Моделирование инновационных процессов в экономических системах с учетом их пространственных характеристик тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат наук Лободина Ольга Николаевна

• Лободина Ольга Николаевна
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Лободина Ольга Николаевна

ВВЕДЕНИЕ

1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ МОДЕЛИРОВАНИЯ ИННОВАЦИОННЫХ ПРОЦЕССОВ С УЧЕТОМ ИХ ПРОСТРАНСТВЕННЫХ ХАРАКТЕРИСТИК

1.1. Инновационные процессы как объект моделирования

1.2. Пространственные характеристики экономических систем и инновационных процессов

1.3. Анализ существующих моделей и способов моделирования инновационных процессов

1.4. Методические основы и инструменты оценки уровня инновационного развития территории

2. АНАЛИЗ И МОДЕЛИРОВАНИЕ ПРОСТРАНСТВЕННЫХ ХАРАКТЕРИСТИК ИННОВАЦИОННЫХ ПРОЦЕССОВ

2.1. Выявление основных пространственных характеристик экономических систем и инновационных процессов

2.2. Моделирование пространственных характеристик инновационных процессов

2.3. Разработка модели диффузии инноваций в экономической системе

3. МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ОЦЕНКИ УРОВНЯ ИННОВАЦИОННОГО РАЗВИТИЯ ТЕРРИТОРИИ

3.1. Разработка инструментария для оценки качества кластеризации

3.2. Сравнительный анализ существующих методик оценки уровня инновационного развития территорий

3.3. Методика оценки уровня инновационного развития территории

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

Приложение А. Системы показателей рейтингов инновационного развития регионов

Приложение Б.Система показателей, описывающая экономическое пространство России

Приложение В .Результаты моделирования характеристик экономического пространства страны

Приложение Г. Результаты моделирования инновационного процесса с учетом пространственных факторов

Приложение Д. Описание программного комплекса для моделирования диффузии инноваций клеточным автоматом

Введение диссертации (часть автореферата) на тему «Моделирование инновационных процессов в экономических системах с учетом их пространственных характеристик»

ВВЕДЕНИЕ

Актуальность темы исследования. В современном обществе благосостояние страны связывается с её научно-технологическим потенциалом, от степени развития которого зависит способность обеспечить достаточную конкурентоспособность своей продукции и предоставляемых услуг. Успешность социально-экономического развития страны непосредственно зависит не только и не столько от обладания научными знаниями, отражающими последние достижения научно-технического прогресса, но и от её способности использовать эти знания на практике, от результативности инновационных процессов, создающих условия для расширения производства, повышения эффективности социально-экономических процессов.

Для успешного перехода российской экономики на инновационный путь развития необходимо не только активизировать заимствования новой техники, оборудования и технологий у развитых стран, значительно повысить результативность научных исследований, но и обеспечить формирование и развитие инновационной среды, способствующей созданию и распространению инноваций во всех регионах страны.

Динамика уровня инновационного развития России свидетельствует о слабоположительных тенденциях роста. Для выявления факторов, сдерживающих инновационное развитие страны и способствующих его ускорению, необходимы модели и инструменты анализа и оценки инновационных процессов.

Современные теории экономического развития учитывают, что любая хозяйственная деятельность соотносится с определенным временем и местом в пространстве, поэтому важным аспектом анализа и моделирования инновационных процессов является учет пространственных зависимостей. Пространственный фактор является существенным для понимания и описания реальных закономерностей экономического поведения и формирования синтетических результатов экономической деятельности в масштабах

национальной экономики. Многие проблемы управления инновационной деятельностью являются также следствием недостаточного внимания к временным аспектам функционирования экономических систем, когда не в должной степени учитываются динамические характеристики инновационных процессов. Целостное представление о развитии инновационных процессов с учетом пространственных и динамических характеристик экономических систем могут быть получены с использованием соответствующего инструментария, прежде всего, методов экономико-математического моделирования.

Поэтому моделирование инновационных процессов с учетом пространственных характеристик является актуальной и важной проблемой, имеющей огромное практическое значение.

Степень изученности и разработанности темы исследования. Инновационные процессы достаточно давно стали объектом пристального внимания и самостоятельного изучения. Большое количество теоретических результатов, подтвержденных практикой, и их внутреннее единство позволяют говорить о формировании отдельного направления экономической науки -инноватики. Значительный вклад в разработку теории и практики анализа инновационных процессов и соответствующей деятельности внесли отечественные и зарубежные ученые: Л.С. Бляхман, С.В. Валдайцев, А.Д. Викторов, В.П. Воробьев, С.И. Голосовский, С.Ю. Глазьев, А.К. Казанцев, А.Г. Кругликов, Д.С. Львов, А.И. Муравьев, А.Н. Петров, В.В. Платонов, В.А. Покровский, А.А. Румянцев, Д.В. Соколов, Ю.В. Яковец, Р. Акофф, И. Ансофф, Э. Квейд, Дж. Мартина, М. Портер, Э. Роджерс, Б. Твисс, Дж. Форрестер, В. Хартман, К. Холт, Й. Шумпетер, Р. Эйрс и другие. Они сформулировали и обосновали положение о том, что инновации являются доминирующим фактором экономического развития и составляют основу конкурентоспособности фирм, отраслей и стран, позволяя успешно вести борьбу за рынки путем освоения новых, более привлекательных для потребителей продуктов или более экономичных и эффективных технологий их производства.

Проблеме моделирования инновационных процессов в экономических системах посвящено большое количество публикаций, раскрывающие различные ее аспекты. Экономико-математическое моделирование, эконометрические и математические методы, применяемые для исследования этапов инновационных процессов, разрабатывались в работах Е. Роджерса, Л. Анселина, Дж.Р. Лесейджа. Моделирование диффузии инноваций исследовалось в трудах Е. Роджерса, Басса, Н. Мида, В.Л. Бабурина, С.П.Земцова и др.

Теоретическим основам развития экономических систем с учетом пространственных характеристик посвящены труды А. Лёша, А.Г. Гранберга, П.А. Минакира, В.В.Чекмарева, С.А.Суспицына, Д.А Новикова, А.В. Белова.

Важную роль регионов в развитии инновационной экономики в России отмечают исследователи: И.М. Бортник, Н.Н. Михеева, Г.А. Унтура и др.

Анализ инновационных процессов, форм и методов государственной поддержки и стимулирования инноваций, распространения инноваций в пространственных экономических системах являются востребованными направлениями экономических теоретических и практических исследований для большинства развитых и развивающихся стран мира, в том числе и для России. В настоящее время активно формируются, систематизируются и разрабатываются основные теоретические положения развития инновационных процессов в пространственных экономических системах. Однако целостная научная теория региональных инновационных систем, взаимоувязывающая инновации и пространственное развитие, еще не сформирована, слабо разработаны вопросы моделирования инноваций, учитывающие особенности распространения инноваций в пространственных экономических системах.

Необходимость совершенствования механизмов и инструментов оценки инновационной деятельности в пространственных системах определяет актуальность, практическую значимость и направления диссертационного исследования.

Область исследования. Диссертационная работа выполнена в соответствии с пунктом 1.4 области исследований Паспорта специальности 08.00.13 —

Математические и инструментальные методы экономики: «Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, домашних хозяйств, рынков, механизмов формирования спроса и потребления, способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений».

Целью диссертационной работы является моделирование инновационных процессов с учетом пространственных характеристик экономических систем.

Для достижения этой цели необходимо решить следующие задачи:

• исследовать теоретические основы экономико-математического моделирования инновационных процессов в пространственных системах;

• выявить факторы, влияющие на эффективность инновационного развития регионов, на основании эконометрических моделей;

• оценить инновационное развитие регионов и их взаимное влияние методами пространственной эконометрики;

• разработать модель диффузии инноваций с учетом особенностей отдельных территорий и апробировать ее в реальной среде;

• разработать инструментарий оценки статистических данных, используемых для составления рейтингов оценки инновационного развития экономик и для других областей применения;

• разработать программный комплекс, позволяющий моделировать и оценивать методики оценки инновационного развития.

Объект исследования - инновационные процессы в пространственных экономических системах.

Предметом исследования являются особенности формирования и распространения инновационных процессов с учетом пространственных характеристик экономических систем.

Научная новизна исследования заключается в следующем:

• разработана методика выделения наиболее значимых характеристик экономического пространства, влияющих на экономические процессы на уровне региона, и оценки их влияния на региональный валовой продукт и уровень инновационного развития региона, которая отличается от существующих широким спектром рассматриваемых факторов и использованием методов факторного и регрессионного анализа;

• предложена модификация клеточного автомата для моделирования диффузии инноваций, который отличается от существующих по способу выбора множества соседних клеток и по способу изменения состояния клетки, поддерживает несколько режимов работы: с учетом отсутствия или непроницаемости границ, однородности или неоднородности территорий;

• предложен инструментарий для оценки качества кластеризации многомерных данных и на его основе разработана комплексная методика оценки инновационного развития регионов, позволяющая проводить сравнительные оценки с результатами оценок по другим методикам.

Положениями, выносимыми на защиту, являются следующие результаты, содержащие элементы новизны:

• выделены факторы, характеризующие различные аспекты инновационного развития регионов с учетом их пространственных характеристик, исследована степень их влияния на внутренний региональный продукт и инновационную успешность регионов;

• разработана модель диффузии инноваций на основе теории клеточных автоматов, учитывающая особенности социально-экономических условий территорий, разработан программный комплекс и выполнено его тестирование на реальных данных;

• разработаны инструменты оценки качества кластеризации многомерных данных;

• проанализированы и обобщены методические схемы оценки инновационного развития регионов, выполнен их качественный и

количественный анализ, разработан программный комплекс для разработки методики составления рейтинга, ее оценки и сравнения с другими методиками.

Теоретическая значимость работы заключается в развитии комплексной теоретической и методологической базы моделирования инновационных процессов с учетом пространственных факторов и разработке инструментов для оценки их результативности. Приемы, модели и методы, предложенные в работе, могут быть использованы в теоретических и прикладных исследованиях экономики инноваций.

Практическая значимость исследования состоит в том, что на основе предложенных методик и инструментария анализа влияния пространственных факторов на инновационные процессы возможно проведение анализа экономического пространства регионов с целью поиска проблем, замедляющих переход регионов на инновационный путь развития, а также оценки уровня инновационного развития территорий.

Разработанный программный комплекс для моделирования диффузии инноваций может использоваться для оценки скорости и направлений распространения инноваций в экономической среде отдельного региона или страны в целом с учетом социально-экономических и пространственных факторов, влияющих на восприимчивость территорий к инновациям.

Приложение для оценки инновационного развития регионов существенно расширяет возможности федеральных, региональных и иных информационных ресурсов для ведения мониторинга инновационной деятельности в России.

Методология и методы исследования. Теоретическую и методологическую основу исследования составляют научные труды современных российских и зарубежных ученых по эконометрике, теоретическим основам развития инновационных процессов в пространственных экономических системах, статистике, дискретной математике, программированию, а также теоретические и методологические вопросы описания социально-экономических процессов и систем в виде экономико-математических и компьютерных моделей.

