В статье представлен анализ распределения дотаций на выравнивание бюджетной обеспеченности по субъектам Российской Федерации в 2008-2023 гг. и оценена их роль в снижении уровня межрегионального неравенства по бюджетным доходам, измеренного с помощью коэффициентов вариации и Джини, индексов Тейла и Аткинсона. Исследование выполнено на основе открытых данных Казначейства, Министерства финансов и Федеральной налоговой службы РФ, а также портала «Электронный бюджет». Выявлено, что большинство регионов непрерывно получали дотации на выравнивание на протяжении исследуемого периода, и только 5 субъектов ни разу не входили в число получателей. Отмечен рост концентрации данных дотаций у крупнейших получателей, а также увеличение номинальных объемов дотаций на исследуемом периоде в большей части регионов, которое нивелируется ростом уровня цен. Выявлено, что при текущей настройке методики распределения дотаций на выравнивание в результате их предоставления у регионов с идентичной бюджетной ситуацией наблюдается различный прирост уровня расчётной бюджетной обеспеченности, таким образом ряд регионов получает слабо обоснованные преимущества перед другими. Несмотря на это, доказано, что дотации на выравнивание снижают межрегиональные различия в показателях обеспеченности населения доходами бюджета по всем метрикам межрегионального неравенства, однако их вклад в снижение неравенства значительно ниже вклада налогового перераспределения и сопоставим с вкладом субсидий. При этом выравнивающая роль данных дотаций на протяжении рассматриваемого периода оставалась неизменной.
В статье предпринята попытка анализа развития комплексообразования и кластерной активности в туристском секторе Пермского края в 2010-2022 гг. во взаимосвязи с системой мер региональной кластерной политики, реализованной в данный период. Основу исследования составляют элементы EDA (разведочного анализа) статистических данных по туристско-рекреационным территориям Пермского края, закреплённых в региональных нормативных документах как места потенциального размещения туристских кластеров. Представленный анализ дополняется результатами контент-анализа и анализа контента соответствующих теме публикаций региональных СМИ за рассматриваемый период, нормативных документов, а также серии авторских опросов 2015-2022 гг. В ходе исследования было установлено, что региональная кластерная политика не оказала значимого воздействия на развитие комплексообразования и кластерной активности в границах туристско-рекреационных территорий. Кроме того, было установлено, что полноценные кластеры в рассматриваемый период действовали лишь в рамках двух туристско-рекреационных территорий из семи. В остальных присутствовали только протокластерные формирования. Далее на основе показателей комплексообразования и кластерной активности, с учётом результатов предыдущих аналитических процедур, существующие туристско-рекреационные территории методом k-means были разделены на 4 группы. Для каждой группы разработана система рекомендаций по развитию туризма.
Исследования границ как междисциплинарная область развиваются в России с 1990-х гг., но только в последние годы они стали предметом науковедческой рефлексии, которая осуществляется в основном в форме частных экспертных оценок. Целью статьи является количественный анализ состояния и тенденций динамики российских исследований границ на основе библиометрических данных, извлеченных из базы публикаций eLIBRARY. RU. Библиометрический анализ позволил выявить периодизацию подъемов и спадов в публикационной активности исследователей границ и потребителей их продукции, масштабы этой научной области, ее дисциплинарный состав и географию, выделить некоторые особенности проблематики российских исследований границ и оценить уровень их внутреннего единства. Были подтверждены экспертные мнения о высокой фрагментированности отечественных исследований границ и слабости тенденций к их теоретической, методологической и концептуальной консолидации. Высказано предположение о формировании полиядерной сетевой структуры этой научной области, и о том, что ведущую роль в процессах ее постепенной интеграции сегодня играют междисциплинарное распространение количественных методов и решение синтетических прикладных проблем.
