CC BY
7
вопросы инновационной экономики
о
Том 10 • Номер 2 • Апрель-июнь 2020 ISSN 2222-0372 Russian Journal of Innovation Economics
Первое
экономическое издательство
Формирование модели оценки коллаборационного технологического контура на основе сравнительного анализа
Малыхина И.О. 1
1 Белгородский государственный технологический университет им. В.Г. Шухова, Белгород, Россия
Проблема наличия существенных диспропорций в развитии потенциально и традиционно технологических отраслей российской экономики в сравнении с ведущими мировыми странами-лидерами в совокупности с ошеломляющими темпами их развития ставит задачу поиска и реализации механизмов и инструментов инновационно-технологического развития России в разряд стратегически важных. Актуальность темы исследования подтверждена необходимостью осуществления технологической модернизации промышленных отраслей и производственных секторов экономики в качестве ответных мер на реализацию политики наращивания и укрепления инновационного и технологического потенциала как гаранта национальной безопасности государства. Целью работы является проведение сравнительного анализа эффективности КТК в рамках предложенной методики оценки. Проведенное исследование основывалось на использовании методологии аналитической деятельности в совокупности с анализом и изучением важнейших результатов по обозначенной проблематике, представленных в научных трудах отечественных и зарубежных ученых. Методическим инструментарием исследования выступили общенаучные методы познания: метод анализа, метод синтеза, метод индукции, а также методы статистического и количественного анализа. Сформирована модель оценки эффективности коллаборационного технологического контура. Произведен сравнительный анализ его эффективности. Практически применена методика оценки и обоснована логика составления прогноза работы коллаборационного технологического контура. Доказана жизнеспособность предложенной методики оценки эффективности контура.
КЛЮЧЕВЫЕ СЛОВА: инновации, коллаборационный технологический контур, анализ, оценка, регион
Development of a model for evaluating the collaborative process loop based on comparative analysis
Malykhina I.O. 1
1 Belgorod State Technological University named after V.G. Shukhov, Russia
введение
В настоящее время вопросы стимулирования технологического развития корреспондируют с проблемами обеспечения национальной безопасности, поскольку факт достижения общепризнанного технологического лидерства в ключевых отраслях экономики априорно позволяет участвовать в формировании важнейших тенденций и направле-
АННОТАЦИЯ:
ний развития мировой экономики, воздействовать на разделение сфер влияния на глобальном рынке наукоемкой продукции, задавать перспективы научных исследований и др.
В условиях внешних вызовов и угроз важно сформировать условия для эффективного развития экономической среды и интенсификации субъектов высокотехнологичного сектора, поскольку они являются конкурентоспособными участниками внутреннего и глобального рынка наукоемкой продукции и определяют перспективы их развития [12] (Malykhina, 2019).
Исследование основывалось на использовании методологических подходов ведущих отечественных и зарубежных ученых к анализу и оценке состояния, проблем, перспектив развития и динамики технологических отраслей экономики, субъектов наукоемкого производства [11, 21] (Doroshenko, Malykhina, Somina, 2018).
При этом столь широко обсуждаемый вопрос тенденций осуществления технологической модернизации и трансформации промышленных отраслей с целью их
ABSTRACT:_
The problem of significant imbalances in the development of potentially and traditionally technological sectors of the Russian economy in comparison with the world's leading countries, combined with the staggering pace of their development, puts the task of finding and implementing mechanisms and tools for innovative and technological development of Russia in the category of strategically important. The relevance of the research topic is confirmed by the need to implement technological modernization of industrial sectors and production sectors of the economy as a response to the implementation of the policy of building and strengthening innovative and technological potential as a guarantor of national security of the state. The purpose of this work is to conduct a comparative analysis of the collaborative process loop effectiveness within the framework of the proposed evaluation methodology. The research was based on th analytical methodology in conjunction with the analysis and study of the most important results on the identified issues, presented in the scientific works of Russian and foreign scientists. The research tools included general scientific methods of cognition such as the method of analysis, the method of synthesis, the method of induction, as well as methods of statistical and quantitative analysis. A model for evaluating the effectiveness of the collaborative process loop was formed. A comparative analysis of its effectiveness is conducted. The estimation method is practically applied and the logic of forecasting the work of the collaborative process loop is justified. The viability of the proposed method for evaluating the effectiveness of the loop is proved.
