Статья посвящена моделированию воздействия кластерной политики и особых экономических зон (ОЭЗ) на структуру технологического обновления промышленно развитых и отстающих регионов, с акцентом на соотношение технологического заимствования и формирования собственных разработок. Цель исследования заключается в количественной оценке того, усиливают ли преференциальные режимы технологическую автономию или закрепляют зависимость от импорта технологий в региональных системах с различным исходным уровнем инновационного потенциала. Эмпирическую базу сформировали панельные данные по 85 субъектам федерации за 2012–2024 гг., агрегированные в 1240 наблюдений «регион–год» и дополненные отчетностью резидентов ОЭЗ и опросами 350 предприятий; в качестве переменных использованы нормированные к ВРП затраты на инжиниринг и закупку оборудования (прокси-технологического заимствования) и внутренние затраты на НИОКР (прокси-собственных разработок), показатели качества кластерной среды, человеческого капитала, финансовой глубины и институционального качества. Методология опирается на модели с фиксированными эффектами, динамические панельные оценки GMM Ареллано–Бонда, пространственные модели с матрицей обратных расстояний и регрессионный анализ эластичности собственных разработок по технологическому импорту. Показано, что в развитых регионах наличие ОЭЗ увеличивает удельные затраты на инжиниринг и НИОКР на 50,5 и 75,3 % соответственно и повышает коэффициент технологической автономии с 0,381 до 0,417, а импорт технологий через 2 года обеспечивает эластичность собственных разработок порядка 0,415, что указывает на комплементарность внешних и внутренних знаний. В отстающих регионах преференции вызывают кратный рост затрат на импорт оборудования при слабом приросте НИОКР и снижении коэффициента автономии до 0,125; мультипликатор выручки и прирост нематериальных активов на рубль льгот в 2–4 раза ниже, а дисконтированный срок окупаемости почти в три раза больше, что свидетельствует о «технологическом замещении» и низкой способности конвертировать заимствования в собственные разработки. Сделан вывод о необходимости дифференциации кластерной политики: в развитых регионах — усиление масштабов и глубины преференций, в отстающих — приоритет инвестиций в человеческий капитал и инжиниринговую инфраструктуру, а также жесткая увязка налоговых стимулов с обязательствами по локализации НИОКР и росту технологической автономии.
The article is devoted to modeling the impact of cluster policy and special economic zones (SEZs) on the structure of technological renewal in industrially advanced and lagging regions, with a focus on the balance between technological borrowing and the formation of in-house developments. The aim of the study is to quantitatively assess whether preferential regimes enhance technological autonomy or reinforce dependence on imported technologies in regional systems with different initial levels of innovation potential. The empirical base is formed by panel data for 85 federal subjects for the period 2012–2024, aggregated into 1,240 region–year observations and supplemented with SEZ resident reports and surveys of 350 enterprises; the variables include GRP-normalized expenditures on engineering and equipment procurement (proxy for technological borrowing) and domestic R&D expenditures (proxy for in-house developments), as well as indicators of cluster environment quality, human capital, financial depth, and institutional quality. The methodology relies on fixed effects models, dynamic panel GMM estimations (Arellano–Bond), spatial models with inverse distance matrices, and regression analysis of the elasticity of in-house developments with respect to technological imports. It is shown that in advanced regions, the presence of SEZs increases specific expenditures on engineering and R&D by 50.5% and 75.3%, respectively, and raises the coefficient of technological autonomy from 0.381 to 0.417, while technology imports after two years ensure an elasticity of in-house developments of about 0.415, indicating the complementarity of external and internal knowledge. In lagging regions, preferences cause a multiple rise in expenditures on imported equipment with a weak increase in R&D and a decrease in the autonomy coefficient to 0.125; the revenue multiplier and the growth of intangible assets per ruble of benefits are 2–4 times lower, and the discounted payback period is nearly three times longer, which indicates technological substitution and low capacity to convert borrowings into in-house developments. The conclusion emphasizes the need for differentiated cluster policy: for developed regions—strengthening the scale and depth of preferences, and for lagging regions—prioritizing investment in human capital and engineering infrastructure, as well as the strict linkage of tax incentives to obligations regarding the localization of R&D and the growth of technological autonomy.