Шмидт Ю.Д.доктор экономических наук, профессор, заведующий кафедрой бизнес-информатики и экономико-математических методов, Дальневосточный федеральный университет, Владивосток, Российская Федерация syd@dvfu.ru
Лободина О.Н.кандидат экономических наук, ассистент кафедры информатики, математического и компьютерного моделирования, Дальневосточный федеральный университет, Владивосток, Российская Федерация relloudder@gmail.com
Грищенко В.В.кандидат технических наук, доцент кафедры приборостроения, Дальневосточный федеральный университет, Владивосток, Российская Федерация vvg45@yandex.ru
Нинбо Ц.доктор экономических наук, доцент института экономики и менеджмента, Северо-Восточный сельскохозяйственный университет, Харбин, Китайская Народная Республика 82890000@163.com
Предмет. Разработка методического инструментария для оценки уровня инновационного развития территорий является актуальной проблемой анализа и активизации регионального развития. В статье анализируются существующие методики расчета рейтинга инновационного развития регионов и выделяются общие черты, элементы и схемы расчетов, а также существенные различия. Возникает проблема выбора наиболее адекватной методики сравнительной оценки уровня инновационного развития региона из существующих, так как их результаты, как правило, значительно различаются. Цели. Формирование обобщенного универсального алгоритма для создания рейтингов и методик сравнительных оценок экономических объектов. Тестирование гипотезы, что использование метрик, характеризующих качество кластеризации многомерных данных, позволяет оценить влияние инструментов, предлагаемых в методиках, на качество рейтинговых оценок уровня инновационного развития регионов. Методология. В процессе исследования использовались методы обработки многомерных статистических данных, кластерного анализа, метрики, характеризующие качество кластеризации многомерных данных. Результаты. В статье предложен инструментарий для оценки качества кластеризации многомерных данных, который включает как известные метрики компактности, отделимости и расстояния между кластеризациями, так и разработанный обобщенный индекс, устойчивость и чувствительность кластеризаций. На его основе разработан методический подход и программный комплекс, позволяющие количественно и качественно сравнивать входные данные, методические схемы и результаты оценки рейтингов уровня инновационного развития регионов, вычисленных по различным методикам, а также создавать новые комплексные методики оценки инновационного развития территорий. Выводы. Разработанный методический подход и инструментарий оценки уровня инновационного развития регионов и качества соответствующих методик формирования рейтингов можно использовать и для анализа других объектов и предметных областей, в которых требуется комплексная оценка и вычисляются сравнительные рейтинги.
Бортник И.М., Сенченя Г.И., Михеева Н.Н., Здунов А.А., Кадочников П.А., Сорокина А.В. Система оценки и мониторинга инновационного развития регионов России // Инновации. 2012. № 9. С. 48–61.
Бортник И.М., Зинов В.Г., Коцюбинский В.А., Сорокина А.В. Индикаторы инновационного развития регионов России для целей мониторинга и управления // Инновации. 2013. № 11. С. 21–32.
Михеева Н.Н. Сравнительный анализ инновационных систем российских регионов // Пространственная экономика. 2014. № 4. С. 61–81.
Михеева Н.Н. К вопросу об инновационных рейтингах российских регионов // Современные производственные силы. 2013. № 2. С. 54–67.
Унтура Г.А., Есикова Т.Н., Зайцев И.Д., Морошкина О.Н. Проблемы и инструменты аналитики инновационного развития субъектов РФ // Вестник Новосибирского государственного университета. Серия: Социально-экономические науки. 2014. Т. 14. Вып. 1. С. 81–100.
Киселев В.Н. Сравнительный анализ инновационной активности субъектов Российской Федерации // Инновации. 2010. № 4. C. 44–55.
Рейтинг инновационного развития субъектов Российской Федерации. Вып. 2 / под ред. Л.М. Гохберга. М.: Национальный исследовательский университет «Высшая школа экономики», 2014. 88 с.
Asheim B.T., Isaksen A. Regional Innovation Systems: The Integration of Local ‘Sticky’ and Global ‘Ubiquitous’ Knowledge. The Journal of Technology Transfer, 2002, vol. 27, iss. 1, pp. 77–86. doi: 10.1023/A:1013100704794
Asheim B.T., Coenen L. Knowledge Bases and Regional Innovation Systems: Comparing Nordic Clusters. Research Policy, 2005, vol. 34, iss. 8, pp. 1173–1190. doi: 10.1016/j.respol.2005.03.013
Cooke Ph., Laurentis C., Todtling F., Trippl M. Regional Knowledge Economies: Markets, Clusters and Innovation. Cheltenham, Edward Elgar, 2007, 328 p.
Халимова С. Оценка региональных различий развития инновационной деятельности // XV Апрельская международная научная конференция по проблемам развития экономики и общества: в 4-х кн. / отв. ред. Е.Г. Ясин. НИУ ВШЭ при участии Всемирного Банка и МВФ. Кн. 3. М.: ИД ВШЭ, 2015. С. 301–326.
Канева М.А., Унтура Г.А. Диагностика инновационного развития Сибири // Регион: экономика и социология. 2013. № 2. С. 173–197.
Казанцев С.В. Масштабы инновационной деятельности в субъектах Федерации // Регион: экономика и социология. 2012. № 4. С. 111–138.
Сивоголовко E. Методы оценки качества четкой кластеризации // Компьютерные инструменты в образовании. 2011. Вып. 4. С. 14–31.
Вятченин Д.А. Нечеткие методы автоматической классификации. Минск: Технопринт, 2004. 219 с.
Halkidi M., Batistakis Y., Vazirgiannis M. Cluster Validity Methods: Part II. SIGMOD Rec., 2002, vol. 31, no. 3, pp. 19–27.
Meilă M. Comparing Clusterings – An Information Based Distance. Journal of Multivariate Analysis, 2007, vol. 98, no. 5, pp. 873–895.
Shmidt Yu.D., Martyshenko N.S. Modern Approaches to Consumer Markets Segmenting. Mediterranean Journal of Social Sciences, 2015, vol. 6, no. 5, pp. 367–374.
Мандель И.Д. Кластерный анализ. М.: Финансы и статистика, 1988. 176 с.
Шмидт Ю.Д., Лободина О.Н. Статистическое исследование основных характеристик экономического пространства страны // Вестник Тихоокеанского государственного экономического университета. 2013. № 1. С. 22–35.
