CC BY
40
23 (260) - 2014
СТРАТЕГИЯ РАЗВИТИЯ ЭКОНОМИКИ
УДК 336.645
инновационный и экономический потенциалы регионов как приоритет конкурентоспособности в национальной экономике
а.в. полянин,
доктор экономических наук, профессор кафедры менеджмента и управления народным хозяйством E-mail: polyanin.andrei@yandex.ru Российская академия народного хозяйства и государственной службы при Президенте РФ
ю.л. Макарова,
старший преподаватель кафедры аграрной экономики E-mail: makarovorel@yandex.ru
и.а. докукина,
аспирант кафедры аграрной экономики E-mail: irenalks@mail.ru
Орловский государственный аграрный университет
В статье проанализирована экономическая ситуация, сложившаяся в регионах Центрального федерального округа (ЦФО). При этом использованы основные показатели, которые дают достаточную характеристику экономического развития регионов. В качестве базы для исследования выбран период с 2007 по 2013 г, взят докризисный год и рассмотрен временной интервал, касающийся кризисного и посткризисного периодов развития регионов ЦФО. Приведена методика расчета инноваицонного и экономического потенциалов регионов, которые определяют конкурентоспособность региональных экономик. Обоснован вывод, что управление социально-экономическим развитием региональных комплексов должно осуществляться с учетом конкурентных преимуществ регионов, которые определяют экономический и инновационный потенциалы данных регионов.
Ключевые слова: инновационный потенциал, экономический потенциал, региональная система, конкурентоспособность регионов, субъекты Цент-
рального федерального округа, методика, система индикаторов
Управление социально-экономическим развитием региональных комплексов должно осуществляться с учетом конкурентных преимуществ регионов, которые определяют экономический и инновационный потенциалы данных территорий. Для комплексной оценки конкурентных преимуществ субъектов Центрального федерального округа авторами была использована методика, основанная на расчете системы взаимосвязанных индикаторов [4].
Каждый из указанных индикаторов представляет собой результат нормализации и агрегирования ряда частных показателей в общие, характеризующие различные сферы конкурентоспособности по инновационному и экономическому потенциалам.
Для нормализации рядов частных показателей рассматривается совокупность их значений по регионам, причем по тому или иному показателю выбранные регионы ранжируют. После этого вычисляется значение показателя, соответствующего числу регионов, чьи показатели хуже, чем у данного региона. Затем это число сопоставляется с общим числом регионов в рассматриваемой группе.
Нормализованный показатель НП равен отношению числа регионов, чьи показатели хуже, чем у данного региона N к общему числу регионов в рассматриваемой группе
N.
НП = -10. N.
(1)
Нормализованные показатели имеют значение от 0 до 10. Оценка 10 присваивается региону с лучшим показателем, 0 — региону-аутсайдеру в данной группе. При этом 10% регионов по фактическому показателю принимают значение от 9 до 10, следующие 10% регионов — от 8 до 9 и т.д.
Агрегирование полученных нормализованных показателей в индикаторы происходит путем расчета среднеарифметических величин в разрезе соответствующих сфер конкурентоспособности региона. Обобщающим показателем конкурентоспособности региона выступает сводный индикатор конкурентоспособности, который рассчитывается как среднеарифметическое число по отношению
к индикаторам конкурентоспособности по инновационному и экономическому потенциалам. Для оценки конкурентоспособности по экономическому потенциалу рассматривается производственная, инвестиционная, финансовая и социальная сферы каждого региона (табл. 1).
Производственная сфера представлена следующими показателями: основные фонды (по учетной стоимости на конец года); число промышленных предприятий; число фермерских хозяйств; рост (индекс) промышленного производства; рост (индекс) производства продукции сельского хозяйства всех категорий.
В блоке социальной сферы рассматриваются следующие показатели: численность населения региона; среднегодовая численность занятых в экономике; среднедушевые денежные доходы; число зарегистрированных преступлений; число больничных коек на 10 тыс. чел.
Показатели инвестиционной сферы: инвестиции в основной капитал; рост инвестиций (индексы физического объема инвестиций в основной капитал в процентах к предыдущему году); инвестиции в основной капитал на душу населения, руб.; иностранные инвестиции.