В качестве аппарата исследования применялись методы пространственной эконометрики, статистического анализа многомерных данных, теории клеточных автоматов, нечетких множеств, кластерного анализа, а также методы компьютерного моделирования. При выполнении работы использованы программные средства для математико-статистических расчетов и обработки данных: EViews, Stata, Mathematica. Для программирования применялись языки Python, JavaScript и другие средства разработки web-приложений.

Степень достоверности результатов исследования. Достоверность моделей, выводов и методик, содержащихся в диссертационной работе, определяется использованием актуальной статистической информации, полученной из официальных источников, корректной ее обработкой и интерпретацией результатов. Достоверность полученных результатов подтверждается использованием общепринятых результатов теоретических исследований ученых в области эконометрического моделирования, статистического анализа, дискретной математики, а также применением современных, апробированных на практике средств обработки информации и программных продуктов.

Апробация результатов исследования и публикации. Основные теоретические, методологические и прикладные результаты диссертационного исследования представлены в выступлениях и материалах всероссийских и международных научных конференций: «Актуальные проблемы экономики и управления» (Москва, 2013), «Инновационный путь развития экономики регионов» (Брянск, 2014), «Дальневосточная экономическая школа-конференция» (Владивосток, 2014), «Статистические методы экономики и общества» (Москва, 2014).

Основные результаты диссертационного исследования нашли отражение в 8 статьях в научных журналах и сборниках докладов научных конференций, в том числе 3 статьи опубликованы в рецензируемых научных изданиях, рекомендованных ВАК Минобрнауки России, получено одно свидетельство о государственной регистрации программы на ЭВМ.

Объем и структура работы отражает логику, порядок исследования и решения поставленных задач. Общий объем основного текста диссертации составляет 141 страница и включает: введение, 3 главы, заключение, список литературы из 155 наименований, 19 таблиц, 37 рисунков и 5 приложений на 26 страницах.

В первой главе «Теоретические основы моделирования инновационных процессов с учетом их пространственных характеристик» проанализированы различные теории инновационного развития, определено понятие инновационного процесса, выделены его пространственные составляющие, проанализированы основные методы и средства моделирования и оценки инновационных процессов.

Во второй главе «Анализ и моделирование пространственных характеристик инновационных процессов» определены пространственные характеристики экономических систем и процессов, построена эконометрическая модель для оценки их влияния на эффективность инновационных процессов, разработана модель для выявления пространственных эффектов и их влияния на инновационную деятельность в различных субъектах Российской Федерации, построена модель диффузии инноваций.

В третьей главе «Методическое обеспечение оценки уровня инновационного развития территории» произведено сравнение различных методических схем оценки инновационного развития регионов, разработаны инструменты для оценки методик, реализована обобщенная методика.

В заключении сформулированы основные выводы и перспективы дальнейшего исследования по тематике диссертационной работы.

1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ МОДЕЛИРОВАНИЯ ИННОВАЦИОННЫХ ПРОЦЕССОВ С УЧЕТОМ ИХ ПРОСТРАНСТВЕННЫХ ХАРАКТЕРИСТИК

1.1. Инновационные процессы как объект моделирования

Инновационный процесс - это сложный комплекс научно-технических, производственных, организационных, маркетинговых и финансовых видов деятельности от формулирования идеи до освоения промышленного производства, выпуска продукта на рынок и достижения коммерческого результата.

В классическом понимании инновационный процесс представляет собой последовательность взаимосвязанных действий, начинающихся с фундаментального научного исследования и заканчивающихся промышленным производством и распространением (диффузией) новой технологии. При таком подходе можно выделить следующие этапы инновационного процесса: поисковые (фундаментальные) исследования, прикладные исследования, производство, маркетинг, сбыт, диффузия. В работе [131] выделено несколько поколений моделей инновационного процесса. Первое поколение моделей представляли линейные модели инновационного процесса (рисунок 1.1), которые были разработаны в середине прошлого века. Эта модель является простой и удобной, что обуславливает ее широкое применение. Согласно исследованиям линейной модели [129] важнейшую роль для эффективного функционирования инновационного процесса играют первые стадии, а именно научные исследования и опытно-конструкторские работы.

Фундаментальные исследования - Прикладные исследования - Производство - Маркетинг - Сбыт - Диффузия

Рисунок 1.1 - Линейная модель, подталкиваемая технологиями push

Вариантом линейной модели инновационного процесса является модель, «подтягиваемая спросом» [93]. Согласно этой модели, инновации являются

результатом сигналов, поступающих с рынка, и должны удовлетворять потребительский спрос (рисунок 1.2).

Рисунок 1.2 - Линейная модель, подталкиваемая спросом pull

Однако практика показала, что линейные модели не отражают всю сложность инновационного процесса. Анализ сложных инноваций показывает, что между различными стадиями процесса существуют как прямые, так и обратные связи.

В работах Winter, Nelson [126] и Rosenberg, Kline [106] рассматриваются новые модели инновационного процесса - интерактивные модели (рисунок 1.3). В основе интерактивных моделей лежит положение о том, что процесс создания инновации не является четко выраженным, последовательно реализуемым многостадийным процессом.

Рисунок 1.3 - Интерактивная модель инновационного процесса Инновационный процесс, по мнению сторонников интерактивной модели, начинается с возникновения некоторой потребности на рынке, которая порождает создание инновации и только потом следует производство нового продукта или технологии. Согласно этой модели, при поиске новых технологических решений необходимо сначала использовать существующие знания, и только, когда существующий уровень знаний не сможет разрешить

технологические запросы, обратиться к созданию нового знания (посредством научно-исследовательских и опытно-конструкторских работ).

В 1980-х годах появились новая модель инновационного процесса -интегрированная модель [27]. Эта модель характеризуется высоким уровнем интеграции различных участников инновационного процесса, включая сложные взаимодействия, петли обратной связи, коммуникации между маркетингом, исследованиями и разработками, производством и распределением инноваций. На рисунке 1.4 приведена интегрированная модель инновационного процесса, представленного в работах японских экономистов [108].

Рисунок 1.4 - Интегрированная модель инновационного процесса В 1990-х были разработаны сетевые модели (рисунок 1.5) инновационного процесса [89, 130].

Рисунок 1.5 - Сетевая модель инновационного процесса Эти модели отражали растущую стратегическую и технологическую интеграцию, в том числе и обмен знаниями между различными организациями

(предприятия, университеты, исследовательские центры, потребители, поставщики) как во внешней среде, так и внутри самой организации.

В последнее время все большее распространение приобретает открытая модель инновационного процесса [81], которая исследует инновационный процесс как открытую систему. Открытые инновации развивают взаимодействия между различными участниками инновационной системы, включая внутренние и внешние ресурсы.

Проанализировав исторический вектор развития моделей инновационного процесса, можно выделить следующие тенденции: увеличение структурного разнообразия, распространение нелинейных структур, повышение организационной гибкости на фоне стратегической и технологической интеграции.

Теоретические представления о возможностях регулирующих воздействий на инновационные процессы на национальном и региональном уровнях значительно эволюционировали. На рисунке 1.6 показана эволюция исследований, связанных с инновациями и экономическим развитием с 18-го века до наших дней [123].

Д. Рикардо "сравнительное

Роберт Солоу предполагает, что неоклассическая теория роста технологий является экзогенной

Пол Ромер, Роберт Лукас и т.д., предлагают "теорию эндогенного роста" в отношении к технологиям (начало 1990-х годов)

преимущество

<1817)

(1956)

И. Шумпетер "Теория экономического развития

Классическая зкомомжа (Адам Смит. Давид Рикаряо)

Неклассическая экономика пытается

заложить позитивистские, иатеиатически* и «лучмыв основы

1850 1900 195« 2000

IIIIIIIIIII|||IIII101I(¿11I|ОФIII

2013

Адам Смит • "Богатство наций" (1776)

И.М. Кинес "Средства '' процветания" (1933)

4 С. Фриман "Технологическая политика и экономические

И1МвНОНмя

Эволюционная экономика, предложенная Нельсоном и Винтером, сосредоточена на неравновесии (1982)

Рисунок 1.6 - Хронология эволюции исследований инноваций и экономического развития

Результатом теоретических и эмпирических исследований в 1980-х годах стала концепция «Национальных Инновационных Систем» (НИС), которая была разработана, прежде всего, для объяснения различий в технологическом развитии стран.

Концепция НИС предполагает, что отношение между инновационным процессом и экономическим развитием является сложным взаимодействием не только между экономическими переменными, но и между институциональными субъектами и процессами внутри географического, отраслевого и технологического контекста [88, 118, 125]. Этим авторам принадлежит идея рассматривать инновационный процесс с системной точки зрения как открытую систему.

Freeman [88] делал акцент на институциональном контексте инновационной деятельности, подчеркивая, что НИС является «сетью организаций в государственном и частном секторах, чья деятельность и взаимодействие определяет, модифицирует и распространяет новые технологии».

Lundvall [118] определил НИС как «... элементы и отношения, которые взаимодействуют в области производства, распространения и использования нового, и экономически полезного знания ... и расположены либо внутри, либо на границах национального государства». Автор сделал акцент на теоретической ориентации, сосредоточив внимание на создании знаний, на взаимодействии между потребителями и производителями и, наконец, на самих инновациях [84, 118].

По мнению Нельсона, «НИС - это набор институтов, чье взаимодействие определяет инновационную деятельность» [125].

Несмотря на некоторые различия между приведенными выше определениями, НИС можно рассматривать как процесс и результат интеграции разнородных по целям и задачам структур, занятых производством и коммерческой реализацией научных знаний и технологий в пределах национальных границ, обеспечиваемых комплексом институтов правового,

финансового и социального взаимодействия, имеющих прочные национальные корни, традиции, политические и культурные особенности.

За последние десятилетия эта концепция приобрела широкую поддержку ученых, была уточнена и развита. Вот некоторые положения современной концепции НИС [13, 28, 45, 75]:

1) взаимодействие c наукой, технологиями и инновациями имеет сложную интерактивную природу и может быть описано только посредствам динамических нелинейных моделей;

2) инновационный потенциал отдельной страны или территории определяется не только возможностями его участников (предприятий, университетов, научных организаций и др.), но и в большей степени связями и взаимодействиями между ними;

3) инновационный процесс необходимо рассматривать как сложную открытую систему, в которой определяющее значение имеет взаимодействие с «внешней» средой;

4) на инновационный процесс влияют не только экономические, но и институциональные, организационные, социальные, пространственные и политические факторы.

Исследованиям этапов инновационного процесса и их взаимосвязи занимаются ученые в нашей стране и за рубежом. Так в международной базе данных рефератов и цитирования SCOPUS [146] количество ресурсов только для раздела «Economics, Econometrics and Finance» по поисковому запросу «innovation» составляет 90141, по запросу «innovation process» - 24208, «modeling innovation process OR innovation» - 22221, «phase OR stage OR structure innovation process» - 19748. Количество ресурсов, найденных по тем же запросам в российской базе данных ELIBRARY [151], составляет 217447, 164369, 24245 и 104318 соответственно. Таким образом, вопросы моделирования инновационных процессов, его этапов, достаточно хорошо проработаны в литературе, в том числе и российскими авторами.

