Неравенство и пространственные эффекты в развитии цифровой экономики российских регионов

Введение

Актуальность проблемы межрегионального цифрового неравенства проявляется в нескольких аспектах. Во-первых, оно становится значимым барьером технологического развития страны. Исследования фиксируют взаимосвязь уровня цифровизации с социально-демографическими характеристиками. Доля пользователей интернета зависит от типа поселения [1], распространение мобильного интернета — от среднедушевых доходов [2], а доступ к сети — от возраста, доходов и образования жителей [3]. Цифровое неравенство не сводится к различиям в доступе к технологиям, оно воспроизводит и углубляет сложившиеся социально-экономические диспропорции [4].

Во-вторых, приоритетной задачей региональной политики выступает эмпирическая верификация «эффекта соседства» в процессах цифровизации. Хотя теоретически пространственная близость способна ускорять диффузию технологий [5], эти процессы в условиях высокой пространственной дифференциации России [6] исследованы фрагментарно и нуждаются в системном мониторинге [7].

В-третьих, установлена связь между цифровым развитием и доходами населения. Цифровизация оказывает неоднородное влияние на распределение доходов в различных регионах [2], например, для Китая выявлено нелинейное (инвертированное U-образное) воздействие цифровой экономики на доходное неравенство [8].

Цель исследования — выявить и количественно оценить динамику и пространственную структуру цифрового неравенства в регионах России, дифференцируя его на первичный (инфраструктурный) — доступ к мобильному и фиксированному интернету — и вторичный (кадрово-компетентностный) — занятость в сфере ИКТ — уровни.

В качестве задач исследования были определены следующие: (1) оценить динамику регионального неравенства по показателям доступа к мобильному и фиксированному интернету (2011—2023) с использованием индекса Джини и кривых Лоренца; (2) проанализировать изменение концентрации занятости в ИКТ по регионам с помощью индекса Джини и метода ядерной оценки плотности (KDE); (3) выявить пространственные кластеры регионов по каждому из трех показателей (мобильный интернет, фиксированный интернет, занятость в ИКТ) с расчетом глобального и локального индексов Морана; (4) проверить наличие и направленность эффектов соседства для каждого уровня цифрового разрыва.

Сложившиеся тенденции обнаруживают противоречие: технологическая логика и государственная политика ориентированы на выравнивание инфраструктуры, тогда как исследования фиксируют устойчивую связь цифровизации с социально-­экономическим расслоением и неоднородность пространственных эффектов. Это позволяет предположить, что динамика инфраструктурного и кадрового разрывов может быть несинхронной, а влияние соседства — неодинаковым для разных аспектов цифрового развития. Отсюда следуют гипотезы исследования.

H1: Инфраструктурное цифровое неравенство (первичный разрыв) между регионами России сокращается, что проявляется в снижении индекса Джини для показателей проникновения мобильного и фиксированного интернета.

H2: Кадрово-компетентностное цифровое неравенство (вторичный разрыв) усиливается, что выражается в росте индекса Джини для доли занятых в ИКТ и формировании многомодального распределения по методу KDE.

H3: Для всех трех показателей цифровизации существует положительная пространственная автокорреляция, подтверждаемая статистически значимыми значениями индекса Морана.

H4: Эффекты соседства проявляются по-разному — для инфраструктурных показателей они способствуют конвергенции, а для занятости в ИКТ воспроизводят поляризацию (кластеры лидеров и аутсайдеров).

Научная проблематика данного исследования — выявление и объяснение механизмов воспроизводства пространственного цифрового неравенства в условиях формального снижения инфраструктурного разрыва, что проявляется в формировании устойчивых иерархических кластеров регионов-лидеров и аутсайдеров и нарастающей концентрации кадрово-компетентностного потенциала в ограниченном числе территорий.

Теоретические основы исследования

Цифровое неравенство (Digital Inequality) — это разрыв в возможностях доступа, использования и извлечения выгод из цифровых технологий, обусловленный различиями в цифровом и социальном контексте, навыках и способах использования интернета [9]. Оно охватывает не только доступ к инфраструктуре (широкополосный и мобильный интернет [10]), но и уровень цифровых компетенций, доступность контента и сервисов.

На эффективность использования цифровизации влияют четыре фактора [9]: 1) технические средства (качество устройств, программ, скорость интернета [11]); 2) автономность использования (доступ в нужное время и место, свобода использования); 3) сети социальной поддержки (помощь опытных пользователей); 4) опыт (уровень цифровой грамотности).

Эффект соседства (пространственный эффект) — феномен взаимного влияния уровней цифровизации географически близких территорий через перетекание (spillover) неявных знаний, инноваций или мер политики с возникновением внешних эффектов для региональной конкурентоспособности.

Рассмотрим некоторые академические исследования по цифровому неравенству и эффектам соседства (табл. 1).

