Алгоритм идентификации и оценки кластеров в экономике региона

В современной научной литературе особое внимание закономерно уделяется исследованию кластеров как особых форм межорганизационного взаимодействия хозяйствующих субъектов, пронизывающих различные уровни экономической иерархии2.

На сегодняшний день кластеры, характеризующиеся отраслевой или полиотраслевой спецификой, являются ключевыми макро- и мезоэкономическими единицами конкурентоспособности территорий. По данным специалистов Гарвардской школы бизнеса, на долю кластеров в США приходится более 32% занятых, в Швеции – около 39%, а производительность труда в кластерах развитых стран выше на 44%, чем в среднем по стране [5, с. 117]. Вместе с тем проблема идентификации перспективных кластерных образований для их поддержки средствами кластерной политики остается открытой для дискуссий ученых-экономистов. В связи с этим актуальность и востребованность формирования комплексного алгоритма оценки кластеров, имеющего, в первую очередь, количественную интерпретацию, определяется возрастающей ролью промышленных кластеров в развитии регионального экономического пространства.

В экономической науке общепризнанным является мнение об отсутствии единого определения и классификации кластеров. Так, трактовка кластеров может иметь агломерационный, иерархический, сетевой или институциональный контекст, а их типология – пространственно-временное, отраслевое или структурно-функциональное значение [3, с. 88– 96].

Вместе с тем согласно неоклассической традиции необходимым условием определения кластера является выявление устойчивых взаимодействий между экономическими агентами, способствующих росту их конкурентоспособности. В дальнейшем это утверждение стало исходным пунктом для ряда исследований, посвященных кластерной проблеме. Среди них наибольшую известность получили работы М. Портера.

¹ Исследование поддержано грантом РГНФ № 11-12-59011а/У.

По мнению М. Портера, кластер представляет собой «группу географически соседствующих взаимосвязанных компаний и связанных с ними организаций, действующих в определенной сфере, характеризующихся общностью деятельности и взаимно дополняющих друг друга» [4, с. 258].

Согласно подходу М. Портера, ключевыми свойствами кластера являются географическая локализация, взаимосвязь между фирмами и технологическая взаимосвязанность отраслей. Первое свойство отражает географические границы кластера, второе свойство представляет кластер как особую форму сети взаимосвязанных предприятий, причем более глубокое развитие связей свидетельствует о степени развития самого кластера, и третье свойство характеризует полиотраслевое строение кластера.

Принимая в качестве классических указанные свойства, обозначим региональный кластер как группу территориально локализованных внутри региона взаимосвязанных предприятий, поставщиков ресурсов, специализированных услуг и технологий, научно-исследовательских центров, институтов и других организаций, составляющих цепочку создания стоимости, действующих в смежных отраслях или сферах и усиливающих конкурентные преимущества друг друга и кластера в целом.

Бесспорно, кластер представляет собой сложную систему, элементы которой объединены материальными, информационными и финансовыми потоками. По мере развития кластера в нем формируются свои внутренние нормы и правила, а также рутины, которые встраиваются в институциональную среду [7, с. 245, 247]. Учитывая это, можно говорить о высокой значимости разработки комплексного подхода к диагностике кластеров.

В зарубежной практике проведения научно-прикладных исследований применяются разнообразные как качественные, так и количественные методы идентификации и оценки кластеров, включая экспертные оценки, анкетирование, интервьюирование, инструментарий теории сетей и графов, SWOT и PEST-анализ, расчет показателей географической концентрации и локализации, анализ агломерационных эффектов, матриц «затраты–выпуск». Преимущества и недостатки основных методов выявления перспективных кластеров показаны в работе [12].

Ввиду того что формирование кластерных механизмов экономического развития связано с действием целого ряда факторов, которые зачастую достаточно трудно формализовать, приоритетное значение в большинстве стран имеют именно качественные методы оценки кластеров, которые иногда подкрепляются количественным анализом. Однако современная статистическая база, как российская, так и зарубежная, позволяет сформировать и применить на практике систему количественных методов анализа кластеров, обеспечивающую выявление важных эмпирических закономерностей становления и функционирования кластеров в экономике, которые невозможно диагностировать с помощью качественных подходов, получивших столь широкое распространение.