Однако исследования [1, 10, 22] показывают, что современное развитие инновационных процессов во всех отраслях экономики нашей страны находится пока на очень низком уровне. Об этом свидетельствуют: невысокие показатели уровня инновационной активности предприятий (10,3% в 2012 году), объемов затрат на технологические инновации и их результативность (в 2012 году было создано 1323 передовые технологии), крайне низкая доля инновационной продукции в общем объеме произведенной продукции (8% в 2012 году) и пр. [144]. Эта тенденция наблюдается и в других странах мира, хотя инновации в наше время являются одним из приоритетных направлений развития экономики во всем мире. В работах [8, 127] показано, что эффективность инновационных процессов зависит не только от внутренних компонентов и их взаимосвязей, но и от того, в какой среде они функционируют, как эта среда влияет на инновации.

Список литературы диссертационного исследования кандидат наук Лободина Ольга Николаевна, 2015 год

Источники:

Ll.Poccrai 1.2.РИНЦ 1.3ЦБСД 1.4-Е1ШСС

1.5. Роспатент 1.6. Thomson Reuters Corp.

1.7.0ткрытые источники (Интернет-порталы: базы данных)

Этап 2. Анализ состава показателем

2.1. Пересчет показателей так, чтобы все они отражали позитивные изменения.

2.2. Корреляционный анализ.

Этап 3. Редукция данных (выделение Блоков показателей)

3.1. Экспертноеразбиение.

3.2. Факторный анализ.

Этап 4. Подготовка данных

4.1. Сглаживание данных и нормировка псказателей.

4.2. Нормировка показателей с учет ом нескольких периодов

Этап 5. Выделение групп регионов

5.1. Кластеризация

1

Этап 6. Расчет субиндексов

6.1. Вычисление среднего арифметического всех показателей блока

6.2. Взвешивание показателей и суммирование показателей блока

1

Этап 7. Выделение групп регионов

7.1. Класт еризация

1

Этап Вычисление агрегированного индекса

8.1. Б звешивание по числу показателей в блоке и суммирование субиндексов

8.2. Экспертное взвешивание и суммирование субиндексов

8.3. Вычисление среднего арифметического всех показателей

Этап 9. Представление результатов

9.1. Сортировка регионовпо агрегированному индексу

9.2. Разбиение регисновна группы (кластеризация)

Рисунок 3.11 - Обобщенный алгоритм методик построения рейтинга инновационного развития регионов

В работах [63, 20] рассматриваются различные инструменты для оценки методических схем, однако в большинстве своем они анализируют зависимость конечного результата рейтинга от отдельно взятых инструментов (нормирования, взвешивания показателей). Суть оценки заключается в том, что для некоторых показателей выполняется нормировка и взвешивание по различным алгоритмам, а затем результаты сравниваются, и визуально определяется их близость.

В данной работе предлагается оценку методик рейтинга инновационного развития провести методами кластерного анализа, инструменты оценки качества кластеризации рассмотрены в предыдущем разделе. Для большинства этапов методик происходит некоторое преобразование входных данных (рисунок 3.12). Также известно, на сколько кластеров разделены регионы в итоговом рейтинге. Следовательно, проводя кластеризацию многомерных данных в начале и в конце каждого этапа, вычислив и сравнив описанные выше метрики, можно оценить влияние инструмента на входные данные. Этот подход можно использовать для этапов 4, 6, 8, а также для методики в целом. Первые три этапа оценить не представляется возможным, поскольку в публикациях, описывающих рассматриваемые рейтинги, приведены только их результаты.

Рисунок 3.12 - Преобразование данных на каждом этапе методики

С другой стороны, с помощью инструментов оценки качества кластеризаций можно сравнить итоговые рейтинги между собой, а также проверить их на устойчивость и чувствительность. Чтобы оценить устойчивость, необходимо осуществить разбиение данных на кластеры несколькими алгоритмами. Если разные алгоритмы выдают схожие кластеризации (оценивается метрикой расстояния IV), разбиение на кластеры можно считать устойчивым. Чувствительность же интегрального индекса проверяется

исключением из исходных данных некоторого показателя. Если такое исключение не сильно влияет на конечную кластеризацию (также можно оценить метрикой IV), то можно считать индекс малочувствительным к конкретным показателям.

Анализ методических схем проведения рейтинга Для анализа различных методик формирования рейтинга необходимо получить численные оценки каждого этапа формирования рейтинга. Для этого используется алгоритм сбора данных для дальнейшего анализа (рисунок 3.13).

,_У

Формирование иасснва кходньк ланньк рейтинга X

_^_

Формирование и аттика зилов рейтинга Е= [4.1.4.2...] Р - количество этапов рейтинга

Ж

Кластеризация данных и выоор наилучшей кластеризации

Входные данные: X. количество кластеров К Результат: юнстеразация С. метрики Ил Зг

1=1

К-

Применение инструмента зтала Г©

Входные данные: X Результат: У

Кластеризация данньк и выбор наилучшей кластеризации

Входные данные: У. количество кластеров А" Результат: кластеризация С. метрикиН^-. Ц,

_±_

Вычисление метрики IV для кластгсиаашш С и С.

1

Сохранение метрик Нк. г Нчгг 5чг.1\г

Ч1

Х=У

Г=!-1

О

Рисунок 3.13 - Алгоритм формирования данных для анализа методик

Сначала формируется вектор входных данных рейтинга X =(xj, x2,..,xn), где Xi - вектор показателей i-го региона; xi = (xi7, xi1,..., xim); xij-- j-ый показатель i-го региона; n - количество регионов; m - количество показателей, включенных в рейтинг. Для некоторых рейтингов создается несколько векторов, зависящих от времени, X = (Xj, X2....Xt), t - количество лет, учитываемых в рейтинге.

Затем для каждой методики формируется массив, в который включаются этапы универсального алгоритма, используемые в расчете рейтинга.

Далее для каждого этапа выполняется кластеризация входных данных Х на K кластеров (количество кластеров определяется как количество групп в итоговом рейтинге), кластеризация осуществляется четкими и нечеткими алгоритмами (k-means, k-medians, EM, Fuzzy EM [23, 38]). Для каждой полученной кластеризации вычисляется интегральный показатель I и выбирается наилучшая кластеризация по значению этого показателя. В результате получается кластеризация (С и метрики Нх, SX.

Затем к входному вектору X применяется инструмент, определенный на данном этапе (нормализация, сглаживание и пр.). Результатом применения инструмента является вектор Y, размерность которого равна n, как и у вектора X, а вот количество показателей для каждого региона m может изменяться, например, после вычисления субидексов.

Для полученного вектора Y выполняется кластеризация, поиск наилучшей кластеризации С ' и вычисление метрик HY, SY.

На каждом этапе вычисляется метрика расстояния IV между кластеризациями С и С ' , а также сохраняются значения метрик HX, SX , HY, SY, IV для дальнейшего анализа. Выходной вектор Y текущего этапа становится входным для следующего.

Результаты оценки каждой методики, полученные описанным алгоритмом, приведены в таблице 3.2, заполнены только те этапы, которые реализуются в методике.

Таблица 3.2 - Результаты оценки этапов построения рейтинга

Этапы Метрики Методики

I II III IV V

4.1 Нх 3.535Е+10 - 9.42817Е+6 2.98604Е+10 2.98604Е+10

Ях 4.343Е+12 3.04877Е+8 2.54387Е+12 2.54387Е+12

Ну 1.59491 0.48015 0.741523 0.741523

8у 1.68009 0.93950 1.21841 1.21841

IV 1.82243 1.59166 1.99187 1.99187

4.2 Нх - 1.91575Е+6 - - -

8х 6.99454Е+7

Ну 0.21108

Sу 0.42339

IV 1.90379

6.1 Нх 1.59491 0.21108 0.48015 - 0.741523

Ях 1.68009 0.42339 0.93950 1.21841

Ну 0.020696 0.00979 0.01073 0.02199

Sу 0.091796 0.05047 0.046424 0.06997

IV 1.45872 1.43975 1.28025 2.35559

8.1 Нх 0.02069 - - - -

Ях 0.09179

Ну 0.00048

Sу 0.09179

IV 1.29503

8.2 Нх - 0.00979 - - -

Ях 0.05047

Ну 0.00039

Sу 0.00979

IV 1.68047

8.3 Ну исходное - - 0.01073 - -

8у исходное 0.046424

Нхиндекс 0.00054

& индекс 0.01332

IV 1.43556

Как видно из таблицы, преобразование данных, проводимых на каждом этапе, оказывает значительное влияние на выходные данные.

На 4-м этапе (рисунок 3.11) осуществлялась подготовка данных. Для всех инструментов (нормировка и сглаживание (4.1) и нормировка за несколько периодов (4.2)) наблюдается значительное улучшение показателей компактности (H) и отделимости (S). При этом показатель IV является наилучшим для III методики, в которой применялась нормализация с предварительным итерационным сглаживанием (процедура сглаживания проводилась до тех пор, пока коэффициент асимметрии по модулю становился близким к 0.5).

На 6-м этапе рассчитывалось значения субиндексов. Все методики применяли одинаковый инструмент - вычисляли среднее арифметическое показателей блока (6.1). Показатели компактности (H) и отделимости (S) улучшились для всех методик, значение метрики расстояния IV приблизительно одинаково для методик I-III и значительно хуже для методики V. Это, скорее всего, объясняется тем, что в отличие от остальных методик в V-ой показатели по блокам распределены неравномерно (первый блок включает 11 показателей, а четвертый - только 3).

На 8-м этапе вычислялся интегральный индекс. Все три методики использовали разный инструмент: взвешивание по числу показателей в блоке и суммирование субиндексов (8.1); экспертное взвешивание и суммирование субиндексов (8.2); вычисление среднего арифметического всех показателей (8.3). Для всех методик показатели компактности (H) и отделимости (S) улучшились, однако для инструмента 8.1 расстояние между кластеризациями (IV) наименьшее. Экспертное взвешивание и суммирование (8.2) имеет худший показатель.

В целом методика I, используемая ВШЭ, с точки зернения качества этапов рейтинга, является наилучшей.

Анализ рейтингов, полученных несколькими методиками

Результатом применения большинства методик является рейтинг инновационного развития регионов, рассчитанный как интегральный индекс, и кластеризация регионов, полученная на разных этапах методик. В таблице 3.3

приведены основные характеристики исходных данных и результирующих кластеризаций.

Таблица 3.3 - Характеристики входных данных и итоговых кластеризаций

Характеристики кластеризаций Методики

I II III IV V

Количество показателей 36 16 23 34 34

Количество кластеров 4 5 5 6 6

Входные данные

Н 3.535Е+10 1.91575Е+6 9.42817Е+6 2.98604Е+10 2.98604Е+10

Б 4.343Е+12 6.99454Е+7 3.04877Е+8 2.54387Е+12 2.54387Е+12

Устойчивость 1.07016 0.610562 0.844394 0.79512 0.79512

Чувствительность 0.936957 0.845682 0.566194 0.648213 0.648213

Итоговые кластеризации

Н 0.00048 0.00039 0.00054 0.741523 0.02199

Б 0.01254 0.00979 0.01332 1.21841 0.06997

Устойчивость 0.315932 1.08654 0.390011 1.63796 1.44767

Чувствительность 0.60038 0.81272 0.495264 2.53416 1.67454

IV 1.86849 2.20666 2.1273 1.99187 2.70454

Также была выполнена оценка чувствительности и устойчивости результатов кластеризации и входных данных. Оценка устойчивости осуществлялась по схеме, в которой каждый набор данных разбивался на кластеры несколькими алгоритмами, после чего были вычислены попарные расстояния (метрика IV) между полученными кластеризациями и найдено среднее арифметическое полученных расстояний.

