Методика оценки инновационного развития региона (на примере регионов Южного федерального округа)

Митус А.А.1, Гармашова Е.П.1, Баранов А.Г.1, Дребот А.М.1
1 Севастопольский государственный университет, Россия, Севастополь

Статья в журнале

Креативная экономика (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 14, Номер 12 (Декабрь 2020)

Цитировать:
Митус А.А., Гармашова Е.П., Баранов А.Г., Дребот А.М. Методика оценки инновационного развития региона (на примере регионов Южного федерального округа) // Креативная экономика. – 2020. – Том 14. – № 12. – С. 3259-3276. – doi: 10.18334/ce.14.12.111416.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=44691230
Цитирований: 16 по состоянию на 30.01.2024

Аннотация:
Оценка уровня инновационного развития как регионов, так и страны в целом представляет особый интерес в условиях динамично развивающейся внешней среды, высоких темпов сменяемости техники и технологии, усиления конкуренции. В статье выявлены основные недостатки существующих подходов к оценке инновационного развития регионов. На основе обобщения преимуществ и недостатков существующих методик оценки инновационного развития предложен расчет авторского индекса инновационного развития региона. Данный индекс формируется как среднее арифметическое подиндексов: индекса развития научно-технического потенциала региона, индекса производственно-технологического потенциала, индекса инновационной инфраструктуры и индекса региональной инновационной политики, отражающих соответствующее влияние факторов на развитие инновационной активности в регионе. В свою очередь в расчетах подиндексов использовались нормированные показатели по 26 параметрам, отражающим различные аспекты инновационного развития регионов. Указанные параметры также формируют подиндексы посредством использования средних величин. С целью упрощения расчетов сводного индекса инновационного развития региона по данным субъектов Южного федерального округа РФ построены модели подиндексов методом корреляционно-регрессионного анализа. Проведена оценка регионов Южного федерального округа в соответствии с предлагаемой методикой. Предложена градация регионов на регионы с низким, средним и высоким уровнем инновационного развития

Ключевые слова: инновации, инновационное развитие, методика, уровень инновационного развития региона, показатели инновационного развития, моделирование

Финансирование:
Исследование выполнено при финансовой поддержке внутреннего гранта ФГАОУ ВО «Севастопольский государственный университет» в рамках научного проекта №38/06-31

JEL-классификация: O31, O32, O33, R12, R13



Введение. Уровень социально-экономического развития страны, перспективы роста экономики во многом определяются инновационным развитием ее отдельных регионов. Данный факт объясняет интерес большого числа отечественных и зарубежных ученых к проблеме оценки инновационного развития региона, выявлению факторов, определяющих его уровень.

В то же время не существует единого подхода к определению уровня экономического развития региона, а те или иные существующие методики наряду с достоинствами не лишены и определенных недостатков. Кроме того, актуальность статьи объясняется еще и тем, что в указанном контексте проводится анализ двух новых субъектов Российской Федерации – Республики Крым и города Севастополя, которые стали частью страны лишь с 2014 года. Предварительный анализ инновационного развития Севастополя [2, 4, 5] (Baranov, Garmashova, Drebot, 2020; Garmashova, Drebot, Baranov, Mitus, 2019; Garmashova, Drebot, 2020) показал наличие определенных перспектив субъекта в данной области.

Целью статьи является разработка методики оценки инновационного развития региона на материалах субъектов Российской Федерации, входящих в Южный федеральный округ.

Материалы и методы исследования. В результате рассмотрения существующих методик оценки инновационного развития регионов нами выявлены некоторые недостатки, представленные в таблице 1.

