Статья завершает цикл работ в области формирования методического комплекса для осуществления сравнительной оценки инновационной деятельности в регионах страны. В отличие от предшествующей, данная статья основывается не на теории многокритериального выбора, а базируется на
статистических методах. Целью статьи является компаративная оценка уровня инновационного развития регионов Приволжского федерального округа с
помощью инструментария кластерного анализа. В работе проведено исследование 14 регионов, входящих в состав ПФО. В качестве системы индикаторов
принят набор показателей из предыдущей работы данного цикла. Проведенное исследование свидетельствует об универсальности инструментария
кластерного анализа в задачах оценки инновационной деятельности в регионах. Предложенный аппарат можно задействовать в процессе классификации
субъектов федерации на группы по различным показателям инновационного развития. Результаты кластеризации могут помочь в разработке документов
стратегического планирования инновационной деятельности для укрепления научно-технического развития субъектов федерации. С помощью предложенного инструментария можно проводить анализ подобия рассматриваемых объектов, давать компаративную оценку инновационного развития
регионов в стране, а также определять место и роль каждого субъекта федерации в национальной инновационной системе. Выявленные статистические
закономерности инновационного функционирования могут служить базой для прогнозирования динамики развития инновационных систем в регионах.
Предложенные в статье методы кластерного анализа можно применять для анализа остальных регионов и федеральных округов РФ
Ключевые слова: регион, инновационная деятельность, кластер, кластерный анализ, методы иерархической кластеризации, метод k-ближайших соседей, метод k-средних, показатели оценки состояния
Список использованных источников
- Л. И. Ниворожкина, С. В. Арженовский. Многомерные статистические методы в экономике: учебник. М.: Риор, 2017. 52 c.
- А. М. Дубров, В. С. Мхитарян, Л. И. Трошин. Многомерные статистические методы и основы эконометрики. М.: МЭСИ, 2002. 79 с.
- С. Н. Митяков, Е. С. Митяков, О. И. Митякова, Г. Н. Яковлева. Инструментарий оценки инновационной деятельности в регионах: индексный метод//Инновации. 2020. № 12. С. 53-62.
- О. Н. Ломидзе. Кластерный анализ в социологических исследованиях//Ученые записки Российского государственного социального университета. 2011. № 9 (97). Ч. 1. С. 38-42.
- В. В. Жолудева, Н. Ф. Мельниченко, Г. Е. Козлов. Применение кластерного анализа для оценки социально-экономического развития регионов на примере ЦФО и Ярославской области//Экономика, статистика и информатика. 2014. № 1. С. 144-148.
- Т. Д. Дегтярева, Е. А. Чулкова, Е. С. Торбина. Исследование дифференциации социального развития сельских территорий//Известия Оренбургского государственного аграрного университета. 2015. № 5. С. 212-216.
- А. А. Моденова, И. М. Якимов. Кластерный анализ регионов России по научной и инновационной активности//Научные исследования: от теории к практике. 2015.Т. 2. № 2 (3). С. 69-72.
- А. Д. Шматко, С. В. Губин. Кластерный анализ инновационного потенциала субъектов РФ//Управленческое консультирование. 2020. № 3. С. 61-72.
- Ю. А. Дмитриев, Д. Ю. Фраймович, З. В. Мищенко. Кластерный анализ инновационной деятельности в регионах Центрального федерального округа//Вестник Института экономики Российской академии наук. 2013. № 3. С. 79-87.
- С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989. 450 с.
- В. К. Сенчагов, С. Н. Митяков. Использование индексного метода для оценки уровня экономической безопасности//Вестник Академии экономической безопасности МВД России. 2011. № 5. С. 41-50.
Авторы