Кластеризация угледобывающих регионов России: инвестиционная и инновационная активность

Саблин К.С.; Каган Е.С.; Чернова Е.С.

DOI: 10.29141/2658-5081-2020-21-1-5 JEL classification: O43, C38

К. С. Саблин Кемеровский государственный университет, г. Кемерово, Российская

Федерация

Е. С. Каган Кемеровский государственный университет, г. Кемерово, Российская

Федерация

Е. С. Чернова Кемеровский государственный университет, г. Кемерово, Российская Федерация

Кластеризация угледобывающих регионов России: инвестиционная и инновационная активность

Аннотация. Статья посвящена исследованию проблемы перехода российской экономики на инновационный путь развития и преодоления ее ресурсно-сырьевой зависимости. В качестве объекта исследования выступают угледобывающие регионы. Для решения поставленной проблемы была проведена их кластеризация на основе анализа инвестиционной и инновационной активности. Методологическую базу исследования составляют концепции анклавной двойственной экономики и фрагментированных (дуальных) инновационных систем. При обработке исходной информации использовались статистические методы анализа данных (расчет описательных статистик) и методы кластерного анализа (иерархический метод и метод к-средних). Авторами выделены показатели, характеризующие инвестиционную и инновационную активность в выбранных регионах. Инвестиционные показатели отражают суммарные доли инвестиций в основной капитал по видам деятельности, относящимся к добывающим и обрабатывающим отраслям. Для оценки инновационной активности были рассчитаны значения суммарных долей затрат организаций добывающих и обрабатывающих отраслей на технологические инновации. Результаты иерархического анализа, проведенного по группе показателей инвестиционной активности, позволили выделить четыре кластера регионов. На основе показателей инновационной активности регионы были разбиты на три кластера. Результаты исследования позволяют сделать вывод о том, что большинство угледобывающих регионов характеризуется низким или средним уровнем инвестиционной активности в добывающих и обрабатывающих отраслях, средним уровнем инновационной активности в добывающих отраслях и средним или низким уровнем инновационной активности в обрабатывающих отраслях. Результаты исследования могут служить основой формирования региональной политики развития и перехода к инновационной экономике.

Ключевые слова: российская экономика; угледобывающие регионы; капитальные инвестиции; технологические инновации; инновационные системы; ресурсная зависимость; кластерный анализ.

Благодарности: Статья подготовлена при финансовой поддержке гранта Президента РФ, проект № МК-5941.2018.6 «Моделирование механизмов локализации производства с высокой добавленной стоимостью и развитие внутренних рынков в регионах ресурсного типа».

Для цитирования: Саблин К. С., Каган Е. С., Чернова Е. С. (2020). Кластеризация угледобывающих регионов России: инвестиционная и инновационная активность // Journal of New Economy. Т. 21, № 1. С. 89-106. DOI: 10.29141/2658-5081-2020-21-1-5 Дата поступления: 30 сентября 2019 г.

Введение

В настоящее время в основе функционирования российской экономики находится

экспортно-сырьевая модель. Острая необходимость ее перевода на инновационный путь развития приняла «хронический» характер, и в течение последнего десятилетия российское правительство предпринимало постоянные попытки ее трансформации в инновационную, используя различные инструменты экономической политики как на федеральном, так и на региональном уровнях. Однако до настоящего момента именно добывающие отрасли и отрасли первого передела, производящие сырьевую и промежуточную продукцию с низкой добавленной стоимостью, определяли конкурентные преимущества российской экономики в глобальном масштабе.

В современных геополитических и экономических условиях (падение цен на экспортно-сырьевые товары, ограничение доступа для российских добывающих компаний к западным финансовым рынкам и технологиям) важное значение приобретает проблема поиска вариантов перестройки модели экстенсивной добычи и экспорта сырьевых товаров по пути ее трансформации в модель интенсивного развития на основе комплексного освоения недр, ведущего к возникновению положительных экстерналий в экономике. В данном случае ключевыми регионами, определяющими возможные направления дальнейшего развития российской экономики, выступают регионы, богатые природно-мине-ральными ресурсами [Goosen, Kagan, Nikitenko, 2019].

Помимо нефтегазового комплекса, огромное значение которого трудно переоценить для российской экономики, не менее важным является угледобывающий сектор как с точки зрения структуры экспорта, так и с точки зрения значимости для экономик ряда регионов. «Российский уголь экспортируется почти в 80 стран мира, при этом основная часть (90 %) российского углеэкспорта приходится на страны дальнего зарубежья» [Таразанов, 2019, с. 77]. Так, по итогам 2018 г. общий объем экспорта российского угля превысил 200 млн т, из них 100 млн т - экспорт в западном направлении (например, доля российского угля на европейском рынке составляет почти 40 %) и 100 млн т - это экспорт в восточном направлении, где российская доля составляет 9,3 % [Манский, 2018].

На основе имеющихся данных об угольных бассейнах в России мы определили 23 региона, в которых в настоящее время ведется угледобыча. Внутренние запасы угля в основном расположены в Западной и Восточной Сибири (84 %) и на Дальнем Востоке (6 %), при этом на долю Кузбасского угольного месторождения приходится наибольшая доля запасов угля (56 %) наряду с Канско-Ачинским угольным месторождением (12 %), Забайкальским краем (6 %) и Республикой Хакасия (4 %)1.

Особую актуальность данной проблеме придает тот факт, что, как показывают проведенные ранее исследования [Левин, Каган, Саблин, 2015; Левин, Саблин, Руцкий, 2018], для российских регионов, богатых природно-минеральными ресурсами, характерно развитие по пути анклавной двойственной экономики. Анклавная двойственная экономика базируется на предоставлении приближенным (и аффилированным) к власти отдельным предпринимателям и собственникам крупных компаний особых привилегий со стороны региональных властей. По замечанию Дж. Стиглица, «если стандартная экономическая наука концентрирует внимание на деформации инициатив в результате выдачи таких привилегий и протекций, то надо сказать, что они имеют более коварный аспект: эти привилегии, как правило, получены путем коррупции и взяточничества государственных чиновников» [Стиглиц, 2003, с. 96]. Этот «вариант развития региональной экономики связан с формированием изолированного от остальной экономики

1 World Coal. (2013). The mining landscape (part one). Available at: https://www.worldcoal.com/coal/17102013/ the_mining_landscape_part_one_140/.

