутренних ресурсов, на чем и планируется сосредоточить дальнейшие исследования по теме.

Финансирование. Исследование выполнено за счет гранта Российского научного фонда № 25-27-20063, https://rscf.ru/project/25-27-20063