Балтийский регион
Baltic Region
ISSN: 2074-9848 (Print)
ISSN: 2310-0532 (Online)
RUS | ENG
Экономика Российской Балтики: адаптация и модернизация
Страницы 79-103

Научно-инновационная динамика развития Северо-Запада России в условиях геополитических перемен

DOI:
10.5922/2079-8555-2023-4-5

Ключевые слова

Аннотация

За последнюю четверть века Россия столкнулась с необходимостью преодоления последствий мирового финансового кризиса 2008 г., усиливающегося с 2014 г. санкционного давления недружественных стран и коронавирусной рецессии 2020—2021 гг. Эффективное прохождение страной глобальных макроэкономических кризисов и геополитических потрясений сопряжено с выработкой гибкой стратегии развития. Невозможность полного возврата социально-экономической системы к докризисному состоянию требует эффективного использования ее внутреннего потенциала для перехода на новый путь развития. Данная статья направлена на оценку развития инновационной системы Северо-Запада РФ и определение ключевых факторов ее устойчивости и инновационной безопасности в условиях геополитической нестабильности. Методика исследования базируется на комплексном подходе к представлению научно­инновационного процесса: от стадии проведения исследований и получения научно значимых результатов, формализованных в виде публикаций и патентов, до внедрения новых технологий и коммерциализации инноваций. Информационная база исследования сформирована на основе данных ЕГИСУ НИОКТР, Роспатент, «Скопус», Росстат. Это позволило провести анализ в разрезе двух взаимосвязанных подсистем — производства нового знания и генерации инноваций. По результатам исследования для регионов СЗФО РФ выявлены сильные статистически значимые корреляционные связи между: а) объемом инновационной продукции и величиной выполненных НИОКР; б) инновациями и патентной активностью (с временным лагом); в) количеством инновационных организаций и объемом инновационной продукции в последующие годы. Выделено три типа инновационных регионов: ядро (Санкт-Петербург и Ленинградская область), полупериферия (Мурманская, Архангельская, Калининградская области, Республика Карелия), и периферия. Характер вовлеченности регионов в НИОКР определял динамику и тематическую специализацию их публикационной и патентной активности. Методом линейной регрессии выявлена положительная зависимость объема инновационной продукции от генерации научных знаний и инноваций. Дана оценка географии и структуры международной научной сети регионов, сформировавшейся до 2022 г.


Введение и постановка вопроса

Инновации — важный источник переориентации промышленных и технологических структур [1], [2]. Они имеют критическую значимость для реструктуризации региональной экономики и ее адаптации в условиях нестабильности [3]. В кризисный период инновационно передовые регионы проявляют себя более успешно в преодолении последствий потрясений, используя накопленные внутренние ресурсы и имеющийся опыт для поиска нестандартных эффективных решений в ответ на внешние вызовы [4], [5]. По результатам оценки последствий мирового экономического кризиса 2008—2009 гг. в правительственных отчетах целого ряда развитых стран отмечается решающее значение инноваций для восстановления экономики после рецессии. Регионы, чей инновационный потенциал выше, с большей вероятностью могли противостоять экономическому кризису [3].

В 2022 г. Россия столкнулась с усилением санкционного давления со стороны недружественных стран (см. Распоряжение Правительства РФ от 5 марта 2022 г. № 430-р). Введен запрет на экспорт в РФ обширной номенклатуры товаров и технологий, приостановлены поставка программного обеспечения и техническое обслуживание оборудования, ограничен доступ к различным онлайн-ресурсам и цифровым системам. «Культура отмены» России привела к сокращению возможностей ее участия в международном научно-исследовательском сотрудничестве.

Разрыв прежних научно-технологических связей обострил проблему технологической зависимости — базирования национальной критической инфраструктуры и производственных процессов на зарубежных технологиях. В мае 2023 г. Правительством РФ принята Концепция технологического развития до 2030 г. Согласно документу, важнейшая задача на ближайшие 10 лет — достижение технологического суверенитета страны. Необходим переход к инновационно ориентированной экономике через создание условий для устойчивого развития производственных систем. В связи с этим целью данного исследования выступила оценка научно-инновационной динамики развития регионов Северо-Запада России в условиях геополитических перемен.

В качестве исследовательского объекта выступили субъекты Северо-Западного федерального округа (СЗФО) РФ. География регионов исследования детерминирована их значимой ролью в инновационном развитии страны, территориальной близостью к странам ЕС и связанным с этим более сильным геополитическим давлением. Петербургско-Прибалтийский район, характеризуясь передовой промышленностью и лидерством в инновационной сфере, традиционно выступал ведущим районом-акцептором и ретранслятором внешних инноваций [6]. Текущие процессы неуклонно видоизменяют возможности, внешние связи и функционал российского Северо-Запада, поскольку именно здесь наиболее ярко проявляется «хрупкость» трансграничных взаимодействий, обусловленная геополитическим и геоэкономическим переформатированием евразийского пространства [7].

Ожидается, что Санкт-Петербургская агломерация и прилегающие к ней регионы первыми ощутят на себе последствия кризисных явлений [8]. По аналогии пространственной диффузии коронавирусной инфекции в субъектах РФ, относимых к Балтийскому макрорегиону, можно предположить, что Санкт-Петербург, Ленинградская и Калининградская области — пространства с высокой степенью проницаемости — будут претерпевать наиболее сильные структурные изменения, а Новгородская и Псковская области — наименьшие [9]. Вместе с тем эффект колеи, особенно сильно проявляющийся в староосвоенных районах, может препятствовать ускоренной модернизации и адаптации [10].

Теоретический базис исследования

Изучение возможностей для роста на фоне кризисных явлений осуществляется в рамках концепции траекторий развития. Трансформация региона может иметь различную основу: от отраслевой модернизации и диверсификации до появления новых видов деятельности [11]. В статье [12] предложены четыре направления развития регионов через смену промышленной траектории: а) трансформация текущей структуры; б) развитие смежных, сопутствующих видов деятельности на основе накопленных компетенций и баз знаний; в) перенос и закрепление отраслей извне; г) возникновение совершенно новых видов деятельности, основанных на передовых технологиях, научных открытиях, бизнес-моделях и инновациях.

В отличие от используемого понятия устойчивости как сохранения текущего уровня благосостояния и природных ресурсов для будущих поколений [13] понятие резилентности (resilience — «эластичный», «стабильный») отражает реакцию экономической системы региона на кризисы. Дж. Бристоу и Э. Хили описывают экономическую резилентность как способность регионов противостоять потрясениям и/ или быстро восстанавливаться после них [3]. К основным факторам резилентности (или шокоустойчивости) региона относят диверсификацию экономики и высокий инновационный потенциал [14].

Можно выделить три подхода к интерпретации резилентности [15].

(1) Способность возвращаться к дошоковому состоянию. Уровень резилентности показывает, как быстро система может восстановиться после потрясений с сохранением прежних свой­ств и функций [16]. В основе — идея неизменности сложившегося пути развития, включая частичное нивелирование шокового состояния без значительных структурных изменений [17].

(2) Процесс адаптации, переориентации и структурных изменений в ответ на кризис [18]. Идея «эволюционной резилентности» предполагает появление новых путей развития в результате непрерывного процесса приспособления независимо от частоты потрясений [19].