Финансовая сфера представлена следующими показателями: сальдированный финансовый результат (прибыль минус убыток) деятельности организаций; сумма прибыли организаций; задолженность
Таблица 1
Оценка конкурентоспособности по экономическому потенциалу регионов Центрального федерального округа
Субъект ЦФО Сводные индикаторы
Производственная сфера Социальная сфера Инвестиционная сфера Финансовая сфера
Белгородская область 6,33 5,55 3,89 6,66
Брянская область 3,45 5,70 1,78 3,78
Владимирская область 4,44 5,56 5,33 5,55
Воронежская область 7,33 5,42 5,89 7,33
Ивановская область 6,00 5,14 3,44 0,14
Калужская область 3,89 3,20 5,11 3,22
Костромская область 2,67 2,64 2,11 0,89
Курская область 3,67 3,75 0,89 4,22
Липецкая область 4,11 4,86 6,11 3,67
Московская область 8,33 7,50 7,56 8,89
Орловская область 2,89 1,95 2,01 3,00
Рязанская область 5,47 2,78 3,00 3,00
Смоленская область 3,33 3,89 4,67 5,11
Тамбовская область 4,22 3,34 2,11 2,34
Тверская область 6,00 5,14 3,78 3,67
Тульская область 6,11 7,08 5,33 6,89
Ярославская область 6,44 6,39 4,25 1,23
г. Москва 5,70 7,36 8,67 9,44
по кредитным обязательствам; банковские вклады, привлеченные кредитными организациями.
В рамках конкурентоспособности по инновационному потенциалу было выделено 3 блока показателей. В первом блоке оценивались масштабы внешнеэкономической деятельности (показатели внешней торговли с учетом экспорта и импорта как для стран СНГ, так и вне СНГ. Во втором блоке — степень развитости внутреннего инновационного потенциала по направлениям: исследовательские разработки (число организаций, выполнявших исследовательские разработки; численность персонала, занятого исследованиями и разработками); число организаций, использовавших информационные и коммуникационные технологии; число организаций, осуществлявших технологические инновации; объем инновационных товаров, работ, услуг, млн руб. В третьем блоке анализировалась деловая активность региона, исходя из следующих показателей: валовой региональный продукт (ВРП); число малых предприятий на конец года; среднемесячная начисленная заработная плата; оборот розничной торговли; потребительские расходы в среднем на душу населения. Информационной базой для проведенного исследования послужили статистические показатели по Центральному федеральному округу (табл. 2).
Комплексная оценка конкурентных преимуществ региональных комплексов Центрального федерального округа (табл. 3) позволила выявить регионы-лидеры и регионы-аутсайдеры. Безуслов-
ными лидерами стали Москва и Московская область. По показателям сводного индикатора конкурентоспособности по экономическому потенциалу среди регионов-лидеров, кроме столичного региона, выделяются Ярославская, Тульская, Воронежская и Белгородская области.
Высокий показатель сводного индикатора конкурентоспособности по инновационному потенциалу имеют Воронежская, Белгородская, Тульская и Ярославская области. Оценка сводного индикатора конкурентоспособности позволила определить регионы-лидеры, которыми стали Воронежская, Тульская, Белгородская и Ярославская области.
К регионам-аутсайдерам можно отнести Костромскую, Орловскую и Тамбовскую области. Комплексная оценка конкурентных преимуществ позволяет определить степень эффективности использования потенциальных особенностей социально-экономического развития регионов.
Отметим, что конкурентные преимущества не являются гарантией успешного развития региона в будущем [1]. В связи с этим особенно важно, как региональные власти будут выстраивать вектор социально-экономического развития.
Безусловно, важным этапом в данном случае является формирование исходной системы показателей. Для адекватного описания экономической ситуации, сложившейся в регионах ЦФО, определены основные показатели, которые дают достаточную характеристику экономического развития регионов.
