Оценка инновационного потенциала регионов России: кластерный подход Текст научной статьи по специальности «Экономика и бизнес»

Оценка инновационного потенциала регионов России: кластерный подход

со

о сч

со со с^

т

<

СО О X т

Д. Д. Айрапетян,

аспирант/зам. начальника отдела

финансового планирования и анализа, ОАО «Росспиртпром»

dodonova.dariya@gmail.com

О. Ю. Рогов,

аспирант

fintech@gmx.ch

Е. А. Федорова,

д. э. н., доцент, профессор

ecolena@mail.ru

Департамент корпоративных финансов и корпоративного управления, Финансовый университет при Правительстве Российской Федерации

Основной целью данного исследования является оценка инновационного потенциала регионов России. Для ее проведения разработана система индикаторов —предложены 3 индекса с использованием следующих показателей: расходы на НИОКР, занятость в инновационной сфере, количество запрашиваемых и выданных патентов, объем инновационных товаров, работ, услуг. Для подтверждения результатов оценки с помощью индикаторов, проводится кластерный анализ регионов России на основании зависимости индекса инновационного развития, объема инновационных товаров и расходов на НИОКР. Выделяются 4 кластера с различным уровнем инновационного развития. На основании полученных результатов даются рекомендации относительно инвестиционной привлекательности некоторых регионов, а также политики в сфере инноваций в целом.

Ключевые слова: инновации, инновационный потенциал, кластерный анализ, регионы России.

Развитие и внедрение современных технологий является одним из условий качественного роста экономики любой страны. Для Российской Федерации, страны с сырьевой экономикой, особенно важно создавать инновации, поскольку именно они могут служить базисом для развития различных секторов экономики. Достижение диверсификации российской экономики в другие сектора без использования инноваций в эпоху компьютерных технологий и всеобщей глобализации представляется неосуществимой задачей.

Необходимость поддержки инноваций, создания конкурентоспособной экономики знаний и высоких технологий отмечается и в Концепции долгосрочного социально-экономического развития Российской Федерации на период до 2020 г. В Концепции подчеркивается необходимость превращения инноваций в ведущий фактор экономического роста во всех секторах экономики. Принимая во внимание роль инноваций в развитии нашей страны, можно утверждать, что оценка инновационного потенциала является одним из необходимых элементов комплексной сравнительной оценки уровня социально-экономического развития Российской Федерации и регионов. Исследование инновационного потенциала позволит не только вы-

явить наиболее наукоемкие и прогрессивные регионы России, но и определить наиболее привлекательные с точки зрения инвестиционных вложений.

Обзор литературы

Исследования в области инновационного потенциала регионов можно разделить на 2 направления:

• оценка инновационного потенциала региона в целом;

• оценка эффективности инноваций в конкретной отрасли региона.

Рассмотрим первое направление. А. Н. Дулесов и Г. И. Краснов [4] в своем исследовании приходят к выводу, что оценка конкурентоспособности региона должна начинаться с интегральной оценки потенциала инновационного развития. М. Хайруллина [12] уделяет внимание вопросу создания инновационных кластеров, делая вывод о том, что инновационные территориальные кластеры являются одним из ключевых инструментов регионального развития в современных условиях. В. В. Зазерская, Е. В. Климук [5] в исследовании инновационного потенциала регионов Республики Беларусь также приходят к выводу, что инновационные процессы в регионе превращаются в

главную движущую силу социально-экономического развития. Х. Доменек у. Domenech) и др. [10] отмечают, что наукоемкая деятельность является основной частью инноваций. В свою очередь, инновации является движущей силой экономического роста и регионального развития. Таким образом, понимание факторов, способствующих развитию наукоемкой деятельности и управление данными процессами позволит регионам достичь устойчивого развития.

В рамках второго направления, можно выделить исследование Ю. А. Фридмана и др. [7], в котором авторы строят прогнозные оценки региональной конкурентоспособности и приходят к выводу, что инновационное развитие сырьевых отраслей является драйвером роста конкурентных преимуществ тех регионов, где они являются системообразующими отраслями. Для кузбасского региона была выявлена прямая корреляция уровня инновационного развития угольной промышленности и уровня конкурентоспособности.

Помимо исследований, напрямую посвященных оценке инновационного потенциала региона, проводится достаточно много исследований, посвященных оценке уровня социально-экономического развития в целом, в которых инновации являются одним из факторов комплексной оценки. Значимость инноваций подчеркивается в исследованиях Ю. А. Фридмана и др. [8], Т. П. Данько [3], Т. Г. Строителевой [6], М. Регсосо [13], Т. Вгоеке1 [9] и др.