Изучение опыта исследования кластеров показывает, что исходный алгоритм анализа кластеров должен базироваться на синтезе трех методических оценок, имеющих количественное основание: идентификация кластеров посредством оценки степени локализации, факторный анализ конкурентоспособности кластеров и определение силы агломерационного эффекта. При этом необходимо особо подчеркнуть, что в имеющихся на сегодняшний день публикациях кластерный анализ проводится избирательно, т.е. авторы, в основном зарубежные, используют только один из указанных инструментов, что, по нашему мнению, не соответствует степени сложности объекта исследования. Так, в работе Э. Фезера построена цепочка добавленной стоимости для американских кластеров на базе оценки специализации отраслей промышленности по показателям занятости [9]. Л. Бертинелли дает оценку географической агломерации регионов по отраслевому признаку [8]. Широкое применение на практике получил метод оценки сдвигов, позволяющий выявить факторы конкурентоспособности кластера [11].

Рассмотрим основные методические особенности предлагаемого алгоритма идентификации и оценки кластеров в экономике региона.

Во-первых, для идентификации потенциальных кластеров производится оценка индекса локализации, позволяющего сравнить региональные и национальные экономические характеристики (переменные), такие как занятость, валовая добавленная стоимость, инвестиции, торговый оборот и др.3, и выявить отраслевую (промышленную) специализацию

Интерпретация всех расчетных величин в статье дана для показателей занятости.

территории. Индекс локализации по показателю занятости рассчитывается по формуле

где l i – занятость в i -й отрасли в регионе; L i – занятость в i -й отрасли в стране; l и L – общее количество занятых в регионе и стране соответственно.

Если значение индекса локализации больше единицы, то удельный вес данной отрасли в отраслевой структуре региона превышает аналогичный страновый показатель, и поэтому отрасль может обладать кластерными признаками.

Во-вторых, на основе факторного анализа выявляются причины и тенденции изменения кластерной структуры экономики региона. Для этого производится оценка вклада национального, отраслевого и регионального факторов в изменение значения анализируемой переменной (занятости, производительности труда, валовой добавленной стоимости и др.).

Оценка влияния национального фактора NS (например роста занятости в стране) на ключевые показатели развития региональной экономики производится согласно следующей формуле:

ns = i1^ Lp- -1), (2) Lt-i где lit-1 – занятость в i–й отрасли в регионе в период (t-1); Lt-1 и Lt – общее количество занятых в стране в периоды (t-1) и t соответственно.

Отраслевой фактор IM оценивается посредством определения вклада национальных темпов прироста анализируемой переменной в отрасли в изменение отраслевого показателя в регионе:

IM = lt-i*( - ), (3) Lt-i Lt -i где Lit-1 и Lit – количество занятых в i-й отрасли в стране в период (t-1) и t.

Отраслевой фактор, фиксирующий воздействие общенациональных отраслевых тенденций на динамику развития отрасли в регионе, отражает качество отраслевой структуры региональной экономики по анализируемой переменной, поскольку он ( IM ) может принимать как положительные, так и отрицательные значения.

Региональный фактор RS как ключевой количественный индикатор идентификации кластеров позволяет установить лидирующие и отстающие отрасли в экономике региона по критерию относительной конкурентоспособности: сопоставлению подлежат темпы роста анализируемой переменной по отрасли в стране и регионе. Он рассчитывается по формуле

RS = l *(   - Li- ) .            (4)

t-i i lt -i    Lt -i

Отрасли, характеризующиеся высокими значениями показателя RS , обладают значительным кластерным потенциалом. Отрасли со стабильно отрицательными значениями регионального фактора являются аутсайдерами экономики.

Общий прирост переменной с учетом влияния национального, отраслевого и регионального факторов определяется следующим образом:

SS=NS+IM+RS. (5)

Для получения валового (совокупного) значения показателя SS видоизменяется формула (2):

NS = i* LI- . (6)

t - 1

L t - i

Согласно работе [10] результаты такого расчета SS позволяют оценить степень благоприятного или негативного воздействия на анализируемую переменную отраслевых и региональных процессов.