Таблица 1

Некоторые исследования в сфере цифрового неравенства
и определения эффектов соседства

Выделяют три уровня цифрового неравенства [1]: (1) в доступе — различия в подключении к интернету [17; 18] и распространении технологий, инновационная активность промышленности высоко коррелирует с уровнем цифровизации [19]; (2) в навыках — различия в компетенциях [20] и качестве человеческого потенциала, при высоком уровне доступа именно число специалистов и цели использования технологий определяют неравенство; (3) в возможностях — разрыв в применении цифровых технологий в повседневной жизни и деятельности компаний [4].

Для выравнивания региональных различий важно учитывать специфику первичного и вторичного цифрового разрыва. Первичный разрыв — неравенство в физическом доступе к ИКТ (компьютеры, интернет, мобильная связь). Он проходит между странами и внутри них — между городскими и сельскими жителями, группами с разным доходом, образованием [21] и возрастом. Традиционные исследования (например, Международного союза электросвязи) отслеживали именно этот уровень, измеряя проникновение широкополосного доступа и мобильной связи1.

По мере распространения базового доступа стало очевидно, что наличие подключения не гарантирует равных возможностей. В дополнение к первичному сформировалось понятие вторичного цифрового разрыва (П. Димаджио, Э. Харгиттай), фокусирующееся на качестве доступа и навыках использования технологий. Этот разрыв проявляется в различии компетенций — одни используют интернет для работы, образования и гражданской активности, другие ограниченно, для развлечения и общения. Неравенство в навыках сохраняется даже при всеобщем физическом доступе [22]. Вторичный разрыв, связанный с человеческим и социальным капиталом, усугубляет социальное неравенство в экономике знаний. Как подчеркивает ОЭСР, цифровая грамотность становится ключевым фактором стратификации и ее преодоление требует не столько инфраструктурных инвестиций, сколько образовательных программ и инклюзивного контента.

Фокус на первых двух уровнях методологически обоснован, официальная статистика позволяет выявить структурные предпосылки неравенства. Сокращение первого и усиление второго разрыва указывают на вероятность обострения в будущем разрыва возможностей (третий уровень), что задает повестку для последующих качественных исследований.

Эффекты соседства не всегда решают проблемы неравенства. Вопреки ожиданиям цифровые сети скорее трансформируют и воспроизводят географические различия, создавая изолированные сообщества. Успешные проекты не тиражируются повсеместно, что требует от властей мер, стимулирующих межтерриториальные связи для информационной справедливости.

В исследовании проводится терминологическое различие. Цифровое неравенство — многомерное состояние, система диспропорций между регионами, статистически измеряемое распределение (индекс Джини). Цифровой разрыв — конкретное проявление этого неравенства между группами (например, лидерами и аутсайдерами), «расстояние» между полюсами. Неравенство — общая характеристика распределения, разрыв — его структурное следствие. Усиление неравенства (рост индекса Джини) углубляет разрыв. Анализ «неравенства» (индексы Джини, Морана, KDE) служит основой для выводов о динамике инфраструктурного и кадрового «разрывов».

Методология исследования

Методический аппарат включает несколько подходов.

1. Картографические методы с квантильной кластеризацией визуализируют региональные различия в доступе к цифровым технологиям и занятости. Разбиение на равные группы выявляет мобильность или закрепление классов неравенства, обеспечивая сравнительный анализ сдвигов в цифровом развитии.

2. Индекс Джини и кривая Лоренца измеряют неравенство в доступности связи и доле занятых в ИКТ. Инструмент применялся для оценки цифровой инфраструктуры в федеральных округах [23] и на международном уровне, выявляет концентрацию технологий в развитых районах [4].

3. Ядерная оценка плотности (KDE) [24; 25] анализирует распределение регион­ов по показателям цифровизации. Плавная кривая KDE лучше гистограммы отра­жает форму распределения (нормальное, бимодальное, скошенное); множествен­ные пики указывают на кластеризацию, а разброс — на разрыв между лидерами и аутсайдерами [26].

4. Пространственная автокорреляция (индекс Морана) выявляет эффекты сосед­ства. Индекс оценивает связь значений в соседних регионах, фиксируя кластери­зацию (положительная автокорреляция) или противоположность (отрицательная). Значения от – 1 (рассеяние) до + 1 (полная кластеризация); близость к 0 — слу­чайное распределение. Ю. Г. Лаврикова и А. В. Суворова на примере ряда регио­нов показали влияние географического положения на концентрацию населения и промышленности [27]; другие исследования подтверждают значимость простран­ственных эффектов для стратегий развития [28; 29].