Таблица 1

Методики оценки инновационного развития регионов

Наименование методики
Недостатки
Сводный индекс инновационного развития (Portfolio Innovation Index) [11]
Использует четыре блока показателей с заранее заданными весовыми коэффициентами: человеческий капитал (30%); экономическая динамика (30%); производительность и занятость (30%); благосостояние (10%). Несмотря на высокую научную обоснованность и апробированность, считаем неприемлемым использование указанной структуры для отличных от США стран
Региональное инновационное табло (Regional Innovation Scoreboard) [12]
В силу специфики индикаторов и региональной статистики методика неприменима к отдельным регионам, но может использоваться для ранжирования групп регионов, сходных по инновационному развитию
Методика Центра исследований и статистики науки РФ [8]
Используется более 350 разнородных индикаторов, что излишне усложняет расчет сводного показателя. Кроме того, большое количество индикаторов невозможно рассчитать, пользуясь данными официальной статистики
Рейтинг инновационного развития регионов Высшей школы экономики [7]
Использует четыре блока показателей: социально-экономические условия инновационной деятельности; научно-технический потенциал инновационной активности; инновационная деятельность; качество региональной инновационной политики. Несмотря на комплексность оценки и относительную простоту, часть показателей невозможно рассчитать, используя открытую статистическую информацию
Карта российского инновационного пространства
На основе кластерного анализа все субъекты РФ сгруппированы в шесть групп регионов. К основному недостатку, по нашему мнению, можно отнести отсутствие результирующего показателя
Индекс ПРИМ (Правовое регулирование, Институты и инфраструктура, Механизмы поддержки инновационной деятельности) (И.Л. Балезина, В.Н. Якимец) [1] (Balezina, Yakimets, 2011)
Оценка основана не на статистических данных, а на мнениях ключевых потенциальных и реальных участников инновационного процесса, что затрудняет ее использование в рамках страны в целом
Индекс инновационности регионов России Независимого института социальной политики
Включает лишь пять индикаторов, что не позволяет учесть всей специфики инновационного развития тех или иных регионов

Отсутствие единой методики и выявленные недостатки существующих дают возможность предложить новую методику оценки инновационного развития регионов. В исследовании сделан акцент на субъектах Южного федерального округа, частью которого являются Республика Крым и город Севастополь. В то же время основные выводы могут быть распространены и на прочие субъекты Российской Федерации.

Основная часть. Анализ базовых работ в сфере инноватики [10] (Yakovets, 2004) позволил выделить 4 группы факторов, определяющих инновационное развитие регионов:

- факторы развития научно-технического потенциала;

- факторы производственно-технологического потенциала;

- факторы функционирования инновационной инфраструктуры;

- региональная инновационная политика.

В соответствии с данной классификацией предлагается рассчитать сводный индекс инновационного развития региона. Структура индекса и показатели подиндексов представлены на рисунке 1, а расшифровка обозначений – в таблице 2.

Подпись: Индекс инновационного развития региона ( )

Подпись: Индекс развития научно-технического потенциала региона ( )Подпись: Индекс региональной инновационной политики ( ) Подпись: Индекс инновационной инфраструктуры ( ) Подпись: Индекс производственно-технологического потенциала 
( )

Рисунок 1. Структура индекса инновационного развития региона

Источник: разработано авторами.

Таблица 2

Показатели инновационного развития региона

Обозначение
Показатель

Организации, выполнявшие научные исследования и разработки (НИР) на 10 тыс. чел. постоянного населения

Численность персонала, занятого НИР на 10 тыс. чел. постоянного населения

Численность исследователей на 10 тыс. чел. постоянного населения

Доля внутренних затрат на исследования и разработки, в процентах к валовому региональному продукту (ВРП)

Доля затрат на технологические инновации в общем объеме отгруженных товаров, выполненных работ, услуг

Численность исследователей, выполнявших НИР, на 10 тыс. занятых в экономике

Удельный вес затрат на исследования и разработки, нацеленные на развитие экономики, в общем объеме внутренних затрат на исследования и разработки

Доля работников с высшим образованием в общей численности занятых

Удельный вес студентов, обучающихся по образовательным программам высшего образования – программам бакалавриата, специалитета, магистратуры, в общей численности населения

Доля организаций, осуществлявших технологические инновации, в общем числе обследованных организаций

Доля инвестиций, направленных на реконструкцию и модернизацию, в общем объеме инвестиций в основной капитал по субъектам Российской Федерации

Объем инвестиций в основной капитал, направленных на приобретение информационного, компьютерного и телекоммуникационного оборудования (без субъектов малого предпринимательства и объема инвестиций, не наблюдаемых прямыми статистическими методами) в фактически действовавших ценах на 1000 чел. постоянного населения, тыс. руб.

ВРП на душу населения, руб.

Стоимость основных фондов на конец года по полной учетной стоимости на душу населения, тыс. руб./чел.