KEYWORDS: innovation, collaborative process loop, analysis, evaluation, region
JEL classification: o31, o32, o33 Received: 10.02.2020 / published: 30.06.2020
© Author(s) / Publication: PRIMEC Publishers
For correspondence: Malykhina I.O. (ima1ykhina0inbox.ru)
CITATION:_
Malykhina I.O. (2020) Formirovanie modeli otsenki koUaboratsionnogo tekhnologicheskogo kon-tura na osnove sravnitelnogo analiza [Development of a model for evaluating the collaborative process loop based on comparative analysis]. Voprosy innovatsionnoy ekonomiki. 10. (2). - 1075-1088. doi: 10.18334/vinec.10.2.100826
возрождения и формирования технологического потенциала отечественной экономики может иметь положительное решение лишь при условии стимулирования и укрепления внутренних возможностей региональных экономик. Однако анализ трудов отечественных и зарубежных ученых по обозначенной проблематике позволяет утверждать, что сегодня вопросы методического обеспечения практики оценки эффективности высокотехнологичного сектора экономики, как и возможностей его развития, не решены.
В этой связи была разработана концепция создания коллаборационных технологических контуров (далее - КТК) как территориально определенных зон стимулирования интеграционного взаимодействия ключевых участников высокотехнологичного рынка, основываясь на существующей методологии инновационного развития экономических систем, а также предложено использование сравнительного анализа как инструмента формирования модели оценки КТК с целью совершенствования механизмов развития и укрепления взаимодействующих субъектов инновационного процесса.
Подчеркнем, что автор определяет КТК как часть инновационной экосистемы региона, отличающуюся признаками обособленной инновационно-технологической системы, призванной максимально консолидировать ресурсы и возможности ключевых участников инновационной деятельности с целью формирования коллаборацион-ной среды для стимулирования их интеграционного взаимодействия в целях развития интеллектуальной деятельности и реализации технико-технологического потенциала производственного сектора экономики. Полагаем, что формирование КТК в рамках региональных экономических систем является стратегическим инструментом развития инновационной и технологической деятельности посредством повышения взаимодействия, в частности межотраслевого, важнейших участников инновационной экосистемы.
Отметим, что проблемы исследования основ инновационного развития и оценки ее эффективности отражены в работах отечественных и зарубежных ученых, а именно Й. Шумпетера, И. Ансоффа, Б. Санто, Б. Твисса, К.М. Кристенсеса, Ю.А. Дорошенко, И.В. Соминой, И.Е. Ильиной, Е.Н. Жаровой, Е.В. Агамировой, А.С. Каменского, И.Э. Фролова, Н.А. Ганичева, И.М. Голова, А.Ф. Суховей и др. [1, 3, 7, 10, 17, 18, 19, 20, 21] (Ansoff, 2009; Golova, Sukhovey, 2018; Ilyina, Zharova, Agamirova, Kamenskiy,
ОБ АВТОРЕ:_
Малыхина Ирина Олеговна, кандидат экономических наук, доцент кафедры стратегического управления (ima1ykhina0inbox.ru)
ЦИТИРОВАТЬ СТАТЬЮ:_
Малыхина И.О. Формирование модели оценки коллаборационного технологического контура на основе сравнительного анализа // Вопросы инновационной экономики. - 2020. - Том 10. - № 2. - С. 1075-1088. doi: 10.18334/vinec.10.2.100826
2018; Kristenses, 2018; Santo, 1990; Tviss, 1989; Frolov, Ganichev, 2014; Shumpeter, 1982; Doroshenko, Malykhina, Somina, 2018).