Для оценки чувствительности случайным образом были выбраны несколько показателей (5% от общего числа), которые затем были исключены из исходной системы показателей. К оставшимся показателям применялась соответствующая методика, после чего вычислялось расстояние (метрика IV) между кластеризациями полного и неполного наборов данных. Исключение показателей производилось т раз (по числу показателей в рейтинге), затем вычислялось среднее расстояние.

Для сравнения различных методик также были вычислены перекрестные расстояния между всеми кластеризациями (таблица 3.4), а также найдены пересечения исходных показателей (таблица 3.5) Таблица 3.4 - Попарные расстояния между кластеризациями

Методики I II III IV V

I 2.49258 1.82589 2.34469 2.33338

II 2.28936 2.37556 2.7952

III 2.19241 2.30808

IV 2.35559

Таблица 3.5 - Количественное пересечение входных данных рейтингов

Методики I (36) II (16) III (23) IV-V (34)

I (36) 5 (14%) 16 (45%) 18 (50%)

II (16) 5 (30%) 5 (31%) 3 (18%)

III (23) 16(70%) 5 (21%) 10 (44%)

IV-V (34) 18 (53%) 3 (9%) 10 (30%)

Первым (важнейшим) этапом каждой методики являлся отбор показателей для рейтинга. Разработчики рассматриваемых рейтингов [6, 42, 55, 147] указывают, что при отборе был проведен корреляционный анализ, позволивший устранить мультиколлинеарность показателей. В результате, как видно из таблицы 3.5, в качестве входных данных рассматривается большое число одинаковых показателей. Однако, результирующие кластеризации значительно различаются (таблица 3.4). Следовательно, на итоговый рейтинг влияет не только выбор показателей, но и последовательность этапов и применяемые на них инструменты. Представляется целесообразным при отборе показателей использовать метрики устойчивости и чувствительности исходных данных. Среди исследуемых методик наилучшей устойчивостью и чувствительностью обладают исходные показатели, применяемые в методиках IV и V.

Следующим этапом методик является выделение групп показателей. Как показывает оценка, лучшие результаты имеют методики, в которых число показателей по блокам не сильно различается (методики I-III).

Результатом каждой методики была кластеризация регионов, выполненная по данным разных этапов. Так методики I-III осуществляли кластеризацию по интегральному индексу, в методике IV данные кластеризовались после нормализации и сглаживания, а в методике V кластеризация проводилась по вычисленным субиндексам. Наилучшие показатели устойчивости и чувствительности имеют методики I и III, в которых кластеризации проводилась по итоговому индексу, однако по близости к входным данным методика I значительно лучше.

По близости к входным данным выделяются методики I и IV, причем в методике IV кластеризация данных проводилась сразу после нормализации и сглаживания, в то время как в I-ой методике к входным данным применялось 3 инструмента (нормализации и сглаживание, расчет субиндексов, расчет интегрального индекса). При этом расстояния, вычисленные после этапа нормализации и после вычисления интегрального индекса, практически совпадают. Это еще раз подтверждает качество применения инструментов I-ой методики. Однако для методик II, III, V расстояния между входными и результирующими данным значительно больше. Если бы для этих методик кластеризация была проведена по данным после нормализации и сглаживания, результаты были бы сравнимы с методиками I и III.

Следует отметить, что во многих зарубежных методиках оценки инновационного развития [155, 154] применяется именно такой же подход, при котором регионы разбиваются на кластеры после нормализации и сглаживания, а затем различными способами вычисляются интегральные индексы.

3.3. Методика оценки уровня инновационного развития территории

Анализ методик уровня инновационного развития регионов, а также их качественная и количественная оценка, выявили потребность в создании гибко

настраиваемого аналитического комплекса, позволяющего формировать методику оценки инновационного развития, выполнять аналитику и визуализацию результатов. Также в этом комплексе должна быть предусмотрена возможность сравнения результатов, полученных различными методиками, и их возможная агрегация.

Аналитический комплекс может найти применение в практике принятия решений, например, при выделении финансовой поддержки регионам. С его помощью можно оценить достоверность полученных оценок, на основе которых строятся различные типологии лидеров, средних и отсталых регионов с точки зрения инновационного развития.

На основе анализа, проведенного в предыдущих разделах, был построен модифицированный обобщенный алгоритм методик оценки инновационного развития регионов (рисунок 3.14), который использовался в качестве алгоритмической основы при создании программного комплекса. Отличия модифицированного алгоритма от описанного в предыдущем разделе следующие:

- на этапе «Анализ входных данных» включена оценка устойчивости и чувствительности входного индекса;

- добавлена возможность кластеризации данных после любого этапа методики (этапы 6, 8, 10);

- включен этап оценки результатов кластеризации регионов (этап 11), на котором оценивается устойчивость и чувствительность результирующих данных, а также вычисляется расстояние между входным и итоговым набором данных;

- этап «Представление результатов» расширен возможностью визуализации данных.

Рисунок 3.14 - Модифицированный обобщенный алгоритм методики оценки

инновационного развития регионов

Функционально в программном комплексе, реализованном в виде web-приложения, можно выделить следующие компоненты, реализующие отдельные этапы работы системы:

1) ввод и анализ данных;

2) построение методики оценки или выбор существующей;

3) реализация методики;

4) визуализация, анализ и сохранение результатов;

5) сравнение результатов, полученных на основе различных исходных данных и/или методик;

6) агрегация результатов.

Далее рассмотрим каждый из этих этапов.

Этап «Ввод и анализ данных». На этом этапе осуществляется отбор показателей на базе официальной статистики или экспертных оценок, которые обеспечивают комплексность учета различных факторов, влияющих на оценку инновационного развития регионов. Приложение включает базу данных более 100 показателей по 83 регионам Российской Федерации за 2011-2013 годы (эти показатели охватывают рассмотренные выше методики). Кроме этого допускается создание и включение в базу новых показателей.

Анализ данных может проводиться либо в автоматическом режиме, либо вручную. В автоматическом режиме на основе выбранных пользователем показателей итеративной процедурой формируется набор, который характеризуется минимальной корреляцией между факторами и наилучшими показателями чувствительности и устойчивости.

В ручном режиме по запросу пользователя строится корреляционная матрица и выдаются результаты оценки чувствительности и устойчивости. После этого на основе полученной информации пользователь удаляет старые или включает новые показатели до тех пор, пока, с его точки зрения, не будет получен наилучший набор входных данных.

На рисунке 3.15 показан процесс выбора и анализа входных данных.

Рисунок 3.15 - Формирование показателей рейтинга

На этом этапе может быть проведена редукция данных, то есть разбиение исходных показателей на блоки, либо автоматически (факторным анализом) либо вручную (рисунок 3.15). В этом случае в каждый блок включаются показатели, характеризующие некоторую сторону инновационной деятельности в регионе. В дальнейшем для каждого блока вычисляются субиндексы, показывается уровень развития выделенной группы факторов одного содержательного блока в сравнении с другим блоком, например, «Потенциал развития инноваций» и «Результат инновационной политики» (методика II).

Этап «Построение методики или выбор существующей». Как уже отмечалось выше, на основе предложенного модифицированного алгоритма оценки можно генерировать различные методики. Для этого необходимо указать этапы, включаемые в методику, а также инструменты их реализации. При этом в зависимости от того, на каком этапе применяется кластеризация данных, можно сгруппировать регионы по исходным показателям, что соответствует условию

равнозначности всех показателей. Другой способ - кластеризавать регионы по отдельным блокам показателей, поскольку один аспект инновационной деятельности может быть значительно более развит, чем другой. Так, существуют и регионы-лидеры по исследовательской деятельности, и регионы-лидеры по результатам внедрения инноваций, и очень мало таких, где оба фактора развиты на одинаково высоком уровне. В случае же, если для кластеризации используется интегральный индекс, оценивается некоторое обобщенное значение инновационного развития региона, которое может сильно различаться в зависимости от способа его построения.

Этап «Реализация методики» осуществляется в соответствии с выбранными на предыдущем этапе инструментами. Его результатами могут являться: интегральный индекс; кластеризация регионов, выполненная по исходным показателям или по интегральному индексу; несколько кластеризаций регионов по каждому блоку показателей.

Этап «Визуализация, анализ и сохранение результатов». Полученные на предыдущем этапе результаты кластеризации регионов можно визуализировать на карте России (рисунок 3.16).

Рисунок. 3.16 - Визуализация результатов рейтинга

Интегральный индекс регионов выводится в виде таблицы, также показываются результаты оценки выполнения методики различными метриками. Оценив результаты, пользователь может сохранить полученные результаты в виде отдельного рейтинга и вернуться к предыдущим этапам, чтобы изменить исходные показатели или методику оценки. Также можно импортировать данные в виде текстового файла или файла Excel.

Этап «Сравнение результатов». На данном этапе пользователю доступны все рейтинги, которые он создал ранее (система реализована в виде клиент-серверного приложения, каждый пользователь имеет свой «кабинет», в котором хранятся результаты его работы), а также рейтинги, созданные другими пользователями и выставленные в общий доступ. Для выбранных рейтингов можно посчитать метрики устойчивости и чувствительности, а также перекрестное расстояние между рейтингами. Полученные результаты кластеризации и интегральный индекс можно сравнивать как в графическом виде, так и в табличном. После сравнения рейтингов пользователь может вернуться к любому предыдущему этапу, чтобы внести необходимые изменения.

Этап «Агрегация результатов». На этом этапе можно создавать комбинированные рейтинги на основе имеющихся рейтингов, например, входные показатели взять из одного рейтинга, а методику обработки - из другого.

Проведение эксперимента

Для тестирования и апробации приложения в нем были реализованы методики I-V, а также построен тестовый «Рейтинг оценки инновационного развития с учетом пространственных факторов». В качестве исходных для этого рейтинга были выбраны 41 показатель, описанные во второй главе данной работы, которые использовались для описания экономического пространства регионов и инновационного процесса, а также показатели, описывающие экономико-географическое положение регионов, как в рейтинге III. К этим показателям был применен режим автоматического анализа и корректировки данных. В результате было отобрано 26 показателей, затем эти показатели были

разделены на 4 блока вручную на основе экспертного мнения (полный список показателей приведен в приложении А). Разработанная для тестового рейтинга методика включает следующие этапы: этап 1 (1.1, 1.4) ^ этап 2 (2.2) ^ этап 3 (3.1) ^ этап 4 (4.1) ^ этап 5 ^ этап 6 (6.1) ^ этап 8 (8.1) ^ этап 8 (9.1).

