CC BY
37
DOI: 10.24412/2304-6139-2022-11220
Н.Е. Егоров - к.ф.-м.н., ведущий научный сотрудник, НИИ региональной экономики СевероВосточный федеральный университет им. М.К. Аммосова, [email protected],
N.E. Egorov - f.-m of n, leading researcher, scientific research institute of regional economy the Northeast federal university of M.K. Ammosov;
А.В. Бабкин - д.э.н., главный научный сотрудник, профессор, Институт экономических проблем КНЦ РАН, [email protected],
A.V. Babkin - Doctor of Sciences (Econ.), Chief Researcher, professor, G.P.Luzin Institute for Econimic Studies of the Kola Science of the RAS;
Н.В. Васильева - к.ф.-м.н., доцент, Институт математики и информатики, СевероВосточный федеральный университет им. М.К. Аммосова, [email protected],
N.V. Vasilyeva - f.-m of N, the associate professor, Institute of mathematics and computer science, the Northeast federal university of M.K. Ammosov;
Д.А. Павлов - студент, Институт математики и информатики, Северо-Восточный федеральный университет им. М.К. Аммосова, [email protected],
D.A. Pavlov - student, Institute of Mathematics and Computer Science, M.K. Ammosova Northeastern Federal University.
ВЗАИМОСВЯЗЬ ИНТЕЛЛЕКТУАЛЬНОЙ И ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ В ФЕДЕРАЛЬНЫХ ОКРУГАХ РОССИЙСКОЙ ФЕДЕРАЦИИ THE RELATIONSHIP OF INTELLECTUAL AND INNOVATIVE ACTIVITIES IN THE FEDERAL DISTRICTS OF THE RUSSIAN FEDERATION
Аннотация. В статье выполнен сравнительный анализ интеллектуальной и инновационной деятельности федеральных округов России за 2015-2019 годы. Представлены результаты рейтинговой оценки коэффициента патентной активности округов, определяемого как отношение количества поданных заявок на патенты и выданных патентов на 10000 численности рабочей силы. Цель исследования - оценить уровень влияния результатов интеллектуальной деятельности на инновационную активность в федеральных округах России. Методы исследования. Для проведения исследований авторы использовали методы математической статистики в сочетании с применением научно-методических подходов естественнонаучного познания. Сравнительный анализ основывается на примененение корреляционного-регрессионного метода с использованием коэффициента Пирсона. В работе также используются табличные и графические методы анализа временных данных. С помощью указанных методов последовательно решаются поставленные задачи. Полученные результаты. Установлено, что по практическому использованию объектов интеллектуальной собственности по федеральным округам и в целом по России наблюдается положительный тренд роста. Данные изобретательской активности сопоставлены с показателем «объем инновационной продукции в общем объёме отгруженной продукции», характеризующим в целом результативность инновационной деятельности в округах. Показано, что, начиная с 2013 года наблюдается постоянное понижение уровня инновационной продукции и к 2019 году уменьшился в 1,7 раз (5,3 %). Выявлена линейная зависимость между показателями патентной и инновационной деятельности в федеральных округах России. Наличие данной зависимости свидетельствует о влиянии процессов изменения интеллектуального потенциала на уровень инновационного потенциала округов (объем инновационной продукции). Таким образом, проведенные исследования показали, что взаимосвязь между показателями интеллектуальной и инновационной деятельности в федеральных округах России относительно небольшая. Поэтому как на федеральном уровне, так и на региональном уровне необходимо обеспечить создание условий для активизации патентной деятельности, что в свою очередь, обеспечит повышение эффективности функционирования национальной экономики.
Abstract. The article contains a comparative analysis of the intellectual and innovative activity of the federal districts of Russia for 2015-2019 years. The results of the rating assessment of the coefficient of patent activity of districts are presented, defined as the ratio of the number of filed applications for patents and issued patents per 10,000 labor force. The purpose of the study is to assess the level of influence of intellectual activity results on innovative activity in the federal districts of Russia. Research methods. To conduct research, the authors used methods of mathematical statistics in combination with the application of scientific and methodological approaches to natural science. The comparative analysis is based on the application of the correlation-regression method using the Pearson coefficient. The work also uses tabular and graphical methods of time data analysis. Using these methods, tasks are consistently solved. Results obtained. It was established that in the practical use of intellectual property objects in federal districts and in Russia as a whole, a positive growth trend is observed. The data of inventive activity are compared with the indicator "the volume of innovative products in the total volume of shipped products," which characterizes the overall efficiency of innovation in the districts. It is shown that since 2013 there has been a constant decrease in the level of innovative products and by 2019 decreased 1.7 times (5.3 %). Linear dependence between indicators of patent and innovation activity in federal districts of Russia was revealed. The presence of this dependence indicates the influence of processes of changing intellectual potential on the level of innovative potential of districts (volume of innovative products).