(3) Способность «перейти на новый устойчивый путь, характеризующийся более продуктивным и справедливым использованием… ресурсов» [20, р. 15]. Идея «трансформационной резилентности» предполагает, что кризис может не только привести к структурным преобразованиям, но стать «окном возможностей» для смены траектории развития [21]. В отличие от трансформационного потенциала, показывающего способность системы к реконфигурации в ответ на будущие вызовы [22], резилентность отражает то, в какой степени шоки могут быть использованы для радикальных изменений.

В эволюционной экономической географии, рассматривающей траектории развития стран и регионов мира [23], все чаще находят поддержку утверждения о том, что способность регионов воспроизводить новое в отрыве от устоявшейся колеи имеет большое значение для резилентности [24]. Б. Ашейм и С. Дж. Херстад [25] отмечают, что инновации — ключевой фактор в экономической реструктуризации, резилентности и устойчивом развитии. Технологические инновации способствуют преодолению инерции траектории развития и выходу за рамки сложившейся колеи [26].

Взаимосвязь между инновациями и резилентностью непрямая [3; 27]. Высокий уровень развития инновационной системы позволяет региону легче адаптироваться к новому и преодолевать кризисы. Но в научной литературе [28], [29] есть подтверждения того, что инновационная активность сильнее подвержена влиянию кризисов и других дестабилизирующих факторов. Инновационные компании склонны сворачивать инвестиционные проекты и сокращать расходы на исследования в условиях неопределенности, фокусируясь на текущей деятельности. Данные тенденции сильнее затрагивают малый и средний бизнес [30].

Последствия кризиса 2007—2008 гг. и коронавирусной рецессии 2020—2021 гг., а также текущая геополитическая напряженность вокруг Украины и Тайваня свидетельствуют о низкой резилентности многих целенаправленно сформированных региональных инновационных систем (например, в странах ЕС). Предлагается переход к проблемно ориентированным инновационным системам, которые будут более приспособлены к потрясениям [31].

Методика исследования

Методические особенности оценки инновационных процессов

В основе инновационной системы региона лежат две взаимосвязанные подсистемы — производство нового знания и генерация инноваций. Система производства знания отражает технологический потенциал региона. Его величина определяет уровень сложности экономики региона, то есть инновационности и технологичности производимой и экспортируемой продукции. Развитие данной подсистемы — необходимое условие инновационно-технологических изменений в отношении выпуска высокотехнологичной и капиталоемкой продукции [32].

Основой выделения двух этих подсистем является разность в понимании сущности изобретений и инноваций. Согласно подходу Й. Шумпетера [33, р. 66], инновации — это «новые комбинации» продуктов, процессов, методов производства, рынков, форм организации или ресурсов. Изобретения становятся инновациями в случае их внедрения в практику в рамках инновационного процесса. При этом представление инновационного процесса в качестве последовательных стадий, при котором инновация — результат НИОКР, весьма условно, поскольку не все инновации требуют инвестиций в исследования и разработки [34]. Открытые инновации — пример практического разнообразия нелинейных стратегий технологического развития [35]. Значительное количество инноваций не патентуется, многие НИОКР не приводят к инновациям, не все запатентованные разработки выводятся на рынок [36].

В зависимости от уровня новизны выделяют адаптационные, улучшающие и прорывные инновации. Разнообразие типов инноваций отражается в индикаторах оценки. При построении инновационных индексов используются данные об исследованиях и разработках, научных публикациях, патентах, производимой инновационной продукции и процессах [36; 37]. Среди наиболее распространенных показателей — патенты и расходы на НИОКР [36], [38]. К менее распространенным показателям оценки научно-технологического и инновационного потенциала можно отнести [39; 40] число компьютеров с выходом в интернет; долю организаций, имеющих веб-сайт; долю пользователей интернета; число абонентских терминалов сотовой связи; проекты между университетом, бизнесом и властью; число студентов по естественно-научным, математическим, инженерно-техническим и медицинским направлениям; уровень заработной платы занятых НИОКР; обеспеченность объектами научно-исследовательской инфраструктуры.

Патентная статистика стала использоваться с середины ХХ в. [41] для описания результирующего этапа научной деятельности. Слабость патентов как индикатора инновационной активности связана с тем, что они отражают изобретательскую, а не инновационную деятельность. Сильная сторона — патенты выдаются только на новые изобретения, то есть не учитываются умеренные адаптации существующих технологий [36].

Ограничение использования затрат на НИОКР [42] сопряжено с необязательностью их коммерциализации. НИОКР — это входной фактор для инноваций [35]. Величина затрат на НИОКР не отражает экономическую ценность производимых инноваций и не позволяет оценить уровень технологической сложности получаемой продукции. Несмотря на отмеченные ограничения, данные о НИОКР и патентах — основа статистики инновационной деятельности [43], [44], [45].

Еще один подход к оценке инновационной активности — анализ производства публикаций (LBIO), получивший широкое применение с развитием цифровизации. Анализ научной литературы не отражает всех аспектов инноваций и не заменяет других показателей, но служит полезным дополнением к ним [42], являясь относительно надежным способом измерения «радикальности» создаваемых инноваций.

Таким образом, каждый из показателей отражает отдельный аспект научно-инновационного процесса: НИОКР — инвестиции в новые разработки, научные публикации — результативность системы производства знаний, патенты — новаторство, инновации — коммерциализацию технологий.

Дизайн исследования

На первом этапе исследования произведена оценка научной активности в субъектах СЗФО РФ. Показатели для анализа — количество заказанных и выполненных проектов НИОКР; объем расходов по исполнителям и заказчикам НИОКР (совокупный и в расчете на один проект). Значения представлены за период 2019—2021 гг. Для оценки размера научных систем регионов Северо-Запада рассчитан их вклад в объем выполненных и заказанных НИОКР относительно РФ. Использование данного и других показателей в абсолютных значениях продиктовано логикой сравнительной оценки роли регионов выборки в общероссийском научном пространстве, а также в пространстве СЗФО РФ.

На основе принадлежности выполненных в регионе НИОКР к определенным областям знания произведена оценка специализации регионов. Для каждого субъекта СЗФО РФ рассчитаны значения коэффициентов научной специализации по формуле

              Sja/Sjtotal

KSja = ________     (1)

            Sa/Stotal 

где KSja — коэффициент научной специализации региона j по области знания a; Sja — объем выполненных НИОКР в регионе j по области знания a; Sjtotal — объем выполненных НИОКР в регионе j по всем областям знания; Sa — объем выполненных НИОКР в стране по области знания a; Stotal — объем выполненных НИОКР в стране по всем областям знания. Значения KSja выше 1 может быть интерпретировано как наличие в регионе научной специализации в данной области знания.

На втором этапе дана оценка результативности научных систем регионов СЗФО РФ через публикационную и патентную статистику. Рассчитан вклад субъектов Северо-Запада РФ в совокупный объем российских публикаций в базе «Скопус» (Scopus) в 2018—2022 гг. С использованием рангового метода дана структурная оценка представленности областей знания в публикационном портфеле регионов.

В целях оценки влияния геополитических изменений на публикационный ландшафт регионов СЗФО РФ была рассчитана доля публикаций, выполненная ими в международном соавторстве в разрезе типов стран: «недружественная», «дружественная», «нейтральная». Список недружественных стран установлен Распоряжением Правительства РФ от 5 марта 2022 г. № 430-р с дополнениями. К дружественным странам отнесены страны, с которыми поддерживается сотрудничество, действует авиасообщение. Остальные страны — нейтральные.