Результаты сравнения тестовой методики и методик I-V, полученные программным комплексом, приведены на рисунке 3.17.

Рисунок 3.17 - Сравнение результатов рейтинга Также были рассчитаны перекрестные расстояния между итоговыми кластеризациями методик (рисунок 3.18).

Рисунок 3.18 - Перекрестные расстояния между итоговыми кластеризациями

Анализ результатов проведенного эксперимента

В тестовый рейтинг были включены показатели, которые пересекаются с исходными данными других методик в среднем на 25%. Далее к выбранным показателям был применен автоматический анализ данных (корреляционный анализ, оценка чувствительности и устойчивости). Результаты, приведенные на рисунке 3.17, показывают, что программе удалось отобрать исходные показатели, характеристики которых, в большинстве своем, являются одними из лучших среди всех методик.

При построении методики были выбраны инструменты, показавшие наилучшие результаты при анализе (итерационное сглаживание и нормирование, взвешивание по числу показателей в блоке и др.). Кластеризация регионов была проведена сразу после нормирования и сглаживания. В результате характеристики итоговой кластеризации тоже оказались одними из лучших.

С другой стороны, расстояние между тестовым рейтингом и рейтингом I и III достаточно мало (рисунок 3.18), что свидетельствует о достоверности результатов рейтинга.

Таким образом, разработанное и размещенное в сети Интернет приложение «Программный комплекс оценки инновационного развития регионов» существенно расширяет возможности федеральных, региональных и иных информационных ресурсов для ведения мониторинга инновационной деятельности в России, поскольку это приложение позволяет не только составлять и анализировать рейтинги инновационного развития, но и осуществлять межрегиональные сравнения.

122

ЗАКЛЮЧЕНИЕ

Проведенное в диссертационной работе исследование инновационных процессов с учетом пространственных характеристик позволило получить следующие научные и практические результаты:

1. Анализ существующих подходов к моделированию инновационных процессов и пространственных систем показал, что в настоящее время активно формируются, систематизируются и разрабатываются основные теоретические положения развития инновационных процессов в пространственных экономических системах. Однако целостная научная теория, взаимоувязывающая инновации и пространственное развитие, еще не сформирована, слабо разработаны вопросы моделирования инноваций, учитывающие особенности их распространения в пространственных экономических системах. Исследование, проведенной в рамках данной работы, позволило сделать вывод о том, что инновационный процесс необходимо рассматривать как открытую систему в контексте времени и места его осуществления, с учетом влияния на него различных внешних и внутренних факторов, а также специфичности функционирования инновационных процессов на отдельных территориях.

2. В диссертационном исследовании рассматривались различные факторы, характеризующие экономическое пространство некоторой территории и влияющие на социально-экономические процессы, протекающие на данной территории. Разработана методика выделения наиболее значимых характеристик экономического пространства на уровне региона и оценки их влияния на региональный валовой продукт и уровень инновационного развития региона. В методике используются методы факторного и регрессионного анализа. Наиболее важными факторами, влияющими на валовый региональный продукт, являются демографические показатели (например, численность экономически-активного населения региона), уровень благосостояния населения, а также уровень развития инновационного процесса в регионе. Другие характеристики

экономического пространства, такие как уровни развития информационно-коммуникационных технологий, местной транспортной сети и удаленность от центра страны, а также уровень использования полезных ископаемых и природных богатств в регионе оказывают менее значимое влияние на ВРП. При исследовании инновационных процессов наиболее значимыми факторами являются деятельность предприятий по внедрению и использованию инноваций, а также уровень финансового развития региона.

3. Исследование показало, что на научную и инновационную деятельность в регионе оказывают влияние аналогичные процессы в других регионах, а также показатели инновационной и научной активности данного региона за предыдущие годы. Модели оценки инновационных процессов были построены на основе панельных данных для России в целом, Западных и Восточных регионов с использованием методов пространственной эконометрики. Расчеты показали, что для России увеличение инновационной активности одного региона приводит к положительному эффекту в других регионах. Если же рассматривать Западные и Восточные регионы по отдельности, в них наблюдается эффект «стягивания». Разработанная модель подтвердила гипотезу о наличии пространственного влияния Западных и Восточных регионов, при этом один и тот же фактор модели по-разному влияет на инновации в Западных и Восточных регионах.

4. Немаловажное значение при исследовании инновационных процессов имеет диффузия инноваций. Для ее моделирования разработана модифицированная модель клеточного автомата, который позволяет реализовать моделирование распространения различных типов инновационных продуктов, учитывает восприимчивость территории к инновациям, позволяет визуализировать и анализировать процесс диффузии в пространстве и времени, а также прогнозировать распространение инновации на основе реальных начальных данных. В качестве тестового примера диффузии инноваций рассматривалось распространение 4G сетей мобильной связи по территории России. Реальные данные и данные, полученные клеточным автоматом, имеют

высокий коэффициент детерминации, что подтверждает адекватность разработанной модели. Выполненный пространственный и временной прогноз подтвердил возможность охвата 90% территории страны 4G покрытием к 2019 году, как это предусматривает государственная программа.

5. Для оценки эффективности инновационного развития территории традиционно используются различные рейтинги, каждый из которых реализуется по собственной методической схеме, использует разнообразные входные данные и, как следствие, получаются значительно различающиеся результаты. В диссертационном исследовании предложен инструментарий для оценки качества кластеризации многомерных данных и на его основе разработана комплексная методика оценки инновационного развития регионов, позволяющая количественно и качественно сравнить входные данные, методические схемы и результаты рейтингов различных методик, а также создавать и оценивать новые методики оценки инновационного развития территорий.

Направления исследования данной диссертационной работы имеют перспективы для дальнейшего развития и практического использования.

Проведенное исследование показывает целесообразность моделирования диффузии инноваций модифицированным клеточным автоматом. С нашей точки зрения, весьма перспективным направлением исследований является клеточное моделирование макроэкономических процессов на основе моделирования поведения фирм и домашних хозяйств на микроуровне. Этот инструментарий может оказаться весьма полезным при преодолении существующей пропасти между эмпирическими данными и попытками теоретического обоснования протекания макроэкономических процессов и их прогнозирования на основе положений и предпосылок о поведении экономических субъектов на микроуровне. Модели клеточных автоматов позволяют изменить состояние миллионов клеток за предельно короткое время, что можно также использовать при моделировании процессов конкуренции и кооперации, учитывая социально-психологические факторы. Это важнейшее свойство клеточных автоматов

позволяет их успешно использовать для моделирования систем, в которых значительную роль играют пространственные взаимодействия между элементами.

Разработанное приложение для оценки инновационного развития территорий и сравнения различных методических схем в данный момент проходит beta-тестирование, а в дальнейшем может быть размещено в сети Интернет и использоваться в качестве инструмента аналитика на уровне регионов и страны в целом для оценки инновационного развития регионов. Целесообразным является исследование других предметных областей, в которых требуется комплексная оценка, например, для оценки экономического развития территорий. Обобщение методик позволит реализовать универсальный инструмент, поддерживающий создание и оценку произвольного рейтинга.

СПИСОК ЛИТЕРАТУРЫ

1. Андреев, В. Ключевые факторы успешности российских инновационных проектов в реальном секторе экономики [Текст] / В. Андреев // Вопросы экономики. - 2010. - № 11. - С. 41-61.

2. Барсегян, А. А. Методы и модели анализа данных: OLAP и Data Mining. [Текст] / А. А. Барсегян, М. С. Куприянов, В. В. Степаненко, И. И. Холод. -СПб.: БХВ-Петербург, 2004. - 336 с.

3. Белов, А. В. Инновации в региональной политике и территориальная структура экономического потенциала России в 1990-2009 гг. [Текст] / А.В. Белов // Вестник Нижегородского университета им. Н.И. Лобачевского. - 2012. № 2-2. - С. 13-18.

4. Белов, А. В. К вопросу о пространственном размещении факторов производства в современной России [Текст] / А.В. Белов // Пространственная экономика. - 2012. - С. 9-28.

5. Билаль, Н. Е. Сулейман. Математическая модель подготовки и динамики научных кадров [Текст] / Н.Е. Сулейман Билаль // Вестник ТвГУ. Серия: Прикладная математика. - 2012. - № 1 (24). - С. 155-163.

6. Бортник, И. М. Система оценки и мониторинга инновационного развития регионов России [Текст] / И. М. Бортник, Г.И. Сенчена, Н.Н. Михеева, А.А. Здунов, П.А. Кадочников, А.В. Сорокина // Инновации. - 2012. - № 9 (167). - С. 48-61.

7. Вольтерра, В. Математическая теория борьбы за существование [Текст] / В. Вольтерра. - М.: Наука, 1976. - 286 с.

8. Глазьев, С. Ю. О стратегии развития экономики России [Текст] / С.Ю. Глазьев, В.В. Ивантер, В.Л. Макаров, А. Д. Некипелов, А.И. Татаркин, Р.С. Гринберг [и др.] // Экономическая наука современной России. - 2011. - № 3(54). - С. 1-26.

9. Гмурман, В. Е. Теория вероятностей и математическая статистика: учеб. пособие для вузов [Текст] / В. Е. Гмурман. - 9-е изд. - М.: Высшая школа. -2003.- 479 с.

10. Голиченко, О. Модернизация и реформирование инновационной стратегии России: проблемы и решения [Текст] / О. Голиченко // Вопросы экономики. - 2010. - № 8. - С. 41-53.

11. Гранберг, А. Г. Основы региональной экономики: учебник для вузов [Текст] / А. Г. Гранберг. - 4-е изд. - М.: Изд. Дом ГУ ВШЭ, 2004. - 495 с.

12. Гранберг, А. Г. Экономическое пространство России: проблемы целостности и эффективного функционирования [Текст] / А. Г. Гранберг. : Цикл публичных лекций «Академики РАН студентам ГУУ» / ГУУ. - М., 2006. - 23 с.

13. Грегляда, В. П. Инновационный путь развития новой России [Текст] / Под ред. Грегляда В. П. - М., Наука, 2005. - 265 с.

14. Гринчель, Б. М. Измерение динамики агломерационных процессов в региональной экономике [Текст] / Б. М. Гринчель, А. А. Антонова // Экономические и социальные перемены: факты, тенденции, прогноз. - 2012. - № 5 (23). - С. 79-90.

15. Гуц, А. К. Математические методы в социологии [Текст] / А. К. Гуц, Ю. В. Фролова. - М.: Изд-во ЛКИ, 2010. - 216 с.

16. Демидова, О. А. Выявление пространственных эффектов для основных макроэкономических показателей российских регионов [Текст] / О.А. Демидова // XIV Апрельская Международная Научная конференция по проблемам развития экономики и общества. - НИУ ВШЭ, 2-4 апреля 2013. - 26 с.

17. Елизаров, С. И. Адаптивные методы нечеткой кластеризации [Текст] / С.И. Елизаров // Сб. докл.: Международная конференция по мягким вычислениям и измерениям БСМ, 2007. - СПб., Изд-во СПбГЭТУ «ЛЭТИ». -2007. - Т.2. - С. 234-237.