В данном исследовании мы ставим цель оценить уровень инновационного развития и потенциала регионов России, а также проверить гипотезу о влиянии расходов на НИОКР на уровень инновационного развития региона и объем выпуска инновационных товаров.

Методология исследования

Оценке инновационного потенциала регионов посвящен ряд исследований зарубежных и отечественных авторов. Подобные исследования начали проводить еще в конце XX века [9], однако зачастую в предложенных методах не было разделения между исходными данными и результатами инновационного процесса.

В целом стоит отметить, что инновационный потенциал определяется на основании ряда характеристик. Т. С. Вертинская [2] определяет в качестве индикаторов оценочных показателей инновационного развития уровень расходов на НИОКР в регионах, долю высокотехнологичной продукции в общем объеме экспорта. Т. Брокел (Т. Вгоеке1) и др. [9] для оценки уровня инновационного развития в регионах Германии используют соотношение между общим числом выданных патентов в регионе и общим числом региональных работников, занимающихся НИОКР.

Л. Хуанли (Ь. ХиапН) [14] для оценки инновационного развития в регионах Китая использует патентные заявки в качестве результирующего признака и рассматривает следующие показатели в качестве переменных: прямые иностранные инвестиции на душу населения, общий объем промышленного

производства, среднее число работников, количество работников в технической и технологической сфере, региональный коэффициент НИОКР к общему индустриальному производству, расходы на НИОКР, научно-технический норматив расходов, региональные расходы на НИОКР к ВВП. Х. Доменек (у Domenech) и др. [10] выделяют следующие факторы, позволяющие оценить инновационное развитие региона: занятость в наукоемкой деятельности; высококвалифицированные работники, государственные и частные расходы на НИОКР, сотрудничество между инновационными СМП и заявки на патенты

Приведенный литературный обзор показал, что единого подхода к оценке инновационного потенциала регионов нет. При этом был выявлен ряд показателей, которые можно отнести к ключевым показателям оценки инновационного развития по результатам исследований большинство авторов:

• расходы на НИОКР;

• занятость в инновационной сфере;

• оличество запрашиваемых и выданных патентов;

• объем инновационных товаров, работ, услуг. Именно эти показатели использовались в качестве

основы для оценки инновационного потенциала регионов в данном исследовании.

Поскольку инновационный потенциал представляет собой достаточно сложную характеристику, а показатели, его определяющие, являются разнородными по своей природе, для комплексной оценки инновационного потенциала регионов целесообразно использование системы индикаторов и кластерного анализа.

Построение индексов. Рассматривается временной

вующий им временной ряд весов тг г значения индикатора для региона:

П, г -----удельный вес

2®>г,* = 1 и 0<тг ¿<1

%= 1

г,г~

1(11

г, г

VI,

где г — соответствующий номер индикатора региона, г — регион.

Тогда композитный индекс, используемый в расчетах можно записать в виде:

С1=тах 2 Щ-¿=1 '

Уг.

Оценка инновационного потенциала будет проводиться с использованием следующих индексов:

1. С11ШРТ — индекс инновационного развития:

• количество запрашиваемых патентов;

• количество выданных патентов.

2. — индекс по расходам на инновации и занятости в инновационной сфере:

• расходы на НИОКР;

• занятость в инновационной сфере.

3. С1^орт — индекс по расходам на инновации и количеству выданных патентов:

• расходы на НИОКР;

• количество выданных патентов.

Построение индексов осуществлялось на основании данных Федеральной службы государственной статистики. В расчетах использовалась информация из

оо

о с^

со со N

со

<

СО О

ИННОВАЦИОННАЯ ЭКОНОМИКА

Таблица 1

Топ-10 регионов России по индексу инновационного развития

Регион 1ШРТ Рейтинг по 1ШРТ Рейтинг по КШ Рейтинг по К^РТ Объем инновационных товаров, работ, услуг (в млн руб.) Объем инновационных товаров, работ, услуг (в % от общего объема)

г. Москва 0,379 1 1 1 851583 17

г. Санкт-Петербург 0,076 2 3 3 210359 7

Московская область 0,057 3 2 2 294032 14

Республика Татарстан 0,041 4 10 5 373171 20

Республика Башкортостан 0,030 5 18 6 139331 11

Самарская область 0,025 6 8 8 232953 19

Свердловская область 0,025 7 5 7 102657 7

Ростовская область 0,024 8 11 10 108527 14

Новосибирская область 0,024 9 6 9 42427 10

Воронежская область 0,022 10 14 11 50121 12

оо

о с^

со со N

со

<

СО О

сборников Госкомстата «Регионы России. Социально-экономические показатели» за 2014, 2015 гг.