При этом вопросы технологического развития, в том числе в контексте осуществления модернизационных и трансформационных процессов, освещены в трудах Н.Д. Кондратьева, С.Ю. Глазьева, Г.И. Идрисова, В.Н. Княгинина, А.Л. Кудрина, Е.С. Рожковой, Е.В. Демидовой, М.А. Олейниковой, С.В. Ратнера, А.А. Кораблевой, В.В. Карпова, Е.А. Капогузова А.Г. Иванченко, Д.С. Ушакова [2, 4, 5, 6, 8, 9, 14] (Glazev, 1993; Demidova, Oleynikova, 2017; Ivanchenko, Ushakov, 2018; Idrisov, Knyaginin, Kudrin, Rozhkova, 2018; Kondratev, 2002; Korableva, Karpov, Kapoguzov, 2018; Ratner, Iosifov, 2014) и др.
В целях проверки достоверности методики оценки эффективности КТК и целесообразности ее применения осуществим сравнительный анализ по двум расчетным периодам - 2017 г. и 2018 г., придерживаясь следующей логики рассуждений. Введем соответствующие множества - А, В, Н, которые характеризуются элементами важнейших блоков, образующих КТК. При этом множество А отражает вклад и влияние административного сектора на развитие КТК, множество В - влияние предпринима-
Таблица 1
Данные официальной статистики, формирующие элементы множеств А, В, Н (административного, предпринимательского и научно-академического блоков)
«Администрация» 2017 2018
Удельный вес расходов на финансирование науки в общей сумме расходов федерального бюджета,% 2,3 2,44
Доля высокотехнологичных и наукоемких отраслей экономики в ВВП,% 28,5 29,5
Удельный вес населения, использующего интернет, в общей численности населения в возрасте 15-74 лет,% 83,7 85,4
«Наука» 2017 2018
Удельный вес поданных заявок на выдачу патентов в общем числе действующих патентов,% 11,2 15,69
Удельный вес технологий с использованием запатентованных изобретений в общем числе технологий,% 34,59 62,66
Удельный вес исследователей с учеными степенями в их общей численности,% 28,7 28,8
«Бизнес» 2017 2018
Удельный вес организаций, осуществляющих технологические инновации, в общем числе обследованных организаций,% 7,5 -
Коэффициент обновления основных фондов,% 4,3 4,3
Доля высокотехнологичных производств в добавленной стоимости обрабатывающей промышленности,% 5,5 5,4
Источник: [13, 15, 16] (Gorodnikova, Gokhberg, Ditkovskiy et al., 2019).
тельского сектора, множество Н - влияние научно-академического сектора. Каждое из этих множеств формируется определенными элементами. В таблицах 1 и 2 представим официальные статистические данные, которые послужили основой для формирования элементов описанных множеств.
Также важно указать на наличие взаимосвязи между указанными элементами множеств А, В, Н. В целях ее наглядного отражения введем три дополнительных множества:
X = AB = BA, (1)
Y = AH = HA, (2)
г = вн = нв. (з)
Таблица 2
Данные официальной статистики, формирующие элементы множеств X, У, I (с учетом взаимного влияния административного, предпринимательского и научно-академического блоков друг на друга)
«Администрация - Бизнес» 2017 2018
Удельный вес затрат на технологические инновации малых предприятий в общем объеме затрат на технологические инновации,% 1,41 -
Доля экспорта наукоемкой и высокотехнологичной продукции в общем объеме экспорта,% 31,9 33,3
Удельный вес организаций промышленности, осуществлявших затраты на технологические, организационные, маркетинговые инновации, в общем числе обследованных организаций промышленности,% 22,5 24,5
«Наука - Администрация» 2017 2018
Удельный вес затрат на технологические инновации в общем объеме отгруженных товаров, выполненных работ, услуг,% 2,4 2,1
Удельный вес экспорта высокотехнологичных товаров в общем объеме экспорта товаров и услуг,% 2,1 2,2
Наукоемкость ВВП,% 0,58 0,61
«Наука - Бизнес» 2017 2018
Удельный вес инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг,% 7,2 6,5
Удельный вес малых инновационных предприятий, осуществляющих технологические инновации, в общем числе малых предприятий,% 5,2 -
Удельный вес инновационно активных организаций в общем числе обследованных организаций промышленности,% 21,0 23,3
Источник: [13, 15, 16] (Оотойткога, ОоккЪгВикоу$Ыу а1., 2019).