Thus, studies have shown that the relationship between the indicators of intellectual and innovative activity in the federal districts of Russia is relatively small. Therefore, both at the federal and regional levels, it is necessary to ensure the creation of conditions for the activation of patent activities, which, in turn, will improve the efficiency of the national economy.
Ключевые слова: федеральные округа, изобретательская и инновационная деятельность, объекты интеллектуальной собственности, численность рабочей силы, коэффициент патентной активности, корреляция Пирсона, регрессионная зависимость.
Keywords: federal districts, inventive and innovative activities, intellectual property objects, labor force size, patent activity coefficient, Pearson correlation, regression dependence.
Введение. Инновационные изобретательские продукты и технологии, создаваемые исследователями и институтами, являются одними из важнейших элементов технико-экономического прогресса. Изобретательская деятельность и коммерциализация изобретений с продуктами НИОКР на основе имеющегося опыта инновационного развития других стран должны стать важной основой в отечественной экономике [1].
Как известно, к объектам интеллектуальной собственности (ОИС) относятся изобретения, полезные модели, промышленные образцы, товарные знаки, фирменные наименования мест происхождения товаров, интегральные микросхемы, авторское право, программы для ЭВМ и базы данных [2, 21]. К объектам авторских прав в сфере творческой деятельности в основном относятся база данных, программа на ЭВМ и топологии интегральных микросхем.
Цель исследования - оценить уровень влияния результатов интеллектуальной деятельности на инновационную активность в федеральных округах России.
Задачи исследования:
- представить общие сведения об использовании результатов интеллектуальной деятельностипо федеральным округам России;
- выполнить анализ изобретательской активности и инновационой деятельности в федеральных округах на основе статистических данных Росстата и Роспатента;
- установить корреляционную взаимосвязь между патентной и инновационной деятельностями.
Результаты исследования.
Общие сведения об использовании результатов интеллектуальной деятельности (РИД) по федеральным округам (ФО) РФ за 2019 год представлены в таблице 1 на основе данных, представленных в [3].
Таблица 1 - Использование РИД в ФО за 2019 год, ед.
ФО Изобретения Полезные модели Промышленные образцы Базы данных Программы для ЭВМ Топология интегр. микросхем Селекционные достижения Секреты производства (ноу-хау)
РФ 20402 7166 2466 1961 14694 549 997 4418
ЦФО 9112 2951 808 685 7024 438 183 3'088
СЗФО 1641 683 180 240 1709 19 3 129
ЮФО 392 245 89 50 371 - 355 17
СКФО 259 62 15 35 673 - 157 7
ПФО 5602 2 000 856 236 2379 42 162 945
УФО 1794 704 304 166 1020 - 10 92
СФО 1391 467 204 416 1193 50 83 44
ДФО 211 54 10 133 325 - 43 96
Источник: [3].
Обычно изобретательская активность населения определяется коэффициентом изобретательской активности (Киа) в расчете на 10 тысяч человек жителей, который определяется количеством официально зарегистрированных в Федеральном институте промышленной собственности (Роспатенте) заявок отечественных изобретателей на изобретения и полезные модели. Согласно целевых индикаторов Стратегии инновационного развития Российской Федерации [4], значение Киа в 2020 году планировалось достичь уровня 2,8 ед. По данным Роспатента [5] в 2019 году Киа с учетом полезных моделей составил 2,25 ед. (таблица 2). Как видно из приведенной таблицы, по уровню изобретательской активности и патентования изобретений существуют значительные различия между субъектами РФ, отражающие различия в инновационном и научно-техническом потенциале регионов. За рассматриваемый период времени положительный темп роста наблюдается только в Северо-Западном ФО (1,03), остальные округа им'еют отрицательные показатели по сравнению с 2005 годом [5].