На основании индекса инновационного развития, выделим лидирующие регионы (табл. 1).

Наиболее инновационно развитыми регионами оказались города федерального значения — Москва и Санкт-Петербург, а также Московская область. Стоит отметить, что показатели индекса по расходам на инновации и занятости в инновационной сфере и индекса по расходам на инновации и количеству выданных патентов среди данных регионов также оказались наиболее высокими. При этом стоит отметить, что не всегда расходы на НИОКР оказывают прямое влияние на уровень инновационного развития. Несмотря на высокий уровень расходов на НИОКР в Санкт-Петербурге, доля инновационных товаров в общем объеме составляет всего 7%. Для сравнения данный показатель для Москвы равен 17%, для Московской области — 14%.

На 4-м и 5-м местах рейтинга оказались Республика Татарстан и Республика Башкортостан. При этом для данных республик индекс по расходам на инновации и занятости в инновационной сфере оказались существенно ниже прочих показателей. Высокий уровень инновационного развития стоит отметить в

Новосибирской и Воронежской областях. Несмотря на достаточно низкие расходы на НИОКР, данные регионы находятся на 9-й и 10-й позиции рейтинга, соответственно. Можно сделать вывод о том, что при увеличении расходов на НИОКР данные регионы покажут еще более высокий уровень инновационного развития и объема инновационных товаров.

Сопоставим полученные результаты с построенными по регионам кластерам.

Построение кластеров

Рассматривается набор данных ХСМ^, с количеством N точек х^Х. На основании вычисляемых дисперсионных критериев для расстояний между кластерами V («вне») и V? («внутри») между соответствующими элементами кластеров: Аг

2

¿=1 к

:2 я-

7=1 ^

'р(г) II

\C-~X,

ери

V/ Е [1, ЛГ],

,у/е[1 ,к],

Рис. 1. Расположение регионов в кластерах по индексу инновационного развития, 3D-проекция

Рис. 2. Расположение регионов в соответствии с кластеризацией по значениям индекса инновационного развития (ШЫРТ), объема инновационных товаров, работ и услуг и расходов на НИОКР, проекция 1

Рис. 3. Расположение регионов в соответствии с кластеризацией по значениям индекса инновационного развития (ШЫРТ), объема инновационных товаров, работ и услуг и расходов на НИОКР, проекция 2

Рис. 4. Расположение регионов в соответствии с кластеризацией по значениям индекса инновационного развития (ШЫРТ), объема инновационных товаров, работ и услуг и расходов на НИОКР, проекция 3

где п — вес кластера^; хср — усредненные значения, центры кластеров С={с^ C2,..., с^ групп элементов p (г). Полная сумма квадратов (ТББ):

N

Т S S 11 эс^ с»

■p(i)

l2 + V II - "2

CP 11

7=1

Количество кластеров определяется на основе функции индекса Ik, который учитывает вариации расстояний как между кластерами, так и между данными внутри самих кластеров:

h = (Vi (N-k))/(V2 (k-1)).

Для разделения кластеров была выбрана зависимость величины индекса инновационного развития (INNPT) от объема инновационных товаров, работ и услуг и расходов на НИОКР (рис. 1-4).

Используемая методология выявила 4 кластера инновационного развития (табл. 2):

• С1 — регионы с низким и средним уровнем инновационного развития;

• С2 — регионы с уровнем инновационного развития выше среднего;

• С3 — регионы с высоким уровнем инновационного развития;

• С4 — регионы с наивысшим уровнем инновационного развития (вошел 1 субъект федерации — г. Москва).

Стоит отметить, что результаты не всегда показывают однозначную зависимость уровня инновационного развития от расходов на НИОКР и объема инновационных товаров. Именно отклонения от данных зависимостей позволяют определить насколько высок инновационный потенциал региона, а в каких случаях эффективность вложений в инновационную сферу недостаточно высока.

Выводы и рекомендации

Наиболее инновационно развитыми регионами с самыми высокими затратами на НИОКР и объемом инновационных товаров оказались города федерального значения — Москва и Санкт-Петербург, а также Московская область. Данный результат совпадает с рейтинговой оценкой и является достаточно предсказуемым, поскольку данные субъекты РФ являются самыми развитыми по многим критериям. К тому же бюджеты данных субъектов позволяют выделять средства на инновационное развитие.