Факторный анализ экономики региона имеет все основания стать одним из решающих инструментов исследования кластерной специфики региона, поскольку он позволяет выявить отраслевые точки роста промышленности в регионе и определить его факторные источники как экстенсивного (например, если анализу подвергается занятость), так и интенсивного характера (если речь, предположим, идет о производительности). Однако факторный анализ имеет и недостатки. Это ограниченность набора используемых факторов, влияющих на экономическое развитие региона, невозможность оценить оптимальность секторальной структуры региональной экономики, а также необходимость обработки значительного массива статистических данных, сбор которых сопряжен с определенными трудностями, а иногда и финансовыми затратами. Поэтому целесообразно применять факторный анализ в сочетании с другими методами оценки кластеров.

Как было отмечено выше, для идентификации кластеров недостаточно оценить степень локализации или провести факторный анализ развития отраслей в региональной экономике. Мы полагаем, что корректную выборку потенциальных кластеров необходимо производит среди отраслей с высокими коэффициентами локализации по показателю RS. Это позволит построить карту кластерных компонентов экономики региона по значениям регионального и отраслевого факторов с масштабированием компонента кластера по индексу локализации (рис. 1).

Рис.1. Модель карты компонентов потенциальных кластеров

В динамике из-за разнообразия факторов, влияющих на развитие региональных кластеров, в анализе задействуются все координатные области карты.

По сути, модель, показанная на рис. 1, демонстрируя лидирующие компоненты потенциальных кластеров, позволяет выявить особенности кластерной структуры на региональном уровне.

И, в-третьих, комплексная диагностика кластеров предполагает анализ эффектов агломерации (от лат. agglomero - присоединение или накопление), представляющий наибольшую сложность с точки зрения практики его проведения.

Агломерационный эффект выражается в сосредоточении предприятий родственных сфер деятельности на определенной территории. Он возникает благодаря процессам, посредством которых связи между фирмами, институтами и инфраструктурой в пределах конкретной географической области генерируют экономию от масштаба и экономию затрат вследствие использования одного капитального блага для производства нескольких продуктов. Образование агломерации свидетельствует о том, что фирмы конкретных отраслей либо фирмы, имеющие тесные хозяйственные связи, имеют тенденцию к размещению в определенных географических локациях, формируя территориально компактные группы (кластеры) [2, с. 6–7].

Таким образом, появление агломерационных эффектов способствует увеличению размеров предприятий, развитию вторичного рынка оборудования и технологий, улучшению структуры рынка труда в регионе, а для фирм – экономии производственных затрат, улучшению рыночной инфраструктуры (реклама, бухгалтерские, юридические услуги и т.д.), внедрению инноваций.

Согласно подходу авторитетных ученых-экономистов Г. Эллисона и Э. Глейзера, Ф. Марелля и Б. Седиллота, также утверждающих, что наличие агломерации свидетельствует о формировании кластера, количественную оценку агломерационного эффекта целесообразно производить при помощи индексов географической и промышленной (рыночной) концентрации предприятий [8, с. 6–7].

По Г. Эллисону и Э. Глейзеру, географическая концентрация региона рассчитывается следующим образом:

GEGi

Z ( S - S r ) ²

1 — Z S r

где i – отрасль (i=1,…, m) ; r – географический район (r=1,…, n) ; S ir – доля занятых в i -й отрасли в географическом районе r в общем количестве занятых в данной отрасли в регионе;

S _r – доля занятых в географическом районе r в совокупной региональной занятости⁴.

При прочих равных условиях индекс географической концентрации Ф. Марелля и Б. Седиллота характеризуется более низкими значениями географической концентрации:

∑ S i ² r - ∑ S

r

r

G MSi =

r

1 - ∑ S r ^{2    .}

r

Промышленная концентрация отрасли вычисляется индексом Херфиндаля как сумма квадратов долей занятости каждой фирмы в отрасли:

m

H i = ∑ z i ² ,                        (9)

i = 1

где zi – доля занятых в i-й фирме в отрасли, определяемая как отношение занятых в i-й фирме к общему количеству занятых в данной отрасли.

