• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Новости

ВШЭ представила 6-й рейтинг инновационного развития российских регионов

В тройку лидеров новой версии рейтинга вошли Москва, Татарстан и Санкт-Петербург. Рейтинг составлен на основе 53 показателей и может использоваться региональными властями для разработки и оптимизации своей инновационной политики. Презентация рейтинга состоялась 31 октября на пресс-конференции в ТАСС.

Для чего нужен рейтинг

Рейтинг инновационного развития субъектов Российской Федерации выпускается Институтом статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ начиная с 2012 года. Его методология соответствует международным стандартам измерений в этой области, кроме того авторы рейтинга подчеркивают открытость методологии — рейтинг включает подробное описание всех показателей и алгоритмов расчета, что позволяет читателям самостоятельно верифицировать полученные индексы.

«Рейтинг изначально задумывался как экспертно-аналитическое исследование. Но постепенно восприятие рейтинга в медиа-пространстве и среди чиновников изменилось», — отметил первый проректор ВШЭ, директор ИСИЭЗ Леонид Гохберг.

Рейтинг стал восприниматься как инструмент оценки деятельности органов региональной власти в инновационной сфере

Дело в том, что многие показатели рейтинга отражают векторы развития страны, сформулированные в майских указах президента 2018 года. Индикаторы рейтинга (например, по цифровому развитию, экспорту, качеству инновационной политики) позволяют проанализировать текущее состояние, а в перспективе и динамику продвижения регионов России по ряду национальных проектов.

Кто в лидерах

Шестой выпуск рейтинга включает систему из 53 показателей по пяти ключевым блокам (субиндексам) — социально-экономические условия инновационной деятельности, научно-технический потенциал, инновационная деятельность, экспортная активность и качество инновационной политики. Регионы ранжируются по каждому из этих субиндексов, а итоговый индекс формируется как среднее арифметическое нормализованных значений всех включенных в рейтинг показателей.

Топ-10 рейтинга инновационного развития регионов:

1. Москва

2. Татарстан

3. Санкт-Петербург

4. Томская область

5. Нижегородская область 

6. Московская область

7. Свердловская область

8. Новосибирская область

9. Челябинская область

10. Калужская область

Отличительная особенность рейтинга, подготовленного Вышкой, — индивидуальные профили 85 субъектов Российской Федерации. В них детально представлены результаты по всем показателям инновационного развития, что позволяет выявить особенности инновационной системы каждого региона.

Регионы, играющие центральную роль в развитии инновационной сферы, сохраняют свои лидирующие позиции на протяжении нескольких лет. Но их профили показывают, что модели успешного развития могут быть совсем разными. В топ-10 по каждому из пяти субиндексов входят только Москва и Санкт-Петербург.

Разные регионы — разные модели успеха

Регионам необязательно выравнивать все показатели, чтобы быть инновационными, считает директор Центра «Российская кластерная обсерватория» ИСИЭЗ НИУ ВШЭ Евгений Куценко. Пример в этом плане показывает Томская область. В субиндексе по социально-экономическим условиям инновационной деятельности она заняла четвертое место, зато по научно-техническому потенциалу и экспорту знаний этот регион находится в лидерах.

«Можно выигрывать за счет своей специфики — важно только эту специфику выявить и инвестировать в то, что вам принесет успех», — отметил Евгений Куценко.

Наш рейтинг — это не застывшая оценка, а конструктор для органов власти и бизнеса

Шестой выпуск рейтинга также содержит экспериментальный индекс готовности регионов к будущему. Он не дублирует и не подменяет обычный индекс инновационного развития, а позволяет взглянуть на инновационную политику регионов под другим углом.

Как рассказал директор Центра стратегической аналитики и больших данных ИСИЭЗ НИУ ВШЭ Илья Кузьминов, этот индекс рассчитан c помощью системы iFORA (Intelligent Foresight Analytics). Она позволяет извлекать релевантную информацию из миллионов документов, которые невозможно охватить методами традиционной статистики.