Основываясь на официальных статистических данных за 2017-2018 гг., представленных в таблице 1, осуществим расчеты за 2017 г.
А = {2,3; 28,5; 83,7}, (4)
1080
RUSSiAN иоиРМА1 ОР iNNOVATiON ЕСОШОМ^ #2'2020 (ДрпШипе)
И = а! 2; 3-; 2 3 7:, л = (1 41; 31 22 5:, У = {2,1; 2,1; 0,58}, 2 = (7 2; 5 2; 21 0:.
(5)
(6)
(7)
(8) (9)
Далее составим матрицу, которая описывает КТК с введенными множествами А,
В, Н по данным 2017 г.:
(АА АВ АН\ /29,009 9,302 0,847 \ , ,
. (10)
\НА НВ НИ/ V 0,847 5,567 18,746/ Таким образом, эту задачу можно решить как задачу линейного программирования:
(11) (12)
Так, решением задачи будет являться вектор £ = ; ^ - ^ }:
/ = {1,695; 5,123; 3,737}.
Рассчитаем наибольшее значение совокупной эффективности работы КТК:
Далее определим значение квадратичной формы эффективности за 2017 г.: 2017) = 29,009- 1,6952 + 12,381 ■ 5,1232 + 18,746 ■ 3,7372 +
+2(9,302 ■ 1,695-5,123 + 0,847- 1,695 ■ 3,737 + 5,567 ■ 5,123 ■ 3,737) =
Используя найденные значения вектора эффективности за 2017 г., составим квадратичную форму эффективности за 2018 г., а также оценим ее наименьшее значение при новых неравенствах ограничений, применяя выбранные приращения, исходя из условия развития КТК.
РР(2018) = 2,87 Бмг, + 26,246и^ + 13,9б№3 + 17,3 7^4 + 12,67 38,29и/6 -> тт
(15)
(1,695^ + 5,123+ 3,737№5 > 100 1,695№4+ 5,123ш2 + 3,737№6 > 100 1,695^ + 5,12Зи/6 + 3,737иг3 > 100 1,695^ + 5,123№2 + 3,737№3 > 183 IV., + IV-, > 60 и?1+иг4+1^5 > 39 + Ш2 + — 27 + + — 25 мге > 0, £ = 1, ...,6.
Значения коэффициентов квадратичной формы эффективности, отражающие результаты прогноза на 2018 г., представлены вектором:
.
Далее осуществим поиск значений квадратичной формы эффективности КТК за прогнозируемый 2018 г.:
/•'/•'(^сив) = + №2/22 + ш3ь2 + №+2А/2 + ы^гл + , (16)
/*Т(2018) = 29,696- 1,6952 + 12,593 ■ 5,1232 + 18,71 ■ 3,7372 + +2(9,371 ■ 1,695 ■ 5,123 + 1,242 ■ 1,695 ■ 3,737 + 6,047 ■ 5,123 ■ 3,737) =
.
Из соображений развития КТК должно выполняться условие:
РР(2018) > РР(2017): 1055,51 > 1087,18 Условие выполнено.