Таблица 2 - Коэффициент изобретательской активности (Киа) по ФО
ФО 2015 2016 2017 2018 2019 Разность 2019/2015
РФ 2,78 2,55 2,24 2,33 2,25 -0,53
ЦФО 5,49 4,67 3,96 4,43 3,70 -1,79
СЗФО 2,65 2,90 2,63 2,75 3,68 1,03
ЮФО 1,68 1,62 1,40 1,39 1,28 -0,40
СКФО 0,65 0,70 0,79 0,56 0,52 -0,13
ПФО 2,09 2,01 1,90 1,79 1,83 -0,26
УФО 1,65 1,55 1,41 1,33 1,39 -0,26
СФО 1,69 1,56 1,37 1,61 1,68 -0,01
ДФО 1,40 1,30 1,02 0,77 0,83 -0,57
Источник: [5].
В целом для анализа патентной активности в основном используются показатели патентного права на объекты промышленной собственности (ОПС), к которым относятся патенты на изобретения, полезные модели и промышленные образцы. Поскольку количество патентов на промышленные образцы и других ОИС незначительно по сравнению с количеством ОПС и сильное влияния на общий объем патентов не оказывает [6], в аналитических работах обычно рассматриваются показатели на изобретения и полезные модели, что подтверждается приведенной иллюстрацией (рисунок 2).
100
2015 2016 2017 2018 2019 ■ ОПС ■ Другие ОИС
Рисунок 1 - Динамика изменения удельного веса ОПС и других ОИС
Таким образом, в настоящее время для анализа изобретательской активности используется величина Киа, хотя более логичным было бы счи' тать в расчете на численность рабочей силы (ЧРС), т.к. и' зобретательской деятельностью в основном занимаются лица в творческом возрасте от 15 лет и старше, доля которых по РФ в 2019 году составил 51,3 % в общей численности населения [7]. В этом случае отношение ко' личества патентов на 10 тысяч ЧРС можно считать коэффициентом патентной активности (Кпа) [8]. Сравнительная оценка патентной активности по ФО за период 2015-2019 годы приведена в таблице 3, на основе, подготовленных авторами на основе данных Роспатента [9] и Росстата [10].
Таблица 3 - Показатели Кпа по поданным заявкам (а) и выданным патентам (в) на ОПС
ФО 2015 г. 2016 г. 2017 г. 2018 г. 2019 г. Разность 2019-2015 гг.
Под. Выд. Под. Выд. Под. Выд. Под. Выд. Под. Выд. Под. Выд.
РФ 5,57 4,31 5,20 4,08 4,74 4,14 4,91 4,14 4,83 4,17 -0,74 -0,14
ЦФО 10,65 6,98 9,15 7,69 8,08 6,71 8,97 6,71 7,70 6,50 -2,95 -0,48
СЗФО 5,06 4,18 5,68 3,52 5,25 4,48 5,15 4,48 7,40 4,89 2,34 0,71
ЮФО 3,04 2,46 3,51 2,47 3,14 3,01 3,01 3,01 2,78 2,83 -0,26 0,37
СКФО 1,50 1,72 1,59 1,26 1,79 1,30 1,30 1,30 1,28 1,23 -0,23 -0,49
ПФО 4,18 3,95 4,11 3,14 3,98 3,66 3,82 3,66 3,99 3,83 -0,19 -0,12
УФО 3,30 2,92 3,17 2,46 3,00 2,82 2,85 2,82 2,95 2,82 -0,36 -0,10
СФО 3,36 3,10 3,12 2,54 3,16 3,08 3,45 3,08 3,58 3,44 0,22 0,35
ДФО 3,10 2,74 2,86 2,14 1,72 1,85 1,52 1,85 1,68 1,52 -1,42 -1,22
Составлено авторами по данным Роспатента [9] и Росстата [10].
Как видно из сравнения таблиц 2 и 3, коэффициент Киа по данным Росстата почти в 2 раза меньше Кпа, но относительный порядок ранга по его уровню не изменился (рисунок 2). За рассматриваемый период времени показатели поданных заявок и выданных патентов в большинстве ФО уменьшились, кроме СЗФО и
СФО, у которых наблюдаются небольшие увеличения их количества. ЮФО в 2019 году по сравнению с 2015 годом при отрицательной разнице поданных заявок (- 0,26) имеет положительный темп роста по выданным патентам (0,37).
Рисунок 2 - Рейтинг уровня Кпа по поданным заявкам (а) и выданным патентам (в) в 2019 году
По количеству поданных заявок на ОПС в 2019 го' ду с существенным отрывом от других два первых места занимают Цен' тральный и Северо-Западные округа, имеющие Кпа вы' ше, чем сред' нее по РФ (4,83) (рисунок 2а). Согласно методике Роспатента [5], по уровню изобретательской активности ФО разделим на четыре группы:
1) высокий (Кпа > 3);
2) средний (2 < Кпа < 3);
3) низкий (1 < Кпа < 2);
4) критично низкий (Кпа < 1).
