Алгоритм выявления перспектив создания регионального экономического кластера
Автор: Мантаева Эльза Ивановна, Манцаева Айса Анатольевна
Журнал: Вестник Волгоградского государственного университета. Экономика @ges-jvolsu
Рубрика: Макроэкономические и институциональные условия Евразийской интеграции
Статья в выпуске: 3 (40), 2017 года.
Бесплатный доступ
Исследование теории региональных экономических кластеров позволяет утверждать, что в российской практике кластерная политика по большей части направлена на формирование и укрепление вновь образованных кластеров, нежели на развитие и поддержку уже существующих. А поскольку искусственное создание регионального кластера является долгим и ресурсоемким процессом, важным этапом становится выделение тех видов деятельности в регионе, на базе которых формирование кластера будет эффективным. Также не лишним было бы спрогнозировать и сравнить различные варианты развития событий, во-первых, для принятия оптимальных управленческих решений, во-вторых, для своевременного внесения изменений и корректировок во избежание нежелательных результатов. В настоящей статье представлена авторская методика выявления перспектив создания регионального экономического кластера, представляющая собой трехэтапный алгоритм. Первые два этапа алгоритма посвящены классификации российских регионов с помощью иерархического кластерного анализа. Для каждого из этих этапов разработана система показателей, позволяющая достаточно адекватно разбить объекты на группы в соответствии с поставленной целью. На третьем этапе строится имитационная модель функционирования кластера, с помощью которой можно проигрывать различные сценарии развития событий, а наиболее оптимальный из вариантов будет выступать в качестве ориентира кластерной политики региона. Данный этап подразумевает формализацию связей между основными элементами, характеризующими отрасль (ВРП, инвестиции и т. д.), и во многом зависит от специфики этой отрасли. Преимущества данной методики, на наш взгляд, заключаются в доступности показателей широкому кругу исследователей, а также универсальности инструментов исследования - кластерного анализа и имитационного моделирования.
Кластерная политика, региональный экономический кластер, идентификация, кластерный анализ, имитационное моделирование
Короткий адрес: https://sciup.org/14971234
IDR: 14971234 | DOI: 10.15688/jvolsu3.2017.3.10
Текст научной статьи Алгоритм выявления перспектив создания регионального экономического кластера
DOI:
На современном этапе развития нашей страны кластерная политика является центральным звеном регионального развития и по большей части направлена на создание и укрепление вновь образованных кластеров, нежели на поддержку уже существующих. В связи с этим выявление перспектив создания и идентификация региональных экономических кластеров становится весьма актуальной и первоочередной задачей, требующей детального изучения.
В зарубежной практике при проведении 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». Алгоритмы выявления кластеров, предложенные М. Портером, О. Солвел-лом, Г. Линдквистом, К. Кетелсом, Е. Дахме-ном, П. Фишером, И. Толенадо, К. Koschatzky и V. Lo, Д. Шенноном и другими зарубежными исследователями, не раз подтверждали свою актуальность.
Между тем в российской экономической литературе вопросы идентификации региональных кластеров теоретически обоснованным методическим сопровождением обеспечены не в полном объеме, хотя имеется ряд исследований отечественных экономистов по данной проблематике, например, работы Г. Боуша [2], М.М. Гузева и Н.А. Мишура [5; 9], М.Э. Буяновой [3; 4], Е.С. Куценко [7], В.О. Мосейко и В.В. Фесенко [10] и других. И в первую оче- редь это объясняется неоднозначностью толкования содержания, границ и условий возникновения региональных экономических кластеров. Действительно, практически все предлагаемые методики используют авторскую трактовку термина «кластер», включающую структуру и специфические характеристики, а также применяются в конкретно выбранном регионе и априори предполагают наличие в этом регионе кластера.
Классической и наиболее распространенной на сегодняшний день считается методология выявления хозяйственных агломераций, разработанная М. Портером и специалистами Института стратегии и конкурентоспособности Гарвардской школы бизнеса, вылившаяся в известный проект US Cluster Mapping Project [13]. Методология представляет собой многошаговый алгоритм, начинающийся с классификации всех отраслей экономики на две взаимоисключающие категории в зависимости от того, на какие рынки ориентирован сбыт продукции отрасли: «торгующие» (другой перевод – базовые) – за пределы региона и страны, и «локальные» (зачастую инфраструктурные: медицина, бытовые услуги, розничная торговля и т. д.) – на местные рынки. Также выделяется третья категория отраслей – ресурсные (сырьевые), в которых сосредоточены месторождения полезных ископаемых и природных ресурсов. Такие отрасли ограничены в выборе своего местоположения и, как правило, входят в состав «торгующих» и «локальных» кластеров.
