Journal of Applied Economic Research
ISSN 2712-7435
УДК 332.12
Пространственное моделирование влияния научно-исследовательского потенциала на динамику научно-технологического развития регионов России
И. В. Наумов, С. С. Красных
Институт экономики Уральского отделения РАН, г. Екатеринбург, Россия
Аннотация
Исследование научно-технологического развития российских регионов имеет важное значение по нескольким причинам. Во-первых, создание передовых производственных технологий имеет решающее значение для повышения конкурентоспособности российской промышленности и обеспечения технологического суверенитета страны. Во-вторых, анализ влияния расходов на науку, численности исследователей и количества организаций на развитие передовых технологий поможет выявить факторы, способствующие или препятствующие научно-техническому прогрессу в различных регионах. Это может стать основой для разработки предложений по актуализации Стратегии научно-технологического развития РФ, а также стратегий развития федеральных округов и субъектов РФ. Целью исследования является оценка влияния динамики научно-исследовательского потенциала регионов на динамику разрабатываемых в них передовых производственных технологий с помощью методов пространственного моделирования. Была подтверждена гипотеза о том, что в условиях высокой пространственной неоднородности научно-технологического развития при оценке влияния различных факторов на динамику разрабатываемых передовых производственных технологий недопустимо формирование обычных регрессионных моделей, не учитывающих пространственные эффекты, а целесообразно построение пространственных моделей SAR, SEM, SAC, SDM и др. Новизной методического подхода является использование методов пространственного моделирования с применением нескольких матриц пространственных весов. В ходе исследования было подтверждено, что на динамику разрабатываемых передовых производственных технологий положительное влияние оказывают располагающиеся в соседних регионах инженерно-технические кадры, занимающиеся научными исследованиями и разработками, а также выделяемые научным организациям окружающих регионов финансовые ресурсы на проведение фундаментальных исследований. Негативное влияние на динамику разрабатываемых передовых технологий, согласно модели Дарбина, оказывают численность функционирующих в окружающих регионах научно-исследовательских организаций и объем выделяемого финансирования на прикладные исследования и разработки. Теоретическая значимость исследования заключается в выявлении факторов, влияющих на создание отечественных передовых производственных технологий. Практическая значимость заключается в возможности использования данных результатов для формирования стратегий содействия научно-техническому развитию регионов Российской Федерации в современных условиях.
Ключевые слова
научно-технологическое развитие; пространственное моделирование; регионы России; модель пространственного лага (SAR); модель пространственной ошибки (SEM); модель пространственного лага и ошибки (SAC); пространственная модель Дарбина (SDM).
JEL classification
O33Список использованной литературы
1. Батьковский А.М., Кравчук П.В., Стяжкин А.Н. Оценка экономической эффективности производства высокотехнологичной продукции инновационно-активными предприятиями отрасли // Креативная экономика. 2019. № 1 (13). С. 115–128. https://doi.org/10.18334/ce.13.1.39738
2. Молодцова О.П. Факторы, влияющие на научно-технологическую деятельность в регионе // Стратегии бизнеса. 2022. Т. 10, № 12. С. 306–310. https://doi.org/10.17747/2311-7184-2022-12-306-310
3. Рыжая А.А. Факторы, влияющие на научно-технологическое развитие промышленного комплекса региона // Молодежный научно-исследовательский журнал. 2017. № 5-1 (59). С. 38–43. https://doi.org/10.23670/IRJ.2017.59.019
4. Тюрина Ю.Г., Лавренко Е.А., Селиверстова Н.И., Колмыкова М.А., Саморуков А.А. Система факторов научно-технологического развития региона // Российское предпринимательство. 2018. Т. 19, № 5. С. 1480–1500. http://dx.doi.org/10.18334/rp.19.5.39107
5. Shiying H., Jianjia H., Liangrong S. Fiscal science and technology expenditure and the spatial convergence of regional innovation efficiency: evidence from China’s province-level data // Economic Research-Ekonomska Istraživanja. 2023. Vol. 36, Issue 1. Pр. 1848–1866. https://doi.org/10.1080/1331677X.2022.2094436
6. He B., Wang J., Wang J., Wang K. The Impact of Government Competition on Regional R&D Efficiency: Does Legal Environment Matter in China’s Innovation System? // Sustainability. 2018. Vol. 10, Issue 12. Р. 4401. https://doi.org/10.3390/su10124401