Как показывает рисунок 2, высокий уровень вовлеченности в изобретательскую деятельность наблюдается в целом по Российской Федерации и, в частности, в 4 федеральных округах - ЦФО, СЗФО, ПФО и СФО. Макрорегионы ЮФО и УФО обладают средней изобретательской активностью, низкий уровень имеют ДФО и СКФО. По количеству выданных патентов на ОПС общий порядок ранга не меняется, кроме значений фактически полученных патентов в расчете на 10000 ЧРС, при этом вполне логично, что величина выданных патентов меньше, чем поданных заявок на патенты (рисунок 2 в).
Одним из важных показателей внедрения результатов интеллектуальной деятельности является практическое использование ОИС в коммерческих целях в различных отраслях экономики и социальной сферы. Отрадно, что данный показатель по федеральным округам и в целом по России имеет положительный тренд роста (таблица 4 [11]).
Таблица 4 - Использование ОИС, ед.
ФО 2015 г. 2016 г. 2017 г. 2018 г. 2019 г. Разность 2019/2015 гг.
РФ 29143 32756 32997 39837 47238 38,3 %
ЦФО 11680 14155 13831 18694 21018 44,4 %
СЗФО 2971 3166 2866 3295 4472 33,6 %
ЮФО 704 985 786 723 1147 38,6 %
СКФО 278 256 499 997 1044 73,4 %
ПФО 7767 8431 9004 8993 8736 11,1 %
УФО 2682 2810 2766 3312 3988 32,7 %
СФО 2820 2668 2778 3163 3721 24,2 %
ДФО 241 285 467 660 733 67,1 %
Составлено авторами по данным Роспатента [11].
По общему уровню среднего значения использования ОИС за 2015-2019 годы ФО разделяются на три группы: к первой группе относятся ЦФО и ПФО, занимающиеся лидирующие положения с существенным отрывом от других округов (рисунок 3). Во вторую группу входят СЗФО, УФО и СФО, имеющие количество использования ОИС в диапазоне 3354-3030 единиц. К третьей группе округов с наименьшими показателями относятся ЮФО, СКФО и ДФО (869-477 ед.).
ЦФО 15876
ПФО 8586
СЗФО ■ 3354 УФО | 3112
СФО 3030
ЮФО 869 СКФО 615 ДФО | 477
Рисунок 3 - Ранжирование количества использования ОИС за 2015-2019 гг., ед.
Общеизвестно, что создание и использование объектов интеллектуальной собственности является важнейшим результатом научных исследований и разработок для развития инновационной экономики [19, 22]. Для оценки используется показатель удельного веса продукции, основанной на учете инновационных технологий, в общем объеме продаж [12]. Данный показатель (рисунок 4) достаточно низкий, что обуславливает негативные тенденции [13]. Так, начиная с 2013 года наблюдается постоянное понижение уровня инновационной продукции и к 2019 году уменьшился в 1,7 раз (5,3 %).
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Рисунок 4 - Динамика изменения объема инновационной продукции в общем объёме отгруженной продукции в России, %
Динамика изменения объема инновационной продукции за период 2015-2019 гг. приведена в таблице 5, где также наблюдается аналогичная картина во всех ФО, кроме УФО, у которого к 2019 году объем по сравнению с 2015 годом вырос на 0,6 % [10].
Таблица 5 - Динамика изменения объема инновационной продукции в общем объёме отгруженной продукции по ФО, %
ФО 2015 г. 2016 г. 2017 г. 2018 г. 2019 г. Разность 2019-2015 гг.
РФ 8,40 8,50 7,20 6,50 5,30 -3,10
ЦФО 12,80 11,60 6,90 6,20 5,00 -7,80
СЗФО 6,30 5,10 6,30 5,80 5,60 -0,70
ЮФО 5,90 8,40 9,00 5,60 2,70 -3,20
СКФО 8,90 6,40 5,80 4,40 5,30 -3,60
ПФО 13,00 14,10 13,30 13,30 11,30 -1,70
УФО 2,70 4,40 5,20 4,30 3,30 0,60
СФО 4,10 3,50 3,00 2,20 2,60 -1,50
ДФО 6,90 3,10 3,30 3,40 3,00 -3,90
Составлено авторами по данным Росстата [10]
Рейтинговая оценка по уровню инновационной продукции за рассматриваемый период показал неравномерность его распределения по ФО (рис. 5). ПФО и ЦФО имеют показатели выше сред' него по России (7,2 %), к аутсайдерам рейтинга относятся УФО, ДФО и СФО.