Степень годности основных фондов

Число патентов на изобретения, выданных Роспатентом российским заявителям, в расчете на 1 млн чел. населения

Коэффициент изобретательской активности (число отечественных патентных заявок на изобретения, поданных в России, в расчете на 10 тыс. чел. населения)

Доля организаций, использовавших интернет, в общем числе обследованных организаций

Доля организаций, получавших заказы на выпускаемые товары (работы, услуги) по Интернету, в общем числе обследованных организаций

Количество центров коллективного пользования научным оборудованием

Количество технопарков по данным Ассоциации кластеров и технопарков России и данным Информационного портала «Национальный центр по мониторингу инновационной инфраструктуры научно-технической деятельности и региональных инновационных систем»

Доля организаций, имевших веб-сайт, в общем числе обследованных организаций

Удельный вес бюджетных средств во внутренних затратах на исследования и разработки

Внутренние затраты на НИР финансируемые за счет бюджетных средств в расчете на 1000 чел. постоянного населения, тыс. руб.

Количество СЭЗ

Доля ОГВ и ОМС, имевших скорость передачи данных через Интернет не менее 2 Мбит/сек, в общем числе обследованных организаций ОГВ и ОМС
Источник: разработано авторами.

Каждый из четырех подиндексов предлагается рассчитывать как среднее арифметическое нормированных показателей ( ). Нормирование проводится по формуле (1):

, (1)

где – уровень i-го показателя для j-го региона;

– соответственно минимальное и максимальное значение i-го показателя по совокупности анализируемых регионов.

Нормирование позволяет нивелировать влияние размерности отдельных показателей на результаты расчета. В случае использования формулы (1) показатели принимают значения в диапазоне от нуля до единицы. Так как подиндексы рассчитываются как среднее арифметическое, их значения также находятся в этом диапазоне. Кроме того, такой расчет приводит к тому, что отставание по одним показателям в регионе может быть скомпенсировано преимуществом по другим, учитывая тем самым отличительные характеристики субъекта РФ.

Расчет подиндексов инновационного развития для Республики Крым и Севастополя представлен в таблице 3.

Таблица 3

Расчет подиндексов инновационного развития для Республики Крым и Севастополя за 2017 г.


Макси-мальное значение
Мини-мальное значение

Республика Крым
Севастополь
Республика Крым
Севастополь
Индекс развития научно-технического потенциала региона ( )
0,2804
0,5642

20,00
9,00
100,00
6,00
0,14894
0,03191

11,05
25,05
28,03
5,71
0,23897
0,86646

2,10
6,36
6,36
1,50
0,12283
1,00000

0,41
1,14
1,14
0,10
0,29808
1,00000

0,60
0,30
4,00
0,10
0,12821
0,05128

11,10
31,30
31,30
9,30
0,08182
1,00000

64,30
7,00
67,70
7,00
0,94399
0,00000
Индекс производственно-технологического потенциала ( )
0,2262
0,5507

35,00
44,80
44,80
30,70
0,30496
1,00000

2,20
3,30
3,30
2,10
0,08333
1,00000

3,50
3,20
10,70
2,50
0,12195
0,08537

10,30
4,60
33,70
4,60
0,19588
0,00000

2193,11
4506,57
4506,57
543,66
0,41622
1,00000

187726,00
164978,40
413440,60
164978,40
0,09155
0,00000

1156,53
703,56
1471,92
445,80
0,69264
0,25120

31,50
53,60
62,80
31,50
0,00000
0,70607

18,80
73,30
150,20
6,60
0,08496
0,46448

0,44
1,33
1,33
0,11
0,27049
1,00000
Индекс инновационной инфраструктуры ( )
0,3108
0,3212

18,20
68,50
68,50
14,51
0,06826
1,00000

16,76
9,30
21,47
9,30
0,61351
0,00000

4,00
2,00
20,00
0,00
0,20000
0,10000

0,00
1,00
3,00
0,00
0,00000
0,33333

46,59
38,14
52,13
35,22
0,67217
0,17249
Индекс региональной инновационной политики ( )
0,8217
0,9656

98,20
94,30
98,20
43,10
1,00000
0,92922

763,70
1773,55
1885,09
214,10
0,32891
0,93325

1,00
1,00
1,00
0,00
1,00000
1,00000

82,80
84,70
84,70
39,70
0,95778
1,00000
Источник: разработано авторами.

На рисунке 2 представим сравнение подиндексов по Республике Крым и г. Севастополю за 2017 г. Визуальное представление позволяет сопоставить значения по регионам, выявить преимущества и слабые стороны субъекта РФ.

Рисунок 2. Сравнение подиндексов инновационного развития Республики Крым и г. Севастополя за 2017 г.

По сравнению с Республикой Крым город Севастополь продемонстрировал лучшие показатели по индексу развития научно-технического потенциала региона, индексу производственно-технологического потенциала и индексу региональной инновационной политики.