Таблица 2
Оценка конкурентоспособности по инновационному потенциалу регионов Центрального федерального округа
Субъект ЦФО Сводные индикаторы
Внешняя торговля Инновации Деловая активность
Белгородская область 7,78 5,00 7,00
Брянская область 6,11 4,07 3,00
Владимирская область 4,46 6,48 4,89
Воронежская область 6,11 8,33 6,44
Ивановская область 1,95 3,89 2,34
Калужская область 4,17 5,74 5,44
Костромская область 1,95 0,93 2,78
Курская область 4,45 4,44 4,33
Липецкая область 8,06 0,74 6,55
Московская область 8,33 8,89 8,45
Орловская область 3,06 1,85 2,55
Рязанская область 1,67 2,78 4,44
Смоленская область 5,56 2,04 4,33
Тамбовская область 1,00 4,44 2,89
Тверская область 1,39 7,03 6,55
Тульская область 6,95 5,92 6,67
Ярославская область 3,62 6,11 7,44
г Москва 9,44 9,44 7,55
Таблица 3
Оценка конкурентоспособности субъектов ЦФО по сводному индикатору
Субъект ЦФО Сводный индикатор конкурентоспособности по экономичес- Сводный индикатор конкурентоспособности по инновацион- Сводный индикатор комплексной конкурен-
кому потенциалу ному потенциалу тоспособности
Белгородская область 6,36 6,60 6,48
Брянская область 3,43 4,39 3,91
Владимирская область 5,22 5,26 5,25
Воронежская область 6,49 6,96 6,73
Ивановская область 3,65 3,38 3,52
Калужская область 3,36 5,12 4,24
Костромская область 3,02 1,89 2,46
Курская область 3,72 4,41 4,07
Липецкая область 4,69 5,12 4,91
Московская область 8,07 8,56 8,32
Орловская область 2,46 2,49 2,48
Рязанская область 3,56 2,96 3,26
Смоленская область 4,25 3,98 4,12
Тамбовская область 3,25 2,78 3,02
Тверская область 4,40 4,99 4,70
Тульская область 6,60 6,51 6,56
Ярославская область 6,79 5,72 6,26
г. Москва 7,80 8,81 8,31
В качестве базы для исследования выбран период с 2007 по 2013 г., взят докризисный год и рассмотрен временной интервал, касающийся кризисного периода и посткризисного развития. Авторы использовали официальную информацию Росстата.
Итоговая система показателей приведена в табл. 4, для удобства и лаконичности изложения каждому показателю присвоен свой код, причем кодировка осуществлена произвольно и не несет дополнительной смысловой нагрузки. В соответствии с терминологией, принятой в системе SPSS, показатель назван переменной, а значения показателей по конкретному региону — наблюдением [3].
Перед началом анализа произведена стандартизация исходных переменных. Все этапы анализа, кроме кластеризации, проведены параллельно для 2007 и 2013 гг. Кластеризация рассмотрена отдельно, поскольку на данных 2007 и 2013 гг. выявлены существенные различия в ходе самой процедуры. На первом этапе проверены переменные на степень
Система используемых статш Центрального федерального округа за i
линейной зависимости. Для этого построена матрица корреляции стандартизированных переменных отдельно по данным 2007 и 2013 гг. Чтобы не исключать из рассмотрения коррелирующие переменные, был применен факторный анализ. Тем самым исключена высокая корреляция исходных переменных за счет создания новых «синтетических» компонент. Методом главных компонент в каждом из 8 блоков выделены «главные компоненты» — синтетические показатели, построенные как линейная функция от исходных переменных [5].
Главные компоненты, соответствующие одному блоку, линейно независимы по самой методике их построения, заложенной в системе SPSS. Количество главных компонент в каждом блоке определилось системой SPSS автоматически. Условные названия компонент присвоены в соответствии с наименованиями разделов исходной системы показателей. Полученные уравнения главных компонент представлены в табл. 5.
Таблица 4
1ческих показателей регионов 07-2013 гг. для расчетов в системе SPSS
Код показателя Наименование показателя, единица измерения
Блок 1 — валовой региональный продукт
П Валовой региональный продукт, млн руб.
П Валовой региональный продукт на душу населения, руб.
П Индексы физического объема валового регионального продукта, %
П4 Валовое накопление основного капитала в текущих рыночных ценах, млн руб.
