АНАЛИЗ РАСПРЕДЕЛЕНИЯ УРОВНЯ ИННОВАЦИОННОЙ АКТИВНОСТИ В ПРЕДПРИНИМАТЕЛЬСТВЕ СУБЪЕКТОВ РФ ПО КЛАСТЕРАМ Текст научной статьи по специальности «Экономика и бизнес»

DOI: 10.24412/2309-4788-2022-43-5-15-21 EDN: BMWYLW

Е.Е. Айдаркина - к.э.н., доцент кафедры информационной экономики, Южный федеральный университет, Ростов-на-Дону, Россия, eeaydarkina@sfedu.ru,

E.E. Aydarkina - candidate of economic sciences, associate professor of the department of information economics, Southern Federal University, Rostov-on-Don, Russia;

Т.С. Ласкова - к.э.н., доцент кафедры информационной экономики, Южный федеральный университет, Ростов-на-Дону, Россия, laskova_2011@inbox.ru,

T.S. Laskova - candidate of economic sciences, associate professor of the department of information economics, Southern Federal University, Rostov-on-Don, Russia;

С-А.Ш. Довтаев - к.э.н., доцент кафедры «Экономика и экономическая безопасность отраслей и предприятий», Институт экономики и финансов, Чеченский государственный университет имени А.А. Кадырова, Грозный, Россия,

S-A.Sh. Dovtaev - candidate of economic sciences, associate professor of the department of economics and economic security of industries and enterprises, Institute of Economics and Finance, Chechen State University named after A.A. Kadyrov, Grozny, Russia.

АНАЛИЗ РАСПРЕДЕЛЕНИЯ УРОВНЯ ИННОВАЦИОННОЙ АКТИВНОСТИ

В ПРЕДПРИНИМАТЕЛЬСТВЕ СУБЪЕКТОВ РФ ПО КЛАСТЕРАМ ANALYSIS OF THE DISTRIBUTION OF THE LEVEL OF INNOVATION ACTIVITY IN ENTREPRENEURSHIP OF THE SUBJECTS OF THE RUSSIAN FEDERATION BY CLUSTERS

Аннотация. В статье представлены результаты проведенного кластерного анализа, целью которого было распределение регионов нашей страны по уровням инновационной активности в предпринимательской деятельности. Для проведения кластерного анализа были взяты данные по 82 субъектам РФ за исключением отдельно взятых автономных округов -Ненецкого, Ханты-Мансийского и Ямало-Ненецкого (т.к. данные по субъектам включены в области, в которые они входят). Данные представлены за 2020 г. Для проведения данного анализа был сформирован перечень из 6 показателей, которые, по авторскому мнению, оказывают непосредственное влияние на уровень инновационного развития в предпринимательстве в различных субъектах России. Всего было сформировано три кластера: субъекты-лидеры, субъекты-аутсайдеры и субъекты, характеризующиеся средними значениями рассмотренных показателей. Полученные элементы кластеров визуализированы на картеРоссии.

Abstract. The article presents the results of the cluster analysis, the purpose of which was the distribution of the regions of our country by levels of innovation activity in entrepreneurship. For the cluster analysis, data were taken for 82 subjects of the Russian Federation, with the exception of individual autonomous districts - Nenets, Khanty-Mansiysk and Yamalo-Nenets (since the data on the subjects are included in the regions they belong to). Data are presented for 2020. To carry out this analysis, a list of 6 indicators was formed, which, in the author's opinion, have a direct impact on the level of innovative development in entrepreneurship in various subjects of Russia. In total, three clusters were formed: leading subjects, outsider subjects and subjects characterized by the average values of the considered indicators. The resulting cluster elements are visualized on the map of Russia.

Ключевые слова: инновационная активность, предпринимательская деятельность, регион, кластерный анализ.

Keywords: innovative activity, entrepreneurial activity, region, cluster analysis.

Развитие предпринимательской деятельности во многих странах выступает одной из значимых, приоритетных задач для развития экономики. В России государство вносит активное участие в поддержку субъектов малого, среднего и крупного предпринимательств. Основу данного сектора экономики составляет развитие малого и среднего предпринимательств, преимущественно малого. Государство нашей страны разработало стратегию поддержки субъектов предпринимательства: «Стратегия развития малого и среднего предпринимательства до 2030 г.», согласно которой доля малого и среднего предпринимательств в ВВП страны к 2030 году должна составить до 40 процентов [1].

