Мыслякова Юлия Геннадьевна, кандидат экономических наук, заведующий лабораторией экономической генетики регионов
620014, Екатеринбург, Московская ул., д. 29
AuthorID 603559
WOS Research ID B-6076-2018
Yuliya G. Myslyakova, Ph.D. in Economics, Head of the Laboratory of Economic Genetics of Regions
29 Moskovskaya Str., Ekaterinburg 620014
Цель. Характеристика предложенной типологизации регионов по их предрасположенности к научно-технологическому развитию в контексте наследственной производственной, социальной и институциональной детерминант экономического развития территорий.
Задачи. Развитие методического подхода к формированию базового критерия типологизации регионов; разработка методики типологизации регионов по их предрасположенности к научно-технологическому развитию с учетом экономической отдачи их наследственного ядра, а также апробация авторских разработок на примере регионов Российской Федерации (РФ).
Методология типологизации содержит инструментарий моделирования наследственного социально-экономического ядра регионов на базе расчета норм Фробениуса, позволяющих выявить преобладающие динамические тренды развития территории, а также матричный метод разработки типологии регионов. Применяемая авторская методика ориентирована на выявление наиболее восприимчивых территорий к технологическим трансформациям, в том числе обеспечивающих значимые эффекты этих преобразований для национальной экономики.
Результаты исследования заключаются в апробации авторских разработок на примере российских регионов и представляют собой две типологии. С учетом первой типологии регионы сгруппированы в соответствии с такими критериями, как устойчивая положительная предрасположенность, допустимая положительная предрасположенность, отрицательная предрасположенность, устойчивая отрицательная предрасположенность к научно-технологическому развитию. На основании второй типологии выявлены регионы с наследственным капиталом, регионы с полезной наследственностью, регионы с дефектной полезной наследственностью, регионы с эффектом крупной наследственной базы, регионы с дефектной наследственностью и регионы с существенной дефектной наследственностью. Полученные типологии позволяют выявить как регионы-полюса научно-технологических трансформаций, так и высокорисковые регионы с неоправданным инвестированием в инновационную сферу хозяйственной практики.
Выводы. Индустриально развитые регионы в большей степени предрасположены к научно- технологическому развитию, в них экспансия инноваций будет реализована быстрее, чем в остальных регионах. Свердловская и Тюменская области обладают эластичным промышленным наследием, которое обусловливает успешную реализацию широкого спектра инновационных задач. В ходе исследования также установлено, что при компаративном анализе Уральский федеральный округ относительно других округов имеет наиболее благоприятные производственную, социальную и институциональную наследственные детерминанты, отвечающие за восприимчивость территории относительно технологических трансформаций, что позволяет идентифицировать его как базовый центр научно-технологического развития национальной экономики.
Aim. The presented study aims to describe the proposed typology of regions based on their predisposition to scientific and technological development in the context of hereditary industrial, social, and institutional determinants of economic territorial development.
Tasks. The authors develop a methodological approach to forming a basic criterion for the classification of regions; develop a methodology for the classification of regions based on their predisposition to scientific and technological development with allowance for the economic impact of their hereditary core; test the authors’ developments on the regions of the Russian Federation.
Methods. This study uses tools for modeling the hereditary socio-economic core of regions based on the calculation of Frobenius norms to identify the prevailing dynamic trends in territorial development, and a matrix method for developing a regional typology. The methodology applied by the authors focuses on identifying territories that are more susceptible to technological transformations, including those that ensure the significant impact of these transformations on the national economy.
Results. The study tests the authors’ developments on Russian regions and provides two typologies. The first typology groups regions according to criteria such as stable positive predisposition, permissible positive predisposition, negative predisposition, and stable negative predisposition to scientific and technological development. The second typology identifies regions with hereditary capital, regions with useful heredity, regions with defective useful heredity, regions with the effect of a large hereditary base, regions with defective heredity, and regions with significant defective heredity. The developed typologies make it possible to identify regions that serve as the opposite poles of scientific and technological transformations as well as high-risk regions with unjustified investment in innovative economic activities.
Conclusions. Industrially developed regions are more predisposed to scientifific and technological development, and expansion of innovations will be implemented faster in these regions compared with others. The Sverdlovsk and Tyumen regions have an elastic industrial heritage, which is manifested in the successful implementation of a wide range of innovative tasks. Comparative analysis also shows that the Ural Federal District has the most favorable industrial, social, and institutional hereditary determinants responsible for the susceptibility of the territory to technological transformations compared with other regions, which makes it a potential center for the scientific and technological development of the national economy.
The authors declare that there are no conflicts of interest present.