18. Занг, В. Б. Синергетическая экономика. Время и перемены в нелинейной экономической теории [Текст] / В.Б. Занг. - М., Мир, 1999. - 400 с.

19. Земцов, С. П. Модернизация и инновационное развитие России. Экономико-географический подход [Текст] / С.П. Земцов. - Саарбрюкен (Германия), Lap Lambert Academic Publishing, 2011. - 286 с.

20. Земцов, С. П. Как измерить неизмеримое? Оценка инновационного потенциала регионов России [Текст] / С.П. Земцов, В.Л. Бабурин, В.А. Баринова // Креативная экономика. - 2015. - №1. - С. 35-52.

21. Иванов, Е. Информация как категория экономической теории [Текст] / Е. Иванов // Информация и экономика: теория, модели, технологии: сб. научных трудов. - Барнаул: АГУ, 2002. - C. 73-79.

22. Ивантер, В. В. Основные положения концепции инновационной индустриализации России [Текст] / В.В. Ивантер, Н.И. Комков // Проблемы прогнозирования. - 2012. - №5. - С. 3-12.

23. Воронцов, К.В. Лекции по алгоритмам кластеризации и многомерного шкалирования [Электронный ресурс] / К.В. Воронцов. - М., МГУ, 2007. - 26 с. URL - http://www.machinelearning.rU/wiki/images/c/ca/Voron-ML-Clustering.pdf

24. Капица, С. П. Синергетика и прогнозы будущего [Текст] / С.П. Капица, С. П. Курдюмов, Г.Г. Малинецкий. - Едиториал УРСС, 2003. - 285 с.

25. Кофман, А. Введение в теорию нечетких множеств [Текст] / А. Кофман: М., Радио и связь, 1982. - 432 с.

26. Кравченко, Н. А., Кузнецова С. А., Юсупова А. Т. Развитие инновационного предпринимательства на уровне региона [Текст] / Н.А. Кравченко, С. А. Кузнецова, А. Т. Юсупова // Регион: экономика и социология. - 2011. - №1. - С.140-161.

27. Кругликов, А. Г. Некоторые методологические проблемы исследования структуры инновационного процесса [Текст] / А.Г. Кругликов / Труды семинара «Инновационные процессы» - М., ВНИИСН, 1982. - С. 29-38.

28. Лапин, Н. Стратегия инновационного развития: национальная инновационная система [Текст] / Н. Лапин // Проблемы теории и практики управления. - 2008. - № 5. - С. 106-118.

29. Лёш, А. Географическое размещение хозяйств [Текст] / А. Лёш. - М.: Изд-во иностр. лит., 1959. - 455 с.

30. Лимонов, Л. Э. Проблемы планирования пространственного развития Санкт-Петербургской агломерации [Текст] / Л.Э. Лимонов // Моделирование в задачах городской и региональной экономики: Материалы Всероссийской конференции. - СПб.: Нестор-История, 2011. - 276 с.

31. Лобанов, А. И. Модели клеточных автоматов [Текст] / А.И. Лобанов //Компьютерные исследования и моделировании. - 2010. - Т. 2. - № 3. - С. 273293.

32. Лободина, О.Н. Диагностика основных характеристик экономического пространства страны / О.Н. Лободина // Актуальные проблемы экономики и управления: сб. материалов ежегодной международной научной конференции, г. Москва, 15-17 апреля 2013 г. [Электронный ресурс] / под ред. О.В. Чабанюка. -Электрон. текст. дан. (1 файл 2,6 Мб). - Вып. 2. - Киров: МЦНИП, 2013. - С. 45-49.

33. Лободина, О.Н. Оценка факторов, влияющих на инновационные процессы регионов, с учетом пространственных эффектов / О.Н. Лободина // Труды 6-й Международной научно-практической конференции студентов и аспирантов «Статистические методы анализа экономики и общества» (12-15 мая 2015 г.). - М.: Национальный исследовательский университет «Высшая школа экономики», 2015. - С 161-164.

34. Лободина, О.Н. Программный комплекс моделирования диффузии инноваций клеточным автоматом / О.Н. Лободина // Свидетельство о государственной регистрации программы для ЭВМ № 2015660079, выдано Федеральной службой по интеллектуальной собственности 21 сентября 2015г.

35. Лободина, О.Н. Статистическое исследование инновационной активности регионов с учетом пространственных факторов / О.Н Лободина // Материалы конференции «Дальневосточная экономическая Школа-конференция для магистрантов, аспирантов и молодых ученых» (г. Владивосток 1 -7 сентября 2014). - Владивосток : Изд-во ВГУЭС, 2014. - С 50-57.

36. Лободина, О.Н. Оценка влияния пространственных факторов на интенсивность инновационных процессов / О.Н. Лободина, Ю.Д. Шмидт // Вестник Тихоокеанского государственного экономического университета. -

2013. - № 3. - С. 20-30.

37. Малинецкий, Г. Г. Математические основы синергетики: Хаос, структуры, вычислительный эксперимент [Текст] / Г.Г. Малинецкий. - Изд-во ЛКИ, 2007. - 308 с.

38. Мандель, И. Д. Кластерный анализ [Текст] / И.Д. Мандель. - М.: Финансы и статистика, 1988. - 176 с.

39. Милованов, В. П. Неравновесные социально-экономические системы: синергетика и самоорганизация [Текст] / В.П. Милованов. - М.: Эдиториал УРСС, 2001. - 264 с.

40. Минакир, П. А. Пространственные эффекты в экономике и управлении [Текст] П.А. Минакир. - СПб.: Изд-во СПбУУЭ, 2011. - 32 с.

41. Минакир, П. А. Пространственная экономика - эволюция подходов и методология [Текст] / П.А. Минакир, А.Н. Демьяненко // Пространственная экономика. 2010. - № 2. - С. 6-32.

42. Михеева, Н. Н. Сравнительный анализ инновационных систем российских регионов [Текст] Н.Н. Михеева // Пространственная экономика. -

2014. - № 4. - С. 61-81.

43. Московкин, В. М. Математическая модель взаимодействия результатов различных видов НИОКР [Текст] / В.М. Московкин, Н. Е. Сулейман Билаль, Н.А. Голиков // Научно-техническая информация, Сер. 2. Информационные процессы и системы. - 2011. - № 2. - С. 13-17.

44. Московкин, В. М. Математическая модель «треугольника знаний» [Текст] / В.М. Московкин, Н. Е. Сулейман Билаль // Нелинейный мир. - 2010.-№1. - С. 29- 35.

45. Нестеренко, Ю. Мировой опыт формирования национальной инновационной системы и проблемы России [Текст] / Ю. Нестеренко // Проблемы теории и практики управления. - 2006. - № 1 . - С. 81 -87.

46. Нижегородцев, Р. М. Модели клеточных автоматов в теории диффузии инноваций [Текст] / Р.М. Нижегородцев, В.Д. Секерин, С.В. Лисафьев // Вопросы новой экономики. - 2012. - №3 (23). - С. 39-43.

47. Николис, Г. Самоорганизация в неравновесных системах: от диссипативных структур к упорядоченности через флуктуации [Текст] / Г. Николис, И. Пригожин. - М.: Мир, 1979. - 512 с.

48. Отчет о НИР по Государственному контракту № 14.740.11.0219 ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 [Текст] - Новосибирск: ИМ СО РАН, 2011. - 95 с.

49. Пилясов, А. Н. Синергия пространства: региональные инновационные системы, кластеры и перетоки знания [Текст] / ред. Пилясов А. Н. - Смоленск, Ойкумена, 2012. - 760 с.

50. Плотинский, Ю. М. Модели социальных процессов [Текст] / Ю.М. Плотинский. - М.: Изд-во «Логос», 2001. - 296 с.

51. Подопригора, Ю. В. Негородские агломерации как фактор интенсивного развития территории [Текст] / Ю.В. Подопригора // Экономика и предпринимательство. - 2014. - № 4-2. - С. 309-312.

52. Попков, Ю. С. Макросистемные модели пространственной экономики [Текст] / Ю.С. Попков. - М.: КомКнига, 2008. - 240 с.

53. Растворцева, С. Н. Управление развитием процессов концентрации экономической активности в регионе: подходы новой экономической географии : Монография [Текст] / С.Н. Растворцева. - М.: Экон-информ, 2013. - 131 с.

54. Ратникова, Т. А. Введение в эконометрический анализ панельных данных / Т.А. Ратникова // Экономический журнал Высшей школы экономики. -2006. - Т. 10. - № 2. - С. 267-316.

55. Рейтинг инновационного развития субъектов Российской Федерации [Текст] : Вып. 2 / под ред. Л.М. Гохберга. - М.: Национальный исследовательский университет «Высшая школа экономики», 2014. - 88 с.

56. Руководство Осло. Рекомендации по сбору и анализу данных по инновациям [Текст] : 3-е изд. Перевод с английского. - изд. 2-е исправленное. -М., 2010. - 107 с.

57. Сивоголовко, Е. Методы оценки качества четкой кластеризации [Текст] / Е. Сивоголовко // Компьютерные инструменты в образовании. - 2011. - Вып. 4 (96). - С. 14-31.

58. Сидоренко, В. Н. Системная динамика [Текст] / В.Н. Сидоренко. - М.: МГУ, ТЕИС, 1998. - 200 с.

59. Силкина, Г. Ю. Моделирование динамики инновационных процессов [Текст] : дис. ... д-ра экон. наук : 08.00.13 / Силкина Галина Юрьевна - Н. Новгород, 2000. - 365 с.

60. Суспицын, С. А. Оптимизация территориальных систем [Текст] / С. А. Суспицын. - Новосибирск: ИЭОПП, 2010 - 629 с.

61. Тоффол, Т. Машины клеточных автоматов [Текст] / Т. Тоффол, Н. Марголус. - М.: Изд-во «Мир», 1991. - 280 с.

62. Трофимов, А. М., Оценка качества жизни населения как форма изучения социально-географического пространства [Текст] / А. М. Трофимов, И. Г. Мальганова // Географический вестник. - 2005. - № 1-2. - С. 36-43.

63. Унтура, Г. А. Проблемы и инструменты аналитики инновационного развития субъектов РФ [Текст] / Г.А. Унтура, Т. Н. Есикова, И. Д. Зайцев, О. Н. Морошкина // Вестник Новосибирского государственного университета. Серия: Социально-экономические науки. - 2014. - Т.14. - Вып. 1. - С.81-100.

64. Хакен, Г. Синергетика [Текст] / Г. Хакен. - М.: Мир, 1980. - 404 с.

65. Халимова, С. Оценка региональных различий развития инновационной деятельности [Текст] / С. Халимова // XV Апрельская международная научная конференция по проблемам развития экономики и общества : в 4-х кн. / отв. ред. Е.Г. Ясин. - Нац. исслед. ун-т - Высшая шк. экон. при участии Всемирного банка и МВФ. - Кн. 3. - М., ИД ВШЭ, 2015. - С. 301-326.

66. Чекмарев, В. В. Экономика в трехмерном формате: феноменология экономического пространства [Текст] / В.В. Чекмарев. - Кострома: КГУ им. Н.А. Некрасова, 2010. - 376 с.