Следование идеям М. Портера позволяет сделать заключение о том, что для формирования и функционирования кластера необходима конкуренция, уровень развития которой можно определить по формуле (9). Поэтому наличие большого количества фирм в отрасли региона признается одним из факторов успешного развития кластера [1, с. 10]. Идея значимости промышленной концентрации отражена    в    количественной    оценке агломерационного эффекта.

Так, сила агломерационного эффекта рассчитывается по формуле

γ _i =

G x - H i 1 - H i

где G _х – индекс географической концентрации Эллисона – Глейзера или Марелля – Седиллота.

Высокое значение γ свидетельствует об избыточной концентрации в отрасли, что обусловлено превышением географической концентрации над промышленной (рыночной). В свою очередь, при прочих равных условиях появление новых фирм в отрасли (т.е. снижение значения индекса Херфиндаля) ведет к увеличению параметра γ .

Толкование расчетного параметра γ осуществляется по схеме: γ <0,02 – недостаточная концентрация предприятий для образования агломерационного эффекта в отрасли; 0,02 ≤γ ≤ 0,05 – концентрация неустойчива; γ >0,05 – устойчивая концентрация предприятий в отрасли. Следовательно, высокие значения γ для определенной отрасли характеризуют её как агломерированную: в данной отрасли сочетаются конкуренция и кооперация, что является ключевой характеристикой кластера (по сути, другие не менее важные условия развития кластера – инфраструктурные, институциональные и т.д. [1, с. 13] – метод Эллисона–Глейзера и Марелля–Седиллота не учитывает, что является его ключевым недостатком).

В качестве обобщения вышеизложенного на рис. 2 предложено видение описанного алгоритма идентификации и оценки региональных кластеров.

Таким образом, применение количественных индикаторов идентификации и оценки региональных кластеров согласно представленному алгоритму становится основанием для определения кластерных ядер, первичных и вторичных отраслей, построения цепочки добавленной стоимости в каждом кластере, а также выявления специфики кластерной структуры экономики региона в целом. Отметим, что ядро кластера – это группа однородных по отраслевому признаку компаний-лидеров, экспортирующих свою продукцию в другие регионы (страны) и не являющихся кластерным компонентом других кластеров.

Описанный инструментарий может быть широко применим для диагностики кластеров на разных экономических уровнях хозяйствования: на макроуровне для выявления кластеров странового масштаба, на региональном уровне, на уровне городов или локальных районов. Использованный в комплексе, он будет служить важным ориентиром для:

• -    выработки обоснованной государственной политики развития территорий в направлениях поддержки кластерных инициатив и проектов;

• -    консолидации усилий и ресурсов крупного, среднего и малого бизнеса;

• -    формирования инфраструктуры кластеров;

• -    инвестиций и реализации инноваций;

• -    создания системы законодательного и финансового обеспечения деятельности кластеров и выработки полноценной кластерной политики.

  Оценка эффектов локализации отраслей (секторов) экономики ^l i

  LQ i = ^l

  
  

  Факторный анализ экономики региона (показатели прироста)

  
  

  Национальный фактор

  I               .         L

  i NS = l *(— - 1) !                 t ^-1      L t - 1

  
  

  Отраслевой фактор

  IM = Г *( L - -L t -) '

  Lt - 1    Lt - 1

  
  

  Региональный фактор ii

  RS = li*(-

  t-1    i-11rl '

  lt-1

  
  

  Оценка эффектов агломерации в региональной экономике

  
  

  Специфика конкуренции

  
  

  Промышленная концентрация отраслей m

  
  

  H i   E

  
  

  Отраслевая специализация региона – эндогенный эффект, связанный с территориальной концентрацией промышленности в регионе

  
  

  Роль макротенденций в развитии региона и его отраслей

  
  

  Влияние общеотраслевых факторов на развитие отраслей экономики региона

  
  

  Отрасли-лидеры и отрасли-аутсайдеры в региональной экономике

  
  

  Географическая концентрация отраслей Индекс Эллисона-Глейзера

  
  

  G EGi

  
  

  =

  
  
  
  
  

  E ( ^sir - ^sr )² r 1 - E S

  
  

  Карта компонентов потенциальных кластеров для экономики региона или её отдельных секторов

  
  

  r

  Индекс Марелля-Седиллота

  E si - E s 2

  
  