высокопроизводительного экспортно-ориентированного сектора («анклава богатства»), представленного предприятиями добывающих и промежуточных отраслей (нефтедобывающая и горнорудная отрасли, черная и цветная металлургия и др.)» [Левин, Каган, Саблин, 2015, с. 96]. Развитие данного сектора не дает существенных стимулов для модернизации региональной экономики и ее интеграции в общероссийское экономическое пространство, не создает условий для развития традиционной обрабатывающей промышленности, инновационного сектора и других отраслей региональной экономики, а также не формирует спрос на человеческий капитал, задействованный в высокотехнологичном производстве. Более того, закрепление привилегий за представителями «анклавов богатства» служит источником отрицательных экстерналий, связанных с деформацией стимулов у предпринимателей из других секторов экономики, которые переориентируются с создания новой добавленной стоимости на рентоориентированное поведение, связанное с участием в перераспределении стоимости в высокопроизводительном экспортно-ориентированном секторе.

Ядром отмеченной проблемы является ситуация, когда устойчиво сохраняются «анклавы богатства», препятствующие или вовсе блокирующие переход к экономическому развитию по пути формирования целостной экономики, предусматривающей модернизацию обрабатывающих производств, стимулирование инновационной активности среднего и малого бизнеса, инвестирование в сферу здравоохранения и образования, научных исследований и разработок. Устойчивое сохранение «анклавов богатства» в регионах, богатых природно-минеральными ресурсами, усиливает их ресурсозависимость, замыкает инвестиционные потоки в узком кругу отраслей, производящих сырьевую и промежуточную продукцию, не позволяет разорвать короткие вертикальные цепочки создания добавленной стоимости, связанные с экспортом данной продукции на мировые рынки. Не менее важным является тот факт, что «российская экономика ориентирована на использование ресурсов, а не интеллекта»1. В данном контексте это означает, что «анклавы богатства» создают стимулы вкладывать ресурсы в развитие человеческого капитала, связанного с извлечением минерально-сырьевых ресурсов и функционированием обрабатывающих производств первого передела, а не с интеллектуальной деятельностью и высокотехнологичными производствами.

Цель статьи состоит в кластеризации угледобывающих регионов России на основе оценки их инвестиционной и инновационной активности как способа преодоления ресурсно-сырьевой зависимости и формирования целостной экономики.

Достижение поставленной цели предполагает решение следующих задач. Во-первых, рассчитать показатели, характеризующие инвестиционную и инновационную активность в угледобывающих регионах. Во-вторых, привести описательные статистики инвестиционных и инновационных показателей угледобывающих регионов. В-третьих, построить типологизацию угледобывающих регионов по инвестиционной и инновационной активности.

Обзор литературы

Проблема преодоления ресурсной зависимости и перевода российской экономики на инновационный путь развития, на наш взгляд, имеет несколько причин.

Первая из них связана с тем, что Россия состоит из регионов, крайне различных по своим социально-экономическим характеристикам. Это отражается в их неравномерном экономическом развитии, усилении разрыва по важнейшим показателям регионального

1 Россия 2025: от кадров к талантам // Boston Consulting Group. URL: https://www.bcg.com/Images/Russia-2025-report-RUS_tcm27-188275.pdf.

производства, уровня доходов и бедности, качества жизни населения [Малкина, 2014; Нуреев, 2009]. Различие регионов по показателям, оценивающим их инновационную активность, является одним из самых значимых в сравнении с другими показателями. Доля внутренних затрат на исследования и разработки в валовом региональном продукте в одних регионах отличалась от подобных затрат в других регионах в 143-148 раз, в то время как по числу использованных передовых производственных технологий - более чем в 1 000 раз [Игнатов, 2009]. Разница между 25 % регионов с самым высоким объемом выпуска инновационной продукции и 25 % регионов с самым низким объемом выпуска инновационной продукции составляла 14-15 раз. Половина российских регионов в сумме производила лишь около 5 % всей инновационной продукции РФ, а 70 % всей инновационной продукции выпускали 12-15 регионов-лидеров [Карачаровский, 2013, с. 71].

Важно отметить, что стимулирование развития производств с высокой добавленной стоимостью именно в регионах, богатых природно-минеральными ресурсами, создает возможность ослабить сырьевую зависимость российской экономики, выйти за пределы «анклавов богатства», создать новые высокооплачиваемые рабочие места в несырьевом секторе (инновационный бизнес, традиционные обрабатывающие производства) и повысить качество жизни населения.

В этой связи вторая причина проблемы заключается в отсутствии благоприятных условий в российских угледобывающих регионах для федеральных и региональных акторов, готовых инвестировать средства в развитие производств с высокой добавленной стоимостью. Согласно Федеральному закону № 39-Ф3 «Об инвестиционной деятельности в Российской Федерации, осуществляемой в форме капитальных вложений» капитальные вложения - инвестиции в основной капитал (основные средства), в том числе затраты на новое строительство, реконструкцию и техническое перевооружение действующих предприятий, приобретение машин, оборудования, инструмента, инвентаря, проект-но-изыскательские работы и другие затраты1. Стимулирование капитальных инвестиций может привести к возникновению необходимых положительных экстерналий, что благоприятно отразится на развитии несырьевого сектора. В этом смысле инвестиции в добывающие отрасли обладают трансформационным потенциалом. Однако существует и разрушительная сторона инвестиционной активности в ресурсозависимых регионах, которая заключается в том, что данная активность может привести не к долгосрочному устойчивому развитию, а нанести значительный экономический, социальный и экологический ущерб2 [Bebbington, Bornschlegl, Johnson, 2013; Bebbington, 2012; Sigam, Garcia, 2012].

Третья причина - инновационная активность в угледобывающих регионах. Капитальные инвестиции в добывающих отраслях могут вести к закреплению ресурсно-сырьевой зависимости и усугублению «сопутствующих» проблем (ухудшение экологии, нарастание социальной напряженности). Стимулирование инновационной активности является оптимальным вариантом решения отмеченных проблем. «Качественно новые и масштабно освоенные инновационные технологии способны обеспечить решение сложных, не разрешимых на прежней технологической основе производственных задач» [Мыса-ченко, 2008, с. 176].

1 Об инвестиционной деятельности в Российской Федерации, осуществляемой в форме капитальных вложений: Федеральный закон от 25 февраля 1999 г. № 39-Ф3 (последняя редакция) // СПС «Консультант-Плюс». URL: http://www.consultant.ru/document/cons_doc_LAW_22142/bb9e97fad9d14ac66df4b6e67c453d1b e3b77b4c/.

2 Columbia Center for Sustainable Investment. Investment in extractive industries. Available at: http://ccsi. columbia.edu/our-focus/investments-in-extractive-industries/.