На основе показателей о выданных патентах (на изобретения, промышленные образцы, полезные модели) для каждого субъекта СЗФО РФ в разрезе тематических направлений рассчитаны значения коэффициентов изобретательской специализации по формуле

              Pja/Pjtotal

KPja = ________     (2)

            Pa/Ptotal 

где KPja — коэффициент изобретательской специализации региона j по тематике a; Pja — количество выданных патентов в регионе j по тематике a; Pjtotal — количество выданных патентов в регионе j по всем тематикам; Pa — количество выданных патентов в стране по тематике a; Ptotal — количество выданных патентов в стране по всем тематикам. Значения KPja выше 1 может быть интерпретировано как наличие в регионе изобретательской специализации по данной тематике.

На третьем этапе произведена оценка связи научной и инновационной активности в субъектах СЗФО РФ в 2019—2021 гг. Использован корреляционный анализ для оценки парных связей между показателями и их силы по шкале Чеддока. Оценка выполнялась в программной среде «StatTech v. 3.1.6».

Для построения корреляционных зависимостей в качестве показателей инноваций использованы число организаций, осуществляющих инновационную деятельность; объем инновационных товаров, работ, услуг; затраты на инновационную деятельность. Среди показателей научной активности учтены объем выполненных НИОКР; количество выданных патентов; количество публикаций в базе «Скопус».

Все показатели в разрезе регионов были нормированы по формуле

                    Yi

Ynorm  = ________     (3)

                  Ymax

где Ynotm — нормированное значение показателя для региона i; Yi— абсолютное значение показателя для региона i; Ymax — максимальное абсолютное значение показателя среди регионов выборки (в данном исследовании для всех показателей — это Санкт-Петербург). Таким образом, при проведении корреляционно-регрессионного анализа использовались не абсолютные значения показателей, а относительные, отражающие отставание каждого региона от субъекта-лидера. Такой подход согласуется с логикой сравнительной межрегиональной оценки, использованной на предыдущих этапах анализа.

Для избежание искажений при расчете зависимостей Санкт-Петербург был исключен из анализа из-за экстремально высоких значений показателей в сравнении с другими регионами. С использованием метода линейной регрессии были построены регрессионные модели, отражающие зависимость объема инновационной продукции в 2021 г. от факторов функционирования подсистем генерации знаний и генерации инноваций в 2019—2021 гг. Сопоставление данных за 2021 г. с данными за 2019 и 2020 гг. позволило учесть временной лаг в научно-инновационном процессе.

Источники и методы сбора данных

Информационная база исследования подготовлена на основе нескольких источников данных.

На первом этапе источником выступила Единая государственная информационная система учета научно-исследовательских, опытно-конструкторских и технологических работ гражданского назначения (ЕГИСУ НИОКТР — Rosrid.ru). Авторами загружены и объединены в один массив данные о 150 тыс. НИОКР. Сделана выборка проектов, начатых в 2019—2021 гг. Массив сведений включал название и аннотацию проектов, ключевые слова и тематические категории, объем и источник финансирования, организацию-заказчика и исполнителя.

На втором этапе с использованием основных государственных регистрационных номеров (ОГРН) организаций-заказчиков и исполнителей НИОКТР авторами осуществлена выборка предприятий из базы «СПАРК-Интерфакс». Выгружены сведения о более чем 15 тыс. российских предприятий, вовлеченных в НИОКР.

На третьем этапе сформирована база данных публикационной активности в регионах СЗФО РФ. Источник информации о публикациях — онлайн-ресурс «Скопус» (Scopus.com) от компании Elsevier. В базе содержатся 1,95 млн российских публикаций начиная с 1864 г., в том числе 1,16 млн публикаций с 2010 г. База «Скопус» имеет значительные пересечения по охвату с другими базами (например, Web of Science), а также составляет основу российского ядра РИНЦ — «наиболее качественной составляющей массива публикаций ученых РФ» [46].

Для определения величины публикационной активности по каждому субъекту СЗФО РФ сформированы комплексные поисковые запросы в «Скопус», которые учитывали вариации написания названия региона и его городов, а также всех ключевых организаций. Источник сведений об организациях — Индекс российских научных организаций (Russian Index of Research Organizations — RIRO).

Поиск ограничивался тремя типами публикаций: ar — исследовательская статья; re — обзорная статья; cp — материалы конференций. Сбор информации реализован через «Scopus API» с использованием программного кода, написанного на языке Python (в среде IDE PyCharm). Последующая валидация полученной информации проводилась выборочно, путем ручных запросов в «Скопус». Период охвата данными: 2018—2022 гг.

На четвертом этапе произведен сбор патентной статистики. В наборах открытых данных Роспатента содержатся сведения обо всех зарегистрированных в России изобретениях, полезных моделях, промышленных образцах. На основе произведенных выгрузок и дополнения базы при помощи сервиса поиска информации по регистрационному номеру патента была составлена база данных всех патентов, впервые и повторно зарегистрированных в 2019—2021 гг. Массив включал сведения об авторах и держателях патентов, регионе регистрации и тематической категории.

На пятом этапе сформирована база инновационной статистики в разрезе субъектов СЗФО РФ за 2019—2021 гг. на основе данных Росстата. Были получены агрегированные данные о затратах на инновационную деятельность компаний, объеме инновационных товаров, работ и услуг, а также числе организаций, осуществляющих инновационную деятельность в сочетании «ОКВЭД2 — регион регистрации»

Результаты исследования

Динамика научной активности

Северо-Запад РФ имеет значительный накопленный научно-технологический потенциал, что позволяет выполнять ему функцию генерации новых знаний в национальном масштабе. В 2019—2021 гг. на субъекты СЗФО РФ приходилось 14,3 % всех реализованных в регионах России НИОКР и 11,7 % суммарного объема расходов на них. Реже Северо-Западные субъекты выступали заказчиками исследований и разработок.

Научный ландшафт Северо-Запада РФ неоднороден. Ярко выраженный центр — Санкт-Петербург. Рисунок 1 отражает дисбаланс в распределении между регионами количества проектов и объема расходов на заказанные и выполненные НИОКР. Санкт-Петербург опережает второй регион в 15,6 раза по количеству выполненных и в 6,8 раза — по количеству заказанных НИОКР (а именно Вологодскую область); в 22,4 раза — по объему расходов на выполненные и в 10,6 раз — на заказанные НИОКР (а именно Ленинградскую область и Республику Карелию).



Примечание: не представлен Санкт-Петербург, его доля в общероссийском количестве НИОКР — 3,47 % по заказчикам и 11,77 % по исполнителям; в объеме расходов на НИОКР — 0,69 % по заказчикам и 10,05 % по исполнителям.

В географии выполняемых в СФЗО РФ научно-исследовательских проектов лидируют Вологодская, Калининградская, Архангельская и Мурманская области. Однако на Ленинградскую область приходится больший объем денежный расходов на НИОКР и, следовательно, более крупные проекты. Средний размер одного выполненного проекта в Ленинградской области составляет 38,4 млн руб., на втором месте — Республика Карелия с 17,9 млн руб. (это ниже среднероссийского уровня — 18,2 млн руб.). Наименьший объем расходов в расчете на 1 выполненный в 2019—2021 гг. научно-исследовательский проект — у Псковской и Вологодской областей (около 2 млн руб.).