Пространственная автокорреляция (индекс Морана) — это статистическое свойство, фиксирующее кластеризацию схожих значений. Эффект соседства — предполагаемый механизм (диффузия технологий, знаний, ресурсов или политики). Значимая автокорреляция — необходимое, но не достаточное условие для spillover-эффектов: кластеризация может быть обусловлена общими внешними факторами (политика, структура экономики, исторические особенности). Исследование устанавливает факт устойчивой пространственной кластеризации, создавая основу для изучения конкретных механизмов.

Объекты исследования – регионы России, по которым за период 2011—2023 гг. имеются необходимые для анализа статистические данные2, источник — Федеральная служба государственной статистики (Росстат). Это обеспечивает репрезентативность и единую методологию сбора. Для обеспечения сопоставимости рядов данных за 2011—2023 гг. были предприняты следующие меры: (1) показатели численности абонентов мобильного и фиксированного широкополосного доступа (на 100 чел.) формировались Росстатом по единой методике на всем временном промежутке, гарантируя сопоставимость ряда; (2) для показателя занятости в ИКТ в анализируемый период произошел переход с ОКВЭД-2001 на ОКВЭД2-2014, поэтому использовались официальные пересчитанные ряды Росстата по агрегированной группировке «Деятельность в области ИКТ», что позволяет нивелировать разрыв, связанный со сменой классификатора. Таким образом, динамика показателя отражает реальные изменения в структуре занятости.

Все расчеты и карты выполнены авторами по унифицированным рядам. Исход­ные данные доступны в статсборниках и на сайте Росстата.

Результаты исследования

География цифровизации и пространственное распределение

Потребление мобильного широкополосного доступа — один из индикаторов цифровизации. Рост показателя отражает доступность сервисов, ликвидацию цифрового разрыва, повышение качества услуг (скорость, стабильность, цена) и цифровую инклюзивность (использование интернета в медицине, образовании, госсекторе). Показатель не должен стремиться к 100 %, то есть целевая ситуация — доступ для всех, кто нуждается и готов пользоваться. Сегодня проникновение в России достигло высокого уровня, но сохраняется значительный межрегиональный разрыв (рис. 1). Развитие инфраструктуры в отстающих субъектах — важная задача обеспечения равного доступа к цифровым услугам.

2011 2023

Рис. 1. Картограмма регионов России по численности активных абонентов мобильного широкополосного доступа к интернету, чел. на 100 чел., в 2011 и 2023 гг., квантилей3

Составлено по данным Росстата, программный пакет GeoD A. География регионов — на 2023 г. В скобках — число регионов в диапазоне.

За анализируемый период во всех регионах отмечен значительный рост проникновения мобильного интернета. Если в 2011 г. значения по большинству субъектов составляли 30—60 абонентов на 100 чел., то к 2023 г. показатель почти везде превысил 100, что свидетельствует о массовом распространении технологии. Наибольшие значения демонстрируют Санкт-Петербург и Ленинградская область (145,4), Ямало-Ненецкий АО (143), Москва и Московская область (142,5).

Высокий показатель в ЯНАО объясняется сочетанием факторов: развитая нефтегазовая промышленность обеспечивает высокие доходы и платежеспособный спрос; «точечная» модель расселения (админцентры и вахтовые поселки) делает развертывание сетей экономически целесообразным; для населения в условиях Крайнего Севера мобильный интернет — это основной канал связи с внешним миром, а бизнес-сегмент представлен крупными корпорациями ТЭК со стабильным спросом на передачу данных. Таким образом, экономическое благополучие, компактная урбанизация и социально обусловленный спрос перевешивают инфраструктурные вызовы удаленных территорий.

Высокие показатели также характерны для Татарстана (126,9), Хабаровского края (139,6) и Калининградской области (117,9). По среднегодовым темпам прироста лидируют Иркутская (16,88 %) и Нижегородская (15,56 %) области, Пермский край (13,92 %). С 2017 г. рост ускорился благодаря расширению сетей 4G и доступности тарифов; в 2020—2021 гг. дополнительный импульс дала пандемия COVID-19. В 2022—2023 гг. темпы роста замедлились, что может указывать на насыщение рынка.

Еще одним показателем цифровизации является фиксированный интернет как численность активных абонентов доступа (чел. на 100 чел.) (рис. 2).

2011 2023

Рис. 2. Картограмма регионов России по численности активных абонентов фиксированного широкополосного доступа к интернету, чел. на 100 чел., в 2011 и 2023 гг., квантилей

Составлено по данным Росстата, программный пакет GeoD A. География регионов — на 2023 г. В скобках — число регионов в диапазоне.

Анализ фиксированного широкополосного доступа демонстрирует устойчивый рост в большинстве регионов: средние значения увеличились с 10—15 абонентов на 100 чел. в 2011 г. до 20—30 к 2023 г. Наиболее высокие темпы роста — у регионов с исходно низким уровнем подключений: Республика Крым (с 0,5 в 2014 г. до 23,1 в 2023 г.), Ненецкий АО (с 2,8 в 2016 г. до 24,0 в 2023 г.), Чеченская Республика (с 0,1 в 2011—2013 гг. до 6,6 в 2023 г.).