Рисунок 5 - Рейтинг по объему инновационной продукции в общем объёме отгруженной продукции за период 2015-2019 годы, %.
По данным Глобального инновационного индекса 2020 года, Российская Федерация по объему инновационной продукции занимает 58-е место среди 31 стран мира. Эта позиция выше, чем в прошлом году (59), и ниже по сравнению с 2018 годом (56) [14]. Одним из ключевых причин технологического отставания России от промышленно развитых стран является пренебрежение использования рационализаторства и изобретательства как важнейшего «катализатора» инновационного развития [15, 20]. В связи с этим представляет интерес оценить степень взаимосвязи между изобретательской активностью и результатом инновационной деятельности.
Динамика изменения показателей патентной и инновационной деятельности в РФ за период 20152019 гг., построенная по данным Росстата [10], представлена на рисунке 6. Видно, что при относительно небольших вариациях в динамике патентной деятельности, к 2019 году наблюдается существенное уменьшение объема инновационной продукции (в 1,6 раз) по сравнению с 2016 годом. Напротив, имеется положительная динамика ежегодного увеличения количества использованных ОИС (Кисп).
Рисунок 6 - Показатели патентной и инновационной деятельностей в РФ, где
Кпа1 - количество поданных заявок на патенты на 10000 ЧРС, ед;
Кпа2 - количество выданных патентов на 10000 Ч' РС, ед;
Кисп - количество использованных ОИС, ед;
Y - объем инновационной продукции в общем объеме отгруженной продукции, %.
Как известно, для определения степени тесноты взаимосвязи между двумя переменными используется коэффициент корреляции Пирсона (r). При этом степень тесноты связи между ними оценивается по шкале Чеддока [16]. Результаты корреляционного анализа для средних значений показателей патентной и инновационной деятельности ФО за рассматриваемый период времени приведены в таблице 6. Как следует из данной таблицы, коэффициент корреляции для переменных Y и Кпа составляет 0,36-0,40, что показывает на их слабую положительную связь. Между величинами Y и Кисп степень взаимосвязи умеренная, что указывает на наличие влияния количества используемых ОИС на объем инновационной продукции в ФО. Этот факт не противоречит результатам работы З.А. Корейша и В.С. Паршина о т' ом, что статистические коэффициенты
корреляционной взаимосвязи между наличием инновационных объектов и собственности для многих субъектов РФ [17].
объектов интеллектуальной
Таблица 6 - Взаимосвязь патентной и инновационной деятельности в ФО
Показатели зависимости r Степень взаимосвязи
между Y и Кпа1 0,36 Слабая
между Y и Кпа2 0,40 Слабая
между Y и Кисп 0,61 Умеренная
Корреляционные связи между показателями средних значений величин У и Кпа1 (а), Кисп (Ь) на ОПС в ФО за период 2015' -2019 годы представлены на рисунке 7.
Рисунок 7 - Корреляционная связь между показателями (У, %) и (Кпа, ед.).
На рисунке Я2 - коэффициент детерминации между переменными величинами У и Кпа, характеризующий индекс корреляции: чем бли' же значение коэффициента к 1, тем сильнее зависимость. Приведенные в графиках уравнения регрессии вида у = /(х) позволяют выполнить прогнозные оценки перспективного уровня развития инновационной деятельности в конкретных округах. При этом следует учитывать тот факт, что патентование разработки осуществляется, как правило, до вывода продукции на рынок, что приводит к тому, что объем инновационных товаров изменяется через некоторый временной промежуток после подачи заявки на патент [18].
Согласно официальной статистике, доля внедренной продукции интеллектуальной деятельности в федеральных округах достаточно велика. Существует качественная эконометрическая модель, связывающая количество выданных и внедренных патентов на изобретения и полезные модели. В связи с этим возникает задача разработки эконометрической модели регрессионной зависимости между показателями патентной и инновационной деятельностями, которая позволила бы проводить систематические мониторинговые и прогнозные оценки для принятия различных управленческих решений по развитию инновационной экономики федеральных округов Российской Федерации.
Выводы.