67. Шмидт, Ю. Д. О некоторых подходах к моделированию пространственной диффузии инноваций [Текст] / Ю.Д. Шмидт, О.Н. Лободина // Пространственная экономика. - 2015. - №2. - С. 103-115.

68. Шмидт, Ю. Д. Статистическое исследование основных характеристик экономического пространства страны [Текст] / Ю.Д. Шмидт, О.Н. Лободина // Вестник Тихоокеанского государственного экономического университета. -2013. - № 1 (65). - С. 22-35.

69. Шумпетер, Й. Теория экономического развития [Текст] / Й. Шумпетер : пер. с англ. - М.: Прогресс, 1982. - 455 с.

70. Aiginger, K. Specialization and Concentration: a Note on Theory and Evidence [Текст] / K. Aiginger, E. Rossi-Hansberg // Empirica. - 2006. - Vol. 33. - P. 255-266.

71. Anselin, L. Spatial panel econometrics. In Matyas L, Sevestre P. (eds) The econometrics of panel data, fundamentals and recent evelopments in theoryand practice (3rd edition) [Текст] / L. Anselin, J. Le Gallo, H. Jayet. - Kluwer, Dordrecht, 2006. - P. 901-969.

72. Anselin, L. Spatial Econometrics: Methods and Models [Текст] / L. Anselin. - Dordrecht, Kluwer, 1988. - 284 p.

73. Arellano, M. Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations [Текст] / M. Arellano, S. Bond // Review of Economic Studies. - 1991. - 58. - P. 277-297.

74. Baltagi, Badi H. (Badi Hani) Econometric analysis of panel data [Текст] / Badi H. Baltagi. - 3rd ed. - John Wiley & Sons, 2005. - 302 p.

75. Balzat, M. Recent trends in the research on national innovation systems [Текст] / M. Balzat, H. Hanusch // Journal of Evolutionary Economics. - 2004. - Vol. 14. - Issue 2. - P. 197-210.

76. Bass, F. M. A new product growth for model consumer durables [Текст] / F. M. Bass // Management Science. - 1969. - Vol. 15. - P. 215-227.

77. Bernardí, C.-B. Innovation and R&D spillover effects in Spanish regions: A spatial approach [Текст] / C.-B. Bernardí, S.-D. Guadalupe // Research Policy. - 2007. - Vol. 36. - Issue 9. - P. 1357-1371.

78. Bhargava, S. C. A stochastic cellular automata model of innovation diffusion, Technol [Текст] / S. C. Bhargava, A. Kumar, A. Mukherjee // Forecast. Soc. Change 44 (1), 1993. - P. 87 - 97.

79. Castellano, C. Statistical physics of social dynamics [Текст] / C. Castellano, S. Fortunato, V. Lorento // Reviews of modern physics. - 2009. - №81 (2). - P. 591-646.

80. Chaves, C. Investigating the interaction and mutual dependence between science and technology. Research policy : policy, management and economic studies of science, technology and innovation [Текст] / С. Chaves, S. Moro // Amsterdam [u.a.]: Elsevier. - 2007. - Vol. 36. - P. 1204-1220.

81. Chesbrough, H. W. The era of open innovation [Текст] / H. W. Chesbrough // MIT Sloan Management Review. - 2003. - №44 (3). - P. 35-41.

82. Cooper, R. G. New product success in industrial firms [Текст] / R. G. Cooper // Industrial Marketing Management. - 1982. - Vol. 1.- P. 215-223.

83. Demidova, O. A. Spatial Effects on Youth Unemployment Rate: The Case of Eastern and Western Russian Regions [Текст] / O. A. Demidova, E. Marelli, M. Signorelli // Eastern European Economics. - 2013. - Vol. 51. - No. 5. - P. 94-124.

84. Edquist, C. Systems of Innovation: Technologies, Institutions and Organizations [Текст] / C. Edquist. - London: Pinter Publishers / Cassell Academic, 1997. - 432 pp.

85. Elhorst, J. P. Serial and spatial autocorrelation [Текст] / J.P. Elhorst // Economics Letters. - 2008. - No. 100. - P. 422-424.

86. Fagerberg, J. Innovation: Exploring the knowledge base [Текст] / J. Fagerberg, M. Fosaas, K. Sapprasert // Research Policy.- 2012. - 41 (7). - P. 11321153.

87. Forrester, J. W. The System Dynamics National Model: Macrobehavior from Microstructure [Текст] / J. W. Forrester // Paper presented at the Computer-Based Management of Complex Systems: International System Dynamics Conference. - Stuttgart. 1989. - P.3-12.

88. Freeman, C. Technology and Economic Performance. Lessons from Japan. [Текст] / C. Freeman. - London: Pinter Publishers, 1987. - 155 p.

89. Freeman, C. The Greening of Technology and Models of Innovation [Текст] / C. Freeman // Technological Forecasting and Social Change. - 1996. - 53. - P. 27-39.

90. Fritch, M. Measuring the Quality of Regional Innovation Systems: A Knowledge Production Function Approach [Текст] / M. Fritch // International Regional Science Review. - 2002. - Vol. 25. - P. 86-101.

91. Gilbert, N. Agent-based models [Текст] / N. Gilbert. - Sage Publications. London, 2008. - P. 112.

92. Glaeser, E. Cities, Agglomeration and Spatial Equilibrium [Текст] / E. Glaeser. - Oxford, Oxford University Press, 2008. - 288 p.

93. Godin, B. The Linear Model of Innovation: The Historical Construction of an Analytical Framework [Текст] / В. Godin // Science, Technology and Human. -2006. - Vol. 31. - № 6. - P. 639-667.

94. Gossling, T. Innovation in Regions [Текст] / T. Gossling, R. Rutten // European Planning Studies. - 2007. - №15. - P. 253-270.

95. Griliches, Z. R&D and productivity: Econometric results and measurement issues. In: Stoneman, P. (Ed.) [Текст] Z. Griliches / Handbook of the Economics of Innovation and Technological Change. - Oxford, 1995. - P. 52-89.

96. Halkidi, M. Cluster validity methods [Текст] / M. Halkidi, Y. Batistakis, M.Vazirgiannis // SIGMOD Rec, part II. - 2002. - Vol. 31. - No. 3. - P. 19-27.

97. Hocking, R. R. The Analysis and Selection of Variables in Linear Regression [Текст] / R.R. Hocking // Biometrics. - 1976. - No. 32. - P. 1-49.

98. Isard, W. Location and Space Economy: A General Theory Relating to Industrial Location, Market Areas, Land Use, Trade, and Urban Structure [Текст] / W.

Isard. - New York: Technology Press of Massachusetts Institute of Technology and Wiley, 1956. - 382 p.

99. Elhorst, J. P. Applied Spatial Econometrics: Raising the Bar [Текст] / J. P. Elhorst // Spatial Economic Analysis. - 2010. - Vol. 5. - No 1. - P. 9-28.

100. Goldenberg, J. Using cellular automata modeling of emergence of innovations [Текст] / J. Goldenberg, S. Efroni // Technological Forecasting & Social Change. - 2001. - № 68. - P. 293-308.

101. Jain, A. Data clustering: A review [Текст] / A. Jain, M. Murty, P. Flynn P. // ACM Computing Surveys. - 1999. - Vol. 31. - No. 3. - P. 264-323.

102. Janszen, F.H.A. A Dynamic Analysis of the Relations between the Structure and the Process of National System of Innovation Using Computer Simulation The Case of the Dutch Biotechnological Sector [Текст] / F.H.A. Janszen, G.H. Degenaars // Research Policy. - 1998. - Vol. 27. - No 1. - P. 37-54.

103. Kalish, S. Diffusion models and the marketing mix for single products [Текст] / S. Kalish, S.K. Sen // Innovation Diffusion Models of New Product Acceptance / Eds.: V. Mahajan, Y. Wind. - Cambridge, USA: Ballinger Publishing Company, 1986. - P. 87-115.

104. Kan, S. Metrics and Models in Software Quality Engineering, Second Edition [Текст] / S. Kan. - Addison Wesley, 2002. - 528 p.

105. Klaas, B. S. 'The adoption of human capital services by small and medium enterprises: A diffusion of innovation perspective [Текст] / B.S. Klaas, M. Klimchak, M. Semadeni, J. J. Holmes // Journal of Business Venturing. - 2010. - №2 25. - P. 349-360.

106. Kline, S. J. An overview of innovation. In R. Landau & N. Rosenberg (eds.), The Positive Sum Strategy: Harnessing Technology for Economic Growth [Текст] / S. J. Kline, N. Rosenberg. - Washington, D.C.: National Academy Press, 1986. - P. 275-305.

107. Kocsis, G. Agent Based Simulation of Spreading in Social-Systems of Temporarily Active Actors [Текст] / G. Kocsis, I. Varga // Cellular Automata. - 2014. - LNCS 8751. - P. 330-338.

108. Kodama, F. Emerging. Patterns of Innovation: Sources of Japan's Technological Edge [Текст] / F. Kodama. - Boston MA: Harvard Business School, 1995. - 297 p.

109. Lee, L. F. Best spatial two-stage least squares estimators for a spatial autoregressive model with autoregressive disturbances [Текст] / L.F. Lee // Econometric Reviews. - 2003. - Vol. 22. - No 4. - P. 307-335.

110. Lee, Y. L. A dynamic analytic approach to national innovation systems: The IC industry in Taiwan [Текст] / Y. L. Lee, N. Tunzelmann // Research Policy. -2005. - Vol. 34. - P. 425-440.

111. Leenders, R. T. Modeling social influence through network autocorrelation: constructing the weight matrix [Текст] / R.T. Leenders // Social Networks. - 2002. -Vol. 24. - P. 21-47.

112. LeSage, J. P. Introduction to Spatial Econometrics [Текст] / J. P. LeSage, R. K. Pace. - Boca Raton, Taylor & Francis, 2009. - 374 p.

113. Loof, H. Multinational enterprise and innovation: firm level evidence on spillover via R&D collaboration [Текст] / H. Loof // Journal of evolutionary economics.

- 2009. - Vol. 19. - No 1. - P. 41-71.

114. Loof, H. The link between firm-level innovation and aggregate productivity growth: a cross-country examination [Текст] / H. Loof, A. Heshmati // Oxford University Press. - 2003. - Vol. 12 (2). - P. 131-147.

115. Looy, B. Scientific capabilities and technological performance of national innovation systems: An exploration of emerging industrial relevant research domains [Текст] / B. Looy, K. Debackere, J. Callaert, R.Tijssen, T. Leeuwen // Scientometrics.

- 2006. - Vol. 66. - No 2. - P. 295-310.

116. Lopez-Ortega, E. A Dynamic Model for Regional Competitiveness Based on the Regional Innovation System [Текст] / E Lopez-Ortega // The 15th International System Dynamics Conference: «System Approach to Learning and Education into the 21st Century», 1997. - 25 p. URL: http://www.systemdynamics.org/conferences/1997/lopez.htm

117. Lotka? A.J. Elements of Physical Biology [Текст] / A.J. Lotka. -Baltimore: Williams and Wilkins, 1925. - 495 p.

118. Lundvall, B. A. (ed.) National Systems of Innovation: Towards a Theory of Innovation and Interactive Learning [Текст] / Editor Lundvall B.A. - London: Pinter Publishers, 1992. - 317 p.