Активное внедрение инновационных технологий в развитие производства способствует совершенствованию предпринимательства всей страны. Актуальность исследования данной тематики заключается в том, что должно уделяться достаточное значение анализу вопросов развития инновационных аспектов страны в целом и регионов в отдельности, особенно в нестабильных экономических условиях. Инновация выступает необходимым условием экономического развития.

Важную роль во внедрении инновационных технологий в предпринимательскую деятельность имеют инновационная структура, институты развития, региональный инновационные системы.

Постоянное развитие информатизации, изменение условий развития регионов ведут к разработке и применении новых методологических основ, теоретических совершенствований в управле-

нии инновационной деятельностью предприятий регионов [2].

Большинство регионов в каждой стране обладает различным уровнем развития инновационной деятельности в предпринимательстве. За счет этого можно сделать вывод о неоднородности наблюдений, которые приводят к появлению проблемы неэффективности оценок и гетероскедастич-ности. Данные затруднения можно разрешить с помощью разбиения субъектов на однородные группы, кластеры; а также выявления взаимосвязей между рассматриваемыми факторами [3].

Для проведения кластерного анализа были взяты данные по 82 субъектам РФ за исключением отдельной взятых автономных округов - Ненецкого, Ханты-Мансийского и Ямало-Ненецкого (т.к. данные по субъектам включены в области, в которые они входят). Данные представлены за 2020 г. [4-7].

Основными показателями, оказывающим непосредственное влияние на уровень инновационного развития в предпринимательстве в различных субъектах России, были выявлены следующие:

1) удельный вес инновационных работ, товаров, услуг, проценты (Innovat_prod);

2) удельный вес затрат на инновационную деятельность в общем объеме отгруженных товаров, работ, услуг, проценты (Expenses);

3) использование цифровых технологий в организациях: локальные вычислительные сети, проценты (LVS);

4) использование широкополосного доступа к сети Интернет в организациях, проценты (Internet);

5) использование электронного документооборота в организациях, проценты (Electronic_documents);

6. Организации, выполнявшие научные исследования и разработки, тысяч единиц (Science).

Целью проведения анализа является группировка наблюдений по группам (кластерам), проведение анализа распределения уровня инновационной активности в предпринимательстве субъектов РФ по кластерам.

Кластерный анализ будет выполнен в программном пакете Statistica.

Исходные данные относятся к разным единицам измерения, в связи с чем необходимо привести их к общему виду, стандартизировать. Стандартизированные данные представлены на рисунке 1.