Необходимо также отметить достаточно большой разрыв между показателями в Москве и в остальных регионах, даже тех, которые вошли в 3, 4 кластеры, не говоря об остальных. Данный факт подчеркивает неравенство в развитии столицы и остальных регионов России, и позволяет сделать вывод о необходимости государства и бизнеса сместить фокус внимания в регионы.

В кластер с уровнем инновационного развития выше среднего вошли 10 регионов РФ — 1 регион в Центральном федеральном округе, 3 — в Южном, 2 — в Приволжском, 2 — в Сибирском, 2 — в Уральском. Это говорит о некой сосредоточенности центров инновационного развития в зависимости от федеральных округов (табл. 3).

В данном кластере прослеживаются следующие тенденции.

Республика Татарстан занимает 4-е место по индексу ГКЫРТ, 2-е место по уровню инновационных товаров, 3-е место по доле инновационных товаров (20% от общего объема), при этом расходы на НИОКР в данном регионе не так высоки (13-е место). Это говорит о том, что даже при не самых больших вложениях, инновационный потенциал данного ре-

оо о

(N

СО СО N

СО

<

CQ О

Таблица 2

Кластеры, сформированные в соответствие с индексом инновационного развития (ШКРТ) регионов РФ и объемом инновационных товаров, работ и услуг и расходов на НИОКР

С1 (Низкий и средний уровни расходов на НИОКР, объем инновационных товаров) С2 (уровень расходов на НИОКР и объем инновационных товаров выше среднего) С3, С4 (высокий уровень расходов на НИОКР и объем инновационных товаров)

Алтайский край Псковская область Волгоградская область г. Москва

Амурская область Республика Адыгея Воронежская область г. Санкт-Петербург

Архангельская область Республика Алтай Краснодарский край Московская область

Астраханская область Республика Бурятия Красноярский край

Белгородская область Республика Дагестан Нижегородская область

Брянская область Республика Ингушетия Новосибирская область

Владимирская область Республика Калмыкия Пермский край

Вологодская область Республика Карелия Республика Башкортостан

г, Севастополь Республика Коми Республика Татарстан

Еврейская автономная область Республика Крым Ростовская область

Забайкальский край Республика Марий Эл Самарская область

Ивановская область Республика Мордовия Свердловская область

Иркутская область Республика Саха (Якутия) Томская область

Кабардино-Балкарская Республика Республика Северная Осетия -Алания Челябинская область

Калининградская область Республика Тыва

Калужская область Республика Хакасия

Камчатский край Рязанская область

Карачаево-Черкесская Республика Саратовская область

Кемеровская область Сахалинская область

Кировская область Смоленская область

Костромская область Ставропольский край

Курганская область Тамбовская область

Курская область Тверская область

Ленинградская область Тульская область

Липецкая область Тюменская область

Магаданская область Удмуртская Республика

Мурманская область Ульяновская область

Ненецкий автономный округ Хабаровский край

Новгородская область Ханты-Мансийский автономный округ - Югра

Омская область Чеченская Республика

Оренбургская область Чувашская Республика

Орловская область Чукотский автономный округ

Пензенская область Ямало-Ненецкий автономный округ

Приморский край Ярославская область

гиона достаточно высок, возможно его перетекание в С3. Похожая тенденция проявляется и для Башкортостана. В республике Краснодарский край отмечается достаточно высокий уровень инновационного развития, однако расходы на НИОКР достаточно низкие и доля инновационных товаров незначительна (1%). Это говорит о том, что в данном регионе регистрируется много технологий, которые не находят свое применение в производственной деятельности. Таким образом данный регион является достаточно привлекательным для инвесторов, поскольку инновационный потенциал высок, но средств для адаптации технологий недостаточно.

Похожая ситуация наблюдается в Волгоградской и Томской областях. Расходы на НИОКР в них несколько больше Краснодарского края, однако все же

ниже, чем у других регионов в данном кластере. Доля инновационных товаров составляет 3 и 5% соответственно. Данные регионы имеют достаточно высокий инновационный потенциал.