7. Zhu D., Zhang Y., Lu Z. Does Government Purchasing Science and Technology Public Service Promote Regional S&T Innovation Ability? Evidence from China // Sustainability. 2023. Vol. 15, Issue 3. Р. 2354. https://doi.org/10.3390/su15032354
8. Yan Y., Jiang L., He X., Hu Y., Li J. Spatio-temporal evolution and influencing factors of scientific and technological innovation level: A multidimensional proximity perspective // Frontiers in Psychology. 2022. Vol. 13. Р. 920033. https://doi.org/10.3389/fpsyg.2022.920033
9. Malecki E. Science, technology, and regional economic development: Review and prospects // Research Policy. 1981. Vol. 10, Issue 4. Pр. 312–334. https://doi.org/10.1016/0048-7333(81)90017-2
10. Luo Q. Research on the Dynamic Evolution of Scientific and Technological Innovation Efficiency in Universities and Identification of Influencing factors – based on Markov Chain Estimation and GMM Model // Mathematical Problems in Engineering. 2021. Vol. 2021. Р. 9831124. https://doi.org/10.1155/2021/9831124
11. Zou L, Zhu Y.W. Universities' Scientific and Technological Transformation in China: Its Efficiency and Influencing Factors in the Yangtze River Economic Belt // PLoS One. 2021. Vol. 16, Issue 12. Р. e0261343. https://doi.org/10.1371/journal.pone.0261343
12. Zulkarnain R., Djuraidah A., Sumertajaya M. Spatial autoregressive stochastic frontier model with application to Indonesia's aquaculture // Journal of Physics: Conference Series. 2021. Vol. 1863. Р. 012044. https://doi.org/10.1088/1742-6596/1863/1/012044
13. Kazama S., Izumi H., Sarukkalige P., Nasu T., Sawamoto M. Estimating snow distribution over a large area and its application for water resources // Hydrological Processes. 2008. Vol. 22, Issue 13. Pр. 2315–2324. https://doi.org/10.1002/HYP.6826
14. Ren Q. The impact of digital financial development on the economic development of cities in Jiangsu Province – Empirical test based on the spatial lag model // BCP Business & Management. 2022. Vol. 35. Pр. 798–805. https://doi.org/10.54691/bcpbm.v35i.3406
15. Al-Hasani G., Asaduzzaman, Soliman A.H. Comparison of spatial regression models with Road Traffic Accidents Data R // Proceedings of the International Conference on Statistics: Theory and Applications. 2019. Р. 31. https://doi.org/10.11159/ICSTA19.31
16. Jaya I.G., Ruchjana B.N., Tantular B., Zulhanif, Andriyana Y. Simulation and Application of the Spatial Autoregressive Geographically Weighted Regression Model (SAR-GWR) // ARPN Journal of Engineering and Applied Sciences. 2018. Vol. 13, No. 1. Pр. 377–385. URL: http://www.arpnjournals.org/jeas/research_papers/rp_2018/jeas_0118_6679.pdf
17. Lambert D.M., Brown J.P., Florax R.J.G.M. A two-step estimator for a spatial lag model of counts: Theory, small sample performance and an application // Regional Science and Urban Economics. 2010. Vol. 40, Issue 4. Pр. 241–252. https://doi.org/10.1016/j.regsciurbeco.2010.04.001
18. Шаклеина М.В., Шаклеин К.И. Факторы регионального развития предпринимательства России: оценка и роль пространственных взаимосвязей // Экономические и социальные перемены: факты, тенденции, прогноз. 2022. Т. 15, № 5. С. 118–134. https://doi.org/10.15838/esc.2022.5.83.6
19. Liu X., Kounadi O., Zurita-Milla R. Incorporating Spatial Autocorrelation in Machine Learning Models Using Spatial Lag and Eigenvector Spatial Filtering Features // ISPRS International Journal of Geo-Information. 2022. Vol. 11, Issue 4. Р. 242. https://doi.org/10.3390/ijgi11040242
20. Aw A., Cabral E.N. Functional SAC model: With application to spatial econometrics // arXiv. 2004. Vol. 55, No. 1. Pр. 1–12. https://doi.org/10.48550/arXiv.2004.07725
21. Wang R., Wang F. Exploring the Role of Green Finance and Energy Development towards High-Quality Economic Development: Application of Spatial Durbin Model and Intermediary Effect Model // International Journal of Environmental Research and Public Health. 2022. Vol. 19, Issue 14. Р. 8875. https://doi.org/10.3390/ijerph19148875
22. Zhang Q, Tang D, Boamah V. Exploring the Role of Forest Resources Abundance on Economic Development in the Yangtze River Delta Region: Application of Spatial Durbin SDM Model // Forests. 2022. Vol. 13, Issue 10. Р. 1605. https://doi.org/10.3390/f13101605
23. Mukrom M. H., Yasin H., Hakim A.R. Pemodelan Angka Harapan Hidup Provinsi Jawa Tengah Menggunakan Robust Spatial Durbin Model // Jurnal Gaussian. 2021. Vol. 10, No. 1. Pр. 44–54. https://doi.org/10.14710/j.gauss.10.1.44-54
24. Lacombe D.J., Holloway G.J., Shaughnessy T.M. Bayesian Estimation of the Spatial Durbin Error Model with an Application to Voter Turnout in the 2004 Presidential Election // International Regional Science Review. 2014. Vol. 37, Issue 3. Pр. 298–327. https://doi.org/10.1177/0160017612452133
