| Περιγραφή: |
В статье проведен кластерный анализ субъектов РФ по показателям инновационной активности. В работе применялись методы иерархического кластерного анализа (метод одиночной связи («ближайшего соседа»), парной связи («дальнего соседа»), метод Уорда), а также метод k-средних. В качестве меры расстояния между объектами было использовано евклидово расстояние. Обработка данных проводилась в программе Statistica. Эмпирическая база исследования — данные, характеризующие инновационную активность субъектов РФ за 2016 г. (83 субъекта РФ). Была использована система индикаторов, характеризующих инновационную активность субъектов РФ: организации, выполнявшие НИР; объем инновационных товаров, работ, услуг, в процентах от общего объема отгруженных товаров, выполненных работ, услуг; объем инновационных товаров, работ, услуг; численность персонала, занятого НИР; внутренние затраты на научные исследования и разработки; используемые передовые производственные технологии; количество выданных патентов на изобретения; количество выданных патентов на полезные модели; затраты на технологические инновации; удельный вес организаций, осуществляющих технологические, организационные, маркетинговые инновации, в общем числе обследованных организаций. Кластерный анализ позволил классифицировать субъекты РФ на следующие кластеры: регион-инноватор с очень высокими абсолютными показателями (г. Москва), регионы-инноваторы с высокими абсолютными показателями (Московская область, г. Санкт-Петербург), регионы-лидеры (включают, главным образом, субъекты ПФО), регионы с уровнем инновационной активности выше среднего (Хабаровский край, Пермский край, Ставропольский край, Ульяновская область, г. Севастополь, Республика Марий Эл, Ульяновская область, Новосибирская область, Республика Мордовия, Липецкая область, Пензенская область, Чувашская Республика), средним уровнем инновационной активности (большинство субъектов ЦФО и СЗФО, а также Краснодарский край, Томская область, Челябинская область, Саратовская область, Астраханская область), уровнем инновационной активности ниже среднего (большинство субъектов РФ) и отстающие регионы (преимущественно республики СКФО и СФО). The article provides a cluster analysis of the constituent entities of the Russian Federation by indicators of innovative activity. Such methods of hierarchical cluster analysis as single link (“nearest neighbor”), paired links (“far neighbor”), Ward’s method) and the k-means method were used in the work. Euclidean distance was used as a measure of distance between objects. Data processing was carried out in the Statistica program. The empirical base of the study is the data characterizing the innovative activity of the constituent entities of the Russian Federation in 2016 (83 constituent entities). The following indicators characterizing the innovative activity of the constituent entities of the Russian Federation were used: the number of organizations that carried out research and development; volume of innovative goods, work, and services, as a percentage of the total volume of goods shipped, work and services performed; the volume of innovative goods, work, and services; the number of personnel engaged in research and development; internal costs for research and development; advanced production technologies being used; granted patents for inventions; issued patents for useful models; costs of technological innovation; the proportion of organizations implementing technological, organizational, and marketing innovations in the total number of surveyed organizations. Cluster analysis made it possible to classify the constituent entities of the Russian Federation into the following clusters: an innovative region with very high absolute indicators (Moscow), innovative regions with high absolute indicators (Moscow region, St. Petersburg), leading regions (mainly include, subjects of the Volga Federal District), regions with a level of innovation activity above average (Khabarovsk Territory, Perm Territory, Stavropol Territory, Ulyanovsk Region, Sevastopol, Republic of Mari El, Novosibirsk Region, Republic of Mordovia, Lipetsk Region, Penza Region, Chuvash Republic ), the average level of innovation activity (most of the subjects of the Central Federal District and the Northwestern Federal District, as well as the Krasnodar Territory, the Tomsk Region, the Chelyabinsk Region, the Saratov Region, the Astrakhan Region), the level of innovative activity is below average (most of the RF subjects) and lagging regions (mainly the republics of the North Caucasus Federal District and the Siberian Federal District). |