| Раздел | Статьи |
| Заглавие | Межрегиональные эффекты инноваций в России: анализ с позиций байесовского подхода |
| Страницы | 125-143 |
| Автор | Терещенко Дмитрий Сергеевич старший преподаватель Департамент экономики, Санкт-Петербургская школа экономики и менеджмента, Национальный исследовательский университет «Высшая школа экономики» ул. Кантемировская, 3, корп. 1, лит. А, Санкт-Петербург, 194100, Российская Федерация младший научный сотрудник Центр теории рынков и пространственной экономики, Санкт-Петербургская школа экономики и менеджмента, Национальный исследовательский университет «Высшая школа экономики» ул. Кантемировская, 3, корп. 1, лит. А, Санкт-Петербург, 194100, Российская Федерация This email address is being protected from spambots. You need JavaScript enabled to view it. ORCID: 0000-0002-8973-542X |
| Аннотация | В исследовании проводится анализ межрегиональных эффектов инноваций в России. Гипотеза о наличии межрегиональных эффектов проверяется путем комбинирования методов пространственной эконометрики и байесовского подхода. С использованием панельных данных о российских регионах за период 2000–2021 гг. в работе рассчитываются апостериорные вероятности для набора пространственно-регрессионных моделей, которые по-разному моделируют межрегиональные эффекты инноваций. В рамках применения байесовского подхода для сравнения были выбраны 6 моделей: модель без пространственных эффектов (OLS), модель с пространственным лагом зависимой переменной (SAR), модель с пространственным лагом ошибки (SEM), модель с пространственными лагами объясняющих переменных (SLX), пространственная модель Дарбина с лагами зависимой и объясняющих переменных (SDM), а также пространственная модель Дарбина с лагами объясняющих переменных и ошибки (SDEM). На основе проведенных расчетов можно сделать вывод о том, что пространственная корреляция инноваций в российских регионах не так сильно выражена, как принято было считать в предыдущих исследованиях. Это можно считать свидетельством в пользу того, что концепция межрегиональных перетоков инноваций плохо согласуется с историческими, институциональными и территориальными особенностями России, а общепринятые в других странах для подобного анализа методы – неподходящими в российском контексте. Полученные результаты могут быть учтены в дальнейших исследованиях, предполагающих пространственное моделирование региональных инноваций. Больше внимания следует уделять пространственным эффектам объясняющих переменных, в частности межрегиональным перетокам затрат на НИР, а также динамике в инновационном процессе |
| УДК | 332.14+330.43 |
| JEL | C10, C11, O33, R15 |
| DOI | |
| Ключевые слова | инновации, пространственная эконометрика, байесовские методы, регионы, Россия |
| Скачать | SE.2024.1.125-143.Tereshchenko.pdf |
| Для цитирования | Терещенко Д.С. Межрегиональные эффекты инноваций в России: анализ с позиций байесовского подхода // Пространственная экономика. 2024. Т. 20. № 1. С. 125–143. https://dx.doi.org/10.14530/se.2024.1.125-143 |
| Ссылки | 1. Бабурин В.Л., Земцов С.П. Факторы патентной активности в регионах России // Мир экономики и управления. 2016. Т. 16. № 1. С. 86–100. 2. Мариев О.С., Савин И.В. Факторы инновационной активности российских регионов: моделирование и эмпирический анализ // Экономика региона. 2010. № 3. С. 235–245. 3. Мосалёв А.И. Оптимальные пространственные форматы межрегионального экономического сотрудничества в рамках инновационной экономики // Экономика региона. 2022. Т. 18. Вып 3. С. 638–652. 4. Наумов И.В., Никулина Н.Л. Моделирование пространственных эффектов инновационного развития регионов России // Проблемы развития территории. 2023a. Т. 27. № 6. С. 121–140. 5. Наумов И.В., Никулина Н.Л. Сценарное моделирование и прогнозирование пространственной неоднородности инновационного развития России // Экономические и социальные перемены: факты, тенденции, прогноз. 2023b. Т. 16. № 4. С. 71–87. 6. Autant-Bernard C., Fadairo M., Massard N. Knowledge Diffusion and Innovation Policies Within the European Regions: Challenges Based on Recent Empirical Evidence // Research Policy. 2013. Vol. 42. Issue. 1. Pp. 196–210. 7. Autant-Bernard C., LeSage J.P. Quantifying Knowledge Spillovers Using Spatial Econometric Models // Journal of Regional Science. 2011. Vol. 51. Issue 3. Pp. 471–496. 8. Crescenzi R., Jaax A. Innovation in Russia: The Territorial Dimension // Economic Geography. 2017. Vol. 93. Issue 1. Pp. 66–88. 9. Fernandes C., Farinha L., Ferreira J.J., Asheim B., Rutten R. Regional Innovation Systems: What Can We Learn from 25 Years of Scientific Achievements? // Regional Studies. 2021. Vol. 55. Issue 3. Pp. 377–389. 10. Halleck Vega S., Elhorst J.P. The SLX Model // Journal of Regional Science. 2015. Vol. 55. Issue 3. Pp. 339–363. 11. Kalapouti K., Varsakelis N.C. Intra and Inter: Regional Knowledge Spillovers in European Union // The Journal of Technology Transfer. 2015. Vol. 40. Pp. 760–781. 12. Lee L., Yu J. A Spatial Dynamic Panel Data Model with Both Time and Individual Fixed Effects // Econometric Theory. 2010a. Vol. 26. Issue 2. Pp. 564–597. 13. Lee L., Yu J. Estimation of Spatial Autoregressive Panel Data Models with Fixed Effects // Journal of Econometrics. 2010b. Vol. 154. No. 2. Pp. 165–185. 14. LeSage J.P. Software for Bayesian Cross Section and Panel Spatial Model Comparison // Journal of Geographical Systems. 2015. Vol. 17. Pp. 297–310. 15. LeSage J.P. Spatial Econometric Panel Data Model Specification: A Bayesian Approach // Spatial Statistics. 2014. Vol. 9. Pp. 122–145. 16. LeSage J.P., Parent O. Bayesian Model Averaging for Spatial Econometric Models // Geographical Analysis. 2007. Vol. 39. Issue 3. Pp. 241–267. 17. Naumov I.V., Nikulina N.L. Exploring the Innovative Development of Russian Regions: A Spatial Regression Analysis Using the Cobb-Douglas Model // R-Economy. 2023. Vol. 9. No. 2. Pp. 226–247. 18. Pino R.M., Ortega A.M. Regional Innovation Systems: Systematic Literature Review and Recommendations for Future Research // Cogent Business & Management. 2018. Vol. 5. Issue 1. 1463606. 19. Savin I., Winker P. Heuristic Optimization Methods for Dynamic Panel Data Model Selection: Application on the Russian Innovative Performance // Computational Economics. 2012. Vol. 39. Pp. 337–363. 20. Zemtsov S., Muradov A., Wade I., Barinova V. Determinants of Regional Innovation in Russia: Are People or Capital More Important? // Foresight and STI Governance. 2016. Vol. 10. No. 2. Pp. 29–42. |
| Финансирование | Исследование осуществлено в рамках Программы фундаментальных исследований Национального исследовательского университета «Высшая школа экономики». |
| Поступила в редакцию | 02.03.2024 |
| Одобрена после рецензирования | 07.03.2024 |
| Принята к публикации | 11.03.2024 |
| Доступно онлайн | 01.04.2024 |