Марина Владимировна Чебыкина – доктор экономических наук, доцент, профессор кафедры экономики инноваций
Самара
Marina V. Chebykina – Doctor of Economics, Associate Professor, Professor of the Department of Innovation Economics
Samara
Актуальность исследования обусловлена необходимостью повышения эффективности управления региональными инновационными системами (РИС) в условиях цифровой трансформации экономики и ограниченности бюджетных ресурсов. Самарская область, обладая значительным научно-техническим потенциалом, демонстрирует недостаточную динамику инновационного развития, что требует разработки научно обоснованных прогнозных инструментов. Несмотря на многообразие научных исследований в области моделирования развития региональной инновационной системы и признание важности прогнозного подхода, наблюдается отсутствие адаптивных прогнозных моделей, учитывающих множественность факторов и нелинейность связей в инновационной сфере региона. В статье проведены обоснование и апробация методологических подходов прогнозно-сценарного моделирования РИС (на примере Самарской области) с использованием инструментария множественной регрессии и сценарного подхода. Для построения модели применялись множественная линейная регрессия, корреляционный анализ, метод пошагового включения переменных и сценарное прогнозирование. Верификация полученных результатов проводилась на основе сравнительного анализа с градиентным бустингом (XGBoost). Построенная регрессионная модель (R² = 0,94) включает семь предикторов. Ключевые факторы – количество малых инновационных предприятий (β = 0,350) и изобретательская активность (β = 0,240). Разработаны четыре сценария на 2026–2029 гг.: базовый (20,4% инноваций в ВРП), оптимистичный (24,8%), инновационный (29,5%) и пессимистичный (9,2%). Модель пригодна для стратегического планирования инновационного развития региона. Ключевой драйвер роста – поддержка малого инновационного предпринимательства и стимулирование патентной активности. Модель адаптируема для других промышленно развитых регионов.
The relevance of the study is determined by the need to improve the management efficiency of regional innovation systems (RIS) in the context of the digital transformation of the economy and limited budgetary resources. The Samara region, having significant scientific and technical potential, demonstrates insufficient dynamics of innovative development, which requires the development of scientifically sound forecasting tools. The academic literature offers numerous attempts to describe how innovation evolves within territories, and forecasting is generally viewed as a necessary analytical instrument. However, methodological support remains limited: few models can adjust to changing regional conditions while simultaneously reflecting heterogeneous determinants, feedback effects, and nonlinear links among participants of innovation activity. The article provides a justification and testing of methodological approaches to predictive and scenario modeling of RIS (using the Samara Region as an example) using multiple regression tools and a scenario‑based approach. Multiple linear regression, correlation analysis, step-by-step variable inclusion, and scenario forecasting were used to build the model. The verification of the obtained results was carried out on the basis of a comparative analysis with gradient boosting (XGBoost). The constructed regression model (R2 = 0,94) includes seven predictors. The key factors are the number of small innovative enterprises (β = 0,350) and inventive activity (β = 0,240). Four scenarios have been developed for 2026–2029: basic (20,4% of GRP innovations), optimistic (24,8%), innovative (29,5%) and pessimistic (9,2%). The model is suitable for strategic planning of innovative development of the region. The key driver of growth is the support of small innovative businesses and the promotion of patent activity. The model is adaptable to other industrialized regions.
The authors declare that there are no conflicts of interest present.