Влияние научной и инновационной активности на ВРП регионов России: корреляционно-регрессионный анализ

Для повышения эффективности стратегического управления научно-инновационным развитием регионов России важно понимать закономерности взаимного влияния уровня экономики регионов и инновационного развития. На основе множественного регрессионного анализа выявлены значимые корреляции между экономическими показателями и параметрами научной и инновационной деятельности. Исследование основывается на корреляционно-регрессионном анализе. Проанализирован массив данных по 77 регионам России, при этом исключены 8 малонаселенных регионов, экономика которых наиболее значительно связано с добычей полезных ископаемых, а также по 75 регионам из данной выборки, но без Москвы и Санкт-Петербурга. Поскольку санкции против России в 2022 году создали барьеры для публикационной активности российских ученых в международных изданиях, использован массив показателей научной и инновационной активности за 2021 год, в том числе число публикаций в Scopus, ученых в регионах РФ и данные раздела «Наука и инновации» из регионального сборника Росстата. Существует значительная положительная корреляция между научной и инновационной активностью и ВРП регионов России. Наиболее весомым фактором оказался показатель публикационной активности в области экономики, эконометрики и финансов. Модель объясняет 68% вариации ВРП на душу населения по регионам, что свидетельствует о важности научной и инновационной деятельности для экономического роста. Полученная формула регрессии показывает, что лишь при определенном уровне экономического развития научно-инновационная активность начинает оказывать существенное влияние на экономический рост. Это важно для учета в процессах управления пространственным размещением научного потенциала. Формула обобщенным образом дает определенный «стратегический рецепт» научно-инновационного развития российского региона: поддержка исследований конкретных экономических проблем, развитие прикладной науки, решающей конкретные производственные или иные проблемы, а также стремление к производству инновационной продукции. Данный результат может быть использован в формировании научно-инновационных составляющих региональных стратегий развития.

1. Гоберник Н.С., Митяков С.Н. Методика оценки влияния инновационной активности промышленных предприятий на их устойчивое развитие // Статистика и экономика. 2013. № 1. С. 32–35.

2. Горидько Н.П., Нижегородцев Р.М. Феномен «роста на ожиданиях»: регрессионный анализ и релятивистская концепция времени в экономики // Вестник экономической интеграции. 2011. № 12. С. 11–27.

3. Горидько Н.П., Нижегородцев Р.М., Олисаева О.Л. Регрессионный анализ факторов экономического роста региона как инструмента выявления ключевых направлений государственного регулирования // Известия Волгоградского государственного технического университета. 2011. № 14(87). С. 164–177.

4. Гусарова О.М., Кузменкова В.Д., Комаров П.И. Цифровые модели социально-экономического развития региональных субъектов // Фундаментальные исследования. 2018. № 8. С. 42–47.

5. Дарда Е.С., Устинов Е.А. Факторы развития фондового рынка российской федерации: статистическая оценка // Инновации и инвестиции. 2016. № 10. С. 70–74.

6. Козинова К.Т. Эконометрический анализ валового внутреннего продукта России и его взаимосвязей с инвестициями в основной капитал, численностью занятого в экономике населения, добычей нефти и газа // Экономический анализ: теория и практика. 2016. № 2(449). С. 183–196.

7. Кравцов А.А. Развитие исследований инновационных процессов на основе патентной статистики: аналитический обзор // Журнал новой экономической ассоциации. 2017. № 3(35). С. 144–169. DOI: 10.31737/2221-2264-2017-35-3-7

8. Крупко А.Э., Фетисов Ю.М., Рогозина Р.Е. Интерпретация корреляционно-регрессионного анализа основных факторов развития экономики ЦФО // ФЭС: Финансы, Экономика. 2018. Т. 15. № 12. С. 22–29.

9. Крыжановская О.А., Степанова А.Р. Анализ основных тенденций развития малого бизнеса в Российской Федерации // Теория и практика сервиса: экономика, социальная сфера, технологии. 2019. № 4(42). С. 14–18.

10. Митяков С.Н., Митяков Е.С., Митякова О.И., Яковлева Г.Н. Инструментарий оценки инновационной деятельности в регионах: корреляционно-регрессионный анализ // Инновации. 2021. № 1(267). С. 60–67. DOI: 10.26310/2071-3010.2021.267.1.009

11. Мурашова Н.А. Методологические основы обеспечения инновационной деятельности экономических систем. Н. Новгород: Нижегород. гос. техн. ун-т. им. Р.Е. Алексеева, 2020.

12. Поздеев В.Л. Методы оценки финансовой устойчивости предприятий // Экономический анализ: теория и практика. 2005. № 24(57). С. 54–58.

13. Харитонова Д.Е. Корреляционно-регрессионный анализ в экономике // КонтентуС. 2016. № 8(49). С. 176–179.

14. Betarelli A.A, Faria W.R., Montenegro R.L.G., Bahia D.S., Gonçalves E. Research and Development, Productive Structure and Economic Effects: Assessing the Role of Public Financing in Brazil // Economic Modelling. 2020. Vol. 90. P. 235–253. DOI: 10.1016/j.econmod.2020.04.017

15. Caporale G.M., Rault C., Sova A.D., Sova R. Financial Development and Economic Growth: Evidence from 10 New European Union Members // International Journal of Finance and Economics. 2015. Vol. 20. Is. 1. P. 48–60. DOI: 10.1002/ijfe.1498

16. Fraumeni B.M. Gross Domestic Product: Are Other Measures Needed? // IZA World of Labor. 2022. DOI: 10.15185/izawol.368.v2

17. Henderson V., Storeygard A., Weil D.N. A Bright Idea for Measuring Economic Growth // American Economic Review. 2011. Vol. 101. Is. 3. P. 194–199. DOI: 10.1257/aer.101.3.194

18. Herzer D. The Impact of Domestic and Foreign R&D on TFP in Developing Countries // World Development. 2022. Vol. 151. DOI: 10.1016/j.worlddev.2021.105754

19. Soete L., Verspagen B., Ziesemer T.H.W. Economic Impact of Public R&D: An International Perspective // Industrial and Corporate Change. 2022. Vol. 31. Is. 1. P. 1–18. DOI: 10.1093/icc/dtab066

20. Zhang L., Fargher N. Aggregate Accounting Earnings, Special Items and Growth in Gross Domestic Product: Evidence from Australia // Accounting and Finance. 2022. Vol. 62. Is. 2. P. 2467–2496. DOI: 10.1111/acfi.12871