1 2 3 4 5 6

Innovat prod Expenses LVS Internet Electronic documents Science

Белгородская область 1:9 0,1 1.91553 2.0438504 0.877184937 -0.016104

Брянская область 1.0 -0.3 0.61601 -0.119314 0.149727955 -0.418029

Владимирская область 0.4 0.3 1.3981285 0.9269226 0.0161134075 0.1223034

Воронежская область 0,2 1.1 0.6039774 0.8986459 0.654494024 0.9483484

Ивановская область 0,5 -0,6 0.4S36515 0.4603577 0.995953424 -0.133571

Калужская область 0,9 -0,6 0.4595863 0,3048361 0.164574016 0.4984607

Костромская область 0.2 -0,9 -0,503021 -0,373804 0,0754976509 -1 6128

Курская область 0.1 -O.S -0.214239 0.4603577 -0.0581168 96S -0.418029

Липецкая область 0,2 1,9 0.7604011 0.3472511 0,'773262511 -0.266072

Московская область 0.8 1.6 0.6039774 0.1917295 -0.429268418 2.3134915

Орловская область 0.0 -0,7 -0.262 3 69 0,5169111 0.817800694 -0.364S63

Рязанская область 0.0 -04 0.0384456 0,4179428 0,357572807 -0,092918

Смоленская область 0.4 -0.4 0.7243034 0.7855393 0.654494024 -0,0538

Тамбовская область 0.1 -0,3 1.3860959 0.8562309 0.327S80685 0.1851418

Тверская область 0.4 -0.1 -0.370663 0.1634529 -0.11750114 0.2443874

Тульская область l.S 0.6 0.1347063 -0.642432 -0.429268418 -0,0538

Ярославская область 0.1 -0.1 0.9529226 0.0644846 0.639647963 0.404167

г. Москва 0,3 O.S -1.0444S8 -1.16555 0.313034625 3.5018606

Республика Карелия 0.5 0.1 0.6400752 1.6055623 0.313034625 -0.418029

Республика Коми 0,9 -0,6 0.2550323 0.2624212 0.372418868 -0.133571

Архангельская область 0.5 -0,B 0.9649552 0,9551992 0,327880685 0.1851418

Вологодская область 0.7 -o,s -0,057815 0.4179428 0.23880432 -0.474071

Калининградская область 0,9 -0,9 -0.5270S6 -0.161729 -0,592575088 -0.474071

Ленинградская область 0,9 -0,0 0.5799123 0.6158793 0'. 120035834 -0.66305

Мурманская область 1.2 -O.S 0.8566619 0.3472511 0.446649172 0,2151878

Новгородская область 0.7 -0.4 0.8566619 1.2521041 1 12956797 -0.533316

Псковская область O.S -0,S -0,3105 0.0079313 0.713878268 -0.811376

г. Санкт-Петербург 1.2 O.S 0.351293 0.0927612 -0.265961749 2.5089692

Республика Адыгея 0,9 -O.S 0.1948693 0,2058678 -1.33487813 -1.0S3321

Республика Калмыкия -1.0 -O.S -1.369368 -0.713123 -0.102655079 -1.6128

Республика Крым -0,9 10 -1 561889 -2.395584 -0.236269627 -0.016104

Краснодарский край 0,7 0.5 -0,274402 -0.034484 -1.30518601 1.3734743

Астраханская область 1.0 -0,6 0.5317819 0.4179428 0.639647963 -0.133571

Волгоградская область 0,6 -0,7 -1.104651 -1.052443 -0.280807S1 0.5848S7

Ростовская область 0.7 1.5 -0,178141 -0.515187 0.817800694 1.2392102

г. Севастополь 0,2 0,6 -1,345303 -3,074224 -0,0729629576 -1,192529

Рисунок 1 - Стандартизированные данные

С помощью метода силуэтов (siШouetteanalysisfor K-meansclustering) найдем оптимальное количество кластеров для рассматриваемого исследования. Для построения графика была использована программа Orangedatamining. Данные графика представлены на рисунке 2.

□ 0.1 0.2 0.3 0.4 0.5 0.6 0.7

О 0.1 0.2 0.3 0.4 0.5 0.6 0.7

Рисунок 2 - Анализ силуэта для кластеризации К-средних

Было выявлено, что наилучшее количество кластеров - 3. Все наблюдения находятся в положительных значениях силуэта, большинство из них имеют высокие значения, что указывает на хорошее соответствие каждому наблюдению собственному кластеру, а также плохое соответствие соседним кластерам.

Осуществим проверку подобранного количества кластеров в программе Statistica. Близлежащие значения - 2 и 4, деления на 2 кластера не выступает целесообразным, поэтому будет рассмотрено сравнение основных показателей, получившихся с количеством кластеров 3 и 4.

перемен. Дисперсионный анализ [Таблица данныхЗ)

Между SS сс Внутри SS сс F значим. Р

Innovât prod 34,79933 2 46.20067 79 29.75224 0.000000

Expenses 30,73977 37.93823 36,36876 25,82202 29,28399 2 50,26023 79 24,15868 0.000000

LVS 2 43.0Е177 79 34.80025 0.000000

Internet 2 44,63124 79 32,18745 0.000000

Electronic documents 2 55.17798 79 18.48509 0.000000

Science 2 51,71601 79 22,36672 0.000000

Рисунок 3 - Дисперсионный анализ при числе кластеров 3

перемен. Дисперсионный анализ (Таблица данныхЗ)

Между SS сс Внутри SS сс F значим. Р

Inno vac prod 52,51344 3 28,48656 78 47,92959 0.000000

Expenses 41.26143 3 39,73857 78 26,99637 0.000000

LVS 37,18573 3 43,81427 78 22,06653 0.000000

Internet 36,27800 25,57871 34,47186 3 44.72200 78 21,09092 0.000000

Electronic documents 3 55,42130 78 11,99983 0.000002

Science 3 46,52814 78 19,26293 0.000000

Рисунок 4 - Дисперсионный анализ при числе кластеров 4

На основе выявления значимости переменных по критерию Фишера и р-значимости наилучшим вариантом является разбиение исследуемых субъектов России на 3 кластера. Б-критерий Фишера принимает достаточно высокие значения, что говорит о статистической значимости показателей. Р-значимость меньше 5 процентов, даже стремится к нулю. Данные показатели свидетельствуют о значимости модели.