Наибольшие значения зафиксированы в Карелии (40,2), Мурманской области (36,0), Москве (35,8) и Новосибирской области (35,1); наименьшие — в Ингушетии (2,5), Адыгее (7,9) и Тыве (9,9). Это указывает на сохранение значительного цифрового неравенства, обусловленного экономическими, инфраструктурными и географическими факторами.

В Москве и Санкт-Петербурге, где показатель изначально был выше среднего, темпы роста ниже (Москва: 22,9—35,8; Санкт-Петербург: 19,0—28,5), что может объясняться насыщением рынка и переходом пользователей на мобильный интернет.

В отдельных регионах наблюдалось снижение показателя: Красноярский край (16,9—15,9), Республика Коми (30,2—25,7). Это связано со сдвигом спроса в пользу мобильных технологий, сокращением населения и миграционным оттоком (в Республике Коми).

В удаленных регионах (Дальний Восток, Северный Кавказ) темпы роста ниже среднероссийских из-за инфраструктурных сложностей. Однако единичные случаи (Чукотский АО — 7,6—21,5) демонстрируют резкие скачки благодаря реализации целевых программ4.

Занятость в ИКТ (удельный вес занятых в секторе, рис. 3) — ключевой индикатор технологического развития и конкурентоспособности региона. Показатель отражает вовлеченность населения в высокотехнологичные отрасли, качество человеческого капитала, развитие цифровой инфраструктуры и способность адаптироваться к вызовам цифровой эпохи. Рост доли занятых в ИКТ связан с повышением производительности труда и сокращением цифрового неравенства за счет обеспечения доступа к современным инструментам коммуникации и обработки данных для бизнеса и населения.

2011 2023

Рис. 3. Картограмма регионов России по занятости в ИКТ, %, в 2011 и 2023 гг., квантилей

Составлено по данным Росстата, программный пакет GeoD A. География регионов — на 2023 г. В скобках — число регионов в диапазоне.

Анализ занятости в ИКТ выявляет устойчивые тенденции и региональные особенности. Наиболее высокие значения наблюдаются в крупных технологических центрах: Москва (4,0 % в 2023 г.), Санкт-Петербург (3,2 %), Московская область (2,7 %), что подтверждает концентрацию кадров и инфраструктуры в городах с развитой научно-образовательной средой. Высокая доля занятых также фиксируется в Калужской (3,8 %), Новосибирской областях (3,0 %) и Удмуртской Республике (3,3 %).

В регионах с сырьевой ориентацией (Ханты-Мансийский АО — 0,4 %, Ямало-Ненецкий АО — 0,9 %) показатель снижен из-за слабой диверсификации занятости. Низкие значения характерны для ряда регионов Северного Кавказа (Чеченская Республика — 1,1 %, Республика Ингушетия — 0,7 %) и Дальнего Востока (Амурская область — 0,3 %, Чукотский АО — 0,2 %), где развитие ИКТ-сектора находится на начальном этапе.

Анализ подтверждает значительную межрегиональную дифференциацию в цифровизации, связанную с уровнем экономического развития, наличием центров компетенций и государственной поддержкой.

Неравенство регионов по уровню цифровизации

Цифровое неравенство среди регионов России можно оценить индексом Джини и визуализировать кривой Лоренца. Кривая Лоренца (рис. 4) показывает, что меньшее неравенство наблюдается в распределении мобильного интернета и оно снижается со временем.

2011	2023
а
2011	2023
б
2011	2023
в

Рис. 4. Кривая Лоренца по показателям цифровизации для регионов России в 2011

и 2023 гг.: а — по численности активных абонентов мобильного широкополосного

доступа к интернету; б — по численности активных абонентов фиксированного широкополосного доступа к интернету; в — по занятости в ИКТ

Составлено по данным Росстата, программный пакет Gretl.

Наибольшее и возрастающее неравенство фиксируется по доле занятых в ИКТ, что свидетельствует о вторичном цифровом разрыве: преимущества цифровизации получают регионы, развивающие человеческий потенциал. Динамика первичного (доступ к интернету) и вторичного (занятые в ИКТ) неравенства отражена в индексе Джини (табл. 2 и рис. 5)5.

Таблица 2

Динамика индекса Джини по показателям цифровизации
в регионах РФ в 2011—2023 гг.

Составлено по данным Росстата, программный пакет Gretl.