Таким образом, проведенные исследования позволили установить, что взаимосвязь между показателями интеллектуальной и инновационной деятельности в федеральных округах России относительно небольшая. Поэтому как на федеральном уровне, так и на региональном уровне необходимо обеспечить создание условий для активизации патентной деятельности, что в свою очередь, обеспечит повышение эффективности функционирования национальной экономики.
Полученные результаты исследования могут быть использованы различными субъектами экономики для мониторинга и форсайт исследований инновационного развития своей деятельности, а также для уточнения действующих нормативно-правых документов в сфере региональной инновационной политики.
Источники:
1. Изобретения - важный инновационный элемент экономики. URL: https://protradnoe.ru/ news/economy?id=2284 (дата обращения: 02.06.2021).
2. Объекты интеллектуальной собственности. URL: http://www.ipro.ru/ intellektualnaja-sobstv (дата обращения: 02.06.2021).
3. Справка об использовании РИД по федеральным округам Российской Федерации за 2'019 год. URL: https://www1.fips.ru/about/deyatelnost/ sotrudnichestvo-s-regionami-rossii/pril1-1-nt-2019.pdf (дата обращения: 02.06.2021).
4. Стратегия инновационного развития Российской Федерации на период до 2020 года. Утверждена распоряжением Правительства Российской Федерации № 2227-р от 08.12.2011 г.
5. Анализ изобретательской активности в регионах Российской Федерации 2019 г. URL: https://fips.ru/about/deyatelnost/sotrudnichestvo-s-regionami-rossii/a-iz-akt-2019.pdf (дата обращения: 02.06.2021).
6. Гаджиев Ю.А. Анализ патентной активности северных регионов России // Sciences of Europe. Экономические науки. - 2016. - № 8'(8). - C. 64-69.
7. Инновационное развитие Российской Федерации в 2019 году. URL: https://www.miiris.ru/digest/analitika_RF.pdf (дата обращения: 02.06.2021).
8. Егоров Н.Е. Оценка влияния финансирования прикладных научных исследований на патентную активность // Интеллектуальная собственность. Промышленная собственность. - 2019. - № 4. - С. 55-2019. - № 4. - С. 55-60.
9. Поступление патентных заявок и выдача охранных документов в России, по субъектам Российской Федерации. URL: https://www.gks.ru (дата обращения: 02.06.2021).
10. Регионы России. Социально-экономические показатели. 2020: Стат. сб. Росстат. М., 2'020. URL: https://rosstat.gov.ru. (дата обращения: 02.06.2021).
11. Статистическая информация об использовании объектов интеллектуальной собственности. URL: https://www1.fips.ru. (дата обращения: 02.06.2021).
12. Дитковский К.А., Евневич Е.И. Инновационное развитие в России и странах ЕС. ИСИЭЗ НИУ ВШЭ. URL: https://issek.hse.ru/data/2019/09/18/1541116670/ NTI_N_144_18092019.pdf (дата обращения: 02.06.2021).
13. Астапенко М.С., Никитская Е.Ф., Мхитарян С.В. Регрессионный анализ влияния социально-экономических и инфраструктурных факторов на производство инновационной продукции в экономическом пространстве макрорегиона // Вестник Евразийской науки. - 2019. - №5. URL: https://esj.today/PDF/28ECVN519.pdf (дата обращения: 02.06.2021).
14. Global Innovation Index 2020. Russian Federation. URL: https://www.wipo.int /edocs/pubdocs/en/wipo_pub_gii_2020/ru.pdf (дата обращения: 02.06.2021).
15. Бондарчук Н.В., Никитинская Ю.В. Стимулирование изобретательской деятельности как важнейшего организационно-методического инструмента развития инновационно-активных предприятий // Современные проблемы управления и регулирования. Сб. научных статей. Пенза: Наука и просвещение. - 2018. - С. 120-2018. -С. 120-128.
16. Методы расчета коэффициента корреляции. URL: http://www.rnz.ru/ econometrica/raschet_koefficienta_korrelyatsii.php (дата обращения: 02.06.2021).
17. Корейша З.А., Паршина В.С. Исследование патентной и инновационной деятельности как фактора экономического развития России // Вопросы инновационной экономики. - 2017. - Том 7. - № 1. - С. 31-39. DOI: 10.18334/vinec.7.1.37764.
18. Баусова З.И., Прокофьев О.В., Старикова А.Ю., Шадрина Э.Ф. Эконометрическое моделирование изобретательской активности // Модели, системы, сети в экономике, технике, природе и обществе. - 2018. - № 3 (27). - C. 108-119.