Средний объем расходов на 1 заказанный научно-исследовательский проект колеблется от 25,5 млн руб. (Республика Карелия) до 94 тыс. руб. (Республика Коми) при среднем уровне по СЗФО РФ — 3,6 млн руб. В целом для всех субъектов СЗФО РФ характерно превалирование объема выполненных НИОКР над заказанными. Разрыв между регионами по количеству проектов колеблется от 1,6 раза — для Вологодской области до 9,5 раза — для Новгородской области (при среднем значении по СЗФО РФ в 3,4 раза). По суммарному объему расходов на НИОКР в разрезе «исполнитель — заказчик» дисбаланс сильнее. Особенно это характерно для Республики Коми (1389 раз), Новгородской (556 раз), Мурманской (103 раза), Ленинградской (48 раз) областей. В меньшей степени — для Калининградской (5 раз), Вологодской (3 раза), Псковской (2 раза) областей и Республики Карелия (3 раза). Такое распределение свидетельствует больше о смещении функций в федеральном округе в сторону воспроизводства научных знаний, чем об их абсорбции, и отражает внешний характер управления научной повесткой, разрабатываемой в регионах Северо-Запада.

Рисунок 2 демонстрирует распределение субъектов СЗФО РФ по объему заказанных и выполненных НИОКР.


Примечание: диаметр пуансона отражает средний объем расходов на 1 выполненный проект НИОКР. На графике не представлен Санкт-Петербург, доля которого в общероссийском объеме расходов на НИОКР — 0,69 % по заказанным и 10,05 % по выполненным.

В целом могут быть выделены три крупные группы регионов по их вовлеченности в научно-исследовательскую деятельность.

Первая группа — ядро, включающее Санкт-Петербург и примыкающую к нему Ленинградскую область, которые сильно опережают другие субъекты федерального округа по показателям исполнения НИОКР, в то же время являясь заказчиками НИОКР.

Во вторую группу входят Мурманская, Архангельская, Калининградская области и Республика Карелия. Эти регионы могут быть отнесены к полупериферии научного пространства СЗФО РФ, характеризуясь средними для федерального округа показателями по НИОКР.

Третья группа объединила регионы, имеющие наиболее низкие значения по выполнению и заказу научно-исследовательских проектов (Республика Коми, Вологодская, Новгородская и Псковская области), поэтому они были отнесены к периферии.

В приложении 1 отражены результаты ранговой оценки разнообразия выполняемых НИОКР в регионах Северо-Запада России. Расчет рангов производился по формуле (1) на основе значений коэффициента научной специализации.

Наиболее широкая исследовательская повестка в 2016—2022 гг. была представлена в Санкт-Петербурге, Вологодской и Калининградской областях — 45, 38 и 31 области знания. В Псковской и Новгородской областях выполнялось НИОКР по наименьшему количеству областей знания – 14 и 18 соответственно. В целом в регионах третьей периферийной группы в топ-5 областей знания по реализуемым НИОКР вошли преимущественно общественно-гуманитарные науки. Для второй полупериферийной группы характерно сочетание общественно-гуманитарных и естественно-научных областей как ведущих в научной специализации. Для первой группы ядро научно-исследовательской специализации представлено преимущественно естественно-научным направлением.

Результативность научных систем

Результативность научно-исследовательской и опытно-конструкторской деятельности также была оценена через показатели публикационной и патентной активности. Рисунок 3 демонстрирует распределение регионов СЗФО РФ по доле в совокупном объеме публикаций, проиндексированных в базе «Скопус» в 2018—2022 гг. и аффилированных с Россией.

Примечание: средняя доля Санкт-Петербурга в РФ — 15,3 %.

Полученные результаты по оценке публикационной активности регионов СЗФО РФ соответствуют результатам анализа их вовлеченности в научно-исследовательскую и опытно-конструкторскую деятельность. Лидирующие позиции в федеральном округе по совокупному количеству публикаций в ведущих международных журналах занимают субъекты первой группы — Санкт-Петербург (90,1 тыс. ед.) и Ленинградская область (3,2 тыс. ед.). Далее следуют регионы второй группы, образующие полуперифирию научного пространства Северо-Запада России, а именно Мурманская, Калининградская, Архангельская области и Республика Карелия, доля которых по публикациям относительно РФ колеблется от 0,4 до 0,54 %. Регионы периферийной группы имеют наиболее низкие значения количества публикаций, проиндексированных в базе Скопус — менее 0,4 % от РФ в рассматриваемый период. Наиболее низкие — у Псковской области (329 публикаций) и Ненецкого автономного округа (295 публикаций), что в 10 и 11 раз меньше, чем у Ленинградской области. А общий разрыв в федеральном округе между регионом-лидером и регионом-аутсайдером по количеству публикаций, проиндексированных в базе «Скопус» в 2018—2022 гг., составил 305,6 раза.

Субъекты СЗФО РФ характеризуются различной динамикой публикационной активности по годам (рис. 3, б). В первой группе Санкт-Петербург демонстрирует достаточно устойчивый ежегодный объем публикаций (около 18 тыс.). Прирост за пять лет составил 5,6 %. Для Ленинградской области, напротив, характерно значительное сворачивание публикационной активности в исследуемом периоде. Это единственный регион с убылью ежегодного количества публикаций: снижение в 2022 г. относительно 2018 г. составило 37,2 %.

Все регионы второй группы характеризовались приростом совокупного объема публикаций в базе «Скопус». Темпы прироста за пять лет колебались от 20,8 % у Мурманской области до 50,8 % — у Калининградской области. Основной «рывок» регионы второй группы сделали в 2019 г. относительно 2018 г. (а Калининградская область — еще в 2021 г. относительно 2020 г.). В 2022 г. у трех из четырех субъектов СЗФО РФ, вошедших в эту группу, зафиксирован спад публикационной активности относительно 2021 г. Лишь у Архангельской области количество публикаций в 2022 г. увеличилось на 3,4 % в сравнении с предыдущим годом, однако этому предшествовали два года с отрицательной динамикой публикаций.

Регионы третьей группы, характеризуясь низкими базовыми значениями 2018 г., также продемонстрировали прирост публикаций за пять лет. Наибольший (189 %) — у Псковской области, ввиду малого ежегодного количества публикаций (с 27 в 2018 г. до 78 в 2022 г.). В целом для этих регионов характерна наиболее сильная положительная динамика с 2018 по 2020 г. (а для Псковской области и в 2021 г.). После этого ежегодные темпы прироста замедлились, а у некоторых регионов и вовсе стали отрицательными к 2022 г.

Как и в отношении НИОКР, для всех субъектов СЗФО РФ были рассчитаны ранги относительно количества публикаций, проиндексированных в базе «Скопус» в 2018—2022 гг., в разрезе областей знания (Приложение 2). Для регионов первой группы публикационный профиль в значительной мере совпадает с общероссийским. Среди ключевых областей — физика и астрономия, инженерное дело, материаловедение. Для Ленинградской области также значимы химия; биохимия, генетика и молекулярная биология, а для Санкт-Петербурга — медицина и информатика. Следует отметить, что разнообразие областей знания, по которым представлены публикации, ниже у Ленинградской области в сравнении с Санкт-Петербургом.

Регионы второй группы имеют устойчивое разнообразие публикаций по областям знания. При этом большое значение в структуре их публикационной активности занимают (в дополнение к областям знания из топ-5 для России) науки о Земле и планетах; науки об окружающей среде; сельскохозяйственные и биологические науки.

Значительный вес в структуре публикационной активности регионов третьей группы наряду с естественно-научными публикациями занимают документы по социальным и гуманитарным наукам. Для Новгородской, Псковской областей и Ненецкого автономного округа отмечено наименьшее (среди остальных субъектов СЗФО РФ) количество областей научного знания, в разрезе которых представлены статьи.