а	б
в

Рис. 5. Динамика индекса Джини по показателям распространения мобильного интернета, фиксированного интернета и численности занятых в ИКТ в регионах РФ в 2011—2023 гг., индекс: а — мобильный интернет; б — фиксированный интернет; в — занятые в ИКТ

Данные таблицы 2 фиксируют устойчивое снижение регионального неравенства в доступе к интернету с 2011 г. Наиболее значительно сократился разрыв по мобильному интернету (индекс Джини — с 0,171 до 0,100). По фиксированному интернету снижение более плавное (с 0,277 до 0,153) при исходно более высоком неравенстве.

Динамика неравенства в занятости в ИКТ разнонаправлена: после снижения до 2017 г. последовал рост, и в 2023 г. индекс достиг максимума (0,279), превысив уровень 2011 г. Это указывает на усиление концентрации кадрового потенциала в ограниченном числе регионов и формирование вторичного цифрового разрыва.

Важно различать относительное и абсолютное неравенство, а также учитывать качество доступа. Снижение индекса Джини по инфраструктурным показателям отражает сокращение относительных диспропорций, но не означает автоматического уменьшения абсолютных разрывов6. Критически значим разрыв в качестве доступа (скорость, стабильность, цена), напрямую не измеряемый статистикой проникновения. Снижение индекса может быть частично обусловлено эффектом насыщения в регионах-лидерах, тогда как отстающие регионы наращивают подключения на базе менее качественной инфраструктуры. Оценка преодоления первичного разрыва требует комплексного подхода, учитывающего не только количественные, но и качественные параметры.

Оценка ядерной плотности

Вторичный цифровой разрыв наиболее ярко проявляется в территориальном распределении ИКТ-специалистов. Анализ ядерной плотности (KDE) по доле занятых в ИКТ фиксирует тенденцию неоднородного развития цифровой сферы в регионах России (рис. 6).

Анализ ядерной плотности выявил неоднородность распределения занятых в ИКТ. В отдельные годы (2011, 2016) распределение было близко к нормальному. Наиболее длительный период (2012—2013, 2015, 2017—2019, 2021—2023) ха­рактеризовался двумя кластерами (с высокой и средней долей). В 2014 и 2020 гг. наблюдалось три пика. Колебания числа пиков отражают динамику концентрации ИКТ-занятости под влиянием экономических, политических и технологических факторов. В целом сохраняется цифровое неравенство: одни регионы становятся центрами развития высокотехнологичных секторов, другие отстают.

Резкий рост индекса Джини и устойчивая пространственная кластеризация по доле занятых в ИКТ указывают на усиление вторичного цифрового разрыва, обусловленное совокупностью факторов:

1) агломерационные эффекты и концентрация спроса — крупные центры формируют самоподдерживающуюся экосистему, спрос на специалистов привлекает кадры и стимулирует их подготовку;

2) неравномерность научно-образовательного комплекса — ведущие технические вузы и исследовательские центры исторически сконцентрированы в немногих регионах, создавая структурное преимущество;

3) миграция квалифицированных кадров — высокие зарплаты, карьерные перспективы и качественная среда в регионах-лидерах вызывают отток выпускников и специалистов из периферии, усугубляя кадровый дефицит;

4) локализация головных офисов — ключевые функции IT-компаний и их статистическая отчетность сосредоточены в столичных агломерациях, что формально «завышает» показатели занятости в ИКТ в этих регионах, не всегда отражая реальную диффузию компетенций.

2011	2012	2013
2014	2015	2016
2017	2018	2019
2020	2021	2022
2023

Рис. 6. Оценка ядерной плотности по показателю доля занятых в ИКТ

в регионах России в 2011—2023 гг.

Составлено по данным Росстата, программный пакет Gretl.

Пространственные эффекты

Пространственные эффекты анализировались по всем трем направлениям: мобильный и фиксированный интернет (первичный разрыв), занятость в ИКТ (вторичный разрыв). Использована бинарная матрица весов (смежность по границе, правило «ферзя») с row-стандартизацией. Картограммы локального индекса Морана представлены на рисунках 7—9.

2011 ВВ — 6, НН — 10, НВ — 2, ВН — 0	2012 ВВ — 9, НН — 9, НВ — 1, ВН — 0	2013 ВВ — 9, НН — 9, НВ — 1, ВН — 0
2014 ВВ — 6, НН — 6, НВ — 0, ВН — 0	2015 ВВ — 7, НН — 6, НВ — 1, ВН — 0	2016 ВВ — 6, НН — 7, НВ — 0, ВН — 0
2017 ВВ — 5, НН — 2, НВ — 1, ВН — 0	2018 ВВ — 6, НН — 1, НВ — 1, ВН — 0	2019 ВВ — 5, НН — 5, НВ — 1, ВН — 0
2020 ВВ — 5, НН — 5, НВ — 1, ВН — 1	2021 ВВ — 7, НН — 7, НВ — 2, ВН — 1	2022 ВВ — 7, НН — 5, НВ — 3, ВН — 1
2023 ВВ — 7, НН — 8, НВ — 2, ВН — 1

Рис. 7. Картограммы одномерного локального индекса Морана по численности активных абонентов мобильного широкополосного доступа к интернету, чел. на 100 чел.,

по регионам России в 2011—2023 гг.