Для разделения торгующих и локальных отраслей авторы используют коэффициент локализации, рассчитываемый по формуле:
LQ =
L ij / L i
Lj 7 L ,
где LQ – коэффициент локализации; Lij – количество занятых в секторе экономики i в j -м регионе; Lj – общее количество занятых в j -м регионе; Li – количество занятых в секторе экономики i ; L – общее количество занятых в стране. Дополнительно рассчитывается коэффициент Джини по занятости, составляющий для базовых отраслей 0,3.
Далее М. Портер и специалисты Института исследуют, какие из базовых отраслей могут быть объединены в хозяйственные агломерации, используя для этого критерий географической близости фирм. Считается, что если по некоторому виду деятельности коэффициент локализации превышает единицу в 40 % (и менее) регионов, то этот вид деятельности имеет тенденцию к географической концентрации. После исключения фиктивных корреляций между отраслями ученые получают «торгующие» и «локальные» кластеры, и по официальным данным, на сегодняшний день в США первых насчитывается 51, а вторых – 16.
Другой известной процедурой идентификации и оценки потенциальных кластеров является методология, разработанная сотрудниками Европейской кластерной обсерватории, по сути являющаяся модификацией методологии М. Портера. Ее идея заключается в том, что всякий экономический кластер характеризуется тремя ключевыми индикаторами: «размер», «специализация» и «фокус», по каждому из которых вводится критерий значимости [11].
Размер определяется как доля региона в общей численности занятых в кластерной группе по стране и считается значимым, если регион попадает в 10 % регионов, лидирующих по этому показателю. Специализация оценивается коэффициентом локализации, значимым при превышении единицы, а показатель «фокус» рассчитывается исходя из доли кластера в общей численности занятых региона, и считается значимым в том случае, если он входит в 10 % кластеров одной категории, на которые приходится наибольшая доля общей занятости в данном регионе.
Заметим, что, несмотря на очевидные преимущества описанных методологий, их применение в российских условиях затруднительно, поскольку требует перевода российс- кой системы ОКВЭД в Стандартную отраслевую классификационную систему США (СОК) или европейский классификатор NASE. Другим существенным недостатком является отсутствие точных пороговых значений коэффициентов душевого производства, специализации и локализации. Тем не менее многие исследователи применяют представленные методологии в комплексе с другими подходами из-за доступности необходимых данных и простоты расчетов.
Российские ученые-экономисты также оценивают перспективу формирования региональных экономических кластеров, сочетая различные показатели, требующие как численных расчетов, так и качественного исследования, как то характеристика экономической ситуации в регионе и отрасли, анализ рынка и сетей взаимодействия, анализ конкуренции, рынка рабочей силы, поставщиков, инноваций и т. д.
Одним из примеров является разработанный учеными Волгоградского государственного университета М.М. Гузевым и Н.А. Мишура ресурсно-факторный подход, в основе которого лежит новая теория факторов производства профессора Волгоградского госуниверситета О.В. Иншакова [6]. Ученые предлагают оценивать перспективу формирования региональных территориально-производственных кластеров на Юге России с помощью шести элементов, сгруппированных в два фактора:
– факторы формирования кластерного потенциала – природно-ресурсная, научно-кадровая, технико-технологическая составляющие;
– «факторы готовности использования кластерного потенциала» – организационная, институциональная и информационная составляющие.
Оценка этих факторов осуществляется с помощью 42 показателей, что позволяет детально и обстоятельно исследовать предпосылки и условия формирования кластеров, однако это достаточно трудоемкая и затратная по времени процедура.
В диссертационной работе А.Г. Афониной [1] также приведена методика выделения имеющихся в регионе экономических кластеров на основе системы показателей, отражающих специфические свойства кластерной формы организации экономики, и апробация этой методики на примере Пермского края. К специфическим свойствам автор относит: географическую близость компаний-участников кластера, высокую производительность, инновационную активность, наличие в составе кластера вузов и/или научно-исследовательских институтов, рост числа новых биз-нес-образований, экспорт производимых товаров. Рассчитав показатели для регионов Приволжского федерального округа и проран-жировав их, автор делает заключение, что лидерами по возможностям формирования кластеров являются республика Татарстан, Нижегородская область и Пермский край. Аутсайдером по итогам расчета показателей была определена Кировская область.
