Сборник статей Отв ред. В. Л. Бабурин, М. С. Савоскул Москва 2019 ббк 65. 04 Т 33

28
Бабурин В.Л., Земцов С.П.
Таб
лица 1.
Р
ез
уль
та
ты э
мпириче
ских иссле
дов
аний 
Рабо
та
М
ет
од оценки
Зависим
ая переменная
Затра
ты на НИОКР
Переток знаний
Агло
мерационные эффек
ты
Человече
ский капит
ал
Ре
зу
ль
та
ты
Jaf
fe, 1989
Панельная регре
ссия 
с фик
сиров
анными 
эф
фек
тами
Число заяв
ок на 
национа
льные па
тенты
+
+
Наибо
льшая зна
чимо
сть за
тра
т на НИОКР
,
по
ло
жительно
е в
лияние со
лок
ации 
го
су
дарств
енных и частных иссле
дов
а-
тельских цент
ров 
Feldman, Florida, 1994
М
ет
од наименьших 
кв
адра
тов
Нов
ая про
дукция
+
+
+
Зна
чимо
сть и по
ло
жительно
е сов-
ме
стно
е в
лияние частных и г
ос
удар-
ств
енных рас
хо
дов на НИОКР
Bottazzi, Peri, 2003
М
ет
од наименьших 
кв
адра
тов
Число национа
льных 
па
тент
ов на о
дног
о занят
ог
о 
в НИОКР
+
+
+
По
ло
жительно
е в
лияние за
тра
т на НИОКР
со
се
дних регионов, ре
зк
о снижающее-
ся, е
сли расст
ояние между регионами 
превышает 300 км
Leslie, 2007
М
ет
од наименьших 
кв
адра
тов
Число па
тент
ов частных 
ко
мпаний
+
+
+
+
Зна
чимо
сть ст
рук
турных пок
аза
телей 
региона и челов
ече
ск
ог
о к
апит
ала,
в сравнении с за
тра
тами на НИОКР
Lindqvist, 2009
М
ет
од частичных 
наименьших кв
адра
тов 
(PLS)
Число па
тент
ов
+
Зависимо
сть па
тентной ак
тивно
сти о
т 
лок
ализационных и аг
ло
мерационных 
эф
фек
тов
Paci, Usai, 1999
М
ет
од наименьших 
кв
адра
тов
Число па
тентных заяв
ок
+
+
Равная зависимо
сть па
тентной ак
тивно-
сти о
т лок
ализационных и аг
ло
мераци-
онных э
ффек
тов, а т
акж
е о
т перет
ок
ов 
знаний

---

29
Подходы к экономико-географическим исследованиям инновационных процессов
Greunz, 2004
Обобщенная линейная мо
дель (GLM)
Число па
тентных заяв
ок
+
Зависимо
сть па
тентной ак
тивно
сти о
т 
лок
ализационных и аг
ло
мерационных 
эф
фек
тов
Feldman, Audretsch, 1999
Регре
ссия Пу
ассона
По
яв
ление новых 
про
мышленных т
ов
аров
+
+
Зна
чимо
сть аг
ло
мерационных э
ффек
тов
Штерцер, 2005
Панельная регре
ссия 
с фик
сиров
анными 
эф
фек
тами
Число заяв
ок на 
национа
льные па
тенты
+
+
-
По
ло
жительно
е в
лияние за
тра
т
на иссле
дов
ания, но о
трица
тельно
е 
влияние по
тенциа
льног
о перет
ок
а 
знаний
Инно- вационный по
тенциа
л, 
2007
Панельная регре
ссия 
с фик
сиров
анными 
эф
фек
тами
До
ля иннов
ационных 
ко
мпаний
–
+
Зависимо
сть па
тентной ак
тивно
сти 
в регионах Р
оссии о
т численно
сти 
иссле
дов
ателей, о
тс
ут
ствие в
лияния 
перет
ок
а знаний между регионами
Мариев, Савин, 2010
Обобщённый мет
од 
мо
мент
ов
Об
ъем иннов
ационной 
про
дукции
+
–
По
ло
жительно
е в
лияние прямых 
ино
ст
ранных инв
естиций, выяв
лена 
тенденция к
онцент
рации иннов
аций
в о
тдельных регионах
Архипов
а, 
Карпов, 2012
Систем
а 
одновременных уравнений
Число па
тент
ов и до
ля 
иннов
ационных к
омпаний
+
+
Зависимо
сть между па
тентной и инно
-
вационной ак
тивно
стью, зна
чимо
сть 
за
тра
т на прикладные иссле
дов
ания
Crescenzi, Jaax, 2016 [20]
Панельная регре
ссия 
с фик
сиров
анными 
эф
фек
тами
Число междунаро
дных 
заяв
ок на па
тенты
+
+
+
+
Зависимо
сть па
тентной ак
тивно
сти
в регионах Р
оссии о
т за
тра
т на НИОКР
,
в т
.ч. в со
се
дних регионах
Zemtsov et al., 2016
Панельная регре
ссия 
с фик
сиров
анными 
эф
фек
тами
Число по
тенциа
льно 
ко
ммерциа
лизир
уемых 
заяв
ок на па
тенты
+
+
+
Зависимо
сть иннов
ационног
о выпуск
а 
от челов
че
ск
ог
о к
апит
ала выше, чем 
от за
тра
т на НИОКР
Ист
очник: [53].
Таб
лица 1.
Ок
ончание