119. Lyneis, J. M. System Dynamics for Market Forecasting and Structural Analysis [Текст] / J.M. Lyneis // System Dynamics Review. - 2000. - №16 (1). - P. 3-25.

120. Mahajan, V. New-Product Diffusion Models [Текст] / V. Mahajan, E. Muller, Y. - Wind London: Kluwer, 2000. - P. 3-24.

121. Malerba, F. Sectoral Systems: How and why innovation differs across sectors. In Fagerberg, David and Nelson (eds.) The Oxford Handbook of Innovation [Текст] / F. Malerba. - New York: Oxford University Press, 2005. - P. 380-406.

122. Manski, C. F. Identification of endogenous social effects: the reflection problem [Текст] / C. F. Manski // Review of Economic Studies. - 1993. - №60. - P. 531-542.

123. Mauricio, Uriona-Maldonado. Dynamics, structure and performance of Innovation Systems: A complex systems modeling approach. - Online, 2011 [Электронный ресурс] : URL http://student.systemdynamics.org/wp/wp-content/ulf/ ColloquiumProceedings2011/Uriona-Maldonado.pdf.

124. Meilä, M. Comparing clusterings - an information based distance [Текст] / M. Meilä // Journal of Multivariate Analysis. - May 2007. - Vol. 98. - Issue 5. - P. 873-895.

125. Nelson, R. R. (ed.) National Innovation Systems: A Comparative Analysis [Текст] / Editor Nelson R.R. - Oxford University Press, Oxford, 1993. - 560 p.

126. Nelson, R. R. An Evolutionary Theory of Economic Change [Текст] / R. R. Nelson, S. G. Winter. - Cambridge (Mass.): The Belknap Press, 1985. - 454 p.

127. Penin, J. New shapes and new stakes: a portrait of open innovation as a promising phenomenon [Текст] / J. Penin, C. Hussler, T. Burger-Helmchen // Journal of Innovation Economics. - 2011. - № 7. - P. 11-29.

128. Rogers, E. M. Diffusion of Innovations: 5th edition. [Текст] / E.M. Rogers. - New York: The Free Press, 2003. - 221 p.

129. Rothwell, R. Towards the fifth-generation innovation process [Текст] / R. Rothwell // International Marketing Review. - 1994. - Vol. 11. - No 1. - P. 7-31.

130. Rothwell, R. Successful Industrial Innovation: Critical Factors for the 1990s [Текст] / R. Rothwell // R&D Management. - 1992. - Vol. 22. - No 3. - P. 221-39.

131. Rothwell, R. The Changing Nature of the Innovation Process [Текст] / R. Rothwell // Technovation. - 1993. - Vol. 13. - No 1. - P. 1-2.

132. Stamboulis, Y. Exploring the System Dynamics of Innovation Systems. / Y. Athens, Greece: System Dynamics Society, Online, 2008 [Электронный ресурс] : URL:http://www.systemdynamics.org/conferences/2008/proceed/papers/stamb454.pdf. (дата обращения: 12.02.2015).

133. Stern, S. The Determinants of National Innovative Capacity [Текст] / S. Stern, M. E. Porter, L. Jeffrey, J. L. Furman // Research Policy. - August 2002. - Vol. 31. - Issue 6. - P. 899-933.

134. Todorov V. Modelling sustainability [Текст] / V. Todorov, D. Marinova // Mathematics and Computers in Simulation. - 2011. - Vol. 81. - No. 7. - P. 13971408.

135. Unger, B. Institutional and Organizational Determinants of Product Innovations. Innovation [Текст] / B. Unger, M. Zagler // The European Journal of Social Science Research. - 2003. - №16, 3. - P. 293-310 (Details).

136. Walwyn, D. Finland and the mobile phone industry: A case study of the return on investment from government-funded research and development [Текст] / D. Walwyn // Technovation. - 2007. - Vol. 27. - P. 335-341.

137. Wolfram, S. A New Kind of Science [Электронный ресурс] / S. Wolfram. - URL: http://www.wolframscience.com/nksonline/toc.html.

138. Wooldridge, J. M. Econometric Analysis of Cross Section and Panel Data [Текст] / J. M. Wooldridge. - (Ch. 10.), MIT Press, 2002. - 735 p.

139. Вычислительное приложение Wolfram Mathematica (Версия: 10.0.0) [Электронный ресурс] : URL: http ://www. wolfram. com/mathematica /? source=nav.

140. Официальный сайт Министерства регионального развития РФ [Электронный ресурс]. - Оценка эффективности деятельности регионов -Электронные данные. - URL: http://www.minregion.ru/. - Загл. с экрана. - М.: МРРРФ [2009-2015].

141. Официальный сайт Министерства транспорта РФ (Минтранс России) [Электронный ресурс]. - Статистическая информация. Электронные данные. -URL: http://www.mintrans.ru/. - Загл. с экрана. - М.: МТРФ [2011-2015].

142. Официальный сайт Правительства Российской Федерации [Электронный ресурс] - URL: http://www.government.ru/ (дата обращения: 09.03.2015).

143. Официальный сайт статистического пакета EViews [Электронный ресурс] - URL: http: //www. eviews.com/

144. Официальный сайт Федеральной службы государственной статистики (Росстат) [Электронный ресурс]. - Официальная статистика. Электронные данные. - URL: http://www.gks.ru/. - Загл. с экрана. - М.: ФСГС [1999-2015].

145. ПАО «Мегафон» [Электронный ресурс]. - URL: http://www.megaphon.ru/ (дата обращения: 12.02.2015).

146. Реферативная база данных SCOPUS [Электронный ресурс]. - URL: http://www.scopus.com/ (дата обращения 15.06.2015) (http://www.elsevierscience.ru/products/scopus/).

147. Сайт Ассоциации инновационных регионов России [Электронный ресурс]. - URL: http: //www. i-regions. org/upload/internen. airr. booklet.pdf/.

148. Сайт ПАО «Вымпелком» (Билайн) [Электронный ресурс]. - URL: http://www.beeline.ru/ (дата обращения: 12.02.2015).

149. Сайт ПАО «Мобильные ТелеСистемы» (МТС) [Электронный ресурс]. - URL: http://www.mts.ru/ (дата обращения: 12.02.2015).

150. Статистический пакет Stata [Электронный ресурс]. - StataCorp LP; 4905 Lakeway Drive; College Station, Texas 77845-4512; USA. - URL: http : //www. stata. com/.

151. Электронная библиотека ELШRARY[Электронный ресурс]. - URL: http://elibrary.ru

152. ArcView GIS by ESRI. The Geographic Information System for Everyone. Environmental System Research Institute, Inc., USA, 1996 y. [Электронный ресурс]. - URL: http://www.esri .com/software/ arcgis/arcview/.

153. International Innovation Index Country Ranking [Электронный ресурс]. -URL: http : //stats. areppim.com/, http://stats.areppim.com/archives/insight. innovrank2011 .pdf.

154. Regional Innovation Scoreboard 2012 [Электронный ресурс]. - URL: http://ec.europa.eu/growth/industry/innovation/facts-figures/scoreboards/ index.en.htm.

155. The Global Innovation Index 2015 : Effective Innovation Policies for Development [Электронный ресурс]. - URL: https://www.global innovationindex.org/content/page/gii-full-report-2015/.

Приложение А

Системы показателей рейтингов инновационного развития регионов

Система показателей рейтинга инновационного развития субъектов РФ, разработанного Институтом статистических исследований и экономики знаний Национального исследовательского университета «Высшая школа экономики» [55]

1. Социально-экономические условия инновационной деятельности

1.1. Основные макроэкономические показатели

1.1.1. Валовый региональный продукт (ВРП) в расчете на одного занятого в экономике региона, тыс. руб.

1.1.2. Коэффициент обновления основных фондов, %.

1.1.3. Удельный вес занятых в высокотехнологичных и среднетехнологичных высокого уровня отраслях промышленного производства в общей численности занятых в экономике региона, %.

1.1.4. Удельный занятых в наукоемких отраслях сферы услуг в общей численности занятых в экономике региона, %.

1.2. Образовательный потенциал населения

1.2.1. Удельный вес населения в возрасте 25-64 лет, имеющего высшее образование, в общей численности населения соответствующей возрастной группы, %.

1.2.2. Численность студентов, обучающихся по образовательным программам высшего образования, в расчете 10 000 человек населения.

1.3. Уровень развития информационного общества

1.3.1. Удельный вес организаций, имеющих доступ к Интернету с максимальной скоростью передачи данных не менее 256 Кбит/сек, в общем числе организаций, %.

1.3.2. Удельный вес домашних хозяйств, имевших персональный компьютер и доступ к сети Интернет, в общем числе домохозяйств, %.

2. Научно-технический потенциал

2.1. Финансирование научных исследований и разработок

2.1.1. Внутренние затраты на исследования и разработки в процентах к ВРП, %.

2.1.2. Внутренние затраты на исследования и разработки на одного исследователя, тыс. руб.

2.1.3. Удельный вес организаций предпринимательского сектора в общем объеме внутренних затрат на исследования и разработки, %.

2.1.4. Отношение среднемесячной заработной платы работников, которые заняты исследованиями и разработками, к среднемесячной номинальной начисленной заработной плате в регионе, %.

2.2. Кадры науки

2.2.1. Удельный вес численности работников, занятых исследованиями и разработками к среднегодовой численности занятых в экономике региона, %.

2.2.2. Удельный вес лиц до 39 лет в численности исследователей, %.

2.2.3. Удельный вес лиц, имеющих ученую степень, в численности исследователей, %.

2.3. Результативность научных исследований и разработок

2.3.1. Число статей, опубликованных в рецензируемых журналах, индексируемых в РИНЦ в расчете на 10 исследователей.

2.3.2. Число патентных заявок на изобретения, поданных в Роспатент национальными заявителями, в расчете на миллион человек экономически активного населения региона.

2.3.3. Число передовых производственных технологий, созданных в регионе, в расчете на миллион человек экономически активного населения региона.

2.3.4. Отношение объема поступлений от экспорта технологий к ВРП (на 1 тыс. руб. ВРП).

3. Инновационная деятельность

3.1. Активность в сфере технологических и нетехнологических инноваций

3.1.1. Удельный вес организаций, осуществлявших технологически инновации, в общем числе организаций (по организациям промышленного производства), %.

3.1.2. Удельный вес организаций, осуществлявших нетехнологические инновации (маркетинговые и/или организационные, в общем числе организаций (по организациям промышленного производства), %.

3.1.3. Удельный вес организаций, имевших готовые технологически инновации, разработанные собственными силами, в общем числе организаций (по организациям промышленного производства), %.

3.1.4. Удельный вес организаций, участвующих в совместных проектах по выполнению исследований и разработок, разработанные собственными силами, в общем числе организаций (по организациям промышленного производства), %.

3.2. Малый инновационный бизнес

3.2.1. Удельный вес малых предприятий, осуществляющих технологические инновации, в общем числе малых предприятий, %.

3.3. Затраты на технологические инновации