Определив отношение объема инновационных товаров к сумме расходов на НИОКР можно сделать предположение об эффективности осуществляемых вложений. Таким образом, из регионов 2 кластера наиболее эффективными и привлекательными являются Республики Татарстан, Башкортостан, Самарская, Ростовская, Воронежские области, Пермский край. Поскольку в указанных регионах уровень инновационного развития и отдача вложений выше, целесообразно рассмотреть привлечение иностранных инвестиций и инвестиций из частного сектора. Для еще большего стимулирования инвестиций из данных источников,

Таблица 3

Показатели уровня инновационного развития для 2 кластера

Регион INNPT (индекс инновационного развития) Объем инновационных товаров, работ, услуг, в млн руб. Расходы на НИОКР, млн руб.

Волгоградская область 0,0138 17281 3418

Воронежская область 0,0224 50121 6380

Краснодарский край 0,0204 7400 6792

Красноярский край 0,0153 58837 17095

Нижегородская область 0,0175 185764 65584

Новосибирская область 0,0235 42427 20109

Пермский край 0,0157 96345 12945

Республика Башкортостан 0,0299 139331 8330

Республика Татарстан 0,0408 373171 12202

Ростовская область 0,0237 108527 13682

Самарская область 0,0252 232953 17353

Свердловская область 0,0251 102657 26259

Томская область 0,0174 17907 11627

Челябинская область 0,0187 62878 14710

возможна реализация ряда мер государственной политики, например, предоставление налоговых каникул в данных регионах.

Наименее эффективные вложения приходятся на Нижегородскую, Новосибирскую, Томскую области, Краснодарский край. В данные регионы будет сложнее привлечь сторонних частных и иностранных инвесторов. Однако их нахождение во 2 кластере свидетельствует о уровне инновационного развития выше среднего, а значит потенциал для развития данных регионов высок и такие формы взаимодействия как государственно-частное партнерство могли бы показать свою эффективность.

В Свердловской и Челябинской областях при достаточно высоких расходах на НИОКР наблюдаются низкие доли инновационных товаров — 7 и 5% соответственно. Стоит обратить внимание на структуру вложений в данных регионах. Возможно следует произвести перераспределение выделяемых средств на другие сегменты исследований. Большинство регионов РФ вошли в кластер с низким уровнем инновационного развития. Данный факт скорее всего связан с недостаточным развитием инновационной деятельности в России в целом, низким уровнем расходов на НИОКР по сравнению с развитыми странами, а также с неэффективным использованием выделяемых на научно-исследовательскую деятельность средств.

Однако несколько регионов из данного кластера обладают высоким инновационным потенциалом. Несмотря на низкий уровень расходов на НИОКР, индекс инновационного развития некоторых из них остается достаточно высоким, отмечается возможность перетекания в С2. К данным регионам можно отнести следующие: Ивановская область, Амурская область, Белгородская область, Тульская область и другие.

Таким образом, на основании построенных кластеров можно сделать следующие выводы:

• Уровень инновационного развития не всегда напрямую зависит от расходов на НИОКР.

• В случае, если объем выпущенных инвестиционных товаров низок, но при этом регион находится

на высоком месте в рейтинге инновационного развития, увеличение расходов на НИОКР может привести к развитию региона и увеличению выпуска инновационных товаров. Такие регионы можно считать потенциально привлекательными. • Если при высоких расходах на НИОКР уровень инновационного развития и объем инновационного развития невысоки, стоит пересмотреть структуру вложений в соответствующем регионе. Также в качестве рекомендаций стоит отметить необходимость привлечения прямых иностранных инвестиций в российскую экономику. Как выявили Leman Erdala и Ismet Gocer в своем исследовании [11], посвященном изучению влияния прямых иностранных инвестиций (ПИИ) на НИОКР и инновации в развивающихся азиатских странах, приток ПИИ способствует ускорению научно-исследовательской и инновационной деятельности, которые в свою очередь ведут к наращению добавленной стоимости в том числе местными компаниями. Это связано с тем, что, инвестируя в другую страну, международные компании приносят с собой новые технологии и развивают их использование. Это приводит к накоплению капитала и экономическому росту принимающей страны.

Для повышения уровня инновационного развития регионов необходимо увеличение расходов на НИОКР в том числе за счет частных инвестиций, которые в нашей стране, как правило, имеют большую эффективность, чем инвестиции за счет средств федерального бюджета или бюджетов субъектов федерации. В настоящее время в России большая часть (около 71%) расходов на НИОКР финансируется за счет средств государства [1]. Если сравнить данный уровень с показателями в более развитых странах (Северная Америка, Европа), отмечается противоположная тенденция по степени государственной поддержки данного направления. Большую часть инвестиционных расходов в инновационные сферы вкладывают глобальные корпорации. Таким образом, для повышения инновационного развития региона, необходимо не только увеличивать государственные

оо о

CN

со со сч

со

<

со О

расходы на НИОКР, но и привлекать в данную сферу частный сектор, используя возможные инструменты

денежно-кредитной и налоговой политики.