В настоящее время инновации являются основой для устойчивого, инклюзивного и «умного» экономического роста. Проблеме построения устойчивых, инклюзивных и «умных» инновационных систем в странах с развивающимися рынками посвящен ряд исследований [Altenburg, 2009; Altenburg, Pegels, 2012; Athreye, Kapur, 2015]. Компоненты данной «триады» взаимоусиливают друг друга. «Умный» рост основан на знаниях и инновациях, устойчивый рост способствует продвижению более ресурсоэффективной, «зеленой» и конкурентоспособной экономики, в то время как инклюзивный рост подразумевает стимулирование высокого уровня занятости, обеспечивающего экономическое, социальное и территориальное единство экономики [Foray, David, Hall, 2009; Foray et al., 2012; Hassink, Gong, 2019]. Данные компоненты являются приоритетными (в явном и/или неявном виде) в рамках экономической политики, проводимой властями российских регионов, богатых природно-минеральными ресурсами. Так, одним из примеров выступает разрабатываемый региональный экологический стандарт «Чистый уголь - Зеленый Кузбасс», который меняет подходы к угледобыче как со стороны региональных властей, так и со стороны собственников угольных предприятий - основных акторов развития региона1. В этом смысле ключевой задачей становится решение угледобывающими компаниями именно экологических проблем региона, которые неразрывно связаны с социальными и демографическими проблемами коренного населения Кемеровской области (шорцы и телеуты). Поэтому переход к устойчивому региональному развитию требует не только усилий национальных правительств, но и действий множества акторов микроуровня: фирм, домашних хозяйств и отдельных индивидов [Тамбовцев, 2019, с. 104].

Четвертая причина отмеченной проблемы состоит в том, что функционирование «анклавов богатства» в ресурсно-сырьевых регионах может вести к формированию фраг-ментированных (двойственных) инновационных систем, которые характеризуются наличием двух противоположных «граней». В одной из них существуют высоко инновационные отрасли, способные к генерации передовых технологий, в другой - слаборазвитые сектора и отрасли с очень низкими технологическими возможностями. Исследование фрагментированных инновационных систем в странах с развивающимися рынками и поведение их участников, компаний и предприятий отражено в ряде работ [Landabaso, Oughton, Morgan, 2001; Koschatzky, 2004; Auty, Pontara, 2008; Cavalcante, Oliveira, 2009; Stal, Cuervo-Cazzura, 2011; Chaminade, Lundvall, Haneef, 2018]. Компании и предприятия, входящие в «анклав богатства», заинтересованы в поддержании своих конкурентных преимуществ на глобальных рынках сырьевых и промежуточных товаров и для этого используют инновации как источник модернизации добывающих и обрабатывающих производств. Однако данный интерес ограничен преимущественно самим ресурсным сектором и укладывается в логику развития по пути анклавной двойственной экономики. В результате «очаги инноваций» в «анклавах богатства» не ведут к развитию региональной экономики как целого. Комплементарной является проблема существования противоречия между сравнительно большей потребностью в расходах на нововведения в регионах с низкой инновационной активностью и их относительно более низкой способностью абсорбировать ресурсы, предназначенные для продвижения инноваций, по сравнению с более развитыми регионами [Oughton, Landabaso, Morgan, 2002].

Важно отметить, что в рамках статьи мы не касались «темной» стороны инноваций. Как показывают некоторые работы, посвященные данной теме [Левин, Саблин, Каган, 2017; Soete, 2013], научная, технологическая и инновационная политика может служить

1 Чистый уголь - зеленый Кузбасс // Кузбасс. 2019. 23 авг. URL: http://kuzbass85.ru/2019/08/23/chistyj-ugol-zelenyj-kuzbass/.

интересам узких групп давления, обладающих значительной политической и административной властью и способных исключить широкие группы интересов из процесса ее разработки и реализации. При этом сами инновации могут обладать разрушительными свойствами [Baumol, 1990; Desai, Acs, 2007; Acs, 2010]. Это означает, что они лишь способствуют усилению ресурсно-сырьевой зависимости угледобывающих регионов.

Данные и методы

В статье были использованы данные по 23 регионам, специализирующимся на добыче угля, которые были получены с официального сайта Единой межведомственной информационно-статистической системы (ЕМИСС). Для анализа инвестиционной и инновационной активности в угледобывающих регионах и оценки их дифференциации были сделаны следующие шаги.

Сначала были сформированы показатели, характеризующие инвестиционную и инновационную активность угледобывающих регионов. Группа инвестиционных показателей включила два показателя, отражающих суммарные доли инвестиций в основной капитал по видам деятельности, относящимся к добывающим отраслям (первый показатель) и к обрабатывающим отраслям (второй показатель). В расчет значений первого показателя были включены доли инвестиций в основной капитал по добыче каменного и бурого угля и торфа, в обогащение и агломерацию каменного угля. В расчете второго показателя учитывалась доля инвестиций в химическое, металлургическое производство, производство готовых металлических изделий, в высокотехнологичные виды экономической деятельности, в производство машин и оборудования (без производства оружия и боеприпасов).

Для каждого из 23 угледобывающих регионов России были рассчитаны значения представленных инвестиционных показателей с 2013 г. по 2016 г. Выбор хронологических рамок обоснован тем, что 2013 г. формально является последним предкризисным годом для российской экономики, 2016 г. - последний год, когда для авторов были доступны статистические данные. Важно отметить, что распределение инвестиций по годам для региона чаще всего не является равномерным, поэтому для более точной оценки инвестиционной активности в качестве значений инвестиционных показателей учитывались их средние значения за этот период. В табл. 1 представлено распределение значений инвестиционных показателей в исследуемой группе регионов.

Таблица 1. Значения средней доли инвестиций по отраслям в угледобывающих регионах России

Table 1. Average share of investments by sector in the Russian coal mining regions

Регион Средняя доля инвестиций, распределяемых по отраслям, 2013-2016 гг.

Добывающие отрасли Обрабатывающие отрасли

Алтайский край 0 0,02174

Амурская область 0,00089 0,00223

Еврейская автономная область 0,00017 0,00031

Забайкальский край 0,02223 0,02003

Иркутская область 0,00370 0,04550

Кемеровская область (Кузбасс) 0,43988 0,06253

Красноярский край 0,00305 0,16796

Магаданская область 0,00014 0,00033

Мурманская область 0 0,07533

Новосибирская область 0,01511 0,05015

Окончание таблицы 1

Table 1 (concluded)

Регион Средняя доля инвестиций, распределяемых по отраслям, 2013-2016 гг.