Рассчитанные значения подиндексов по регионам Южного федерального округа за 2014–2017 гг. представлены в таблице 4.

Таблица 4

Значения подиндексов инновационного развития регионов Южного федерального округа за 2014–2017 гг.

Под-индекс
Субъекты РФ
2014 г.
2015 г.
2016 г.
2017 г.
Под-индекс
2014 г.
2015 г.
2016 г.
2017 г.

Республика Адыгея
0,1774
0,1616
0,1715
0,1770

0,3661
0,3071
0,2649
0,2509
Республика Калмыкия
0,1420
0,0935
0,1072
0,0775
0,4224
0,3996
0,3699
0,3621
Республика Крым
0,2411
0,2393
0,2804
0,2530
0,2143
0,2262
Краснодарский край
0,3840
0,4279
0,3992
0,4929
0,5591
0,5253
0,5257
0,5764
Астраханская область
0,2899
0,2693
0,2454
0,1995
0,6459
0,6334
0,5405
0,5386
Волгоградская область
0,4079
0,3677
0,3542
0,3466
0,5212
0,4793
0,4617
0,4970
Ростовская область
0,7418
0,6926
0,7640
0,7130
0,6611
0,6255
0,5931
0,5862
г. Севастополь
0,5800
0,5633
0,5642
0,5231
0,5615
0,5507

Республика Адыгея
0,3854
0,3063
0,3627
0,3604

0,1661
0,1117
0,1227
0,1384
Республика Калмыкия
0,1059
0,0650
0,0489
0,0380
0,2604
0,1801
0,2082
0,2010
Республика Крым
0,3579
0,4382
0,2562
0,3108
0,4520
0,8056
0,7976
0,8217
Краснодарский край
0,4738
0,5311
0,6024
0,5168
0,1879
0,1370
0,2589
0,2158
Астраханская область
0,5208
0,4742
0,5800
0,4677
0,3620
0,5266
0,5078
0,4805
Волгоградская область
0,2649
0,1667
0,1998
0,2005
0,4302
0,1837
0,1734
0,1279
Ростовская область
0,4766
0,4491
0,6669
0,6877
0,6378
0,6486
0,7304
0,6775
г. Севастополь
0,3119
0,4923
0,4111
0,3212
0,5281
0,9102
0,9047
0,9656
Источник: разработано авторами.

При этом подиндексы рассчитаны на основе большого числа показателей, что не всегда удобно при оперативном ранжировании. Более того, часть исходных показателей в необходимом виде не представлена в официальной статистике и они требуют предварительных расчетов. Для нивелирования данного недостатка предлагается использовать методы корреляционно-регрессионного анализа. Анализ проводился с помощью программного продукта Minitab. В качестве результирующего показателя используется рассчитанное значение подиндексов ( , , , ) а аргументами выступают исходные величины ( ).

Проверка моделей на значимость представлена в таблице 5.

Таблица 5

Оценка качества параметров моделей

Показатель
Параметры
Стандартная ошибка
t-критерий
Вероятность нулевой гипотезы
Свободный член
-0,11814
0,04506
-2,62
0,016

0,001107
0,0003675
3,01
0,006

0,018887
0,006574
2,87
0,009

0,015486
0,008357
1,85
0,077

0,01356
0,05749
0,24
0,816

0,025941
0,007858
3,30
0,003

-0,000104
0,004678
-0,02
0,983

0,001761
0,000534
3,30
0,003
Свободный член
-0,3601
0,1128
-3,19
0,005

0,000344
0,002153
0,16
0,875

0,09685
0,01664
5,82
0,000

0,010669
0,003403
3,14
0,005

0,0019461
0,0009615
2,02
0,057

0,00003139
0,00000809
3,88
0,001

0,00000038
0,00000024
1,55
0,138

0,00005729
0,00005373
1,07
0,300

0,003147
0,001365
2,31
0,033

0,0004641
0,0002416
1,92
0,070

0,06009
0,01833
3,28
0,004
Свободный член
-0.11849
0.08436
-1.40
0.169

0.0025001
0.0009577
2.61
0.013

0.018482
0.007030
2.63
0.013

0.007902
0.003572
2.21
0.034

0.09585
0.02900
3.31
0.002

0.001433
0.002702
0.53
0.599
Свободный член
-0,39274
0,02416
-16,26
0,000

0,0043100
0,0002680
16,08
0,000

0,00014150
0,00000891
15,87
0,000

0,25002
0,01323
18,90
0,000

0,0052462
0,0003800
13,81
0,000
Источник: разработано авторами.