  ^GMSi ^{= r}

  
  

  r

  
  

  i - E s 2² r

  
  

  Эффект агломерации G - H γ = ^{x i Y} 1 - H

  
  

  Ядро кластера – группа однородных по отраслевому признаку компаний-лидеров, экспортирующих свою продукцию в другие регионы (страны) и не являющихся кластерным компонентом других кластеров

  
  

  Выявление кластерных ядер

  

  Географическая концентрация фирм в пределах региона

  
  

Построение кластерных цепочек добавленной стоимости

Определение первичных и вторичных отраслей кластеров в экономике региона

КЛАСТЕРНАЯ СТРУКТУРА ЭКОНОМИКИ РЕГИОНА

Рис.2. Алгоритм применения количественных индикаторов идентификации и оценки кластеров в экономике региона

В качестве приложения предлагаемых методов кластерного анализа приведем ключевые выдержки из результатов диагностики кластеров в экономике Пермского края.

Для проведения исследования были использованы материалы Центральной базы статистических данных Федеральной службы государственной статистики Российской Федерации за 2002–2009 гг.5 [6].

Анализ специализации региона по статистическим данным о среднесписочной численности работников без внешних совместителей и работников несписочного состава показал, что наибольшими значениями индекса локализации обладают такие ВЭД, как деятельность по обеспечению лесосплава (среднее значение LQ за 2002-2009 гг. составило 23,44); добыча и производство соли (14,15);

растениеводство в сочетании с животноводством (9,05); производство удобрений и азотных соединений (7,26); аренда внутренних водных транспортных средств с экипажем и предоставление маневровых услуг (6,91); производство изолированных проводов и кабелей (5,94); производство основных химических веществ (5,83); производство целлюлозы древесной массы, бумаги и картона (5,56); производство часов и других приборов времени (5,39); производство трикотажного полотна и трикотажных изделий (5,00). Высокими значениями индекса локализации обладают такие значимые для экономики Пермского края виды деятельности, как производство кокса (3,88); производство нефтепродуктов (3,20); добыча сырой нефти и природного газа (1,05); предоставление услуг по добычи нефти и газа (1,92); производство цемента, извести и гипса (2,24).

При проведении обобщенного факторного анализа экономики региона была дана оценка вклада национального, отраслевого и регионального факторов в прирост занятости. Согласно данным таблицы положительная динамика занятости наблюдалась в 2006 и 2007 гг., в то время как региональный компонент принимал положительные значения в предкризисный 2006 г. и посткризисный 2009 г.

Агрегированные результаты факторного анализа прироста занятости в экономике Пермского края

Период анализа, годы	Вклад национального, отраслевого и регионального факторов в прирост занятости ( SS ), чел.			SS , чел.	Вклад национального, отраслевого и регионального факторов в прирост занятости ( SS ), %			SS , %
	NS	IM	RS		NS	IM	RS
2003/2002	8615	-344	-55008	-46737	-18,43	0,74	117,70	100
2004/2003	8731	-1849	-8354	-1472	-593,14	125,61	567,54	100
2005/2004	7784	-4857	-28804	-25877	-30,08	18,77	111,31	100
2006/2005	7550	-2866	10234	14918	50,61	-19,21	68,60	100
2007/2006	16779	-1630	-5602	9547	175,75	-17,07	-58,68	100
2008/2007	8971	-2836	-11392	-5256	-170,68	53,95	216,73	100
2009/2008	-22084	-4961	4335	-22710	97,24	21,84	-19,09	100

Факторный анализ кластерной структуры экономики Пермского края по занятости и производительности труда с высокой степенью агрегации позволил определить основных региональных лидеров: добыча полезных ископаемых, обрабатывающие производства, оптовая и розничная торговля (рис. 3, 4). Согласно оценке факторов прироста занятости и производительности за весь исследуемый период (2002–2009 гг.) к указанным видам деятельности как перспективным с точки зрения формирования кластеров необходимо добавить сельское хозяйство, строительство, гостиницы и рестораны, транспорт и связь, операции с недвижимым имуществом.

-50000

2009 г. к 2004 г.

SS, чел.