Добывающие отрасли Обрабатывающие отрасли

Оренбургская область 0,00012 0,03155

Приморский край 0,01124 0,08223

Республика Бурятия 0,02668 0,03552

Республика Коми 0,03222 0,00500

Республика Саха (Якутия) 0,05873 0,00024

Республика Тыва 0,26182 0

Республика Хакасия 0,11027 0,07170

Ростовская область 0,01800 0,06241

Сахалинская область 0,00903 0,00029

Свердловская область 0 0,16943

Хабаровский край 0,02880 0,02377

Челябинская область 0,00014 0,23032

Чукотский автономный округ 0,00235 0

Рассчитано по: данные ЕМИСС.

Отметим, что в Республике Тыва и Чукотском автономном округе средняя доля инвестиций в обрабатывающие отрасли оказалась равна нулю. Максимальные значения средней доли инвестиций в добывающие отрасли показали Кемеровская область, республики Тыва и Хакасия как явно ресурсозависимые регионы. С другой стороны, в Алтайском крае, Мурманской и Свердловской областях средняя доля инвестиций в добывающие отрасли оказалась равна нулю, при этом Челябинская и Свердловская области и Красноярский край показали максимальные значения средней доли инвестиций в обрабатывающие отрасли.

Для оценки инновационной активности угледобывающих регионов были рассчитаны значения двух показателей. Первый показатель оценивал суммарные доли затрат организаций добывающих отраслей на технологические инновации. Второй показатель оценивал суммарные доли затрат организаций в обрабатывающих отраслях на технологические инновации. Для каждого из 23 регионов рассчитывались доли затрат в соответствующих отраслях от общего объема затрат на технологические инновации по всему региону за период 2013-2016 гг. Показатель, характеризующий инновационную активность угледобывающих регионов в добывающих/обрабатывающих отраслях, был представлен в виде среднего значения за исследуемый период (табл. 2).

Таблица 2. Значения средней доли затрат на технологические инновации по отраслям в угледобывающих регионах России

Table 2. Average share of costs associated with technological innovations by sector in the Russian coal mining regions

Регион Средняя доля затрат организаций на технологические инновации, распределяемых по отраслям, 2013-2016 гг.

Добывающие отрасли Обрабатывающие отрасли

Алтайский край 0 0,21718

Амурская область 0 0

Еврейская автономная область 0 0,00119

Забайкальский край 0,02731 0,01555

Иркутская область 0,00105 0,34691

Окончание таблицы 2

Table 2 (concluded)

Средняя доля затрат организаций на технологические инновации,

Регион распределяемых по отраслям, 2013-2016 гг.

Добывающие отрасли Обрабатывающие отрасли

Кемеровская область (Кузбасс) 0,09657 0,78069

Красноярский край 0,00031 0,06566

Магаданская область 0 0,01599

Мурманская область 0 0,44275

Новосибирская область 0 0,38211

Оренбургская область 0 0,24127

Приморский край 0,00013 0,10004

Республика Бурятия 0,00236 0,50519

Республика Коми 0,08370 0,00046

Республика Саха (Якутия) 0 0,00131

Республика Тыва 0 0

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Республика Хакасия 0 0

Ростовская область 0 0,35285

Сахалинская область 0 0

Свердловская область 0 0,39687

Хабаровский край 0 0,59065

Челябинская область 0 0,35391

Чукотский автономный округ 0,00297 0

Рассчитано по: данные ЕМИСС.

Важно отметить, что более чем у 65 % представленных угледобывающих регионов средняя доля затрат организаций на технологические инновации в добывающих отраслях оказалась равна нулю. Более того, в Амурской и Сахалинской областях, республиках Тыва и Хакасия средняя доля затрат организаций на технологические инновации как в добывающих, так и в обрабатывающих отраслях также оказалась равна нулю. Главный парадокс состоит в том, что явным лидером среди угледобывающих регионов с максимальным значением средней доли затрат организаций на технологические инновации в обрабатывающих отраслях оказалась Кемеровская область как «угольная столица» России. На втором месте расположился Хабаровский край, на третьем - Республика Бурятия. Отметим, что Кузбасс традиционно показывает низкий уровень инновационной активности в обрабатывающих и добывающих отраслях в сравнении с соседними регионами по Сибирскому федеральному округу.

Результаты и обсуждение

В табл. 3 приведены описательные статистики инвестиционных и инновационных показателей, рассчитанные для группы угледобывающих регионов. Для более детального исследования в расчет были включены как параметрические, так и непараметрические статистики [Сидоренко, 2000].

Анализ описательных статистик позволяет сделать следующие выводы. Инвестиционная активность в добывающих отраслях в исследуемой группе регионов различна. Среднее значение данного показателя сильно отличается от значений медианы и даже верхнего квартиля. Это говорит о том, что в исследуемой группе содержатся регионы с аномально высокими значениями данного показателя (например, Кемеровская область, Республика Тыва). Распределение инвестиций в обрабатывающих отраслях более

Таблица 3. Описательная статистика инвестиционных и инновационных показателей угледобывающих регионов России

Table 3. Descriptive statistics of investment and innovation indicators of the Russian coal mining regions

Показатель Среднее Медиана Минимум Максимум Квартиль Стандартное отклонение

нижний верхний

Инвестиции в добывающие отрасли 0,045 0,009 0 0,440 0,0002 0,029 0,103

Инвестиции в обрабатывающие отрасли 0,050 0,032 0 0,230 0,0003 0,072 0,062

Инновации в добывающие отрасли 0,009 0,000 0 0,097 0 0,001 0,026

Инновации в обрабатывающие отрасли 0,209 0,100 0 0,781 0,0005 0,382 0,233

равномерно. Аналогичная картина наблюдается и по инновационной активности в добывающих отраслях. При этом более чем у 50 % регионов эта активность отсутствует (медиана равна нулю) и максимальное значение данного показателя (0,097) существенно ниже, чем в обрабатывающих отраслях (0,781).

Для построения типологизации российских угледобывающих регионов по инвестиционной и инновационной активности применялся кластерный анализ [Халафян, 2013; Mirkin, 2005; Rodriguez et al., 2019]. Диапазон изменения значений показателей существенно отличается, поэтому кластерный анализ проводился по стандартизованным данным (нулевое, среднее, единичная дисперсия). В качестве расстояния было выбрано евклидовое расстояние, геометрически характеризующее расстояние между точками (объектами) в многомерном пространстве. Данная метрика позволяет придавать большие веса более отдаленным объектам. На первом этапе применялся иерархический кластерный анализ. В качестве правила иерархического объединения использовался метод полной связи. Выбор данного метода обоснован следующими его свойствами. Во-первых, в отличие от метода одиночной связи («ближайшего соседа») метод полной связи позволяет выделять более компактные кластеры. Во-вторых, в отличие от часто используемого метода Уорда, приводящего к образованию компактных кластеров примерно равных размеров, метод полной связи приводит к образованию кластеров, размеры которых могут значительно отличаться друг от друга. Иерархический анализ позволил сделать предположение о количестве выделяемых групп. На рис. 1.1 и 1.2 представлены результаты разбиения регионов на кластеры на основе показателей инвестиционной и инновационной активности.