Блок 2 — промышленность и основные фонды
П5 Стоимость основных фондов на конец года по полной учетной стоимости, млн руб.
Окончание табл. 4
Код показателя Наименование показателя, единица измерения
П6 Степень износа основных фондов на начало года, %
Блок 3 — производство по видам экономической деятельности
П Индексы производства по виду экономической деятельности «Добыча полезных ископаемых», %
П8 Индексы производства по виду экономической деятельности «Обрабатывающие производства», %
П9 Индексы производства по виду экономической деятельности «Производство и распределение электроэнергии, газа и воды», %
Блок 4 — сельское хозяйство
П10 Продукция сельского хозяйства в хозяйствах всех категорий в фактически действовавших ценах, млн руб.
П„ Индексы производства продукции сельского хозяйства в хозяйствах всех категорий в сопоставимых ценах, в % к предыдущему году
П12 Урожайность зерновых культур (в весе после доработки) в хозяйствах всех категорий, ц/га убранной площади
П13 Поголовье крупного рогатого скота в хозяйствах всех категорий, на конец года, тыс. голов
Блок 5 — розничная торговля и платные услуги
П14 Оборот розничной торговли на душу населения в фактически действовавших ценах, руб.
П15 Объем платных услуг на душу населения, руб.
Блок 6 — инвестиции
П16 Поступило иностранных инвестиций в экономику субъекта РФ, тыс. долл.
П17 Инвестиции в основной капитал на душу населения в фактически действовавших ценах, руб.
П18 Индексы физического объема инвестиций в основной капитал в сопоставимых ценах, в % к предыдущему году
Блок 7 — инновации
П19 Затраты на технологические инновации, тыс. руб.
П20 Удельный вес организаций, осуществляющих технологические инновации, в общем числе организаций, %
Блок # — население
П21 Численность постоянного населения, тыс. чел.
П22 Коэффициент естественного прироста населения на 1 тыс. чел.
П23 Ожидаемая продолжительность жизни при рождении, лет
Таблица 5 Уравнения главных компонент SPSS для регионов Центрального федерального округа в период 2007-2013 гг.
Наименование блока Год Уравнения главных компонент
Валовой региональный продукт 2007 ВРП = 0,2957П1 + 0,280ZП2 + 0,232ZП3 + 0,289ZП4
2013 ВРП = 0,328ZП1 + 0,308ZП2 + 0,170ZПЪ + 0,322ZП4
Основные фонды 2007 ОФ = 0,630ZП5 + 0,63^ПЙ 5 5 5 6
2013 ОФ = 0,647ZП5 + 0,649ZП6 5 5 5 6
Производство по видам экономической деятельности 2007 ПРО = 0,51^П7 + 0,342ZП8 + 0,496ZП9
2013 ПРО = 0,620ZП7 + 0,606ZП8 + 0,22^П9
Сельское хозяйство 2007 СХ = 0,310ZП10 + 0,313ZП11 + 0,256ZП12 + 0,293ZП1з
2013 СХ1 = 0,310ZП10 + 0,3ШПи + 0,256ZП12 + 0,293ZЯ13 СХ2 = — 0,3^П10 + 0,606ZП11 + 0,34^П12 - 0,377^П13
Розничная торговля и платные услуги 2007 УСЛ = 0,523ZП14 + 0,525ZП15
2013 УСЛ = 0,5^ПМ + 0,5^^
Инвестиции 2007 ИНВ1 = 0,5^7716 + 0,538Z7717 +0,155ZП18 ИНВ2 = — 0,30^П16 + 0,01Ш717 +0,951^П18
2013 ИНВ1 = 0,561ZП16 + 0,54^П17 — 0,08^П18 ИНВ2 = — 0,142^^П16 + 0,282ZП17 +0,9^П18
Инновации 2007 ИНН = 0,526ZП19 + 0,524ZП20
2013 ИНН = 0,575ZПl9 + 0,576ZП20
Население 2007 НАС1 = 0,38^П21 + 0,638ZП22 + 0,485ZП2Ъ НАС2 = 0,769ZП21 + 0,0^П22 + 0,624ZП22
2013 НАС = 0,40^П21 + 0,494ZП22 + 0,463ZП23
По некоторым блокам определилось различное число компонент, их количество определяется системой SPSS автоматически. Выделенные в рамках одного блока компоненты линейно независимы в силу методики их построения. Коэффициенты при стандартизованных значениях характеризуют степень их влияния на главную компоненту. Чем больше значение по модулю такого коэффициента, тем сильнее его влияние. Если коэффициент при Zn. имеет знак «+», то увеличение Znв итоге приведет к увеличению главной компоненты. В этом случае Znоказывает на главную компоненту прямое влияние. Если же коэффициент при Zn. имеет знак «-», то влияние Zn . на главную компоненту является обратным, т.е. увеличение Zn . приведет в итоге к уменьшению главной компоненты.