Следующим этапом исследования является построение графика средних, на котором отображается распределение значений в сформированных кластерах. Основываясь на данных рисунка 5, можно сделать вывод о том, что кластеры отличаются друг от друга.

2,0 График средних для кажд. кл.

1,5

1,0 ---^

0,5 -----

0,0

/ -—\

-0,5 /-Ч у*

-1,0 _

-1,5 ---------

-2,0

-2,5

\ппО'*а{ ргог] 1_\/3 Е1есЛгоп1с_сЬситеп15 Ехрепэеэ Ыете: Эаепсе Перемен. -©- Кластер 1 -а- Кластер 2 Кластер 3

Рисунок 5 - График средних значений

Осуществим анализ характеристик субъектов, вошедших в полученные кластеры.

В первый кластер вошли 22 субъекта РФ, обладающие наилучшими показатели инновационного развития предпринимательства: Центральный ФО - Воронежская, Липецкая, Московская и Тульская области; Москва; Санкт-Петербург (Северо-Западный ФО); Южный ФО - Краснодарский край и Ростовская обл.; Приволжский ФО: республика Башкортостан, Мордовия, Татарстан, Чувашская республика, Пермский край, Нижегородская, Пензенская, Самарская и Ульяновская область; Свердловская область (Уральский ФО); Сибирский ФО: Красноярский край, Новосибирская и Омская область; Хабаровский край.

Элементы кластера номер 1 [Таблица данныхЗ) и расстояния до центра кластера. Кластер содержит 22 набл.

объедин.

Воронежская область 0,6318621

Липецкая область 0.840688

Московская область 0,713948

Тульская область 0,63786В

г. Москва 1,303092

г. Санкт-Петербург 0,683£17

Краснодарский край 0.971606

Ростовская область 0,392649

Республика Башкортостан 0,577911

Республика Мордовия 1,187982

Республика Татарстан 0.901681

Чувашская Республика 0,675059

Пермский край 0.447587

Нижегородская область 1,660773

Пензенская область 0.420222

Самарская область 0,432244

Ульяновская область 0,754062

Свердловская область 0,691532

Красноярский край 0,638502

Новосибирская область 0,822506

Омская область 0,677624

Хабаровский край 1,312530

Рисунок 6 - Элементы первого кластера

Второй кластер объединил 15 субъектов России, обладающих наихудшими показателями инновационной активности предпринимательства: Южный ФО: Калининградская и Волгоградская области, республика Калмыкия и Крым, Севастополь; Северо-Кавказский ФО - республика Дагестан, Кабардино-Балкарская, Чеченская и Карачаево-Черкесская республика, Алания; Саратовская область (Приволжский ФО); Республика Тыва и Иркутская обл. (Сибирский ФО); Дальневосточный ФО -республики Бурятия и Якутия.

Элементы кластера номер 2 (Таблица данныхЗ)

и расстояния до центра кластера. Кластер содержит 15 набл. □ бъедин.

Калининградская область 0,6626621

Республика Калмыкия 0 744047

Республика Крым 0,317102

Волгоградская область 0,581005

г. Севастополь 1,077404

Республика Дагестан 2,186030

Кабардино-Балкарская Республика 0,629003 1

Карачаево-Черкесская Республика 0,663419

Республика Северная Осетия - Алания 0,522596

Чеченская Республика 1,591047

Саратовская область 0,597840

Республика Тыва 0,527360

Иркутская область 0,743973 1

Республика Бурятия 0,773512

Республика Сака (Якутия)_ 0.413978

Рисунок 7 - Элементы второго кластера

В третий кластер вошли 45 субъектов России со средними показателями инновационной деятельности в предпринимательстве: основу данного кластера составили субъекты Центрального (Белгородская, Брянская, Владимирская, Ивановская, Калужская, Костромская, Курская, Орловская, Рязанская, Смоленская, Тамбовская, Тверская и Ярославская области) и Северо-Западного ФО: республика Карелия, Коми, Архангельская, Вологодская, Ленинградская, Мурманская, Новгородская, Псковская области.