---

30
ственно фундаментальных) и частных прикладных исследовательских 
центров на уровне городов, что подтверждает необходимость создания 
локальных инновационных зон (академгородки, наукограды, технополи-
сы). При этом особое значение имеют перетоки знаний между центрами 
фундаментальной и прикладной науки внутри региона, а создание и под-
держка частных лабораторий в регионах, где отсутствует фундаменталь-
ная наука, как и поддержка фундаментальных исследований без должно-
го увеличения корпоративных НИОКР, малоэффективны. 
Эконометрически также показана значимость инновационной ин-
фраструктуры, обеспечивающей трансферт технологий (технопарки, 
центры трансферта технологий и т.д.). А при должном развитии систе-
мы коммерциализации технологий бюджетное финансирование НИОКР 
(преимущественно фундаментального характера) с точки зрения инно-
вационной активности не менее эффективно, чем корпоративные затра-
ты на прикладные исследования.
Межрегиональный переток знаний, измеряемый, в частности, 
цитируемостью патентов, затратами на НИОКР в соседних регио-
нах, существует и достигает не более 300 км
23
[50]. Выявлено, что 
затраты в соседних регионах положительно влияют на патентную 
активность в данном регионе. 
Отметим, что проведенные в России исследования факторов иннова-
ционного выпуска показывают значимость 
человеческого капитала 
[19, 
52]. Но если в работе [19] подтвердились предпосылки традиционной 
модели о большей роли затрат на НИОКР (включая затраты в сосед-
них регионах), то в работе [53] эти выводы опровергаются. Согласно 
результатам второй работы, основной фактор создания новых техно-
логий в регионах России – концентрация занятых горожан с высшим 
образованием. Увеличение их доли на 1% ведет к росту инновационно-
го выпуска на 0,29%, близость к инновационным центрам – на 0,27%,
а увеличение затрат в регионе – лишь на 0,1%. 
Методы оценки инновационного потенциала и изучения его тер
-
риториальной структуры. 
Для первичной оценки потенциала регио-
нов к созданию новых технологий (
V
) может применяться методика 
поля потенциала
[2]:
23
Число совместных патентов, статей, патентных цитат убывает довольно быстро 
при увеличении расстояния. После 120–150 миль исследователи практически не ци-
тируют патенты друг друга, а значит не взаимодействуют ни реально, ни виртуально. 
Для России подобное расстояние для межрегионального перетока знаний ниже из-за 
меньшей мобильности и большей замкнутости научных школ.
(14)
Бабурин В.Л., Земцов С.П.
,

---

31
где 
i – 
искомый регион;
t – 
год наблюдения;
P
j
– число выданных 
отечественных патентов на 100 тыс. горожан
24
 