По полученным главным компонентам 2007 и 2013 гг. построены матрицы корреляции. Степень линейной зависимости главных компонент значительно ниже степени линейной зависимости стандартизованных переменных. Кластеризация регионов ЦФО осуществлена на основе выделенных главных компонент. Существуют разнообразные методы кластерного анализа, в данном случае использован метод ^-средних. Этот метод максимизирует различия переменных в различных кластерах и минимизирует вероятность того, что наблюдения, имеющие схожие характеристики, попадают в разные кластеры.
Оптимальным стало разбиение совокупности наблюдений по главным компонентам, сформированным по данным 2007 г. на 4 группы. При разбиении наблюдений на большее число групп (5, 6 и т.д.) формируются кластеры, содержащие только одно наблюдение, что, по мнению авторов, нецелесообразно, ведь такое разбиение является «статистически вырожденным» случаем. При разбиении на 4 кластера расстояния от отдельных наблюдений до центра их кластера меньше расстояний между
Таблица 6
Принадлежность к кластерам регионов Центрального федерального округа в 2007 г.
Субъект ЦФО Номер наблюдения Кластер Расстояние от наблюдения до центра кластера
Белгородская область 1 4 1,652
Брянская область 2 2 0,658
Владимирская область 3 3 2,097
Воронежская область 4 4 1,854
Ивановская область 5 1 1,231
Калужская область 6 3 1,652
Костромская область 7 1 0,985
Курская область 8 2 2,065
Липецкая область 9 3 2,021
Московская область 10 4 1,562
Орловская область 11 2 1,654
Рязанская область 12 2 0,861
Смоленская область 13 1 0,987
Тамбовская область 14 1 1,235
Тверская область 15 2 1,364
Тульская область 16 3 1,483
Ярославская область 17 4 1,821
г Москва 18 4 2,035
центрами других кластеров. Данный факт свидетельствует о том, что кластеры четко разделены и межгрупповые различия максимизированы, что подтверждает надежность полученного разбиения. Отметим, что для территорий кластера, расположенных на максимальном расстоянии от центра, менее типичны средние характеристики кластера, чем для остальных его территорий (табл. 6).
Чтобы определить, какие из главных компонент вносят наибольший вклад в результаты кластеризации, использован ^-критерий. Чем больше значение ^-критерия для конкретной переменной, тем больший вклад она вносит в общую классификацию (кластеризацию) наблюдений. Значения ^-критерия для выделенных в 2007 г. главных компонент приведены в табл. 7.
Согласно рекомендуемой методике, величину ^-критерия, при котором главные компоненты вносят значимый вклад в кластеризацию, обозначаем при значении больше 8 (^расч = 8,01). Из анализа данных табл. 7 видно, что в 2007 г. такие значения ^-критерия наблюдались по компонентам СХ, ИНН, НАСХ, УСЛ, ВРП, ИНВу Следовательно, именно эти
Таблица 7
Значения ^-критерия регионов Центрального федерального округа в 2007 г.
Критерий ВРП ОФ ПРО СХ УСЛ ИНВ1 ИНВ2 ИНН НАС1 НАСг
f 12,222 3,342 4,432 41,191 13,340 8,894 6,440 15,943 15,746 4,128
компоненты внесли наибольший вклад в итоговую кластеризацию наблюдений в 2007 г. и являются определяющими. Покомпонентные результаты кластеризации регионов ЦФО по данным 2007 г. представлены в табл. 8. Порядковый номер кластера указывает: чем выше номер кластера, тем больше его потенциалы, а конкурентоспособность регионального бизнес-пространства выше.