25. Lu Y., Zhu S. Digital economy, scientific and technological innovation, and high-quality economic development: A mediating effect model based on the spatial perspective // PloS ONE. 2022. Vol. 17, Issue 11. Р. e0277245. https://doi.org/10.1371/journal.pone.0277245
26. Wu F., Gao Q., Liu T. Nonlinear Effect of Scientific and Technological Innovation on Economic Development Based on Spatial Panel and Threshold Model // Advances in Economics, Business and Management Research. 2019. Vol. 85. Pр. 255–263. https://doi.org/10.2991/icoeme-19.2019.49
27. Huang Z. The Spatial Spillover Effect of Input and Output of Scientific Progress on Regional Economic Growth: The Case of Guangdong Province // Open Journal of Statistics. 2020. Vol. 10, No. 3. Pр. 540–553. https://doi.org/10.4236/ojs.2020.103032
28. Zeng L. China’s Eco-Efficiency: Regional Differences and Influencing Factors Based on a Spatial Panel Data Approach // Sustainability. 2021. Vol. 13, Issue 6. Р. 3143. https://doi.org/10.3390/su13063143
29. Zou Y., Huang M., Xiang W., Lu L., Lu Y., Gao J., Cheng Y. The impact of high-tech industry development on energy efficiency and its influencing mechanisms // Frontiers in Environmental Science. 2022. Vol. 10. Р. 962627. https://doi.org/10.3389/fenvs.2022.962627
30. Jamhuri J., Azhar B., Puan C., Norizah K. GWR-PM – Spatial variation relationship analysis with Geographically Weighted Regression (GWR) – An application at Peninsular Malaysia // IOP Conference Series: Earth and Environmental Science. 2016. Vol. 37. Р. 012032. https://doi.org/10.1088/1755-1315/37/1/012032
31. Jasim I.A., Fileeh M.K., Ebrahhem M.A., Al-Maliki L.A., Al-Mamoori S.K., Al-Ansari N. Geographically weighted regression model for physical, social, and economic factors affecting the COVID-19 pandemic spreading // Environmental Science and Pollution Research. 2022. Vol. 29, Issue 34. Рр. 51507–51520. https://doi.org/10.1007/s11356-022-18564-w
32. Comber A.C., Brunsdon M., Charlton G., Dong R., Harris B., Lu Y., Lu D., Murakami T., Nakaya Y., Wang, Harris P. The GWR Route Map: A Guide to the Informed Application of Geographically Weighted Regression // arXiv. 2004. Р. 06070. https://doi.org/10.48550/arXiv.2004.06070
33. Nazarpour A., Paydar G.R., Mehregan F.F., Hejazi S.J., Jafari M. Application of geographically weighted regression (GWR) and singularity analysis to identify stream sediment geochemical anomalies, case study, Takab Area, NW Iran // Journal of Geochemical Exploration. 2022. Vol. 235. Р. 106953. https://doi.org/10.1016/j.gexplo.2022.106953
34. Наумов И.В., Отмахова Ю.С., Красных С.С. Методологический подход к моделированию и прогнозированию воздействия пространственной неоднородности процессов распространения COVID-19 на экономическое развитие регионов // Компьютерные исследования и моделирование. 2021. Т. 13, № 3. С. 629–648. https://doi.org/10.20537/2076-7633-2021-13-3-629-648
35. Наумов И.В., Красных С.С. Исследование пространственной гетерогенности и межрегиональных взаимосвязей в процессах привлечения банковского капитала в российскую экономику // Финансы: теория и практика. 2022. Т. 26, № 6. С. 233–252. https://doi.org/10.26794/2587-5671-2022-26-6-233-252
Благодарности
Исследование выполнено за счет гранта Российского научного фонда № 22-28-01674, https://rscf.ru/project/22-28-01674/
Информация об авторах
Наумов Илья Викторович
Кандидат экономических наук, доцент, заведующий лабораторией моделирования пространственного развития территорий Института экономики Уральского отделения РАН, г. Екатеринбург, Россия (620014, г. Екатеринбург, ул. Московская, 29); ORCID https://orcid.org/0000-0002-2464-6266 e-mail: naumov.iv@uiec.ru
Красных Сергей Сергеевич
Кандидат экономических наук, младший научный сотрудник лаборатории моделирования пространственного развития территорий Института экономики Уральского отделения РАН, г. Екатеринбург, Россия (620014, г. Екатеринбург, ул. Московская, 29); ORCID https://orcid.org/0000-0002-2692-5656 e-mail: krasnykh.ss@uiec.ru
Для цитирования
Наумов И.В., Красных С.С. Пространственное моделирование влияния научно-исследовательского потенциала на динамику научно-технологического развития регионов России // Journal of Applied Economic Research. 2023. Т. 22, № 3. С. 630-656. https://doi.org/10.15826/vestnik.2023.22.3.026
Информация о статье
Дата поступления 16 июня 2023 г.; дата поступления после рецензирования 18 июля 2023 г.; дата принятия к печати 3 августа 2023 г.
DOI: https://doi.org/10.15826/vestnik.2023.22.3.026
Скачать полный текст статьи:
~1 МБ, *.pdf
(Размещен
30.09.2023)
Создано / Изменено: 18 августа 2015 / 20 сентября 2021
© ФГАОУ ВО «УрФУ имени первого Президента России Б.Н. Ельцина»
Увидели ошибку?
выделите фрагмент и нажмите:
Ctrl + Enter
Дизайн портала: Artsofte