региона 
j
;
 D
ij
 
– рас-
стояние по железной дороге между столицами регионов 
i 
и 
j, 
км
25
, 
α – коэффициент пропорциональности, показывающий скорость 
снижения интенсивности взаимодействий между инноваторами по 
мере увеличения расстояния между ними. Учитывается плотность 
патентов, которые потенциально могут быть использованы в со-
здании новых технологий с учетом возможных перетоков знания 
из других регионов. Чем выше плотность новаций и вероятность 
взаимодействия инноваторов, тем выше шанс на создание коммер-
циализируемых технологий. Правую часть формулы (без учета па-
тентной активности самого региона) можно условно назвать иннова-
ционно-географическим положением региона [50]. 
Для России характерна концентрация патентной активности (более 
450 патентов на 100 тыс. горожан в 2010 г.) в крупнейших агломера-
циях и ареалах вокруг них. При этом в значительном числе регионов 
(в частности на Дальнем Востоке) потенциал близок к нулю, а дина-
мика патентной активности характеризуется стохастическим поведени-
ем. Ограничением методики следует считать высокую зависимость от 
качества статистических данных для одного показателя. В Ивановской 
области с 2007 г. на порядок увеличилось число выданных патентов. До 
2006 г. корреляция между числом выданных патентов и числом подан-
ных заявок составляла более 0,4, после 2006 г. – менее 0,07, что ставит 
вопрос о качестве подобных патентов.
Широко используются подходы к построению индексов. 
Большинство показателей из зарубежных рейтингов с модификаци-
ями в соответствии с данными Росстата используется в России. При 
этом зачастую отсутствует формальная проверка на устойчивость вы-
явленных за рубежом соотношений и весов. Применение схожих по-
казателей Росстата в инновационной сфере без должной верификации 
может вести к существенным искажениям результата из-за недостовер-
ности первичных данных, обусловленной необязательностью (низкими 
штрафными санкциями), нежеланием и неумением заполнения фир-
мами статистической формы [5]. В некоторых индексах отсутствуют
24
Именно городские жители создают подавляющее большинство новых техноло-
гий. Безусловно, селяне также способны разрабатывать новые методы ведения сельско-
го хозяйства, новые технические средства, но их число и качество фактически не сопо-
ставимо с соответствующими показателями горожан. А потому содержательно более 
обоснованно использовать в качестве знаменателя численность горожан.
25
В нашем случае мы считаем расстояние безразмерной величиной трения про-
странства. Точнее будет сказать, что при расстоянии мы имплицитно вводим поправоч-
ный коэффициент, измеряемый в км
-1
.
Подходы к экономико-географическим исследованиям инновационных процессов

---

32
процедуры сглаживания и трансформации данных, что приводит к не-
пропорциональному влиянию отдельных показателей и регионов на 
результат. При этом многие рейтинги включают большой набор инди-
каторов (более 15), что ведет к снижению различий, вызывает сложно-
сти в их построении и верификации, а также затрудняет интерпретацию 
результатов. Но формально оценить методику и результаты зачастую 
невозможно, так как верификация индексов не проводится. 
На рисунке 3 изображен составленный авторами алгоритм построе-
ния интегрального индекса инновационного потенциала [2]. 
Результатом применения методики стала разработка следующего
интегрального индекса (
I
IP
) [2]:
где
i –
регион
, I
EGP
– оценка экономико-географического положения 
(ЭГП), 
I
URB
– доля в населении городов с числом жителей более 250 
тыс. чел., %; 
I
HE
– доля занятых с высшим образованием, %; 
I
ED
– число 
студентов вузов на 10 тыс. чел.; 
I
SC
– доля занятых в научных иссле-
дованиях и опытно-конструкторских разработках (НИОКР), %; 
I
PAT
– 
число выданных патентов на 1000 занятых; 
I
WEB
– доля организаций, 
имеющих веб-сайт, %. 
рис. 3. 
Алгоритм обработки данных для построения 
и верификации интегрального индекса
(15)
Бабурин В.Л., Земцов С.П.
,

---

33
Высокая концентрация инновационного потенциала в крупнейших 
агломерациях и научных центрах была подтверждена. Интегральный 
индекс инновационного потенциала оценивает возможность, а соот-
ветственно и вероятность зарождения инновации. Например, Москва – 
крупнейший инновационный центр с интегральным индексом равным 
единице. Можно предположить, что вероятность зарождения крупной 
технологической инновации в Москве в 2010 г. в сравнении с другими 
субъектами Федерации близка к 1, а на Чукотке близка к нулю. Но зави-
симость между индексом и вероятностью нелинейная. 
Умная специализация предполагает учет функций регионов [2, 9]. 
В замкнутой инновационной системе СССР все регионы были взаи-
мосвязаны в рамках креативно-акцепторных функций: одни являлись 
творческими центрами-донорами, а другие широко внедряли создан-
ные технологии. Кластерный анализ соотношения генерации изобре-
тений (число патентов на 100 тыс. горожан) и их использования (доля 
использованных патентов в созданных) позволил определить совре-
менное положение регионов на оси: созидатель – потребитель техно-
логий. Креативными центрами преимущественно являются регионы
с максимальным инновационным потенциалом. Регионы России ха-
рактеризуются высокой степенью неоднородности как по потенциалу 
создания новых технологий, так и по специализации регионов на раз-
личных стадиях инновационного цикла.