Также была проанализирована доля публикаций, выполненная учеными Северо-Запада в международном соавторстве (рис. 4). Наибольший удельный вес относительно РФ по доле таких публикаций занимают Санкт-Петербург (19,0 %) и Ленинградская область (1,8 %). У регионов второй группы величина этого показателя колеблется от 0,4 до 0,7 %, а у третьей группы — 0,2 % и менее. На рисунке 4 представлено распределение регионов Северо-Запада России по степени участия в научном сотрудничестве, выраженном через публикации.



Примечание: на графике не представлен Санкт-Петербург, у которого 19,0 % — доля в публикациях РФ, подготовленных в сотрудничестве; 0,27 % — доля в общем количестве публикаций региона. Первая группа регионов — оранжевые ромбы, вторая группа — синие, третья группа — зеленые ромбы.

География научного сотрудничества субъектов СЗФО РФ в 2018—2022 гг. была разнообразна (и охватывала 168 стран). После 2022 г. геополитический вектор в развитии научных связей российских регионов претерпел изменение: ряд научных связей был разорван, в то время как другие получили дополнительный импульс развития. Приложение 3 презентует результаты распределения стран — научных партнеров регионов Северо-Запада России в период с 2018 по 2022 г. в разрезе категорий «недружественная», «дружественная», «нейтральная».

Санкт-Петербург и примыкающая к нему Ленинградская область в совокупности имели наиболее широкую географию (159 стран) научных связей среди других групп регионов СЗФО РФ. Однако при высоком разнообразии контактов наибольшая доля по объему публикаций в 2018—2022 гг. приходилась на недружественные государства. Из топ-25 стран по количеству совместных публикаций 20 — это недружественные (Германия, США, Франция, Великобритания, Италия, Финляндия, Польша, Испания, Швейцария, Чешская Республика, Нидерланды, Австралия, Швеция, Австрия, Япония, Канада, Греция, Украина, Португалия, Южная Корея) и 5 — дружественные (Китай, Бразилия, Индия, Беларусь, Турция) страны.

В регионах второй группы география научных связей несколько скромнее и охватывает от 88 (Мурманская область) до 116 (Калининградская область) стран. Для этих российских субъектов также до 2022 г. было характерно устойчивое научное сотрудничество с западными странами. Из топ-25 стран по количеству совместных публикаций на дружественные и нейтральные страны приходилось лишь 7 — в Архангельской, 5 — в Калининградской, 3 — в Мурманской областях, 4 — в Республике Карелия. Значимую роль в общем объеме публикаций, выполненных в международном соавторстве, занимали соседние с этими регионами страны (Польша, Финляндия, Норвегия).

Наименьшее разнообразие научных связей характерно для регионов третьей группы: от 21 до 59 стран-партнеров. Выделяется лишь Республика Коми, ученые которой имели совместные публикации с авторами из 87 стран. Однако и для этих регионов в 2018—2022 гг. прослеживалась приоритетность западноевропейского вектора над восточным и южным. Из топ-25 стран по количеству совместных публикаций на дружественные и нейтральные страны приходилось 8 — в Вологодской, по 5 — в Новгородской и Псковской областях, 4 — в Ненецком автономном округе и 2 — в Республики Коми.

Еще одним индикатором результативности научной деятельности является изобретательская активность, которая также тесно связана с инновациями. Как и в отношении публикаций, Санкт-Петербург занимает лидирующие позиции в федеральном округе по абсолютному количеству выданных патентов. Разрыв между ним и Вологодской областью, которая находится на втором месте, составляет более 50 раз (в 2020 г. — 65 раз). На рисунке 5 отражено изменение патентной активности в субъектах СЗФО РФ в 2019—2021 гг. Для большинства регионов характерно снижение ежегодного объема выдаваемых патентов (исключение — Псковская область, где отмечен рост, а также Мурманская область и Республика Карелия, где отсутствует стабильная динамика патентования).


В большинстве регионов Северо-Запада РФ в распределении выданных патентов превалируют изобретения (рис. 6). В 2019 г. доля изобретений колебалась от 52,2 % у Новгородской области до 80,7 % у Калининградской области. В 2021 г. относительно 2019 г. произошли существенные структурные сдвиги между типами патентов в сторону уменьшения доли изобретений в 7 из 10 исследуемых регионов. Прирост выданных патентов на изобретения в 2021 г. относительно 2019 г. отмечался лишь в Ленинградской (15,7 %), Вологодской (2,8 %) и Новгородской (10,3 %) областях. Наиболее сильное перераспределение типов патентов произошло в Республике Карелия: доля изобретений снизилась с 59,6 до 33,8 %, а полезных моделей возросла с 36,5 до 52,3 %.



Среди 82 областей знания, по которым у субъектов СЗФО РФ есть выданные патенты, следует отметить 38 наиболее активно разрабатываемых специализаций (с коэффициентом изобретательской специализации выше 3 хотя бы у 1 из регионов выборки — Приложение 4). Для регионов периферии и полупериферии (исключая Республику Коми и Вологодскую область) характерна более сильная фокусировка на определенные области знания, в то время как регионы ядра имеют более широкие изобретательские компетенции.

Связь научной и инновационной активности

Для оценки связи научной и инновационной подсистем регионов Северо-Запада России был проведен корреляционный анализ взаимосвязи показателей патентной, публикационной, исследовательской активности и генерации инновационной продукции. Выявлена тесная и статистически значимая связь между объемом инновационных товаров, работ, услуг региона и величиной выполненных в нем НИОКР. Коэффициент парной корреляции между этими показателями в 2020 г. составлял 0,867 (при p = 0,001); в 2021 г. — 0,721 (при p = 0,019). Теснота связи по шкале Чеддока — высокая. Также выявлена положительная зависимость между инновациями и патентной активностью в регионе, однако с годовым лагом. Заметная статистически значимая корреляционная связь наблюдается между количеством выданных патентов в 2019 г. и объемом инновационных товаров, работ, услуг в 2020 г. (при p = 0,048). Существенная взаимосвязь между показателями публикационной и инновационной активности для регионов СЗФО РФ не выявлена.

Также отмечено положительное влияние количества организаций, осуществлявших инновационную деятельность в предшествующие годы, на объем инновационной продукции в последующие годы. Высокая корреляционная связь между этими показателями в период 2019—2020 гг. была на уровне 0,818 (при p = 0,004), к 2021 г. несколько ослабела — до 0,709 (при p = 0,022), но все еще оставалась высокой.

Для оценки зависимости показателя объема инновационных товаров, работ, услуг, произведенных в субъектах СЗФО РФ в 2021 г., от количественных факторов функционирования подсистемы генерации знаний (выполнение НИОКР, изобретательная и публикационная активность), действовавших в 2019—2021 гг., был использован метод линейной регрессии и построена регрессионная модель. Число наблюдений составило 9. Результаты регрессионного анализа представлены в таблице 1.


Результаты регрессионного анализа объема инновационной продукции в 2021 г. от факторов функционирования подсистемы генерации знаний

Показатель

B

Стандартная ошибка (SE)

t

p

Intercept

– 0,029

0,038

– 0,755

0,475

Объем выполненных НИОКР в 2019 г.

4,476

1,701

2,632

0,034*

Источник: разработано с использованием «StatTech v.3.1.6».

Примечание: * — различия показателей статистически значимы (p < 0,05).