Идеальное значение квадратичной формы эффективности инвестиционных вложений в 2017 г. можно представить как полный квадрат вложений по соответствующим блокам А, В, Н:
(17)
Тогда идеальное значение квадратичной формы эффективности инвестиционных вложений в 2018 г. можно вычислить, используя формулу:
. 2
(18)
По рассчитанным данным развития КТК можно сделать вывод, что выполняется следующее условие:
1082
RUSSiAN JОURNAL ОР iNNОVATiОN ЕСОПОМ^ #2 2020 (ДрпШипе)
2018) > т(2017): 1899,41 > 1878,03.
Соответственно, прогнозируемая матрица КТК на следующий, в данном случае -2018 г. может быть представлена следующим образом:
АА АВ АН\ /29,696 9,371
ВА вв вн = 9,371 12,593
НА нв ни/ V 1,242 6,047
1871/
При этом в результате решения задачи линейного программирования для новых значений матрицы КТК можем прийти к решению:
Таким образом, можно осуществить прогноз ожидаемого эффекта от предполагаемых инвестиционных вложений в 2018 г., который будет равен:
.
Далее, используя данные таблиц 1 и 2, реализуем алгоритм расчета в 2018 г. Также введем соответствующие множества:
А = (2,44; 29,5; 85,4},
Н = {15,69; 62,66; 28,8}
Аналогичным образом введем дополнительные множества X, Y, Z:
X = (0; 33,3; 24,5},
2 = (6,5; 0; 23,3}
Следующим шагом будет составление матрицы, которая описывает КТК с множествами А, В, Н:
(19)
(20) (21)
(22)
(23)
(24)
Решение задачи линейного программирования симплекс-методом позволит получить следующую функцию:
29,739/1 + 9,633/2 + 0,818 <100; 9,633^ + 10,7^ + 4,967/3 < 100;
(25)
0.818Д + 4,967/2 + 24, > 0.
901/3 < 100;
Решением этой задачи будет являться вектор
/ = (0,901; 7,358; 2,519}. Рассчитаем наибольшее значение совокупной эффективности работы КТК за 2018 г.:
Далее вычислим значение квадратичной формы эффективности КТК за 2018 г.: РР(2018) = 29,739- 0,9012 + 10,7 - 7,35 82 + 24,901- 2,5 192 +
.
1078,6
При этом идеальное значение квадратичной формы эффективности инвестиционных вложений в 2018 г. отразим в виде полного квадрата этих вложений по блокам А, В, Н с соответствующими им множествами:
т- 2 0131 = 73? ■ о - ТУГ ■ 7 ззз - , -?01 ■: 51-:" = 1730,31.
Для удобства анализа полученных результатов сведем итоги расчетов в рамках представленной методики оценки эффективности КТК в таблицу 3.
Таблица 3
Итоги расчетов в рамках представленной методики оценки эффективности КТК
Основные показатели 2017 2018
прогноз реальность
Матрица контура /29,009 9,302 0,845 \ 9,302 12,361 5,567 V 0,645 5,567 18,746/ /29,696 9,731 1,242\ 9,731 12,593 6,047 V 1,242 6,047 18,71/ /29,739 9,633 0,818 \ 9,633 10,7 4,967 V 0,818 4,967 24,901/
Вектор эффективности {1,695; 5/123; 3,737} {1,016; 4,974; 3,628] [0,91; 7,358; 2,518]
Суммарное значение эффективности 10,5551 10,248 10,785
Квадратичная форма эффективности 1055,51 1087,18 1078,598
Идеальное значение эффективности 1878,032 1899,414 1730,307
Источник: составлено автором.