Другим примером является диагностика бизнес-кластеров на базе качественных и количественных методов, разработанная Г.Д. Боуш и Д.И. Мадгазиным и позволяющая выполнять идентификацию кластеров в отраслях и межотраслевых комплексах, обладающих потенциалом кластеризации. Алгоритм исследования можно представить в виде четырех последовательных шагов:
-
1) идентификация бизнес-кластеров на основе наличия качественной составляющей, представленной рядом характеристик: К1 производство; К2 обеспечение; К3 обслуживание; К4 потребление; К5 исследования; К6 экспорт; К7 обучение;
-
2) определение уровня развития каждого из кластерных компонентов путем расчета локализационных коэффициентов в идентифицированных бизнес-кластерах;
-
3) выявление двух наиболее развитых кластерных компонентов, являющихся кластерообразующим ядром;
-
4) определение типа и вида бизнес-клас-тера на основе кластерной типологии, разработанной авторами.
На основании сходства или различия идентифицированного и диагностированного бизнес-кластера определенной ячейке типологии можно делать выводы об уровне его развития и возможных направлениях политики поддержки.
В целом сочетание количественного анализа, основанного на эконометрическом моделировании и статистических данных, и качественного исследования, базирующегося на сборе экспертной информации, для выявления кластерных структур стало тенденцией последних лет. При этом источниками информации служат не только показатели официальной государственной статистики, но и косвенная информация – научные публикации, данные анкетирования, интервьюирования, «фо-кус-групп», экспертных опросов, отчеты отраслевых ассоциаций и другое.
Подобное комбинирование методов и данных имеет ряд преимуществ, однако вызывает сложности в практической реализации из-за ограниченного доступа к результатам, полученным отраслевыми организациями и в ходе социологических опросов, а также невозможности сопоставить эти результаты в годовой динамике и по субъектам РФ. В этой связи возникает необходимость разработки и внедрения универсальных индикаторов для оценки потенциала формирования кластера, позволяющих производить расчеты для любого региона. В основе расчетов должны лежать, прежде всего, общедоступные и сопоставимые данные официальной государственной статистики. Вместе с тем надо признать, что официальная статистика далеко не в полной мере учитывает аспекты кластерного развития, и, следовательно, система индикаторов должна дополняться специфическими показателями, источниками для расчета которых являются унифицированные общероссийские исследования.
В настоящей работе, синтезируя ряд точек зрения, предлагается методика выявления перспектив создания регионального экономического кластера в соответствии с трехэтапным алгоритмом:
-
1. Первичное выявление наиболее перспективных секторов экономики региона.
-
2. Детальное исследование выделенных видов деятельности на соответствие специфическим свойствам кластера.
-
3. Прогнозирование и оценка возможных выгод от создания в регионе кластера.
На этом этапе предлагается классифицировать российские регионы по отраслевой специализации, а именно, по основным отраслям реального сектора экономики «Сельское хозяйство», «Добыча полезных ископаемых», «Обрабатывающие производства», «Производство и перераспределение электроэнергии, газа и воды», «Строительство», «Гостиницы и рестораны», «Транспорт и связь» .
Здесь речь идет о классификации регионов конкретной отраслевой специализации по показателям эффективности данной отрасли, соответствующим специфическим свойствам кластера. Это даст возможность отобрать лидирующие регионы для тщательного изучения и возможного заимствования положительного опыта, а также выявить отстающие – для разработки и принятия мер поддержки.
На данном этапе строится модель функционирования кластера, с помощью которой рассчитываются различные варианты.
Два первых этапа требуют разработки системы показателей, позволяющих провести адекватную и исчерпывающую классификацию, и могут быть реализованы с помощью кластерного анализа – многомерной статистической процедуры, не раз подтвердившей свою актуальность [8]. Третий этап подразумевает формализацию связей между основными элементами, характеризующими отрасль (ВРП, инвестиции, и т. д.), и во многом зависит от специфики самой отрасли. Возможные сценарии развития могут быть проиграны с помощью имитационного моделирования, а наиболее оптимальный из вариантов будет выступать в качестве ориентира кластерной политики региона.