Итогом эконометрического анализа стало уравнение линейной регрессии

Y2021_Инновации = – 0,029 + 4,476 * X2019_НИОКР, (4)

где Y2021_Инновации — величина показателя объем инновационных товаров, работ, услуг в 2021 г., X2019_НИОКР — объем выполненных НИОКР в 2019 г.

При увеличении показателя X2019 НИОКР на 1 следует ожидать увеличение показателя Y2021_Инновации на 4,476. Полученная регрессионная модель характеризуется коэффициентом корреляции rxy  = 0,705, что соответствует высокой тесноте связи по шкале Чеддока. Полученная модель — статистически значима (p = 0,034) и объясняет 49,7 % наблюдаемой дисперсии объема инновационных товаров, работ, услуг в 2021 г.

Аналогичным образом были проведены расчеты для оценки зависимости объема инновационной продукции, произведенной в субъектах СЗФО РФ в 2021 г., от количественных факторов функционирования подсистемы генерации инноваций (табл. 2).

Результаты регрессионного анализа объема инновационной продукции в 2021 г. от факторов функционирования подсистемы генерации инноваций

Показатель

B

Стандартная
ошибка (SE)

t

p

Intercept

– 0,014

0,015

– 0,921

0,393

Объем инновационных товаров, работ, услуг в 2020 г.

0,888

0,133

6,693

< 0,001*

Затраты на инновационную деятельность в 2019 г.

0,339

0,122

2,777

0,032*

Источник: разработано авторами с использованием «StatTech v.3.1.6». 

Примечание: * — различия показателей статистически значимы (p < 0,05).


Наблюдаемая зависимость между показателями описывается уравнением линейной регрессии

Y2021_Инновации  = – 0,014+0,888 * X2020_Инновации + 0,339 * X2019_Затраты, (5)

где Y2021_Инновации — величина показателя объем инновационных товаров, работ, услуг в 2021 г., X2020_Инновации — величина показателя объем инновационных товаров, работ, услуг в 2020 г., X2019_Затраты — объем затрат на инновационную деятельность в 2019 г.

При увеличении показателя X2020_Инновации на 1 следует ожидать увеличение показателя Y2021_Инновации на 0,888; при увеличении показателя X2019_Затраты на 1 следует ожидать увеличение показателя Y2021_Инновации на 0,339.

Полученная регрессионная модель характеризуется коэффициентом корреляции rxy = 0,943, что соответствует весьма высокой тесноте связи по шкале Чеддока. Модель была статистически значимой (p = 0,001) и объясняет 89,0 % наблюдаемой дисперсии объема инновационных товаров, работ, услуг в 2021 г.

Обсуждение результатов и выводы

Геополитические сдвиги в международной системе отношений последних лет продемонстрировали необходимость обеспечения странами технологического суверенитета и инновационной безопасности [47]. Это актуально для России, которая, будучи вовлечена в гибридное противостояние со странами Запада, испытывает существенное прямое и вторичное санкционное давление. Доминирование в инновационно-технологическом развитии России зарубежных технологий привело к высокой зависимости от иностранных партнеров. В качестве новых национальных целевых ориентиров определено импортозамещение высокотехнологичной продукции в объеме не менее 75 % от общего потребления. В научном поле подход к ответу на макроэкономические и геополитические вызовы рассматривается в рамках концепции трансформационной резилентности. Последняя сопряжена с поиском возможностей развития в период кризиса через смену сложившейся ранее траектории.

Проведена оценка научно-инновационного потенциала СЗФО РФ и влияния на него внешней и внутренней турбулентности. Исследование базируется на сведениях о НИОКР, патентной и публикационной активности, а также статистике инновационной деятельности предприятий с 2019 по 2021 г., для ряда показателей — по 2022 г. Все регионы Северо-Запада России были разделены на три группы: ядро (Санкт-Петербург в связке с Ленинградской областью), полупериферия (Мурманская, Архангельская, Калининградская области и Республика Карелия) и периферия (Республика Коми, Вологодская, Новгородская и Псковская области).

Результаты исследования показали, что, во-первых, регионы Северо-Запада России связаны в рамках национальной системы перераспределения научных знаний. Региональные акторы реализуют НИОКР по внешнему запросу и в то же время выступают заказчиками проектов по интересующим тематикам. Для субъектов СЗФО РФ характерно превышение объема выполненных НИОКР над заказанными. Это отражает высокий уровень научно-технологического развития регионов. Но в ряде случаев может указывать на неосведомленность региональных организаций о локализованных компетенциях, позволяющих выполнять сложные проекты, или на несоответствие специализаций научной и инновационной подсистем регионов. Следствие отмеченного дисбаланса — сниженная эффективность сетевого взаимодействия даже при высокой «институциональной плотности» [48]. Расширение возможностей межрегионального сотрудничества за счет увеличения предложения услуг НИОКР на новые рынки может реализовать сформированные в регионах компетенции и нарастить инновационные мощности путем привлечения дополнительных источников финансирования.

Во-вторых, субъекты СЗФО РФ обладают разной научно-исследовательской специализацией. Анализ тематик выполненных НИОКР и проиндексированных научных публикаций демонстрирует превалирование естественно-научных направлений у регионов «ядра» и общественно-гуманитарных направлений у «периферии». В ряде случаев подобная вариативность может сдерживать формирование кооперационных связей из-за отсутствия нетерриториальной близости [49]. Однако это также является предпосылкой для развития радикальных инноваций, необходимое условие появления которых — «несвязанное разнообразие» [50]. Результаты исследований в области «открытых инноваций» [51] показывают, что именно заимствование вторичных результатов и сопутствующих технологий «с открытого рынка» позволяет создавать прорывные инновации. Сильное смещение в периферийной группе в сторону превалирования общественно-гуманитарных исследований может быть индикатором слабой инновационной активности в этих регионах. Это требует повышения связанности науки и бизнеса, в том числе через содействие деятельности предпринимательских университетов и малых инновационных предприятий.

В-третьих, для большинства регионов СЗФО РФ после 2019 г. характерно снижение ежегодного объема выдаваемых патентов и публикаций. Трудности, с которыми сталкиваются инновационные системы регионов, отражаются в анализируемых индикаторах не сразу. Это связано с тем, что регистрация патента и индексация публикации происходит с задержкой (от года и более). Можно предположить, что снижение продуктивности научных систем регионов Северо-Запада РФ в 2021—2022 гг. связано с рядом предшествующих факторов — рецессией коронавирусной пандемии [52], которая наложилась на усиление санкционного давления, дестабилизацию финансовых рынков и общую неопределенность, вызванную вооруженным конфликтом на границе с Украиной. Учитывая трансформационный курс национальной политики и невозможность возврата к докризисному состоянию, процесс перехода к новой траектории развития может сопровождаться дальнейшим снижением продуктивности научно-исследовательской и инновационной подсистем исследуемых регионов.

В-четвертых, в 2021 г. относительно 2019 г. произошли существенные структурные сдвиги между типами патентов в сторону уменьшения доли изобретений в большинстве исследуемых регионов. Данный факт имеет большое значение, учитывая разницу между изобретением, полезной моделью и промышленным образцом7. Наблюдается снижение доли результатов НИОКР в виде создания новых продуктов и технологий в пользу модернизации уже представленных на рынке устройств и технологий, а также их внешнего вида.