Анализ результатов иерархического анализа, проведенного по группе показателей инвестиционной активности, позволил выделить 4 кластера. На основе показателей инновационной активности регионы были разбиты на 3 кластера. На рис. 2.1 и 2.2 представлены графики средних значений показателей в различных кластерах инвестиционной и инновационной активности.

По уровню инвестиционной активности было получено следующее разбиение угледобывающих регионов на кластеры. В первый кластер вошли регионы с низким уровнем инвестиционной активности в добывающих и высоким уровнем инвестиционной активности в обрабатывающих отраслях (Красноярский край, Свердловская и Челябинская области). Во второй кластер попали регионы со средним уровнем инвестиционной активности в добывающих и обрабатывающих отраслях (Иркутская, Мурманская, Новосибирская и Ростовская области, Приморский край, Республика Хакасия). В третьем кластере оказались регионы с высоким уровнем инвестиций в добывающих и низким -

s и

<u Я

5 ff

6

vo о <u

s

к «

о н о u rv

Рн 0

Метод полной связи Евклидово расстояние

, , Л rVi rb "r-JL , rph^i

Метод полной связи Евклидово расстояние

С_16 С_22 С_7 С_12 С_18 С_5 С_14 С_23 С_3 С_13 С_4 С_1 С 6 С 20 С 17 С 9 С 10 С 15 С 19 С 8 С2С21С11

С_14 С_4 С_7 С_8 С_3 С_17 С_2 С_13 С_20 С_22 С_5 С_1 С 6 С 12 С 23 С 15 С 19 С 16 С 21 С 9 С 10 С 18 С 11

Рис. 1.1. Разбиение регионов на кластеры на основе показателей инвестиционной активности Fig. 1.1. Clustering of the regions based on investment activity indicators

Рис. 1.2. Разбиение регионов на кластеры на основе показателей инновационной активности Fig. 1.2. Clustering of the regions based on innovation activity indicators

В добывающие В обрабатывающие отрасли отрасли

Инвестиции

-о- Кластер 1 Кластер 2 -*- Кластер 3 Кластер 4

Рис. 2.1. График средних значений инвестиционных показателей в различных кластерах Fig. 2.1. Graph of average values of investment indicators in various clusters

В добывающих В обрабатывающих отраслях отраслях

Затраты на технологические инновации

-о- Кластер 1 -о- Кластер 2 -*- Кластер 3

Рис. 2.2. График средних значений инновационных показателей в различных кластерах Fig. 2.2. Graph of average values of innovation indicators in various clusters

в обрабатывающих отраслях (Кемеровская область, Республика Тыва). Наконец, четвертый кластер представлен регионами с низким уровнем инвестиционной активности как в добывающих, так и в обрабатывающих отраслях (Алтайский край, Амурская, Магаданская, Оренбургская и Сахалинская области, Еврейская автономная область, Забайкальский край, Республика Бурятия, Республика Саха (Якутия), Хабаровский край, Чукотский АО).

Результаты разбиения угледобывающих регионов по показателям затрат на технологические инновации можно описать следующим образом. В первый кластер попали регионы со средним уровнем затрат на технологические инновации в добывающих и обрабатывающих отраслях (Алтайский край, Иркутская, Мурманская, Новосибирская,

Оренбургская, Ростовская, Свердловская, Челябинская области, Республика Бурятия, Хабаровский край). Во втором кластере оказались регионы с высоким уровнем затрат на технологические инновации в добывающих отраслях и средним уровнем затрат на инновации в обрабатывающих отраслях (Кемеровская область, Республика Коми). Третий кластер представлен регионами с низкой долей затрат на инновации в обрабатывающих отраслях и средней долей затрат на инновации в добывающих отраслях (Амурская, Магаданская, Сахалинская области, Еврейская автономная область, Забайкальский край, Красноярский край, Приморский край, Республика Саха (Якутия), Республика Тыва, Республика Хакасия, Чукотский АО).

В табл. 4 представлено распределение угледобывающих регионов в зависимости от уровня их инвестиционной и инновационной активности.

Таблица 4. Кластеризация угледобывающих регионов России в зависимости

от уровня их инвестиционной и инновационной активности Table 4. Clustering of the Russian coal mining regions depending on the level of investment and innovation activity

Номер кластера (по инвестициям в основной капитал) Номер кластера (по затратам на технологические инновации)

1 - средний уровень инновационной активности в добывающих и обрабатывающих отраслях 2 - высокий уровень инновационной активности в добывающих отраслях и средний уровень инновационной активности в обрабатывающих отраслях 3 - средний уровень инновационной активности в добывающих отраслях и низкий уровень инновационной активности в обрабатывающих отраслях

1 - высокий уровень инвестиционной активности в обрабатывающих отраслях и низкий уровень инвестиционной активности в добывающих отраслях Свердловская область Челябинская область Красноярский край

2 - средний уровень инвестиционной активности в обрабатывающих и добывающих отраслях Иркутская область Мурманская область Новосибирская область Ростовская область Приморский край Республика Хакасия

3 - высокий уровень инвестиционной активности в добывающих отраслях и низкий уровень инвестиционной активности в обрабатывающих отраслях Кемеровская область Республика Тыва

4 - низкий уровень инвестиционной активности в добывающих и обрабатывающих отраслях Алтайский край Оренбургская область Республика Бурятия Хабаровский край Республика Коми Амурская область Еврейская автономная область Забайкальский край Магаданская область Республика Саха (Якутия) Сахалинская область Чукотский АО

Проведенная кластеризация угледобывающих регионов России на основе анализа их инвестиционной и инновационной активности показала следующую картину. Две трети регионов (15 из 23) сконцентрировано в трех ячейках (в соответствии с вертикальной осью «инвестиции в основной капитал» и горизонтальной осью «затраты на технологические инновации»): «кластер 4» - «кластер 3»; «кластер 2» - «кластер 1»; «кластер 4» - «кластер 1». Данные ячейки в целом характеризуются низким/средним уровнем инвестиционной активности в добывающих и обрабатывающих отраслях и средним уровнем инновационной активности в добывающих отраслях и средним/низким уровнем инновационной активности в обрабатывающих отраслях. Интересным видится положение Кемеровской области и Республики Тыва, которое показывает, что высокий уровень инвестиционной активности в добывающих отраслях и низкий уровень инвестиционной активности в обрабатывающих отраслях, а также высокий/средний уровень инновационной активности в добывающих отраслях и низкий уровень инновационной активности в обрабатывающих отраслях лишь закрепляют ресурсно-сырьевую зависимость данных регионов. Например, богатство и разнообразие видов полезных ископаемых Республики Тыва в значительной степени определяют перспективы экономического развития региона. В то же время транспортная недоступность сырьевых источников приводит к повышенным издержкам во всей технологической цепочке природопользования и снижению конкурентоспособности продукции на российском и мировом рынках. Главными проблемами региона являются высокая степень износа основных фондов, значительное сокращение инвестиций в реальный сектор экономики, низкий удельный вес инвестиций частных предприятий1.