Показатели для первого этапа.
В качестве показателей для первого этапа классификации, исходя из имеющихся статистических данных, были выбраны следующие относительные показатели, позволяющие нивелировать существенные межрегиональные различия:
-
1) Значимость отрасли в экономике региона X 1 i – доля валового регионального продукта, произведенного i -м видом деятельности за определенный период времени, в общем валовом региональном продукте за аналогичный период времени.
-
2) Степень государственной поддержки предприятий отрасли X 2 i , равная доли инвестиций в основной капитал i -й отрасли Inv i в общем объеме государственных вложений в экономику региона Inv :
X 2i= % -100% .
-
3) Социальная значимость X 3 i i -го вида деятельности в экономике региона, рассчиты-
- ваемая, как отношение занятого в данном виде деятельности населения Li к общей численности занятого населения региона L:
X 3,= L/L -100% .
-
4) Доля введенных основных фондов X 4 i по видам экономической деятельности в общем объеме введенных в действие основных фондов (Fixed Assets), позволяющая проследить структурные сдвиги в экономике:
X 4 , = ^/fA "100%.
Однако некоторые из этих показателей могут коррелировать между собой, что исказит результаты кластерного анализа. Поэтому первоначально необходимо рассчитать коэффициенты корреляции, проверить их значимость и отобрать только линейно независимые.
Показатели для второго этапа.
Логическая схема исследования имеет сходство с подходом А.Г. Афониной: каждый показатель отражает то или иное специфическое свойство кластеров, – однако состав показателей более узко специализирован с тем, чтобы полнее отвечать целям качественной оценки условий формирования кластера в регионе. Также предложены некоторые показатели, требующие ведения специального учета и позволяющие отслеживать состояние кластера на определенной стадии развития.
Свойство 1. Территориальная близость компаний-участников кластера
Расположение компаний-участниц кластера на относительно компактной территории приводит к снижению издержек и усилению конкурентоспособности этих компаний и кластера в целом. Поэтому для характеристики территориальной близости предприятий РЭК, на наш взгляд, представляется возможным использовать показатель плотности предприятий отрасли, рассчитываемый по следующей формуле:
E n ; /
Nj i=1 i / i Sj , где Nij – количество предприятий i-й отрасли, задействованных в производстве и предоставлении конечного продукта в j-м регионе, а Sj–площадь территории региона.
Свойство 2. Эффективность отрасли для региональной экономики
Предполагается, что в регионе присутствия кластера достигается высокая производительность за счет доступа к специализированным факторам производства и рабочей силе, а также специализированной информации внутри кластера и общественным благам. И эффективность региональной экономики рассчитывается, как превышение темпа роста ВРП над темпом роста ВВП.
Применительно к конкретной отрасли, ее эффективность для региональной экономики можно оценить с помощью следующего индикатора:
Е07=а QiAQ Qj, где Effi – эффективность i-й отрасли для -го региона; A Qi - средний темп продукции i-й отрасли в j-м регионе за последние 3 года, а AQj - средний темп роста внутреннего регионального продукта в этом регионе за аналогичный период.
Свойство 3. Инновационная активность
В условиях конкурентной борьбы между участниками РЭК создание и реализация нововведений по всей цепочке добавленной стоимости становится основным средством повышения эффективности производства и улучшения качества производимой продукции, а следовательно, – ключевыми факторами успеха. При этом реализация на практике научно-технических достижений выступает важным источником устойчивого поступательного развития экономики в целом, поскольку инновации, внедренные в одних сферах хозяйствования, могут успешно использоваться в других. Например, разработки в сфере информационных технологий уже давно и широко используются государственными организациями, производственными предприятиями, транспортными компаниями, гостиницами, медицинскими учреждениями и т. д.
Динамика протекания инновационных процессов во многом зависит от государственного участия и финансирования, поэто- му, на наш взгляд, на стадии формирования кластера целесообразно рассчитывать инновационную активность региона в целом.
Для этого мы воспользуемся методикой, предложенной коллективом авторов: А.П. Егор-шиным, В.А. Кожиным, Э.Н. Кулагиной и др. [12], согласно которой инновационную активность региона можно рассчитать с помощью трех коэффициентов: экстенсивного, интенсивного и интегрального.
