businessПутеводитель предпринимателяEntrepreneur’s Guide2073-98852687-136XJSC “Publishing Agency “Science and Education”10.24182/2073-9885-2026-19-2-61-67.business-2232Research ArticleРЕГИОНАЛЬНАЯ И ОТРАСЛЕВАЯ ЭКОНОМИКАREGIONAL AND INDUSTRY ECONOMYТипология регионов России по образовательному профилюA typology of Russian regions by educational profileКраюшкинК. С.KrayushkinK. S.

Аспирант

Москва

Postgraduate student

Moscow

ks.krayushkin@gmail.comАкадемия труда и социальных отношенийРоссияAcademy of Labour and Social RelationsRussian Federation2026040520261926167Copyright © Краюшкин К.С., 20262026Краюшкин К.С.Krayushkin K.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.pp-mag.ru/jour/article/view/2232

Современная система высшего образования Российской Федерации характеризуется выраженной региональной гетерогенностью, обусловленной различиями в неравномерном распределении по регионам направлений подготовки кадров, соответствующих местным социально–экономическим потребностям. В статье представлены результаты кластерного анализа, проведённого на основе данных федерального статистического наблюдения ВПО–1 за 2024 год по всем 83 субъектам РФ и 56 направлениям подготовки.

С применением метода главных компонент (PCA) и алгоритма k–means выявлена устойчивая двухкластерная структура: первый кластер объединяет научно–технические и мультидисциплинарные центры, ориентированные на STEM–дисциплины и креативные индустрии; второй — периферийные регионы с практико–ориентированным профилем, где доминируют социально-гуманитарные и локально значимые направления.

Показано, что специальности в области информационных технологий не формируют отдельного «цифрового» кластера, а органично встроены в более широкую научно3техническую экосистему. Результаты подтверждают необходимость дифференцированного подхода к региональной образовательной политике. 

The contemporary system of higher education in the Russian Federation exhibits pronounced regional heterogeneity, driven by differences in the structure of specialist training. This article presents the results of a cluster analysis based on the 2024 Federal Statistical Observation VPO31, covering all 83 federal subjects and 56 fields of study.

Using Principal Component Analysis (PCA) and the k–means algorithm, a stable two–cluster structure was identified: the first cluster comprises scientific–technical and multidisciplinary centers, focused on STEM disciplines and creative industries; the second includes peripheral regions with a practice–oriented profile, dominated by socio–humanitarian and locally relevant fields.

The study demonstrates that Information Technology (IT) fields do not constitute a separate «digital» cluster but are inherently embedded within a broader scientific–technical ecosystem. These findings underscore the need for a differentiated approach to regional higher education policy. 

региональная дифференциациявысшее образованиекластерный анализPCAобразовательный профильregional differentiationhigher educationcluster analysisPCAeducational profileReferencesДолгих Е.А. Статистическое изучение региональных различий образовательного потенциала населения / Е.А. Долгих, Т.А. Першина. МИР (Модернизация. Инновации. Развитие). 2024. Т. 15. № 4. С. 558–575.Dolgikh, E.A., & Pershina, T.A. (2024). Statistical Analysis of Regional Differences in the Educational Potential of the Population. MIR (Modernization. Innovations. Development), 15(4), 558–575.Кирилюк И.Л. Оценка качества кластеризации панельных данных с использованием методов Монте-Карло (на примере данных российской региональной экономики) / И.Л. Кирилюк, О.В. Сенько. Компьютерные исследования и моделирование. 2020. Т. 12. № 6. С. 1501–1513.Kirilyuk, I.L., & Senko, O.V. (2020). Assessing the Quality of Clustering Panel Data Using Monte Carlo Methods (with an Application to Russian Regional Economic Data). Computer Research and Modeling, 12(6), 1501–1513.Репина С.И. Проверка качества кластеров с помощью силуэтного анализа / С.И. Репина. Экономика и социум. 2024. № 9 (124). С. 958–975.Repina, S.I. (2024). Evaluating Cluster Quality Using Silhouette Analysis. Economics and Society, 9(124), 958–975.Anfalova A.V. Inequality in Access to Higher Education in Russia / A.V. Anfalova. Population and Economics. 2025. Т. 9. № 2. С. 86–116.Anfalova A.V. Inequality in Access to Higher Education in Russia / A.V. Anfalova. Population and Economics. 2025. Т. 9. № 2. С. 86–116.Bugakova P. Regional Accessibility of Higher Education in Russia / P. Bugakova, I. Prakhov. Higher School of Economics Research Paper No. WP BRP. 2020. Т. 58.Bugakova P. Regional Accessibility of Higher Education in Russia / P. Bugakova, I. Prakhov. Higher School of Economics Research Paper No. WP BRP. 2020. Т. 58.Ketova K.V. Clustering Russian Federation regions according to the level of socio-economic development with the use of machine learning methods / K.V. Ketova, E.V. Kasatkina, D.D. Vavilova. Ekonomicheskie i Sotsialnye Peremeny. 2021. Т. 14. № 6. С. 70–85.Ketova K.V. Clustering Russian Federation regions according to the level of socio¬economic development with the use of machine learning methods / K.V. Ketova, E.V. Kasatkina, D.D. Vavilova. Ekonomicheskie i Sotsialnye Peremeny. 2021. Т. 14. № 6. С. 70–85.Luo Y. Application and Comparison of Clustering Methods to Educational Process Data / Y. Luo. University of Washington, 2022. 8. Regional differentiation of higher education in Russian regions in 2020 / I.S. Pinkovetskaia [и др.]. Revista de la Universidad del Zulia. 2021. Т. 12. № 35. С. 428–445.Luo Y. Application and Comparison of Clustering Methods to Educational Process Data / Y. Luo. University of Washington, 2022.Rhoades S.A. The herfindahl-hirschman index / S.A. Rhoades. Fed. Res. Bull. 1993. Т. 79. С. 188.Regional differentiation of higher education in Russian regions in 2020 / I.S. Pinkovetskaia [и др.]. Revista de la Universidad del Zulia. 2021. Т. 12. № 35. С. 428–445.Rousseeuw P.J. Silhouettes: a graphical aid to the interpretation and validation of cluster analysis / P.J. Rousseeuw. Journal of computational and applied mathematics. 1987. Т. 20. Silhouettes. С. 53–65.Rhoades S.A. The herfindahl¬hirschman index / S.A. Rhoades. Fed. Res. Bull. 1993. Т. 79. С. 188.Shannon C.E. A mathematical theory of communication / C.E. Shannon. The Bell system technical journal. 1948. Т. 27. № 3. С. 379–423.Rousseeuw P.J. Silhouettes: a graphical aid to the interpretation and validation of cluster analysis / P.J. Rousseeuw. Journal of computational and applied mathematics. 1987. Т. 20. Silhouettes. С. 53–65.Higher Education: Handbook of Theory and Research : Higher Education: Handbook of Theory and Research. Vol. 20. Higher Education / Ed. J.C. Smart. – Berlin / Heidelberg: Springer-Verlag, 2005.Shannon C.E. A mathematical theory of communication / C.E. Shannon. The Bell system technical journal. 1948. Т. 27. № 3. С. 379–423.Higher Education: Handbook of Theory and Research: Higher Education: Handbook of Theory and Research. Vol. 20. Higher Education / ed. J.C. Smart. – Berlin / Heidelberg: Springer-Verlag, 2005.Higher Education: Handbook of Theory and Research: Higher Education: Handbook of Theory and Research. Vol. 20. Higher Education / ed. J.C. Smart. – Berlin / Heidelberg: Springer-Verlag, 2005.

The authors declare that there are no conflicts of interest present.