Заключение

В настоящее время российская экономика является преимущественно ресурсно-сырьевой как по структуре доминирующих производств (добывающие отрасли и отрасли первого передела), так и по структуре экспорта (его львиную долю составляют полезные ископаемые). Одной из основ отечественной экономики является угледобыча. В процессе проведения исследования авторами были получены следующие результаты: показатели, характеризующие инвестиционную и инновационную активность в угледобывающих регионах; описательные статистики инвестиционных и инновационных показателей угледобывающих регионов; типологизация угледобывающих регионов по инвестиционной и инновационной активности. Важно отметить, что протекающие в угледобывающих регионах инвестиционные и инновационные процессы могли бы сформировать предпосылки для преодоления ресурсно-сырьевой зависимости, однако, как показали полученные результаты, ни инвестиции, ни инновации пока не выступают факторами подобного преодоления.

Большинство представленных регионов характеризуются низким/средним уровнем инвестиционной активности в добывающих и обрабатывающих отраслях, средним уровнем инновационной активности в добывающих отраслях и средним/низким уровнем инновационной активности в обрабатывающих отраслях. Капитальные инвестиции и технологические инновации работают не на преодоление ресурсно-сырьевой зависимости, но способствуют ее усилению. В данном случае они выступают не как факторы-субституты, заменяющие и «подрывающие» данную зависимость, но как комплементарные факторы, которые встраиваются в процессы добычи минерально-сырьевых ресурсов и их экспорта на мировые рынки.

1 Минерально-сырьевой сектор Азиатской России: как обеспечить социально-экономическую отдачу / под ред. акад. РАН В. В. Кулешова. Новосибирск: ИЭОПП СО РАН, 2015. С. 261-262.

Отметим, что отдельные территории (Красноярский край, Свердловская и Челябинская области) показали результаты, отличные от других угледобывающих регионов, но в целом они пока не способны изменить общую «картину» ресурсно-сырьевой зависимости. Иными словами, угледобывающие «анклавы богатства» сохраняются и слабо влияют (либо вовсе не влияют) на развитие несырьевых секторов экономики. В их рамках образуются постоянные потоки «инноваций через инвестиции в закупку импортной техники», а не «инноваций через проведение локальных НИОКР». В этом случае подобные инновации и инвестиции обладают разрушительным потенциалом, который заключается в сохранении ресурсно-сырьевой зависимости и невозможности сформировать целостную экономику как на национальном уровне, так и на уровне регионов.

Источники

Игнатов В. Г. (2009). Асимметрия социально-экономического развития регионов Российской Федерации и основные направления ее ослабления // Terra Economicus. Т. 7, № 2. С. 132-138.

Карачаровский В. В. (2013). Общественная эффективность технологической модернизации в России // Мир России. Т. 22, № 2. С. 52-82.

Левин С. Н., Каган Е. С., Саблин К. С. (2015). Регионы «ресурсного типа» в современной российской экономике // Журнал институциональных исследований. Т. 7, № 3. С. 92-101. D0I:10.17835/2076-6297.2015.7.3.092-101.

Левин С. Н., Саблин К. С., Каган Е. С. (2017). За пределами «стеклянного колпака»: инновационное предпринимательство в регионах «ресурсного типа» России // Журнал институциональных исследований. Т. 9, № 3. С. 119-132. D0I:10.17835/2076-6297.2017.9.3.119-132.

Левин С. Н., Саблин К. С., Руцкий В. Н. (2018). Практики взаимодействия предпринимателей с властью в регионах ресурсного типа современной России: «картины власти» и подходы к исследованию // Мир России. Т. 27, № 3. С. 6-27. D0I:10.17323/1811-038X-2018-27-3-6-27.

Малкина М. Ю. (2014). Исследование взаимосвязи уровня развития и степени неравенства доходов в регионах Российской Федерации // Экономика региона. № 2. С. 238-248.

Манский С. (2018). Его никто не заменит // Российская газета. URL: https://rg.ru/2018/10/08/ sledia-za-koniunkturoj-mirovyh-rynkov-eksportirovat-ugol-za-rubezh-mozhno-budet-eshche-dolgo. html.

Мысаченко В. И. (2008). Технологические инновации и структурная перестройка отечественной промышленности // Вестник Томского государственного университета. Сер.: Экономика. № 315. C. 176-180.

Нуреев Р. М. (2009). Регионалистика: резервы институционального подхода // Terra Economicus. Т. 7, № 2. С. 18-42.

Сидоренко Е. В. (2000). Методы математической обработки в психологии. СПб.: Речь. 350 с.

Стиглиц Дж. (2003). Глобализация: тревожные тенденции. М.: Нац. обществ.-науч. фонд. 304 с.

Тамбовцев В. Л. (2019). Устойчивое региональное развитие: актуальные направления институционального анализа // Журнал институциональных исследований. Т. 11, № 3. С. 104-118. D0I:10.17835/2076-6297.2019.11.3.104-118.

Таразанов И. Г. (2019). Итоги работы угольной промышленности России за январь-декабрь 2018 года // Уголь. № 3. С. 64-79.

Халафян А. А. (2013). Statistica 6. Статистический анализ данных. М.: Бином. 528 с.

Acs Z. (2010). Entrepreneurship and economic development: The valley of backwardness. Annals of Innovation & Entrepreneurship, vol. 1, issue 1, pp. 1-18. D0I:10.3402/aie.v1i1.5602.

Altenburg T. (2009). Building inclusive innovation systems in developing countries: Challenges for IS research. In: Lundvall B-A., Joseph K. J., Chaminade C., Vang J. (eds.) Handbook of innovation systems and developing countries: Building domestic capabilities in a global setting. Cheltenham: Edward Elgar Publishing, pp. 33-56.

Altenburg T., Pegels A. (2012). Sustainability-oriented innovation systems - managing the green transformation. Innovation and Development, vol. 2, no. 1, pp. 5-22. D0I: 10.1080/2157930X.2012.664037.