* * *

Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государственному заданию Финуниверситета 2017 г.

Список использованных источников

1. Л. Н. Борисоглебская, В. М. Четвериков, Я. О. Лебедева. Инвестирование в НИОКР для инновационного развития в странах БРИКС//Инновации. 2013. № 11. С. 66-73.

2. Т. С. Вертинская. Методические основы разработки комплекса индикаторов для оценки экономической интеграции регионов стран - членов ЕЭП//ЕЭИ. № 2 (19) май 2013. С. 21-44.

3. Т. П. Данько. Архитектура оценок конкурентного позиционирования регионов РФ//Вестник УГНТУ. Наука, образование, экономика. Серия: «Экономика». 2014. № 2 (8).

4. А. Н. Дулесов, Г. И. Краснов. Интегральная оценка конкурентоспособности регионов по инновационному потенциалу// Стратегия устойчивого развития регионов России, № 10, 2012. С. 68-71.

5. В. В. Зазерская, Е. В. Климук. Оценка инновационного потенциала регионов республики Беларусь//Научные стремления, № 1 (17), 2016. С. 63-68.

6. Т. Г. Строителева, Л. В. Ятченко. Методические подходы к оценке эффективности социально-экономических программ регионов России//Вестник Алтайской академии экономики и права. 2013. Вып. 2 (29). С. 43-46.

7. Ю. А. Фридман, Г. Н. Речко, Е. Ю. Логинова, А. Г. Пимонов, Ю. Ш. Блам, Н. А. Оськина. Инновационное развитие сырьевой отрасли и конкурентоспособность региона//Вестник КузГТУ. 2016. №4 (116).

8. Ю. А. Фридман, Ю. Ш. Блам, Г. Н. Речко. Выявление отраслей - лидеров в регионе на основе метода свертки данных (DEA^/Вестник кузбасского государственного технического университета. 2015, № 6 (112). С. 182-191.

9. T. Broekel, N. Rogge, T. Brenner. The innovation efficiency of German regions — a shared-input DEA approach. Springer-Verlag Berlin Heidelberg, 2017.

10. J. Domenech, R. Escamilla, N. Roig-Tierno. Explaining knowledgeintensive activities from a regional perspective//Journal of Business Research 69 (2016). P. 1301-1306.

11. Leman Erdala, Ismet Gocer. The Effects of Foreign Direct Investment on R&D and Innovations: Panel Data Analysis for Developing Asian Countries//Procedia — Social and Behavioral Sciences, Volume 195, 3 July 2015. P. 749-758.

12. M. Khayrullinaa. Innovative Territorial Clusters as Instruments of Russian Regions Development in Global Economy//21st International Economic Conference 2014, IECS 2014, 16-17 May 2014, Sibiu, Romania, Procedia Economics and Finance 16 (2014). P. 88-94.

13. M. Percoco. Strategies of regional development in European regions: are they efficient?//Cambridge Journal of Regions, Economy and Society 2013, 6, 303-318.

14. L. Xuanli. A KPCA and DEA Model for Region Innovation Efficiency//Shen and X. Huang (Eds.): ECWAC 2011, Part I, CCIS 143, 2011. P. 1090114.

The innovation efficiency in Russian Federation regions: territorial clusters approach

D. D. Airapetian, PhD student/deputy head of financial planning and analysis unit, JSC «Rosspirtprom».

O. Yu. Rogov, PhD student.

E. A. Fedorova, doctor of economics, professor.

(The department of corporate finance and corporate

management, Financial university under the Government of the Russian Federation)

The main objective of this study is to evaluate the innovative efficiency of Russian Federation regions. The authors developed 3 indexes to evaluate the innovation efficiency of Russian regions using the following indicators: R&D expenditures, innovation employment, the number of patents requested and granted, and the volume of innovative goods, works, and services. The article develops cluster analysis for Russian regions on the dependence of the innovation development index, the volume of innovative goods and expenditures on R&D. 4 clusters levels of innovative development are displayed. Based on the results, the authors give recommendations on the investment attractiveness of some regions and on innovation policy in general.

Keywords: innovation, innovation efficiency, cluster analysis, Russian Federation regions.

oo о

CN

CO CO N

CO

J <

CQ

о