Экстенсивный коэффициент инновационной активности региона определяется по формуле:
К = Tннов -100% экс T j , где Кэjкс – доля предприятий, занимающихся исследованиями и разработками, в общем их числе; Tиjннов – число предприятий, занимающихся исследованиями и разработками в j-м регионе; Tj – общее число предприятий и организаций в этом регионе.
Интенсивный показатель инновационной активности бизнеса определяется по формуле:
Kj инт
= Q... - 100% Qj
где К и j нт – доля инновационной продукции в ее общем выпуске; Q и j ннов – объем инновационной продукции, млн руб.; Qj – совокупный объем производства в регионе (объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами), млн рублей.
Однако, поскольку результаты инновационной деятельность всегда проявляются со значительным временным лагом, то мы решили учесть еще затраты на внутренние научные исследования и разработки С 1 и j ннов , млн руб. и затраты на технологические инновации С 2и j ннов , млн руб. в каждом регионе. В связи с этим наш интенсивный показатель немного преобразовался:
к *j инт
( Q Йинов + С 1 и ннов + С 2 и ннов ) - 100% Q j
В качестве обобщающего показателя используется интегральный коэффициент инновационной активности бизнеса, который вычисляется как среднее геометрическое интенсивного и экстенсивного коэффициентов:
j интегр инт.
Свойство 4. Взаимодействие региональной образовательной системы с предприятиями кластера
Огромное значение для всякого кластера имеет тесное сотрудничество предприятий основной и взаимодополняющих отраслей с региональной системой образования. Действительно, наличие специалистов необходимого уровня и профиля зачастую становится решающим фактором дальнейшего существования и развития кластера. Поэтому на стадии формирования регионального экономического кластера следует учитывать присутствие в регионе образовательных учреждений и центров повышения квалификации, ведущих подготовку рабочих и специалистов по направлениям основной и связанных отраслей специализации кластера. А возможным индикатором может выступать доля выпускников этих направлений в общем числе занятого в данных отраслях населения:
ShGradi = У" I/ /У n L , 1 Z—ii=1 ‘ / Z—n=1 i, где ^"^j - общее количество специалистов, бакалавров, технологов и т. д., подготовленных местными образовательными учреждениями для i-й отрасли (основная и дополняющие) в j-м регионе, а ^"l Li - общее число занятого в этих отраслях населения в j-м регионе.
На стадии развития регионального экономического кластера для оценки эффективности взаимодействия региональной образовательной системы с предприятиями кластера (EES – the Effectiveness of the Education System) можно рассчитывать долю работников кластера, подготовленных местными образовательными учреждениями:
EES,=T,'j*#Lk,, где ^n. Jk - число специалистов, бакалавров, технологов и т. д., занятых в кластере и подготовленных местными образовательными учреждениями для i-й, а Lik – общее число занятых в кластере.
Свойство 5. Экспорт производимых товаров и услуг
Внешнеэкономическая деятельность принадлежит к числу приоритетных направлений политики любой страны, поскольку в достаточной степени влияет на отраслевую и товарную структуру экономики. В настоящее время почти 70 % общероссийского экспорта занимают товары топливно-энергетического комплекса, вывозящиеся из ограниченного числа регионов и относящиеся к сырьевым товарам с низкой добавленной стоимостью. При этом несырьевой экспорт – вывоз готовой сложной продукции, деталей и комплектующих для восходящих глобальных цепочек добавленной стоимости, признан основой долгосрочной внешнеэкономической политики России, а региональные экономические кластеры – инструментом решения данной задачи. Поэтому в качестве индикатора осуществления внешнеэкономической деятельности мы предлагаем использовать долю экспорта производимых товаров и услуг (Share of Exports) в регионе в совокупном объеме производства:
ShExp’ = Exp’ IQ1, где Exp j – стоимостный объем экспорта производимых товаров и услуг в j-м регионе.
Свойство 6. Взаимодействие предпринимательской среды и государства
Успех кластеров обусловлен тесным взаимодействием предприятий основной и взаимодополняющих отраслей с государственными органами управления. Предполагается, что низкие административные барьеры при входе на рынок и дальнейшем осуществлении предпринимательской деятельности стимулируют создание новых бизнес-образований. Поэтому одним из показателей, характеризующих данное свойство кластера, является темп роста новых организаций (Growth rate of new organizations) в отрасли региона, отнесенный к темпу роста организаций в этой же отрасли в целом по стране:
GRNOi = A T/А T, где AT - средний темп роста новых организаций i-й отрасли в j-м регионе за последние три года, а AT - средний темп роста новых организаций I-й отрасли в стране за аналогичный период.