Athreye S., Kapur S. (2015). Capital and technology flows: Changing technology acquisition strategies in developing countries. In: Archibugi D., Filippetti A. (eds.) The handbook of global science, technology, and innovation. Oxford: Wiley, pp. 191-211.

Auty R., Pontara N. (2008). A dual-track strategy for managing Mauritania's projected oil rent. Development Policy Review, vol. 26, no. 1, pp. 59-77. DOI: 10.1111/j.1467-7679.2008.00398.x.

Baumol W. (1990). Entrepreneurship: Productive, unproductive and destructive. Journal of Political Economy, vol. 98, no. 5, pp. 893-920. DOI: 10.1086/261712.

Bebbington A. (2012). Social conflict, economic development and extractive industry: Evidence from South America. L.: Routledge. 258 p.

Bebbington A., Bornschlegl T., Johnson A. (2013). Political economies of extractive industry: From documenting complexity to informing current debates. Introduction to Development and Change, virtual issue 2. DOI: 10.1111/dech.12057.

Cavalcante L. R., Oliveira L. G. (2009). Fragmented innovation systems and sectorial research centers: The case of the Brazilian Agricultural Research Corporation (Embrapa). Proc. 4th Int. Congress "Aspects and Visions of Applied Economics and Informatics" (March 26-27, 2009). Debrecen, Hungary, pp. 109-116.

Chaminade C., Lundvall B.-A., Haneef S. (2018). Advanced introduction to national innovation systems. Cheltenham: Edward Elgar Publishing. 176 p.

Desai S., Acs Z. J. (2007). A theory of destructive entrepreneurship. Jena Economic Research Papers, no. 2007-085, pp. 1-42.

Foray D., Goddard J., Beldarrain X. G., Landabaso M., McCann Ph., Morgan K., ... Ortega-Argiles R. (2012). Guide to research and innovation strategies for smart specializations (RIS 3). Luxembourg: Publications Office of the European Union. 126 p. DOI:10.2776/65746.

Foray D., David P. A., Hall B. (2009). Smart specializations - the concept. Knowledge Economists Policy Brief, no. 9, pp. 1-5.

Goosen E. V., Kagan E. S., Nikitenko S. M. (2019). Development of scientific framework to prepare resource regions in Russia for integrated subsoil use: Quantitative assessment. IOP Conference Series: Earth and Environmental Science, vol. 262, Art. no. 012022. DOI: 10.1088/1755-1315/262/1/012022

Hassink R., Gong H. (2019). Six critical questions about smart specialization. European Planning Studies, vol. 27, issue 10, pp. 2049-2065. DOI: 10.1080/09654313.2019.1650898.

Koschatzky K. (2004). Slovenia: A fragmented innovation system? In: Cooke P., Heidenreich M., Braczyk H.-J. (eds.) Regional innovation systems: The role of governance in a globalized world. L.: Rout-ledge, pp. 344-363.

Landabaso M., Oughton C., Morgan K. (2001). Innovation networks and regional policy in Europe. In: Koschatzky K., Kulicke M., Zenker A. (eds.) Innovation networks: Concepts and challenges in the European perspective. N. Y.: Physica-Verlag, pp. 243-273.

Mirkin B. (2005). Clustering for data mining: A data recovery approach. N. Y.: Taylor & Francis Group. 278 p.

Oughton C., Landabaso M., Morgan K. (2002). The regional innovation paradox: Innovation policy and industrial policy. The Journal of Technology Transfer, vol. 27, issue 1, pp. 97-110.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Rodriguez M. Z., Comin C. H., Casanova D., Bruno O. M., Amancio D. R., Costa L. da F., Rodrigues F. A. (2019). Clustering algorithms: A comparative approach. PLoS ONE, vol. 14, no. 1, pp. 1-34. DOI: 10.1371/journal.pone.0210236.

Sigam C., Garcia L. (2012). Extractive industries: Optimizing value retention in host countries. N. Y.: United Nations. 46 p.

Soete L. (2013). Is innovation always good? In: Fagerberg J., Martin B. R., Andersen E. S. (eds.) Innovation studies: Evolution and future challenges. Oxford: Oxford University Press, pp. 134-144.

Stal E., Cuervo-Cazzura A. (2011). The investment development path and FDI from developing countries: The role of pro-market reforms and institutional voids. Latin American Business Review, vol. 12, pp. 209-231. DOI: 10.1080/10978526.2011.614174.

Информация об авторах Саблин Кирилл Сергеевич, кандидат экономических наук, доцент кафедры экономической теории и государственного управления Кемеровского государственного университета, 650043, РФ, г. Кемерово, ул. Красная, 6

Контактный телефон: +7 (3842) 73-23-44, е-шаИ: [email protected]

Каган Елена Сергеевна, кандидат технических наук, доцент, заведующий кафедрой прикладной математики Кемеровского государственного университета, 650043, РФ, г. Кемерово, ул. Красная, 6 Контактный телефон: +7 (3842) 58-37-43, е-шай: [email protected]

Чернова Екатерина Сергеевна, кандидат физико-математических наук, доцент кафедры прикладной математики Кемеровского государственного университета, 650043, РФ, г. Кемерово, ул. Красная, 6

Контактный телефон: +7 (3842) 58-37-43, е-mail: [email protected]

■ ■ ■

K. S. Sablin Kemerovo State University, Kemerovo, Russia

E. S. Kagan Kemerovo State University, Kemerovo, Russia

E. S. Chernova Kemerovo State University, Kemerovo, Russia

Clustering of the Russian coal mining regions: Investment and innovation activity

Abstract. On a global scale, Russia's competitive advantages remain linked with extractive and low value-added industries despite numerous attempts of the government to make the national economy more innovative. The paper focuses on the problem of the Russian economy's transition to innovative development and overcoming its resource dependency. Methodologically, the paper relies on the concepts of an enclave dual economy and fragmented (dual) innovation systems. The object of the study is coal mining regions, which are clustered based on the analysis of investment and innovation activity. Statistical methods of data analysis (calculation of descriptive statistics) as well as cluster analysis methods (hierarchical method and k-means method) are used for processing the initial information. The researchers form the indicators characterising investment and innovative activity in the selected regions. Investment indicators include the ones reflecting the total share of investment in fixed capital by economic activities related to extractive and manufacturing industries. To assess innovation activity the authors calculated the total share of expenses of the organisations of extractive and manufacturing industries on technological innovations. The results of hierarchical analysis in a group of investment activity indicators allow identifying four clusters of regions. Based on the innovation activity indicators, regions form three clusters. The research findings demonstrate that most of coal mining regions feature low or medium level of investment activity in the extractive and manufacturing industries; medium level of innovation activity in extractive industries and medium or low level of innovation activity in manufacturing industries. The results of the study can be one of the foundations for the regional policy targeting the transition to innovation economy.