Таким образом, на основании полученных расчетов в 2007 г. сформировались 4 кластера, причем наибольший вклад в построенную кластеризацию внесли 6 главных компонент СХ, ИНН, НАС,, УСЛ, ВРП, ИНВ1. Они сформированы на основе исходных показателей блоков «сельское хозяйство», «инновации», «розничная торговля и платные услуги», «валовой региональный продукт», «инвестиции». В уравнении этих определяющих компонент стандартизованные значения исходных переменных входили только с положительными коэффициентами и, следовательно, оказывали на перечисленные компоненты прямое влияние.
На следующем этапе была выполнена кластеризация регионов Центрального федерального округа по главным компонентам, сформированным по данным 2013 г. Оптимальные результаты получены при разбиении регионов на 5 групп, а не на 4, как в 2007 г. Это связано с тем, что при разбиении регио-
нов на 4 группы для одной территории расстояние между наблюдениями и центром кластера, куда определялась эта территория, получилось больше, чем расстояние между центрами этого и соседнего кластеров. При разбиении на 5 кластеров (табл. 9) расстояния от отдельных наблюдений до центра кластера меньше расстояний между центрами других кластеров. Данный факт свидетельствует о том, что кластеры четко разделены, а межгрупповые различия максимизированы, что в свою очередь подтверждает надежность полученного разбиения.
Следует отметить, что значимыми для кластеризации определены те главные компоненты, у которых величина ^-критерия более 8 (табл. 10). Из анализа данных табл. 10 видно, что в 2013 г. наибольший вклад в кластеризацию регионов внесли компоненты УСЛ, ПРО, СХ, ВРП.
Таким образом, в 2008 г. сформировались 5 кластеров, причем наиболее значимый вклад в построенную кластеризацию внесли 4 главные компоненты, сформированные на основе исходных показателей «валовой региональный продукт», «производство по видам экономической деятельности», «розничная торговля и платные услуги», «сельское хозяйство». Покомпонентные результаты кластеризации регионов ЦФО по данным 2013 г. представлены в табл. 11.
Таблица 8
Покомпонентные результаты кластеризации регионов Центрального федерального округа в 2007 г.
Кластер Принадлежность наблюдений к кластеру Характеристики кластера
Высокие значения главных компонент (х > 1) Средние значения главных компонент (1 > х > 0) Низкие значения главных компонент (х < 0)
1 Ивановская область Костромская область Смоленская область Тамбовская область ВРП, нас2, инв2 ОФ, ПРО, СХ, УСЛ, ИНВ, ИНН, НАС,
2 Брянская область Курская область Орловская область Рязанская область Тверская область нас2, СХ ВРП, ПРО, ИНВ2, ИНН, НАС, 2 ОФ, УСЛ, ИНВ,
3 Владимирская область Калужская область Липецкая область Тульская область ПРО, ВРП, НАС, СХ, УСЛ, ИНВ, ИНН ОФ, ИНВ2, нас2
4 Белгородская область Воронежская область Московская область Ярославская область г. Москва ВРП, ИНВ, ИНН, НАС,,УСЛ ПРО, ОФ, СХ инв2, нас2
Таблица 9
Принадлежность к кластерам регионов Центрального федерального округа в 2013 г.
Субъект ЦФО Номер наблюдения Кластер Расстояние от наблюдения до центра кластера
Белгородская область 1 5 0,536
Брянская область 2 2 0,658
Владимирская область 3 3 1,125
Воронежская область 4 4 1,254
Ивановская область 5 1 1,231
Калужская область 6 2 1,352
Костромская область 7 1 0,985
Курская область 8 3 1,065
Липецкая область 9 4 1,021
Московская область 10 5 0,498
Орловская область 11 1 0,654
Рязанская область 12 2 1,012
Смоленская область 13 3 0,854
Тамбовская область 14 1 1,563
Тверская область 15 3 0,956
Тульская область 16 3 1,034
Ярославская область 17 4 0,846
г. Москва 18 4 1,315
Таблица 10
Значение ^-критерия регионов Центрального федерального округа в 2013 г.