Таким образом, лишь параметры модели индекса региональной инновационной политики прошли проверку на значимость. Коэффициенты при следующих переменных незначимы по t-критерию Стьюдента:

-численность исследователей на 10 тыс. чел. постоянного населения( );

-доля внутренних затрат на исследования и разработки, в процентах к ВРП ( );

-численность исследователей, выполнявших НИР, на 10 тыс. занятых в экономике ( );

-доля работников с высшим образованием в общей численности занятых ( );

-доля инвестиций, направленных на реконструкцию и модернизацию, в общем объеме инвестиций в основной капитал по субъектам Российской Федерации ( );

-ВРП на душу населения ( );

-стоимость основных фондов на конец года по полной учетной стоимости на душу населения ( );

-число патентов на изобретения, выданных Роспатентом российским заявителям, в расчете на 1 млн чел. населения ( );

-доля организаций, имевших веб-сайт, в общем числе обследованных организаций ( ).

Исключив указанные переменные, получим модели, представленные в таблице 6, проверка параметров моделей на значимость – в таблице 7.

Таблица 6

Оценка качества моделей подиндексов инновационного развития регионов

Коэффициент детерминации
Критерий Фишера
Вероятность нулевой гипотезы
= - 0,0684 + 0,00105 + 0,0212 + 0,0183 + 0,00129
96,9%
195,23
0,000
= - 0,123 + 0,0489 + 0,0224 +0,000023 + 0,00397 + 0,0901
92,6%
60,35
0,000
= - 0,102 + 0,00275 + 0,0212 + 0,00751 + 0,0927
77,6%
30,24
0,000
= - 0,393 + 0,00431 +0,000141 + 0,250 + 0,00525
99,0%
837,69
0,000
Источник: разработано авторами.

Таблица 7

Оценка качества параметров моделей

Показатель
Параметры
Стандартная ошибка
t-критерий
Вероятность нулевой гипотезы
Свободный член
-0,06842
0,03433
-1,99
0,057

0,0010458
0,0002732
3,83
0,001

0,021233
0,001280
16,59
0,000

0,0012933
0,0004686
3,17
0,004

0,0012933
0,0004686
2,76
0,011
Свободный член
-0,12327
0,06036
-2,04
0,052

0,04887
0,01557
3,14
0,004

0,022389
0,002910
7,69
0,000

0,00002349
0,00000864
2,72
0,012

0,0039712
0,0009004
4,41
0,000

0,09008
0,01918
4,70
0,000
Свободный член
-0,10188
0,07752
-1,31
0,197

0,0027498
0,0008252
3,33
0,002

0,021165
0,004828
4,38
0,000

0,007505
0,003457
2,17
0,037

0,09267
0,02808
3,30
0,002
Источник: разработано авторами.

Все полученные модели являются адекватными исходным данным. При этом они достаточно точно определяют динамику подиндексов инновационного развития региона: коэффициент детерминации варьируется от 77,6% до 99,0%.

Сводный индекс инновационного развития региона предлагается также рассчитывать как среднее арифметическое. Полученное значение, во-первых, позволяет проранжировать регионы по индексу инновационного развития, во-вторых, дать качественную характеристику такого развития, пользуясь следующей шкалой:

- 0–0,35 – низкое инновационное развитие (НИР);

- 0,35–0,65 – среднее инновационное развитие (СИР);

- 0,65–1,0 – высокое инновационное развитие (ВИР).

В таблице 8 представим как рассчитанные значения индексов инновационного развития по регионам Южного федерального округа, так и ранжирование регионов, а также качественную оценку их развития.

Таблица 8

Инновационное развитие регионов Южного федерального округа

Регионы
2014 г.
2015 г.
2016 г.
2017 г.
Индекс инновационного развития региона
Республика Адыгея
0,2737
0,2217
0,2305
0,2317
Республика Калмыкия
0,2327
0,1846
0,1835
0,1697
Республика Крым

0,4345
0,3768
0,4098
Краснодарский край
0,4012
0,4053
0,4465
0,4505
Астраханская область
0,4547
0,4759
0,4684
0,4216
Волгоградская область
0,4061
0,2994
0,2973
0,2930
Ростовская область
0,6293
0,6040
0,6886
0,6661
г. Севастополь

0,6264
0,6101
0,6004
Рейтинг региона ЮФО по индексу инновационного развития
Республика Адыгея
5
7
7
7
Республика Калмыкия
6
8
8
8
Республика Крым