Keywords: Russian economy; coal mining regions; capital investment; technological innovation; innovation systems; resource dependency; cluster analysis.

Acknowledgements: The reported study was prepared under the financial support of a grant of the President of the Russian Federation, the research project no. MK-5941.2018.6 "Modelling mechanisms for localising high value-added production and development of internal markets in resource-abundant regions".

For citation: Sablin K. S., Kagan E. S., Chernova E. S. (2020). Klasterizatsiya ugledobyvayush-chikh regionov Rossii: investitsionnaya i innovatsionnaya aktivnost'a [Clustering of the Russian coal mining regions: Investment and innovation activity]. Journal of New Economy, vol. 21, no. 1, pp. 89-106. DOI: 10.29141/2658-5081-2020-21-1-5 Received September 30, 2019.

References

Ignatov V. G. (2009). Asimmetriya sotsial'no-ekonomicheskogo razvitiya regionov Rossiyskoy Fed-eratsii i osnovnye napravleniya ee oslableniya [Asymmetry of the socioeconomic development of the Russian regions and the main directions of correcting it]. Terra Economicus, vol. 7, no. 2, pp. 132-138. (in Russ.)

Karacharovskiy V. V. (2013). Obshchestvennaya effektivnost' tekhnologicheskoy modernizatsii v Rossii [Social efficiency of technological modernisation in Russia]. Mir Rossii = Universe of Russia, vol. 22, no. 2, pp. 52-82. (in Russ.)

Levin S. N., Kagan E. S., Sablin K. S. (2015). Regiony "resursnogo tipa" v sovremennoy rossiyskoy ekonomike ["Resource type" regions in the modern Russian economy]. Zhurnal institutsionalnykh issle-dovaniy = Journal of Institutional Studies, vol. 7, no. 3, pp. 92-101. DOI:10.17835/2076-6297.2015.7.3.092-101. (in Russ.)

Levin S. N., Sablin K. S., Kagan E. S. (2017). Za predelami "steklyannogo kolpaka": innovatsionnoe predprinimatel'stvo v regionakh "resursnogo tipa" Rossii [Beyond "bell jar": Innovative entrepreneurship in "resource-type" regions of Russia]. Zhurnal institutsionalnykh issledovaniy = Journal of Institutional Studies, vol. 9, no. 3, pp. 119-132. DOI:10.17835/2076-6297.2017.9.3.119-132. (in Russ.)

Levin S. N., Sablin K. S., Rutskiy V. N. (2018). Praktiki vzaimodey-stviya predprinimateley s vlast'yu v regionakh resursnogo tipa sovremennoy Rossii: "kartiny vlasti" i podkhody k issledovaniyu [The practices of interaction between entrepreneurs and authorities in Russia's resource extracting regions: The 'scenes of power' analytical approach]. Mir Rossii = Universe of Russia, vol. 27, no. 3, pp. 6-27. DOI:10.17323/1811-038X-2018-27-3-6-27. (in Russ.)

Malkina M. Yu. (2014). Issledovanie vzaimosvyazi urovnya razvitiya i stepeni neravenstva dokho-dov v regionakh Rossiyskoy Federatsii [Study of the relationship between the development level and degree of income inequality in the Russian regions]. Ekonomika regiona = Economy of Region, no. 2, pp. 238-248. (in Russ.)

Manskiy S. (2018). Ego nikto ne zamenit [Nobody will make up for him]. Rossiyskaya gazeta = Rossi-yskaya gazeta. Available at: https://rg.ru/2018/10/08/sledia-za-koniunkturoj-mirovyh-rynkov-eksporti-rovat-ugol-za-rubezh-mozhno-budet-eshche-dolgo.html (in Russ.)

Mysachenko V. I. (2008). Tekhnologicheskie innovatsii i strukturnaya perestroyka otechestvennoy promyshlennosti [Technological innovations and structural transformation of domestic industry]. Vest-nik Tomskogo gosudarstvennogo universiteta. Ekonomika = Tomsk State University Journal of Economics, no. 315, pp. 176-180. (in Russ.)

Nureev R. M. (2009). Regionalistika: rezervy institutsional'nogo podkhoda [Regionalistics: Reserves of institutional approach]. Terra Economicus, vol. 7, no. 2, pp. 18-42. (in Russ.)

Sidorenko E. V. (2000). Metody matematicheskoy obrabotki v psikhologii [Methods of mathematical processing in psychology]. Saint Petersburg: Rech' Publ. 350 p. (in Russ.)

Stiglitz J. (2003). Globalizatsiya: trevozhnye tendentsii [Globalization and its discontents]. Moscow: Natsional'nyy obshchestvenno-nauchnyy fond Publ. 304 p. (in Russ.)

Tambovtsev V. L. (2019). Ustoychivoe regional'noe razvitie: aktual'nye napravleniya institutsional'nogo analiza [Sustainable regional development: Actual directions of institutional analysis]. Zhurnal institutsionalnykh issledovaniy = Journal of Institutional Studies, vol. 11, no. 3, pp. 104-118. DOI:10.17835/2076-6297.2019.11.3.104-118. (in Russ.)

Tarazanov I. G. (2019). Itogi raboty ugol'noy promyshlennosti Rossii za yanvar'-dekabr' 2018 goda [The performance of Russia's coal industry in January-December 2018]. Ugol' = Coal, no. 3, pp. 64-79. (in Russ.)

Khalafyan A. A. (2013). Statistica 6. Statisticheskiy analiz dannykh [Statistica 6. Statistical data analysis]. Moscow: Binom Publ. 528 p. (in Russ.)

Acs Z. (2010). Entrepreneurship and economic development: The valley of backwardness. Annals of Innovation & Entrepreneurship, vol. 1, issue 1, pp. 1-18. D0I:10.3402/aie.v1i1.5602.

Altenburg T. (2009). Building inclusive innovation systems in developing countries: Challenges for IS research. In: Lundvall B-A., Joseph K. J., Chaminade C., Vang J. (eds.) Handbook of innovation systems and developing countries: Building domestic capabilities in a global setting. Cheltenham: Edward Elgar Publishing, pp. 33-56.

Altenburg T., Pegels A. (2012). Sustainability-oriented innovation systems - managing the green transformation. Innovation and Development, vol. 2, no. 1, pp. 5-22. DOI: 10.1080/2157930X.2012.664037.