Примечание: ВВ (красные) — высокие значения, окруженные высокими; НН (синие) — низкие среди низких; НВ (голубые) — низкие среди высоких; ВН (розовые) — высокие среди низких. Для цветных регионов p-value = 0,001—0,05; серые — статистически незначимы.

Составлено по данным Росстата, программный пакет GeoD A.

2011 ВВ — 11, НН — 11, НВ — 2, ВН — 0	2012 ВВ — 11, НН — 10, НВ — 4, ВН — 0	2013 ВВ — 8, НН — 8, НВ — 4, ВН — 1
2014 ВВ — 5, НН — 6, НВ — 4, ВН — 1	2015 ВВ — 7, НН — 6, НВ — 2, ВН — 0	2016 ВВ — 6, НН — 9, НВ — 3, ВН — 1
2017 ВВ — 3, НН — 8, НВ — 3, ВН — 1	2018 ВВ — 4, НН — 9, НВ — 2, ВН — 1	2019 ВВ — 4, НН — 9, НВ — 2, ВН — 1
2020 ВВ — 3, НН — 10, НВ — 3, ВН — 0	2021 ВВ — 3, НН — 8, НВ — 2, ВН — 1	2022 ВВ — 6, НН — 7, НВ — 1, ВН — 2
2023 ВВ — 4, НН — 7, НВ — 1, ВН — 2

Рис. 8. Картограммы одномерного локального индекса Морана по численности активных абонентов фиксированного широкополосного доступа к интернету, чел. на 100 чел.,

по регионам России в 2011—2023 гг.

Примечание: ВВ (красные) — высокие значения, окруженные высокими; НН (синие) — низкие среди низких; НВ (голубые) — низкие среди высоких; ВН (розовые) — высокие среди низких. Для цветных регионов p-value = 0,001—0,05; серые — статистически незначимы.

Составлено по данным Росстата, программный пакет GeoD A.

2011 ВВ — 4, НН — 3, НВ — 1, ВН — 1	2012 ВВ — 3, НН — 2, НВ — 1, ВН — 2	2013 ВВ — 8, НН — 5, НВ — 1, ВН — 1
2014 ВВ — 6, НН — 3, НВ — 2, ВН — 0	2015 ВВ — 6, НН — 4, НВ — 2, ВН — 0	2016 ВВ — 6, НН — 7, НВ — 1, ВН — 1
2017 ВВ — 5, НН — 5, НВ — 0, ВН — 1	2018 ВВ — 1, НН — 9, НВ — 3, ВН — 0	2019 ВВ — 4, НН — 8, НВ — 4, ВН — 2
2020 ВВ — 5, НН — 8, НВ — 2, ВН — 3	2021 ВВ — 8, НН — 10, НВ — 3, ВН — 0	2022 ВВ — 6, НН — 8, НВ — 2, ВН — 3
2023 ВВ — 6, НН — 8, НВ — 2, ВН — 0

Рис. 9. Картограммы одномерного локального индекса Морана по занятым в ИКТ, %,

по регионам России в 2011—2023 гг.

Примечание: ВВ (красные) — высокие значения, окруженные высокими; НН (синие) — низкие среди низких; НВ (голубые) — низкие среди высоких; ВН (розовые) — высокие среди низких. Для цветных регионов p-value = 0,001—0,05; серые — статистически незначимы.

Составлено по данным Росстата, программный пакет GeoD A.

На протяжении всего периода наблюдается устойчивая кластеризация регионов по уровню проникновения мобильного интернета. Регионы с высокими значениями (ВВ) — Москва, Санкт-Петербург, нефтегазовые округа, территории Дальнего Востока — формируют кластеры «цифровых лидеров». Колебания числа кластеров не отменяют сохранения пространственных диспропорций.

Кластеры смешанного типа (ВН, НВ) редки, что указывает на слабое влияние локальных прорывов. Исключение — 2020—2023 гг., когда единичные случаи ВН (Краснодарский край) возникли на фоне менее развитых соседей, вероятно, благодаря точечным инвестициям.

После 2017 г. число кластеров НН сократилось (с 6—10 до 5—8), что может быть связано с реализацией программы «Цифровая экономика» и расширением покрытия. Однако полного выравнивания не произошло.

Индекс Морана на всем периоде положителен и статистически значим (табл. 3), подтверждая пространственную зависимость. Распространение мобильного интернета носит «волновой» характер: технология постепенно диффундирует из центров на периферию, но с задержками и формированием «слепых зон».