В-пятых, регионы Северо-Запада России до 2022 г. были активно интегрированы в международные научно-инновационные процессы. Межрегиональные международные кооперационные связи выстраивались на протяжении многих лет, в том числе в рамках программ трансграничного сотрудничества России и ЕС [53]. Согласно полученным результатам анализа географии публикаций, подготовленных в субъектах СЗФО РФ, ключевыми партнерами до «геополитического разворота» России на Восток выступали организации недружественных стран. При этом чем выше уровень научно-инновационного развития российского региона, тем шире было международное научное сотрудничество. Хотя значимость контактов с технологическими лидерами подтверждается примерами постколониальных стран [54], которые после обретения независимости проводили протекционистскую политику (импортозамещения, жесткого регулирования импорта зарубежных технологий и участия в международных проектах), санкционное давление и «культура отмены» свидетельствуют о необходимости диверсификации международных партнерских связей. Актуальна переориентация на Китай, Индию, Иран, Бразилию и другие дружественные страны. Это позволит сохранить возможность выхода на международные рынки технологий и инноваций, обеспечить доступ к информационным ресурсам, оборудованию и расходным материалам.

В последующих исследованиях видится целесообразным оценить роль зарубежных инноваций в отечественной экономике, что позволит увидеть полную картину складывающейся обстановки в контексте технологического суверенитета. Значимым исследовательским вопросом также является оценка территориальной распределенности стадий инновационного процесса, что потребует проработки методологии выявления причинно-следственных связей. Например, какие НИОКР способствовали получению результатов, представленных в публикациях, или легли в основу патентов, которые, в свою очередь, реализованы в виде инноваций.

Исследование выполнено при финансовой поддержке гранта РНФ № 23-27-00149 «Евразийский вектор партнерства в зеркале межрегионального сотрудничества России и Индии в сфере науки, технологий и инноваций».



Список литературы

1.

1. Bathelt, H., Munro, A. K., Spigel, B. 2013, Challenges of transformation: Innovation, re-bundling and traditional manufacturing in Canada’s technology triangle, Regional Studies, vol. 47, № 7, p. 1111—1130, https://doi.org/10.1080/00343404.2011.602058 

2.

2. Stognief, N., Walk, P., Schöttker, O., Oei, P.-Y. 2019, Economic resilience of German lignite regions in transition, Sustainability, vol. 11, № 21, р. 5991, https://doi.org/10.3390/su11215991 

3.

3. Bristow, G., Healy, A. 2018, Innovation and regional economic resilience: an exploratory analysis, The annals of regional science, vol. 60, № 2, p. 265—284, 10.5922/2079-8555-2023-1-6 10.1007/s00168-017-0841-6 

4.

4. Filippetti, A., Gkotsis, P., Vezzani, A., Zinilli, A. 2020, Are innovative regions more resilient? Evidence from Europe in 2008—2016, Economia Politica, vol. 37, № 3, p. 807—832, https://doi.org/10.1007/s40888-020-00195-4 

5.

5. Hu, X., Li, L., Dong, K. 2022, What matters for regional economic resilience amid COVID-19? Evidence from cities in Northeast China, Cities, vol. 120, 103440, https://doi.org/10.1016/j.cities.2021.103440 

6.

6. Бабурин, В. Л. 2020, Влияние эффекта колеи на эволюцию промышленных ареалов России, Региональные исследования, № 3 (69), с. 26—39. EDN: EUIPWH

7.

7. Федоров, Г. М. (ред.). 2019, Проблемы экономической безопасности регионов Западного порубежья России, Калининград : Изд-во БФУ им. И. Канта, 267 с. EDN: FMBXGM

8.

8. Земцов, С. П., Бабурин, В. Л. 2020, COVID-19: пространственная динамика и факторы распространения по регионам России, Известия Российской академии наук. Серия географическая, № 4, с. 485—505, https://doi.org/10.31857/S2587556620040159

9.

9. Алов, И. Н., Пилясов, А. Н. 2023, Внутренние различия протекания пандемии коронавируса в Балтийском макрорегионе России, Балтийский регион, т. 15, № 1, с. 96—119, https://doi.org/10.5922/2079-8555-2023-1-6

10.

10. Бабурин, В. Л. 2021, Географическое пространство — инновационный след. В: Дружинин, А. Г., Сидоров, В. П. (ред.), Настоящее и будущее России в меняющемся Мире: общественно-географический анализ и прогноз. Материалы международной научной конференции (XII Ежегодная научная Ассамблея АРГО), Ижевск, с. 57—69. EDN: EYRUKZ

11.

11. MacKinnon, D., Dawley, S., Pike, A., Cumbers, A. 2019, Rethinking path creation: A geographical political economy approach, Economic Geography, vol. 95, № 2, p. 113—135, https://doi.org/10.1080/00130095.2018.1498294 

12.

12. Hassink, R., Isaksen, A., Trippl, M. 2019, Towards a comprehensive understanding of new regional industrial path development, Regional Studies, vol. 53, № 11, p. 1636—1645, https://doi.org/10.1080/00343404.2019.1566704 

13.

13. Basiago, A. D. 1995, Methods of defining ‘sustainability’. Sustainable development, vol. 3, № 3, p. 109—119, https://doi.org/10.1002/sd.3460030302 

14.

14. Кузнецова, О. В. 2021, Экономика российских регионов в пандемию: работают ли факторы шокоустойчивости?, Региональные исследования, № 3 (73), с. 76—87, https://doi.org/10.5922/1994-5280-2021-3-7

15.

15. Trippl, M., Fastenrath, S., Isaksen, A. 2023, Rethinking regional economic resilience: Preconditions and processes shaping transformative resilience, European Urban and Regional Studies, https://doi.org/10.1177/09697764231172326 

16.

16. Christopherson, S., Michie, J., Tyler, P. 2010, Regional resilience: theoretical and empirical perspectives, Cambridge journal of regions, economy and society, vol. 3, № 1, p. 3—10, https://doi.org/10.1093/cjres/rsq004 

17.

17. Modica, M., Reggiani, A. 2015, Spatial economic resilience: Overview and perspectives, Networks and Spatial Economics, vol. 15, № 2, p. 211—233, https://doi.org/10.1007/s11067-014-9261-7 

18.
18. Martin, R., Sunley, P., Gardiner, B., Tyler, P. 2016, How regions react to recessions: resilience and the role of economic structure, Regional Studies, vol. 50, № 4, p. 561—585, https://doi.org/10.1080/00343404.2015.1136410 
19.

19. Martin, R., Sunley, P. 2015, On the notion of regional economic resilience: Conceptualization and explanation, Journal of Economic Geography, vol. 15, № 1, p. 1—42, https://doi.org/10.1093/jeg/lbu015 

20.

20. Martin, R., Sunley, P. 2020, Regional economic resilience: evolution and evaluation. In: Bristow, G., Healy, A. (eds.), Handbook on Regional Economic Resilience. Cheltenham: Edward Elgar, p. 10—35, https://doi.org/10.4337/9781785360862.00007 

21.

21. Davoudi, S., Brooks, E., Mehmood, A. 2013, Evolutionary resilience and strategies for climate adaptation, Planning Practice & Research, vol. 28, № 3, p. 307—322, https://doi.org/10.1080/02697459.2013.787695 

22.

22. Castan Broto, V., Trencher, G., Iwaszuk, E., Westman, L. 2019, Transformative capacity and local action for urban sustainability, Ambio, vol. 48, p. 449—462, https://doi.org/10.1007/s13280-018-1086-z 

23.

23. Горкин, А. П., Трейвиш, А. И., Фетисов, А. С. 2005, Траектории развития стран мира и эволюционное страноведение, Вестник Моск. ун-та. Сер.: 5. Геогр. № 2, с. 18—28. EDN: HRXQQZ

24.