Таким образом, доказано, что прогнозные значения работы КТК, полученные при реализации предложенной в рамках проводимого исследования методики оценки его эффективности, являются достоверными. Реальные статистические данные текущего периода (2018 г.) с допустимой погрешностью отличаются от значений прогнозируе-
мого периода (2017 г.). При этом в прогнозе наблюдаются положительные изменения по всем элементам множеств, кроме единственного значения - научного сектора, влияющего на себя (НН) - оно имеет отрицательное значение (-0,04). Проанализировав значения совокупной эффективности работы КТК в 2017 г. и данного показателя в прогнозе на 2018 г. (р(2017) и Р(2018) - 10,5551 и 10,248), квадратичной формы эффективности ^Р(2017) и РР(2018) - 1055,51 и 1087,18) и идеальные значения эффективности работы КТК (Р£7(2017) и £77(2018) - 1877,032 и 1730,307), можно сделать вывод, что реальные значения суммарной эффективности работы КТК увеличиваются и условия развития КТК - + 1) > РР(Ю~, РР1(^ + 1) > РР1 (Л0 выполняются. Сравнивая полученные данные с реальными значениями этих величин за 2018 г., можно сделать вывод, что в целом прогноз оправдался. Но реальные значения квадратичной формы эффективности (РК) в 2018 г. больше, чем в 2017 г., однако меньше прогнозных цифр, что свидетельствует о верности прогноза. При этом идеальные значения эффективности (РП) в 2018 г. меньше, чем в 2017 г., что существенно отличается от спрогнозированных цифр. Данную тенденцию можно объяснить снижением эффективности и недостаточной эффективностью совместного развития блоков контура «Администрация - Наука» и наоборот, «Бизнес - Бизнес», «Бизнес -Наука» и наоборот.
Таким образом, можно предположить, что в это время российская экономика все еще справлялась с последствиями внешнего давления, выраженного в виде санкций, искусственных ограничений к международным рынкам и геополитической напряженности на мировой арене в целом, при этом научный сектор в большей степени оказался уязвим. Также причинами подобной динамики в 2018 г. могли стать социально-экономические факторы, среди которых наибольший общественный резонанс вызвали новости о предстоящей пенсионной реформе, политика «выведения из тени» самозанятых, недостаточность финансовой поддержки научного сектора, несовершенство реализуемой политики оптимизации деятельности и числа вузов и др. Однако в целом прогноз оправдан.
Это подтверждает актуальность осуществления дальнейших исследований по обозначенной проблематике с целью развития методических положений оценки инновационного и технологического развития экономических систем различных уровней организационной сложности.
заключение
Подводя итог, отметим, что проведенный сравнительный анализ эффективности КТК в рамках предложенной методики оценки в качестве результатов отражает достоверные прогнозные значения, которые в пределах допустимых погрешностей подтверждаются реальными значениями анализируемых показателей. Данный факт свидетельствует о жизнеспособности представленной методики оценки эффективно-
сти КТК и ее практической значимости, что открывает дополнительные возможности
для осуществления дальнейших исследований по обозначенной проблематике.
ИСТОЧНИКИ:
1. Ансофф И. Новая корпоративная стратегическая программа. - СПб.: Питер, 2009. -416 с.
2. Глазьев С.Ю. Теория долгосрочного технико-экономического развития. - М.: Влад-Дар, 1993. - 310 с.
3. Голова И.М., Суховей А.Ф. Институциональные аспекты стратегии инновационного развития // Экономический анализ: теория и практика. - 2018. - № 5. - с. 800819. - doi: 10.24891/ea.17.5.800 .
4. Демидова Е.В., Олейникова М.А. Высокотехнологичные компании как потенциальный драйвер развития российской экономики // Научные записки молодых исследователей. - 2017. - № 2. - с. 28-34.
5. Иванченко А.Г., Ушаков Д.С. Понятие высокотехнологичной продукции. Анализ российской и зарубежной литературы // Молодой ученый. - 2018. - № 17(203). -с. 178-180.
6. Идрисов Г.И., Княгинин В.Н., Кудрин А.Л., Рожкова Е.С. Новая технологическая революция: вызовы и возможности для России // Вопросы экономики. - 2018. -№ 4. - с. 5-25.
7. Ильина И Е., Жарова Е.Н., Агамирова Е.В., Каменский А.С. Инновационное развитие регионов России // Регионология. - 2018. - № 2. - с. 230-255.