Одно из направлений совершенствования стратегического планирования в российской Арктике - повышение степени учета арктической специфики в стратегиях социально-экономического развития. Это определило цель исследования - оценить степень проявленности арктической специфики в текстах стратегий социально-экономического развития регионов и муниципалитетов Арктической зоны Российской Федерации (АЗРФ) методом контент-анализа. Использована авторская методика контент-анализа текстов стратегий социально-экономического развития на основе сформированного перечня 34 слов-маркеров, которые отбирались исходя из соответствия семи первичным элементам арктической специфики и их сочетаниям. Проведен контент-анализ текстов 61 действующих стратегий социально-экономического развития, определена встречаемость слов-маркеров, выявлены наиболее и наименее употребляемые слова-маркеры перечня. Среди наиболее встречаемых: «удаленность/отдаленность», «самобытность/уникальность» и «Крайний Север». Наименее встречаемые: «фронтир», «таяние льдов», «арктические технологии». 12 слов-маркеров из 34 исследованных обнаружены более чем в половине стратегий. Рассмотрено соотношение встречаемости понятий «АЗРФ» и «Крайний Север» в региональных и муниципальных стратегиях, обнаружено превалирование «АЗРФ» в стратегиях муниципалитетов на границе Арктической зоны. На примере Ямало-Ненецкого автономного округа разобраны различия между городскими и районными стратегиями по употреблению слов-маркеров, связанных с климатом. Не подтвердилась гипотеза о прямой связи между объемом стратегий и отражением в них арктической специфики. Выделены четыре группы муниципальных стратегий в зависимости от степени проявления арктической специфики и объема стратегий. Выявлены различия в уровне проявления арктической специфики в муниципальных стратегиях социально-экономического развития в зависимости от географического положения.
Определены основные географические параметры портового кластера на примере крупнейшего в мире порта Нинбо Чжоушань (КНР). Увеличение глубины осадки судов и размера их грузоподъёмности привело к смещению портов к глубоководным акваториям, и, как следствие, кардинальному изменению их пространственного распределения, возникновению новых форм их концентрации - портовых агломераций (плотных скоплений портов на близлежащей акватории) и портовых кластеров (их дисперсному скоплению). Основными отличиями портового кластера от портовой агломерации, выявленными на примере анализа функциональной и морфологической структуры порта Нинбо Чжоушань, являются его очень сложный функциональный и пространственно-морфологический состав, относительно большие расстояния между отдельными его элементами (в среднем от 16 км до 68 км при максимальных значениях в 120-207 км) и единая институциональная структура (единое портовое управление). Картометрически обнаружены 11 полифункциональных (сочетаются 2-7 разных групп грузов) и 19 монофункциональных портовых зон (всего 30), в которых сосредоточено 68 портовых терминалов и пунктов. Выявлены следующие пространственные этапы расширения этого портового кластера: 1) вытягивание портового ареала в виде полосы с запада на восток с охватом соседних островов; 2) возникновение узкоспециализированных терминалов на малонаселенных островах архипелага Чжоушань, изолированных от основной портовой полосы-дуги и сильно удаленных от главного портового ядра Нинбо (на 80-100 км); 3) дальнейшее удлинение главной портовой полосы на юг.
Возвращение на траекторию устойчивого роста с учетом текущей экономической повестки - принципиально актуальный вопрос. Одним из ключевых драйверов может стать повышение производительности труда. Однако, региональные различия в динамике научно-технологического потенциала могут препятствовать достижению этой цели. Исследование направлено на выявление характерных особенностей изменения показателей технологического развития у российских регионов со схожей динамикой производительности за период 2011-2021 гг. Учтена дифференциация регионов по уровню научно-технологического развития (НТР). Основным методическим подходом выступила комбинация регрессионного анализа и метода паттерн-кластеризации. Выявлено 5 типичных паттернов, которым следовали российские регионы с разной динамикой производительности. Показано, что высокие темпы роста производительности у регионов с высоким уровнем НТР поддерживались ростом внутренних затрат на исследования и разработки, затрат на инновационную деятельность организаций и на внедрение цифровых технологий. Регионы-лидеры НТР, демонстрирующие низкие темпы роста производительности, характеризуются практически нулевым приростом объемов ВЗИР за исследуемый период. В группе регионов со средними и низкими уровнями НТР наиболее высокие темпы роста производительности характерны для регионов с высокими темпами роста капиталовооруженности и затрат на внедрение цифровых технологий. Полученные выводы могут быть учтены при разработке региональных инструментов политики повышения производительности труда.