Критерий ВРП ОФ ПРО СХ1 СХ2 УСЛ ИНВ1 ИНВг ИНН НАС
10,579 2,595 18,310 14,074 3,034 18,312 6,122 4,480 4,538 7,685
Таблица 11
Покомпонентные результаты кластеризации регионов Центрального федерального округа в 2013 г.
Кластер Принадлежность наблюдений к кластеру Характеристики кластера
Высокие значения главных компонент (х > 1) Средние значения главных компонент (1 > х > 0) Низкие значения главных компонент (х < 0)
1 Ивановская область Костромская область Орловская область Тамбовская область СХ1, УСЛ, ИНВ2, НАС ВРП, ОФ, ПРО, СХ2, ИНВг, ИНН
2 Брянская область Калужская область Рязанская область СХ2, ИНВ2 ВРП, ПРО, ИНН ОФ, СХ,, УСЛ, ИНВ,,НАС
3 Владимирская область Курская область Смоленская область Тверская область ИНВ2, НАС ВРП, СХ,,ПРО, УСЛ, ИНВХ ОФ, СХ2, ИНН
4 Воронежская область Липецкая область Тульская область Ярославская область г Москва ВРП, ПРО, УСЛ, СХ2 ОФ, ИНВ,, ИНН, НАС СХ,, ИНВ2
5 Белгородская область Московская область ВРП, ПРО, СХ1, ИНВ1, ИНН ОФ, СХ2, УСЛ, ИНВ2, НАС —
Кластеризация субъектов Центрального федерального округа и изменение их конкурентоспособности за период с 2007 по 2013 г.
Субъекты ЦФО в 2007 г. Переходы Субъекты ЦФО в 2013 г. Конкурентоспособность по инновационному и экономическому потенциалам
Кластер 1 -► -► Кластер 1 Очень низкая
Ивановская область Костромская область Ивановская область Костромская область
Тамбовская область Смоленская область -► Тамбовская область Орловская область
Кластер 2 Кластер 2 Низкая
Брянская область Брянская область
Курская область Калужская область
Орловская область Рязанская область
Рязанская область Кластер 3 Средняя
Тверская область Владимирская область
Кластер 3 Смоленская область
Владимирская область Курская область
Калужская область Тверская область
Липецкая область Кластер 4 Высокая
Тульская область Воронежская область
Кластер 4 Липецкая область
Белгородская область Тульская область
Воронежская область Ярославская область
Московская область г. Москва
Ярославская область Кластер 5 Очень высокая
г. Москва Белгородская область Московская область
Таким образом, на основании полученных расчетовв2013 г. сложились 5 кластеров,пригаем расстояния ототдельныхнаблюдений доцентра их кластеранамногоменьше расстояниймежду це нтрамидругихкластеров.
За изучаемый период изменилась кластеризация регионов ЦФО (см. рисунок), огфеделились наиболее конкурентоспособные регионы с наибольшим экономическим и инновационным потенциалами. В итоге с помощью экономико-математических методов, реализованных вданнойсистеме 8Р88, на основе экономического моделирования положения регионов Центрального федерального округа в 2007-2013 гг. выявлены основные тенденции развития их конкурентоспособности.
Несмотря на то, что с течением времени некоторые регионы утратили свои позиции, в целом за исследуемый период наблюдалась положительная динамика в различных сферах экономического развития региональных бизнес-пространств, повышения инновационного и экономического потенциалов, а соответственно и конкурентоспособности большинства регионов Центрального федерального округа.
Список литературы
1. Анненкова А. А. Методические подходы к оценке внешнеэконом ического потенциала региона // Среднерусский вестник общественных наук. 2007. Т. 1.№З.С. 152-157.
2. Вертакова Ю.В., Плотников В.А. Теоретические аспекты учета динамических характеристик социально-экономических систем в управлении региональным развитием // Известия Русского геогра-фическогообщества.2 011. Т. 143. № 6. С. 42-50.