8. Кондратьев Н.Д. Большие циклы конъюнктуры и теория предвидения. Избранные труды. - М.: Экономика, 2002. - 384 с.
9. Кораблева А.А., Карпов В.В., Капогузов Е.А. Взаимосвязь территориальных инновационных кластеров и устойчивого развития региона // Актуальные проблемы экономики и права. - 2018. - № 4(48). - с. 800-815. - doi: 10.21202/1993-047X.12.2018.4.800-815 .
10. Кристенсес К.М. Дилемма инноватора. Как из-за новых технологий погибают сильные компании. - Москва: Альпина Паблишер, 2018. - 240 с.
11. Сводная статистическая информация геоинформационной системы по кластерам. Минпромторг России. [Электронный ресурс]. URL: https://www.gisip.ru/stats_sum_ dusters/pdf/ru.
12. Малыхина И.О. Концептуальные основы создания и стимулирования высокотехнологичных компаний-драйверов регионального развития инновационно-инвестиционной природы // Креативная экономика. - 2019. - № 10. - doi: 10.18334/ се.13.10.41252.
13. Городникова Н.В., Гохберг Л.М., Дитковский К.А. и др. Наука. Технологии. Инновации: 2019. / Словарь или справочник. - М.: НИУ ВШЭ, 2019. - 84 с.
14. Ратнер С.В., Иосифов В.В. Исследование закономерностей развития новых высокотехнологичных отраслей экономики // Экономический анализ: теория и практика. - 2014. - № 28(379). - с. 25-32.
15. Российский статистический ежегодник. / стат. сб. - М.: Росстат, 2018. - 694 с.
16. Российский статистический ежегодник. / стат. сб. - М.: Росстат, 2019. - 708 с.
17. Санто Б. Инновация как средство экономического развития. - М.: Прогресс, 1990. -295 с.
18. Твисс Б. Управление научно-техническими нововведениями. - М.: Экономика, 1989. - 271 с.
19. Фролов И.Э., Ганичев Н.А. Научно-технический потенциал России на современном этапе: проблемы реализации и перспективы развития // Проблемы прогнозирования. - 2014. - № 1. - с. 3-20.
20. Шумпетер Й. Теория экономического развития: Исследование предпринимательской прибыли, капитала, кредита, процента и цикла конъюнктуры. - М.: Прогресс, 1982. - 455 с.
21. Doroshenko Y.A., Malykhina I.O., Somina I.V. Studying the Melanism of Infi-asti-u^ure Support of High-te^ Business as an Integrator of Innovation-investment Development // Revista ESPACIOS. - 2018. - № 47. - p. 24.
REFERENCES:
Rossiyskiy statisticheskiy ezhegodnik [Russian Statistkal Yearbook] (2018). M.: Rosstat. (in Russian).
Rossiyskiy statisticheskiy ezhegodnik [Russian Statistkal Yearbook] (2019). M.: Rosstat. (in Russian).
Ansoff I. (2009). Novaya korporativnaya strategicheskaya programma [The new rarpo-
rate strategk program] SPb.: Piter. (in Russian). Demidova E.V., Oleynikova M.A. (2017). Vysokotekhnologichnye kompanii kak poten-tsialnyy drayver razvitiya rossiyskoy ekonomiki [High-te^ rampanies as a potential driver for the further development of the russian eranomy]. Nauchnye zapiski molodyh issledovateley. (2). 28-34. (in Russian). Doroshenko Y.A., Malykhina I.O., Somina I.V. (2018). Studying the Mechanism of Infrastructure Support of High-tech Business as an Integrator of Innovationinvestment Development Revista ESPACIOS. 39 (47). 24. Frolov I.E., Gankhev N.A. (2014). Nauchno-tekhnicheskiy potentsial Rossii na sovre-mennom etape: problemy realizatsii i perspektivy razvitiya [Srientifk and te^nkal potential of Russia on the modern stage: problems of realization and development prospers]. Problems of forecasting. (1). 3-20. (in Russian). Glazev S.Yu. (1993). Teoriya dolgosrochnogo tekhniko-ekonomicheskogo razvitiya [The theory of long-term eranomk development] M.: Vlad -Dar. (in Russian).