География инноваций позволяет выявлять пространственные паттерны создания, внедрения и распространения новых технологий, но с развитием коммуникаций возникает иллюзия незначимости пространства. В соответствии с целью исследования, в статье показано, что разработки искусственного интеллекта, как одной из прорывных технологий, не могут быть повсеместными. Они будут концентрироваться в центрах с высоким инновационным потенциалом, где выше интенсивность потоков и перетоков знаний, в том числе неявных. В России образование в сфере искусственного интеллекта можно получить в 21 регионе, исследования ведутся в 35, а разрабатывают технологию в 40. В статье предложен рейтинг регионального потенциала для создания технологий искусственного интеллекта, оценивающий научно-технологическое развитие и плотность основных элементов региональной инновационной экосистемы в сфере искусственного интеллекта. Рейтинг показывает высокую концентрацию потенциала в крупнейшей агломерации, Москве, и нескольких регионах - креативных ядрах: Московской области, Санкт-Петербурге, Республике Татарстан и Новосибирской области. Выделены 16 креативно-акцепторных центров, способных как создавать, так и внедрять некоторые технологии искусственного интеллекта (Свердловская, Нижегородская, Челябинская, Самарская, Томская, Ростовская области, Краснодарский край и др.), преимущественно акцепторные центры, использующие передовые производственные технологии искусственного интеллекта (23 региона) и 41 регион с минимальным потенциалом. Регионы-лидеры могут получить приоритетное внимание и финансирование. В акцепторных регионах преимущество может быть отдано поддержке автоматизации производств, а в отстающих - повышению восприимчивости населения к цифровым технологиям.
В статье показаны результаты исследования национального брендинга через призму концептуального осмысления национальной идеи, ее позиционирования в глазах партнеров и конкурентов страны посредством использования механизма национального брендинга. Авторская позиция заключается в представлении национального бренда с ракурса имиджевой составляющей, что позволит расширить внешнеэкономические связи, создать предпосылки для нового сущностного содержания экономического роста и обеспечить экономическую устойчивость как залог прогрессивного развития страны в будущем.
Актуальность темы исследования обусловлена тем, что хотя экономические и социальные аспекты развития креативных индустрий достаточно широко освещены в деловой и научной литературе, но одновременное исследование экономических и экологических аспектов до сих пор не было проведено в должном масштабе. Исходя из этого, в статье рассматриваются экологические и экономические аспекты креативных индустрий, анализируется их влияние на экономику стран и регионов, повышение качества жизни и благосостояние общества. Кроме того, на практических примерах показано взаимодействие бизнеса и власти в мероприятиях по сохранению окружающей среды.
Миграционная привлекательность крупных городов и их пригородов (центров) и отток населения с периферии в России - известный факт. С использованием детальных пространственных данных анализируется пространственное разнообразие миграционного баланса 137 выделенных центров, представленных городами с числом жителей 100 тыс. и более и их пригородами, и 82 периферийных территорий за 2011-2020 гг. Анализируется не только переток между центрами и периферией, но и между отдельными центрами, а также миграция с центрами и периферией своих регионов и в межрегиональном обмене. Из многообразия центров выделяются 21 главных, которые концентрируют основной переток населения с периферийных территорий и стягивают население с других центров. При этом половина центров испытывали миграционную убыль. Выделяются центры - лидеры миграционного перетока в каждом федеральном округе, особенностям миграционного баланса крупнейших центров уделено особое внимание. Использованные данные позволили проводить анализ с учетом и без учета автовозврата, который влияет на масштабы миграционного прироста/убыли, но, как выяснилось, практически не меняет пространственную картину перетока населения между центрами и периферией.