En este artículo, analizamos la convergencia sigma y beta, utilizando los datos del desarrollo socioeconómico de las áreas rusas, y descubrimos el papel de la autocorrelación espacial en el desarrollo económico regional. Estamos considerando 80 áreas de la Federación Rusa para el período de 2010-2017. Se utilizaron coeficientes de Moran para estimar la autocorrelación espacial. Comparamos los diagramas de dispersión de Moran para el PIB per cápita y las tasas de crecimiento del PIB per cápita en 2017 y en 2014. Estudiamos el impacto de aumentar la inversión en capital líder y los costos de innovación tecnológica. Evaluamos una amplia gama de especificaciones de modelos econométricos espaciales para todo tipo de matrices de peso. Combinamos la proximidad geográfica estándar con la proximidad de especialización para evaluar si son sustitutos o adiciones a las tasas de crecimiento económico convergentes. Se utilizan la matriz de peso de la vecindad y las similitudes de especialización. La matriz de peso de las similitudes de especialización de las economías regionales se basa en datos sobre la estructura de los pagos de impuestos en 82 industrias. La estructura de especialización de la economía de la región está relacionada con su ubicación. Los clústeres obtenidos por matrices de proximidad de especialización son bien separables entre sí en el espacio. La conectividad dentro de los clústeres y los límites entre ellos se vuelven más evidentes con el tiempo. Se muestra que, según los resultados de la estimación de modelos de beta-convergencia condicional, los modelos de 2010-2014 y 2014-2017 difieren significativamente. Hay una beta-convergencia estadísticamente significativa para el período 2010-2014. También hay presencia de autocorrelación espacial. Basado en los resultados de los modelos de valoración construidos a partir de datos posteriores a 2014, se puede concluir que las estimaciones de los coeficientes para las variables explicativas no son significativamente diferentes de cero, y en consecuencia, no hay tendencia hacia la convergencia regional en términos de desarrollo económico. Los resultados obtenidos en el trabajo son estables para los modelos propuestos y las matrices de peso espacial. La proximidad territorial es un factor más importante que la similitud de especialización para explicar las tasas de crecimiento económico de las regiones rusas.