Golova I.M., Sukhovey A.F. (2018). Institutsionalnye aspekty strategii innovatsionnogo razvitiya [Institutional aspects of strategies for innovative development]. Economic analysis: theory and practice. 17 (5). 800-819. (in Russian). doi: 10.24891/ea.17.5.800.
Gorodnikova N.V., Gokhberg L.M., Ditkovskiy K.A. i dr. (2019). Nauka. Tekhnologii. Innovatsii: 2019 [Science. Technology. Innovations, 2019] M.: NIU VShE. (in Russian).
Idrisov G.I., Knyaginin V.N., Kudrin A.L., Rozhkova E.S. (2018). Novaya tekhno-logicheskaya revolyutsiya: vyzovy i vozmozhnosti dlya Rossii [New technological revolution: Challenges and opportunities for Russia]. Voprosy Ekonomiki. (4). 5-25. (in Russian).
Ilyina I E., Zharova E.N., Agamirova E.V., Kamenskiy A.S. (2018). Innovatsionnoe raz-vitie regionov Possii [Innovative development of Russian regions]. Regionology. 26 (2). 230-255. (in Russian).
Ivanchenko A.G., Ushakov D.S. (2018). Ponyatie vysokotekhnologichnoy produktsii. Analiz rossiyskoy i zarubezhnoy literatury [The concept of high-tech products. Analysis of Russian and foreign literature]. The young scientist. (17(203)). 178-180. (in Russian).
Kondratev N.D. (2002). Bolshie tsikly konyunktury i teoriya predvideniya. Izbrannye trudy [Big cycles of conjuncture and the theory of foresight. Selected works] M.: Ekonomika. (in Russian).
Korableva A.A., Karpov V.V., Kapoguzov E.A. (2018). Vzaimosvyaz territorialnyh innovatsionnyh klasterov i ustoychivogo razvitiya regiona [Correlation between territorial innovative clusters and sustainable development of a region]. Current problems of economics and law. 12 (4(48)). 800-815. (in Russian). doi: 10.21202/1993-047X.12.2018.4.800-815 .
Kristenses K.M. (2018). Dilemma innovatora. Kak iz-za novyh tekhnologiy pogibayut silnye kompanii [How strong companies die because of new technologies] Moscow: Alpina Pablisher. (in Russian).
Malykhina I.O. (2019). Kontseptualnye osnovy sozdaniya i stimulirovaniya vysokotekh-nologichnyh kompaniy-drayverov regionalnogo razvitiya innovatsionno-investitsion-noyprirody [Conceptual bases of creation and stimulation of high-tech companies -drivers of regional development of innovative and investment nature]. Creative economy. 13 (10). (in Russian). doi: 10.18334/ce.13.10.41252.
Ratner S.V., Iosifov V.V. (2014). Issledovanie zakonomernostey razvitiya novyh vyso-kotekhnologichnyh otrasley ekonomiki [Research of patterns of development of new high-tech sectors of the economy]. Economic analysis: theory and practice. (28(379)). 25-32. (in Russian).
Santo B. (1990). Innovatsiya kak sredstvo ekonomicheskogo razvitiya [Innovation as a tool for economic development] M.: Progress. (in Russian).
Shumpeter Y. (1982). Teoriya ekonomicheskogo razvitiya: Issledovaniepredprinimatels-koy pribyli, kapitala, kredita, protsenta i tsikla konyunktury [The theory of economic development: Study of business profits, capital, credit, interest and cycle conditions] M.: Progress. (in Russian).
Tviss B. (1989). Upravlenie nauchno-tekhnicheskimi novovvedeniyami [Management of scientific and technical innovations] M.: Ekonomika. (in Russian).