Таблица 3

Динамика индекса Морана по показателям цифровизации
в регионах РФ в 2011—2023 гг.

Составлено по данным Росстата, программный пакет Gretl.

Распределение кластеров по фиксированному интернету более разнообразно. До 2016 г. регионы образовывали «пояса» высоких значений, распространяя влия­ние либо контрастируя с соседями. Динамика индекса Морана подтверждает устой­чивую пространственную автокорреляцию.

В 2011—2014 гг. индекс снизился (с 0,383 до 0,283), указывая на ослабление кластеризации и выборочную конвергенцию. В 2015—2018 гг. рост до пика 0,407 отразил усиление дифференциации и очаговый характер распространения технологий. С 2019 г. индекс стабилизировался, оставаясь выше уровня начала периода, что свидетельствует о структурной устойчивости пространственной зависимости.

Высокий уровень вторичного цифрового разрыва по занятости в ИКТ также фиксируется индексом Морана.

Кластеры с высокой долей занятых в ИКТ немногочисленны и сосредоточены преимущественно вокруг Москвы. При этом в Сибири и на Дальнем Востоке формируется зона низких значений (негативная тенденция). В целом пространственная кластеризация по занятости в ИКТ носит устойчивый характер.

Динамика индекса Морана (табл. 3 и рис. 10) волнообразна. После роста в 2011—2014 гг. (пик 0,332 в 2013 г.) последовало резкое снижение до минимума 0,139 в 2015—2018 гг., что может указывать на временную диффузию ИКТ-кадров в периферию. Однако с 2019 г. индекс устойчиво растет, достигнув 0,316 в 2023 г. — уровня, близкого к значениям 2013—2014 гг. Это свидетельствует о возврате и усилении пространственной поляризации: занятость в ИКТ вновь концентрируется в ограниченном числе регионов-лидеров, углубляя межрегиональную дифференциацию.

а	б
в

Рис. 10. Динамика индекса Морана по показателям распространения мобильного интернета, фиксированного интернета и численности занятых в ИКТ в регионах РФ в 2011—2023 гг., индекс: а — мобильный интернет; б — фиксированный интернет; в — занятые в ИКТ

Обсуждение результатов

Исследование зафиксировало значительный рост доступности мобильного и фиксированного интернета в России, однако сохраняется выраженная региональная асимметрия. Наиболее высокие темпы роста — у регионов с изначально низким уровнем проникновения, тогда как в развитых субъектах динамика замедляется, что может указывать на насыщение. Дальнейшее сокращение цифрового неравенства требует адресных мер поддержки, особенно в регионах с отстающей телекоммуникационной инфраструктурой.

Выявлены существенные межрегиональные различия в развитии ИКТ-сектора, обусловленные экономическим потенциалом, наличием научно-образовательных центров и мерами господдержки. Для сокращения разрывов необходима адресная политика, стимулирующая спрос на ИКТ-услуги и развитие цифровых навыков населения.

Индекс Морана демонстрирует устойчивую пространственную автокорреляцию, но не позволяет однозначно идентифицировать каузальные механизмы: является ли кластеризация следствием госполитики, эффектов соседства или общих историко-экономических предпосылок — вопрос открыт для дальнейших исследований.

Выявленная поляризация в сфере ИКТ-кадров ставит под сомнение эффективность существующих мер пространственного выравнивания и требует пересмотра подходов к стимулированию диффузии знаний. Ключевая политическая импликация — переход от унифицированных подходов к адресному инструментарию, ориентированному на специфику разных типов кластеров.

Для регионов-лидеров (тип «высокие-высокие») приоритет составляет не сохранение отрыва, а трансформация в национальные «генераторы» цифровых компетенций. Целесообразно создание на их базе федеральных центров компетенций с обязательствами по стажировкам, переподготовке и методической поддержке регионов-аутсайдеров. Региональные власти могут стимулировать ИКТ-компании к созданию распределенных команд и филиалов в партнерских регионах через налоговые льготы, увязанные с созданием рабочих мест вне столичных агломераций. Ключевой механизм — софинансирование программ академической и профессиональной мобильности для перетока кадров и знаний.

Для кластеров-аутсайдеров (НН) центральная задача — интеграция в цифровое пространство. Необходима финансовая поддержка местных предприятий при обязательном привлечении технологов из регионов-лидеров. Властям следует развивать адресные жилищные и образовательные программы («цифровая ипотека», поддержка IT-репатриантов) для привлечения и удержания ИКТ-специалистов. Важный механизм — создание в опорных вузах цифровых кафедр в партнерстве с ведущими университетами из кластеров-лидеров.