4
5
5
Краснодарский край
4
5
4
3
Астраханская область
2
3
3
4
Волгоградская область
3
6
6
6
Ростовская область
1
2
1
1
г. Севастополь

1
2
2
Качественная оценка инновационного развития
Республика Адыгея
НИР
НИР
НИР
НИР
Республика Калмыкия
НИР
НИР
НИР
НИР
Республика Крым

СИР
СИР
СИР
Краснодарский край
СИР
СИР
СИР
СИР
Астраханская область
СИР
СИР
СИР
СИР
Волгоградская область
СИР
НИР
НИР
НИР
Ростовская область
СИР
СИР
ВИР
ВИР
г. Севастополь

СИР
СИР
СИР
Источник: разработано авторами.

Заключение. Расчет по построенным моделям, несмотря на то, что несколько изменяет абсолютное значение индексов, не отражается на рейтинговой оценке региона и на качественной характеристике его инновационного развития. Это говорит об устойчивости методики и возможности применения полученных моделей для упрощения расчетов.

Республика Крым и город Севастополь на протяжении анализируемого периода стабильно характеризовались как регионы со средним инновационным развитием. Рейтинг указанных регионов в 2017 году составил 5 и 2 соответственно. Стабильно высокий рейтинг инновационного развития.

В целом разработанная методика использует в расчетах показатели, представленные в официальной статистике, которые характеризуют развитие научно-технического потенциала региона, факторы его производственно-технологического потенциала, функционирование инновационной инфраструктуры, а также проводимую региональную инновационную политику. Использование методов корреляционно-регрессионного анализа позволило получить модели, упрощающие ранжирование регионов, и дать качественную характеристику инновационного развития регионов. Многофакторность оценки позволяет региону получить объективное представление о своих преимуществах, наметить дальнейшие пути развития.


Источники:

Балезина, И. Л. Оценка инновационного потенциала региона на основе Индекса ПРИМ / И. Л. Балезина, В. Н. Якимец // Каспийский регион: политика, экономика, культура: Астрахань. - 2011. - № 4 (29). - С. 54-63.
2. Баранов А.Г., Гармашова Е.П., Дребот А.М. Совершенствование организационно-экономического механизма управления инновационным развитием г. Севастополь // Экономические исследования и разработки. − 2020. − № 4. − С. 54-60.
3. Бернал Дж. Наука в истории общества / Дж. Бернал.  Москва : Изд-во иностранной литературы, 1956. – 735 с.
4. Гармашова Е.П., Дребот А.М., Баранов А.Г., Митус А.А. Анализ и определение ключевых проблем инновационного развития г. Севастополь // Вопросы инновационной экономики. − 2019. − Том 9. − № 3. − doi: 10.18334/vinec.9.3.40984
5. Гармашова Е.П., Дребот А.М. Факторы инновационного развития региона // Вопросы инновационной экономики. − 2020. − Т.10. − № 3. − С. 1523-1534.
6. Кузнец С. Современный экономический рост : результаты исследований и размышлений. Нобелевская лекция / С. Кузнец ; под ред. Ю. В. Яковца.  Санкт-Петербург : Гумапистика, 2003. – 548с.  (Нобелевские лауреаты по экономике : взгляд из России).
7. Рейтинг инновационного развития субъектов Российской Федерации. Выпуск 5 / Г.И. Абдрахманова, П.Д. Бахтин, Л.М. Гохберг и др.; под ред. Л.М. Гохберга; Нац. исслед. ун-т «Высшая школа экономики». – М.: НИУ ВШЭ, 2017. – 260 с.
8. Статистика науки и образования: [сайт]. URL: http://www.csrs.ru (дата обращения: 14.12.2019)
9. Твисс Б. Управление научно-техническими нововведениями / Б. Твисс ; авт. предисл., науч. ред. К. Ф. Пузыня.  Москва : Экономика, 1989.  217 с.
10. Яковец Ю. В. Эпохальные инновации XXI века / Ю. В. Яковец ; Международный институт Питирима Сорокина Николая Кондратьева. – Москва: Экономика, 2004. – 444 с., с. 12-19.
11. Innovation in American Regions: [сайт]. URL: http://www.statsamerica.org/innovation/index.html (дата обращения: 14.12.2019)
12. RIS 2019-Methodology report: [сайт]. URL: https://ec.europa.eu/docsroom/documents/37783 (дата обращения: 14.12.2019)

Страница обновлена: 30.01.2024 в 17:52:52