3 .Положенцева Ю.С. Направления формирования парадигмы устойчивого регионального развития // Вестник Воронежского государственного технического университета. 2008. Т. 4. № 1. С. 12-17.
4. Полянин А.В. Концептуально-стратегические аспекты экономического роста и развития регионов // Экономические науки. 2011. № 74. С. 134-137.
5. Полянин А.В. Формирование экономического роста региона и управление социально-экономическим развитием региональных комплексов // Вопросы экономики и права. 2011. № 31. С. 106-116.
6. Трещевский Ю.И. Методология и методика экономического анализа конкурентоспособности региона // Экономический анализ: теория и практика. 2009. № 18. С. 35-46.
Strategy of economic advancement
INNOVATIVE AND ECONOMIC POTENTIALS OF THE REGIONS AS PRIORITY OF COMPETITIVENESS IN THE NATIONAL ECONOMY
Andrei V. POLIANIN, Iiiliia L. MAKAROVA, Irina A. DOKUKINA
Abstract
The article analyzes the economic situation in the Central Federal District's regions, defines the key indicators which give a sufficient description of economic development of the regions. The authors consider the period from 2007 to 2013, i.e. the pre-crisis year and post-crisis period of development of the Central Federal District's regions as a base for researches. The paper gives the methods of the calculation of innovative and economic capacity of the Central Federal District's regions determining the competitiveness of the regional economies. The work justifies that management of socio-economic development of the regional complexes should be carried out according to competitive advantages of the regions defining the economic and innovative potentials of these regions.
Keywords: innovative potential, economic potential, regional system, competitiveness, regions, subjects, Central Federal District, technique, system, indicators
References
1. Annenkova A.A. Metodicheskie podkhody k otsenke vneshneekonomicheskogo potentsiala regiona [Methodical approaches to estimation of foreign economic potential of a region]. Srednerusskii vestnik obshchestvennykh nauk — Russian bulletin of social sciences, 2007, vol. 1, no. 3, pp. 152-157.
2. Vertakova Iu.V., Plotnikov V.A. Teoret-icheskie aspekty ucheta dinamicheskikh kharakteris-tik sotsial'no-ekonomicheskikh sistem v upravlenii regional'nym razvitiem [Theoretical aspects considering the dynamic characteristics of socio-economic systems in management of regional development]. Izvestiia Russkogo geograficheskogo obshchestva — News of Russian geographical society, 2011, vol. 143, no. 6, pp. 42-50.
3. Polozhentseva Iu.S. Napravleniia formirovaniia paradigmy ustoichivogo regional'nogo razvitiia [Ten-
dencies of formation of the paradigm of sustainable regional development]. Vestnik Voronezhskogo gos-udarstvennogo tekhnicheskogo universiteta — Bulletin of Voronezh State Technical University, 2008, Vol. 4, no. 1, pp. 12-17.
4. Polianin A.V. Kontseptual'no-strategicheskie aspekty ekonomicheskogo rosta i razvitiia regionov [Conceptual and strategic aspects of regional economic growth and development]. Ekonomicheskie nauki — Economic sciences, 2011, no. 74, pp. 115-117.
5. Polianin A.V. Formirovanie ekonomicheskogo rosta regiona i upravlenie sotsial'no-ekonomicheskim razvitiem regional'nykh kompleksov [Formation of the region's economic growth and management of socioeconomic development of the regional complexes]. Voprosy ekonomiki i prava — Issues of economy and law, 2011, no. 31, pp. 106-116.
6. Treshchevskii Iu.I. Metodologiia i metodika ekonomicheskogo analiza konkurentosposobnosti regiona [Methodology and methods of economic analysis competitiveness of a region]. Ekonomicheskii analiz: teoriia i praktika — Economic analysis: theory and practice, 2009, no. 18, pp. 35-46.
Andrei V. POLIANIN
Russian Presidential Academy
of National Economy and Public Administration,
Moscow, Russian Federation
polyanin.andrei@yandex.ru
Iuliia L. MAKAROVA,
Orel State Agrarian University,
Orel, Russian Federation
makarovorel@yandex.ru
Irina A. DOKUKINA
Orel State Agrarian University,
Orel, Russian Federation
irenalks@mail.ru