19. Бабкин А.В., Хватова Т.Ю. Развитие научно-исследовательского сектора в национальной инновационной системе России // Известия Санкт-Петербургского университета экономики и финансов. - 2009. - № 4 (60). - С. 41-49.
20. Бабкин А.В., Бухвальд Е.М. Проблемы стратегического планирования в региональном и муниципальном звене управления Российской Федерации // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. - 2015. - № 4 (223). - С. 25-37.
21. Устинова Л.Н., Алексеева Н.С. Структурирование дефиниций терминологического аппарата исследований в области интеллектуального капитала // Научно-технические ведомости СПбГПУ. Экономические науки. 2020. Т. 13, № 3. С. 41-56.DOI: 10.18721/JE.13303.
22. Федосова Т.В., Масыч М.А., Боровская М.А. Технология учета интеллектуальных ресурсов и результатов интеллектуальной деятельности // Научно-технические ведомости СПбГПУ. Экономические науки. 2019. Т. 12, № 5. С. 74-89. DOI: 10.18721/JE.12506.
References:
1. Inventions are an important innovative element of the economy. URL: https://protradnoe.ru/ news/economy?id=2284 (case date: 02.06.2021).
2. Intellectual property objects. URL: http://www.ipro.ru/ intellektualnaja-sobstv (case date: 02.06.2021).
3. Certificate on the use of REED for the federal oktugam of the Russian Federation for 2019 year. URL: https://www1.fips.ru/about/deyatelnost/ sotrudnichestvo-s-regionami-rossii/pril1-1-nt-2019.pdf (case date: 02.06.2021).
4. Strategy for innovative development of the Russian Federation for the period until 2020. Approved by Order of the Government of the Russian Federation No. 2227-r of 08.Г2.2011
5. Analysis of inventive activity in the regions of the Russian Federation 2019 URL: https://fips.ru/about/deyatelnost/sotrudnichestvo-s-regionami-rossii/a-iz-akt-2019.pdf (circulation date: 02.06.2021).
6. Hajiyev Yu.A. Analysis of the patent aktivnosti of the northern regions of Russia//Sciences of Europe. Ekonomicheskiye of science. - 2'016. - № 8'(8). - C. 64-69.
7. Innovative development of the Russian Federation in 2019. URL: https://www.miiris.ru/digest/analitika_RF.pdf (case date: 02.06.2021).
8. Egorov N'.Ye. Evaluation of the impact of applied research financing on patent activity//Intellectual property. Industrial sobstvennost. - 2019. - № 4. - Page 55 Q2019. - № 4. - Page 55-60.
9. Receipt of patent applications and issuance of security documents in Russia, in the constituent entities of the Russian Federation. URL: https://www.gks.ru (case date: 02.06.2021).
10. Regions of Russia. Socio-economic indicators. 2020: Stat. сб. Rosstat. M, 2'020. URL: https://rosstat.gov.ru. (circulation date: 02.06.2021).
11. Statistical information on the use of intellectual property objects. URL: https://www1.fips.ru. (circulation date: 02.06.2021).
12. Ditkovsky K.A., Evnevich E.I. Innovative razvitiye in Russia and EU countries. ISTEZ HSE. URL: https://issek.hse.ru/data/2019/09/18/1541116670/ NTI_N_144_18092019.pdf (date of application: 02.06.2021).
13. Astapenko M.S., Nikitskaya E.F., Mkhitaryan S.V. Regression analysis of the impact of socio-economic and infrastructure factors on the production of innovative products in the economic space of the macro-region// Vestnik Yevrazyskoy na"uki. - 2019. - №5. URL: https://esj.today/PDF/28ECVN519.pdf (circulation date: 02.06.2021).
14. Global Innovation Index 2020. Russian Federation. URL: https://www.wipo.int/edocs/pubdocs/en/wipo_pub_gii_2020/ru.pdf ( case date: 02.06.2021).
15. Bondarchuk N.V., Nikitinskaya Yu.V. Stimulation of inventive activity as the most important organizational and methodological tool for the development of innovative enterprises//Modern problems of management and regulation. Sat. nauchnykh articles. Pen'za: Na"uka and pros'veshcheniye. - 2018. - Page 120 Q2018. - Page 120-128.
16. Methods for calculating the correlation coefficient. URL: http://www.rnz.ru/econometrica/raschet_koefficienta'_korrelyatsi i.php (circulation date: 02.0б.2021).