Элементы кластера номер 3 {Таблица данныхЗ)

и расстояния до центра кластера Кластер содержит 45 набл,

объедин.

Белгородская область 1.2761671

Брянская область 0,565723

Владимирская область 0.608452

Ивановская область 0,322744

Калужская область 0.451956

Костромская область 0,788339

Курская область 0.391770

Орловская область 0,396283

Рязанская область 0,238254

Смоленская область 0.251033

Тамбовская область 0,478611

Тверская область 0,559693

Ярославская область 0,470662

Республика Карелия 0,508147

Республика Коми 0.317424

Архангельская область 0.510043

Вологодская область 0.336049

Ленинградская область 0.335606

Мурманская область 0.672959

Новгородская область 0.517355

Псковская область 0.536901

Республика Адыгея 0.823199

Астраханская область 0.381786

Республика Ингушетия 1.363181

Ставропольский край 0.542522

Республика Марий Эл 0.471781

Удмуртская Республика 0.631379

Кировская область 0.527541

Оренбургская область 0.317171

Курганская область 0,476079

Тюменская область 0.608138

Челябинская область 0.571865

Республика Алтай 0.747464

Республика Хакасия 0.828501

Алтайский край 0.693260

Кемеровская область- Кузбасс 0.664041

Томская область 0.789527

Забайкальский край 0.540238

Камчатский край 0.467883

Приморский край 0.588888

Амурская область 0.417110

Магаданская область 0.879987

Сахалинская область 0.940178

Еврейская автономная область 1.087729

Чукотский автономный округ 1,078189

Рисунок 8 - Элементы третьего кластера

Полученные элементы кластеров визуализированы на карте России. Для этого был использован макет карты субъектов РФ, на котором нанесены элементы трех полученных кластеров, классифицированные по цветам: от светло-синего для субъектов-аутсайдеров до темно-синего для субъектов-лидеров. Полученная карта представлена на рисунке 9.

+

Рисунок 9 - Субъекты России в соответствие с кластеризацией

Сравним полученную карту с значениями, характерными за 2020 год, с исследованиями уровня инновационной активности организаций за 2018-2019 г.

Рисунок 10 - Субъекты России по уровню инновационного развития в предпринимательстве, 2018-2019 гг. [8]

Основываясь на проведенном сравнении, можно заметить, что субъекты Северо-Кавказского федерального округа имеют также низкие показатели уровня инновационной активности организаций. Однако некоторые субъекты улучшили свои показатели, такими регионами России выступили, например, Красноярский край, Хабаровский край, Ульяновская область, Ростовская область. Наблюдается положительная тенденция увеличения значений основных факторов, которые оказывают непосредственное влияние на уровень инновационной активности предприятий в данных регионах.

Таким образом, в ходе проведенного кластерного анализа субъекты Российской Федерации были дифференцированы на три группы по уровню инновационного развития в предпринимательстве. В первый кластер вошли субъекты-лидеры по рассмотренным факторам; во второй - субъекты-аутсайдеры; третий кластер объединил субъекты, характеризующиеся средними значениями рассмотренных показателей.

Источники:

1. Стратегия развития малого и среднего предпринимательства в Российской Федерации на период до 2030 года [Электронный ресурс]. - URL: file:///C:/Users/%D0%9F%D0%9A/Downloads/SME2030.pdf.

2. Лысенков М. С. Влияние цифровых технологий на развитие предприятий [Текст] // Молодой ученый. - 2020. -№. 41. - С. 243-244.

3. Антипин И.А. Кластерный подход в развитии малого и среднего предпринимательства региона [Текст] // Universum: Экономика и юриспруденция: электрон. научн. журн. 2017. № 2(35). С. 4.

4. Федеральная служба государственной статистики (Росстат) «Россия в цифрах» 2020 [Электронный ресурс]. - URL: https://rosstat.gov.ru/storage/mediabank/GOyirKPV/Rus_2020.pdf.

5. Федеральная служба государственной статистики Регионы России 2020 [Электронный ресурс]. - URL: https://rosstat.gov.ru/storage/mediabank/LkooETqG/Region_Pokaz_2020.pdf.