24. Simmie, J. 2014, Regional economic resilience: a Schumpeterian perspective, Spatial Research and Planning, vol. 72, p. 103—116, https://doi.org/10.1007/s13147-014-0274-y 

25.

25. Asheim, B. T., Herstad, S. J. 2021, Regional innovation strategy for resilience and transformative industrial path development: evolutionary theoretical perspectives on innovation policy, Eastern Journal of European Studies, vol. 12, p. 43—75, https://doi.org/10.47743/ejes-2021-si03 

26.

26. Пилясов, А. Н. 2018, Региональная инвестиционная политика: как преодолеть «зависимость от пути»?, Регион: Экономика и Социология, № 4 (100), с. 134—167, https://doi.org/10.15372/REG20180406

27.

27. Calignano, G., De Siena, L. 2020, Does innovation drive economic resistance? Not in Italy, at least!, Rivista Geografica Italiana, vol. 3, p. 31—49, https://doi.org/10.3280/rgi2020-003002 

28.

28. Данилин, И. В. 2020, Влияние кризиса на инновационно-технологическое развитие: провал, прорыв, возможность?, Научные труды Вольного экономического общества России, № 225 (5), с. 201—238. EDN: HWYHOO

29.

29. Spatareanu, M., Manole, V., Kabiri, A. 2019, Do bank liquidity shocks hamper firms’ innovation?, International Journal of Industrial Organization, vol. 67, 102520, https://doi.org/10.1016/j.ijindorg.2019.06.002 

30.

30. Teplykh, G. V. 2018, Innovations and productivity: the shift during the 2008 crisis, Industry and Innovation, vol. 25, № 1, p. 53—83, https://doi.org/10.1080/13662716.2017.1286461 

31.

31. Isaksen, A., Trippl, M., Mayer, H. 2022, Regional innovation systems in an era of grand societal challenges: reorientation versus transformation, European planning studies, vol. 30, № 11, p. 2125—2138, https://doi.org/10.1080/09654313.2022.2084226 

32.

32. Волошенко, К. Ю., Дрок, Т. Е., Фарафонова, Ю. Ю. 2019, Экономическая сложность на субнациональном уровне — инновационная парадигма регионального развития, Вопросы инновационной экономики, № 9 (3), с. 735—752, https://doi.org/10.18334/vinec.9.3.40822

33.

33. Schumpeter, J. A. 1911, Theorie der Wirtschaftlichen Entwicklung. Leipzig: Duncker und Humblot.


34.

34. Михайлова, А. А. 2014, Инновационный процесс: история и современные тенденции моделирования, Инновационный Вестник Регион, № 3, с. 22—29. EDN: SYMDUH

35.

35. Huizingh, E. 2011, Open innovation: State of the art and future perspectives, Technovation, vol. 31, № 1, p. 2—9, https://doi.org/10.1016/j.technovation.2010.10.002

36.

36. Makkonen, T., van der Have, R. P. 2013, Benchmarking regional innovative performance: Composite measures and direct innovation counts, Scientometrics, vol. 94, p. 247—262, https://doi.org/10.1007/s11192-012-0753-2

37.

37. Dziallas, M., Blind, K. 2019, Innovation indicators throughout the innovation process: An extensive literature analysis, Technovation, vol. 80—81, p. 3—29, https://doi.org/10.1016/j.tech­novation.2018.05.005

38.

38. Griliches, Z. (ed.). 1984, R & D, patents and productivity. Chicago: University of Chicago Press, https://doi.org/10.7208/chicago/9780226308920.001.0001

39.

39. Земцов, С. П., Бабурин, В. Л., Баринова, В. А. 2015, Как измерить неизмеримое? Оценка инновационного потенциала регионов России, Креативная экономика, № 9 (1), c. 35—52. EDN: TNBUOH

40.
40. Кузнецова, О. В. 2023, Рейтинг научно-технологического развития регионов: подходы, итоги, вызовы, Проблемы прогнозирования, № 4, с. 94—103, https://doi.org/10.47711/0868-6351-199-94-103
41.

41. Schmookler, J. 1950, The interpretation of patent statistics, Journal of the Patent Office Society, vol. 32, № 2, p. 123—146.


42.

42. Coombs, R., Narandren, P., Richards, A. 1996, A literature-based innovation output indicator, Research policy, vol. 25, № 3, p. 403—413, https://doi.org/10.1016/0048-7333(95)00842-x

43.

43. Hagedoorn, J., Cloodt, M. 2003, Measuring innovative performance: Is there and advantage in using multiple indicators?, Research Policy, vol. 32, № 8, p. 1365—1379, https://doi.org/10.1016/s0048-7333(02)00137-3

44.

44. Acs, Z., Anselin, L., Varga, A. 2002, Patents and innovation counts as measures of regional production of new knowledge, Research Policy, vol. 31, № 7, p. 1069—1085, https://doi.org/10.1016/s0048-7333(01)00184-6

45.

45. Gössling, T., Rutten, R. 2007, Innovation in regions, European Planning Studies, vol. 15, № 2, p. 253—270.


46.

46. Еременко, Г. О. 2017, Анализ российской научной периодики или как выбрать журнал для публикации, Информация и инновации, S, p. 207—214. EDN: ZTIAFR

47.

47. Михайлова, А.А. 2018, Инновационная безопасность региона: научная конструкция или политическая необходимость?, Инновации, № 1 (231), с. 79—86. EDN: YQKNNR

48.

48. Zukauskaite, E., Trippl, M., Plechero, M. 2017, Institutional thickness revisited, Economic geography, vol. 93, № 4, p. 325—345, https://doi.org/10.1080/00130095.2017.1331703

49.

49. Михайлов, А. С. 2017, Границы территориальной общности, Вестник Балтийского федерального университета им. И. Канта. Серия: Естественные и медицинские науки, № 1, с. 5—20. EDN: YFMFUX

50.

50. Frenken, K., Van Oort, F., Verburg, T. 2007, Related variety, unrelated variety and regional economic growth, Regional studies, vol. 41, № 5, p. 685—697, https://doi.org/10.1080/00343400601120296

51.

51. Enkel, E., Gassmann, O., Chesbrough, H. 2009, Open R&D and open innovation: exploring the phenomenon, R&D Management, vol. 39, № 4, p. 311—316, https://doi.org/10.1111/j.1467-9310.2009.00570.x

52.

52. Миролюбова, Т. В., Ворончихина, Е. Н. 2021, Пространственная неравномерность влияния пандемии COVID-19 на социально-экономическое развитие регионов России, Вестник Пермского университета. Серия: Экономика, № 16 (3), с. 238—254, https://doi.org/10.17072/1994-9960-2021-3-238-254

53.

53. Федоров, Г.М. 2013, Трансграничное сотрудничество в Балтийском регионе и развитие российского эксклава. Федоров, Г.М., Зверев, Ю.М., Корнеевец, В.С. (ред.), Россия на Балтике: 1990—2012 годы, Калининград : Изд-во БФУ им. И. Канта, с. 133—141.

54.

54. Nair, A., Guldiken, O., Fainshmidt, S., Pezeshkan, A. 2015, Innovation in India: A review of past research and future directions, Asia Pacific Journal of Management, vol. 32, p. 925—958, https://doi.org/10.1007/s10490-015-9442-z 

Ключевые слова
Аннотация
Статья
Список литературы