RS, тыс. руб. на 1-го занятого

NS, тыс. руб. на 1-го занятого

SS, тыс. руб. на 1-го занятого ез IM, тыс. руб. на 1-го занятого

-10000

-20000

-30000

-40000

2009 г. к 2004 г.

Рис. 4. Анализ факторов прироста производительности труда по ВЭД в Пермском крае6

Рис. 3. Анализ факторов прироста занятости по ВЭД в Пермском крае

• ⁶ Производительность труда рассчитана по валовой добавленной стоимости.

В результате реализации предложенного алгоритма выявления кластерных образований были построены карты лидирующих компонентов потенциальных кластеров Пермского края по данным о среднесписочной численности работников. Статистика занятости была отобрана согласно третьему уровню детализации в ОКВЭД.

Выбор лидирующих компонентов среди детализированных видов деятельности обусловлен значением и динамикой показателя

RS . По региональному фактору был составлен рейтинг первых десяти ВЭД, значения показателя RS которых за 2002–2009 гг. были максимальными; к лидирующим кластерным компонентам были отнесены те ВЭД, которые попали в рейтинг два раза и более.

На рис. 5 приведены карты лидирующих компонентов потенциальных кластеров экономики Пермского края, построенные для 2004 г. и 2009 г. Размер кластерных компонентов показан индексом локализации.

2004 г.

2009 г.

4000 -I q

-8000

-2000

чел.

-8000

-4000

-2000

0,9

,25

RS, чел.

-4000

ОПроизводство механического оборудования

ОСтроительство зданий и сооружений

®Растениеводство oПроизводство готовых металлических изделий оПроизводство прочих машин и оборудования специального назначения

0Распиловка и строгание древесины; пропитка древесины

0Проведение расследований и обеспечение безопасности

Рис. 5. Лидирующие компоненты потенциальных кластеров Пермского края, 2004 г. и 2009 г.

Таким образом, на сегодняшний день созвездие компонентов потенциальных кластеров в экономике Пермского края включает по крайней мере 13 ВЭД, численность занятых в которых на конец 2009 г. составляет 245341 чел., или 27% от общего количества занятых в регионе, а совокупный товарный оборот насчитывает 1360918 тыс. руб. Однако кластерная структура экономики региона отличается нестабильностью, поскольку при выявлении отстающих отраслей экономики края в рейтинг аутсайдеров по критерию RS попали дошкольное и начальное общее образование, животноводство, производство механического оборудования и основных химических веществ, распиловка и строгание древесины, а также предоставление посреднических услуг, связанных с недвижимым имуществом (рис. 6).

R

Ф 15000 7

(Л 10000

Di

-5000

-10000

-15000

HD Предоставление посреднических услуг, связанных с недвижимым имуществом

И Производство основных химических веществ в Животноводство

• □ Дошкольное и начальное общее образование

и Распиловка и строгание древесины; пропитка древесины

• ■ Производство механического оборудования

  Рис. 6. Динамика прироста занятости (показатель RS ) для отдельных компонентов потенциальных кластеров экономики Пермского края, 2003-2009 гг.

Среди выявленных компонентов наибольшими значениями индекса Херфиндаля характеризуются организация перевозок грузов (в 2009 г. Н =4721, количество фирм – 10), дошкольное и начальное образование ( Н =4114) и производство прочих машин и оборудования специального назначения ( Н =3380, количество фирм – 13). К отраслям с низкой промышленной концентрацией относятся животноводство ( Н =211, количество фирм – 166) и предоставление посреднических услуг, связанных с недвижимым имуществом ( Н =340, количество фирм – 444).

В направлении дальнейшего исследования региональных кластеров считаем целесообразным провести оценку географической концентрации в разрезе г. Перми, муниципальных районов и городских округов.

Таким образом, результаты нашего исследования свидетельствуют о том, что значительным кластерным потенциалом обладают химическая, лесная, целлюлознобумажная, деревообрабатывающая отрасли экономики региона, сельское хозяйство, металлургия, производство машин и оборудования, транспорт и логистика, а также нефтегазовое и текстильное производство. В свою очередь, определяющими направлениями государственной политики, направленной на развитие и укрепление конкурентоспособных кластеров в экономике Пермского края, должны стать институциональные преобразования и совершенствование региональной экономики.

инфраструктуры