6. Абдрахманова Г.И., Вишневский К.О., Гохберг Л.М. Цифровая экономика: 2021: краткий статистический сборник [Текст] // М.: НИУ ВШЭ, 2021. - 124 с.

7. Сборник Малое и среднее предпринимательство в России / Официальный сайт Комитета государственной статистики [Электронный ресурс]. - URL: https://rosstat.gov.ru/storage/mediabank/Mal-pred_2019.pdf (дата обращения: 21.12.2021).

8. Рейтинг инновационного развития субъектов Российской Федерации. Выпуск 7 / В. Л. Абашкин, Г. И. Абдрахманова, С. В. Бредихин и др.; под ред. Л. М. Гохберга; Нац. исслед. ун-т «Высшая школа экономики». — М.: НИУ ВШЭ, 2021. — 274 с. - URL: https://www.hse.ru/mirror/pubs/share/492403134.pdf.

9. Адаменко, А. А. Потребность в формировании эффективной инновационной системы в форме кластеров в развитии регионов России / А. А. Адаменко, Т. А. Литвинюк // Вестник Академии знаний. - 2022. - № 50(3). - С. 10-12.

10. Хорольская, Т. Е. Инновационное развитие региональной экономики в современных условиях / Т. Е. Хорольская, Р. Р. Аванесова, Д. В. Петров // Вестник Академии знаний. - 2021. - № 45(4). - С. 270-273.

11. Хорольская, Т. Е. Теоретические основы построения инновационного типа экономики / Т. Е. Хорольская, Л. В. Па-пова, Б. М. Мусаева // Вестник Академии знаний. - 2022. - № 49(2). - С. 314-317.

References:

1. Strategy for the development of small and medium-sized businesses in the Russian Federation for the period up to 2030 [Electronic resource]. - URL: file:///C:/Users/%D0%9F%D0%9A/Downloads/SME2030.pdf.

2. Lysenkov M. S. The impact of digital technologies on the development of enterprises [Text] // Young scientist. - 2020. -no. 41. - S. 243-244.

3. Antipin I.A. Cluster approach in the development of small and medium-sized businesses in the region [Text] // Universum: Economics and jurisprudence: electron. scientific magazine 2017. No. 2(35). S. 4.

4. Federal State Statistics Service (Rosstat) "Russia in numbers" 2020 [Electronic resource]. - URL: https://rosstat.gov.ru/storage/mediabank/GOyirKPV/Rus_2020.pdf.

5. Federal State Statistics Service Regions of Russia 2020 [Electronic resource]. - URL: https://rosstat.gov.ru/storage/mediabank/LkooETqG/Region_Pokaz_2020.pdf.

6. Abdrakhmanova G.I., Vishnevsky K.O., Gokhberg L.M. Digital economy: 2021: a brief statistical collection [Text] // M.: NRU HSE, 2021. - 124 p.

7. Collection Small and medium-sized businesses in Russia / Official website of the State Statistics Committee [Electronic resource]. - URL: https://rosstat.gov.ru/storage/mediabank/Mal-pred_2019.pdf (date of access: 12/21/2021).

8. Rating of innovative development of subjects of the Russian Federation. Issue 7 / V. L. Abashkin, G. I. Abdrakhmanova, S. V. Bredikhin and others; ed. L. M. Gokhberg; National research University "Higher School of Economics". - M.: NRU HSE, 2021. - 274 p. - URL: https://www.hse.ru/mirror/pubs/share/492403134.pdf.

9. Adamenko, A. A. The need for the formation of an effective innovation system in the form of clusters in the development of Russian regions / A. A. Adamenko, T. A. Litvinyuk // Bulletin of the Academy of Knowledge. - 2022. - No. 50(3). - P. 10-12.

10. Khorolskaya, T. E. Innovative development of the regional economy in modern conditions / T. E. Khorolskaya, R. R. Avanesova, D. V. Petrov // Bulletin of the Academy of Knowledge. - 2021. - No. 45(4). - S. 270-273.

11. Khorolskaya, T. E. Theoretical foundations for building an innovative type of economy / T. E. Khorolskaya, L. V. Papova, B. M. Musaeva // Bulletin of the Academy of Knowledge. - 2022. - No. 49(2). - S. 314-317.