17. Koreash Z.A., Parshina V.S. Study of patent and innovation activities as a faktora of economic development of Russia//Issues of innovative economy. - 2017. - Volume 7. - № 1. - Page 31 Q39. DOI: 10.18334/vinec.7.1.37764.
18. Bausova Z.I., Prokofiev O.V., Statikova A.Yu., Shadrina E.F. Econometric modeling of inventive activity//Models, systems, networks in economics, technology, nature and society. - 2018. - № 3 (27). - C. 108-119.
19. Babkin A.V., Khvatova T.Yu. Development of the research sector in the national innovation system of Russia//Izvestia of St. Petersburg University of Economics and Finance. - 2009. - № 4 (60). - Page 41-49.
20. Babkin A.V., Buchwald E.M. Problems of strategic planning in the regional and municipal management of the Russian Federation//Scientific and technical statements of St. Petersburg State Polytechnic University. Economic sciences. - 2015. - № 4 (223). - Page 25-37.
21. Ustinova L.N., Alekseeva N.S. Structuring the definitions of the terminological apparatus of research in the field of intellectual capital//Scientific and technical statements of St. Petersburg State Pedagogical University. Economic sciences. 2020. T. 13, No. 3. PAGE 41-56.DOI: 10.18721/JE.13303
22. Fedosova T.V., Masych M.A., Borovskaya M.A. Technology of accounting for intellectual resources and results of intellectual activity//Scientific and technical statements of St. Petersburg State Pedagogical University. Economic sciences. 2019. T. 12, No. 5. Page 74-89. DOI: 10.18721/JE.12506.
DOI: 10.24412/2304-6139-2022-11221
А.Е. Жминько - старший преподаватель кафедры статистики и прикладной математики, Кубанский государственный аграрный университет,
АЕ. Zhminko - Senior Lecturer, Department of Statistics and Applied Mathematics, Kuban state agrarian University, [email protected];
Е.М. Харченко - студентка, Кубанский государственный аграрный университет,
Е.М. Kharchenko - student Kuban state agrarian University, [email protected];
А.Р. Волчкова - студентка, Кубанский государственный аграрный университет,
A.R. Volchkova - student Kuban state agrarian Universit, [email protected].
РЕГИОНАЛЬНЫЕ АСПЕКТЫ МИГРАЦИИ (РЕТРОСПЕКТИВНЫЙ АНАЛИЗ И ПРОГНОЗИРОВАНИЕ) REGIONAL ASPECTS OF MIGRATION (RETROSPECTIVE ANALYSIS AND FORECASTING)
Аннотация. Наличие разнообразных теорий, объясняющих трудовую миграцию, свидетельствует не только о сложности данного явления, но и большом многообразии причин и факторов, ее определяющих. На примере Краснодарского края показано, что для различных этапов развития региона была характерна та или иная преобладающая теория, определяющая закономерности трудовой миграции в данный период времени. В данной статье выявлены основные причины и факторы миграционных процессов в Краснодарском крае, которые требуют всестороннего изучения, так как изменение миграционной ситуации требует изменений миграционной политики. Так же получены прогнозируемые величины миграции, которые позволяют устранить последствия механического перемещения людей при выборе миграционной политики.
Abstract. The presence of a variety of theories explaining labor migration indicates not only the complexity of this phenomenon, but also a wide variety of reasons and factors that determine it. Using the example of the Krasnodar Territory, it is shown that for different stages of the development of the region, one or another prevailing theory was characteristic that determines the patterns of labor migration in a given period of time. This article identifies the main causes and factors of migration processes in the Krasnodar Territory, which require a comprehensive study, since a change in the migration situation requires changes in migration policy. Also, the predicted values of migration were obtained, which allow eliminating the consequences of the mechanical movement of people when choosing a migration policy.
Ключевые слова: миграционные процессы, регион, численность населения, механический прирост, анализ, тренд, корреляция, прогнозирование.
Keywords: migration processes, region, population size, mechanical growth, analysis, trend, correlation, forecasting.
Миграция населения представляет собой сложную социально-экономическую проблему, имеющую непосредственное отношение к жизненным судьбам многих миллионов тружеников, села и города. Она в значительной степени оказывает влияние на систему расселения в пределах страны, приводит к территориальному перераспределению населения и трудовых ресурсов, что отражается в свою очередь на экономическом развитии отдельных регионов и областей и влияет на эффективность производства.
Исторически большое внимание миграционным вопросам уделялось правительством России. После Великой отечественной войны начались восстановительные работы в разрушенных войной городах, и высокими темпами росло городское население в Республиках СССР.