Для смешанных кластеров (ВН, НВ) и территорий со средним уровнем развития, имеющих риски отставания, приоритет — использование пространственного взаимодействия для эффекта «подтягивания». Целесообразны совместные межрегиональные проекты в приоритетных сферах (логистика, туризм, АПК) и создание межрегиональных ИКТ-кластеров с поддержкой федерального центра, где «точки роста» стимулируют спрос и компетенции в соседних регионах.

На федеральном уровне целесообразен переход от инфраструктурных грантов к системе «умных» контрактов, увязывающих финансирование с достижением кадровых и кооперационных показателей. Региональным стратегиям цифровой трансформации следует включать блок межрегионального сотрудничества. Бизнес-ассоциации могут стать операторами программ распределенной занятости и наставничества. Таким образом, преодоление цифрового неравенства требует дифференцированных решений и смещения фокуса с инфраструктуры на управление диффузией знаний и человеческого капитала.

Выявленные траектории цифровизации России — сокращение инфраструктурного разрыва при усилении вторичного и его пространственной кластеризации — отражают общие закономерности для стран с выраженной территориальной дифференциацией. Исследования по ЕС и ОЭСР показывают, что по мере насыщения базовой инфраструктурой ключевым вызовом становится неравенство в навыках [12; 22]; феномен «цифровой лестницы» описан для разных контекстов.

Устойчивая пространственная автокорреляция и кластеризация лидеров и аутсайдеров имеют прямые аналогии в других странах и регионах (Кремниевая долина, Шэньчжэнь-Гуанчжоу, столичные территории Европы). Концентрация высокотехнологичных кадров в ограниченных агломерациях — ключевой драйвер роста и источник нового территориального неравенства в эпоху знаний. Специфика России состоит не в самом факте кластеризации, а в ее экстремальной выраженности и жесткой привязке к иерархии (мощный центр, сырьевые анклавы, обширная периферия).

Заключение

Проведенное исследование демонстрирует дивергенцию траекторий цифровизации российских регионов. На фоне постепенного сокращения относительного неравенства в доступе к базовой цифровой инфраструктуре (первичный разрыв) сохраняются значительные абсолютные разрывы и вызовы, связанные с качеством подключений. Ключевой угрозой для сбалансированного развития является стремительное нарастание вторичного цифрового разрыва, имеющего кумулятивную природу и подпитываемого агломерационными эффектами, миграцией кадров и неравномерным распределением научно-образовательного потенциала. Устойчивая пространственная кластеризация указывает на то, что рыночные механизмы и географическая близость не приводят к автоматическому выравниванию, а, напротив, воспроизводят иерархию «центр — периферия». Это требует перехода от универсальных инфраструктурных программ к адресной региональной политике, направленной на развитие человеческого капитала, стимулирование инновационной деятельности и создание точек роста цифровой экономики вне сложившихся столичных агломераций.

Возвращаясь к гипотезам, сформулированным во введении, можно констатировать следующее. Гипотеза H1 о сокращении инфраструктурного цифрового неравенства подтвердилась: динамика индекса Джини для мобильного (с 0,171 до 0,100) и фиксированного (с 0,277 до 0,153) интернета демонстрирует устойчивое снижение. Гипотеза H2 об усилении кадрово-компетентностного неравенства также нашла эмпирическое подтверждение: индекс Джини для занятых в ИКТ вырос с 0,243 до 0,279, а анализ ядерной плотности (KDE) выявил тенденцию к формированию многомодального распределения. Гипотеза H3 о наличии положительной пространственной автокорреляции подтвердилась для всех трех показателей, о чем свидетельствуют статистически значимые значения индекса Морана на протяжении всего исследуемого периода. Гипотеза H4 о разнонаправленности эффектов соседства подтвердилась частично. Для инфраструктурных показателей наблюдается конвергенция (снижение индекса Джини), но для занятости в ИКТ подтвердилась гипотеза о поляризации — рост индекса Морана в последние годы (с 0,139 в 2018 г. до 0,316 в 2023 г.) и устойчивое наличие кластеров НН и ВВ свидетельствуют о воспроизводстве пространственного разрыва между лидерами и аутсайдерами.

Выявлена устойчивая положительная пространственная автокорреляция по всем показателям, что проявляется в статистически значимом глобальном индексе Морана и формировании стабильных пространственных кластеров типа «высокие — высокие» (лидеры) и «низкие — низкие» (аутсайдеры). Эта кластеризация указывает на то, что уровень цифровизации региона тесно связан с уровнем его соседей, однако природа этой связи требует дальнейшего изучения. Таким образом, ключевым вызовом для сбалансированного регионального развития становится не столько обеспечение базового доступа к инфраструктуре, сколько преодоление нарастающего кадрового и компетентностного неравенства, требующее комплексных мер, направленных на развитие человеческого потенциала и стимулирование инновационной активности во всех субъектах Российской Федерации.