Другим показателем может выступать коэффициент рождаемости организаций на 1 000 организаций.
Свойство 7. Сотрудничество предприятий основной и взаимодополняющих отраслей кластера
Важнейшей характеристикой кластера, приводящей к снижению издержек и усилению конкурентоспособности компаний-участников кластера (и кластера в целом), является их активное сотрудничество. Для его измерения нам представляется возможным вести подсчет количества вновь заключенных договоров финансово-хозяйственной деятельности tIBS (Interaction of Business Structures) между предприятиями кластера, а также объем услуг, предоставленных в рамках этих договоров QIBS. Данный показатель будет рассчитываться уже на стадии становления и укрепления кластера.
В целом трехэтапный алгоритм можно представить в виде схемы, представленной на рисунке.
Его преимущество, на наш взгляд, заключается в том, что:
– во-первых, все используемые показатели доступны широкому кругу исследователей и могут быть сопоставимы в годовой динамике и между регионами. Следовательно, динамическая кластеризация позволит отслеживать изменения как в структуре основных отраслей реального сектора экономики, так и положение регионов по основным показателям кластерного развития;
– во-вторых, имитационная модель может быть дополнена и уточнена различными показателями (инвестиционный климат, маркетинговая и экологическая составляющая и др.) в соответствии с возникающими
В ыявление перспектив создания регионального экономического кластера
Первичное выявление наиболее перспективных секторов экономики региона
Описание: Классификация российских регионов по основным отраслям реального сектора экономики
Метод: Иерархический кластерный анализ
Объекты: Российские регионы за исключением аномальных представителей выборки
Показатели: Значимость отрасли в экономике региона; Степень государственной поддержки предприятий отрасли; Социальная значимость отрасли; Доля введенных основных фондов
Результат: Регионы объединены в кластеры, каждый из которых характеризуется средними количественными значениями выбранных показателей
Подготовка к следующему этапу: Отбор кластеров, средние значения показателей определенного вида деятельности в которых превышают среднероссийские
Выявление регионов с развитыми кластерными свойствами
Описание: Классификация регионов конкретной отраслевой специализации по показателям эффективности данной отрасли, соответствующим специфическим свойствам кластера
Метод: Иерархический кластерный анализ
Объекты: Регионы конкретной отраслевой специализации, отобранные на первом этапе Показатели: Плотность предприятий отрасли; Эффективность отрасли для региональной экономики; Коэффициент инновационной активности бизнеса; Доля выпускников направлений основной и связанных отраслей специализации кластера в общем числе выпускников; Доля экспорта в совокупном объеме производства; Относительный темп роста новых организаций
Результат: Регионы разделены на группы лидирующих и отстающих Подготовка к следующему этапу: Выявление положительных и сдерживающих факторов развития кластера
Прогнозирование и оценка возможных выгод от создания в регионе кластера
Описание: Формализация связей между основными элементами, характеризующими отрасль, и построение модели функционирования кластера Метод: Имитационное моделирование
Объекты: Кластеры или их типичные представители, полученные на втором этапе
Показатели: Зависят от отраслевой специфики
Результат: Построены модели успешных и отстающих кластеров, с помощью которых проигрываются различные сценарии развития. Изучение и возможное заимствование положительного опыта, а также разработка и принятия мер поддержки
Рисунок. Схема трехэтапного алгоритм выявления перспектив создания регионального экономического кластера гипотезами и меняющейся конъюнктурой рынка. Также с течением времени могут быть преобразованы формализованные связи (уравнения, неравенства, матрицы и др.). При этом прогнозируемые ряды данных изменятся, а построенная модель позволит оперативно рассчитать эти изменения, что свидетельствует об эффективности и целесообразности применения имитационного моделирования для принятия управленческих решений.
Список литературы Алгоритм выявления перспектив создания регионального экономического кластера
- Афонина, А. Г. Экономическое содержание и механизм управления развитием кластеров в региональной экономике: автореф. дис.... канд. экон. наук/Афонина Анастасия Геннадьевна. -Пермь, 2011. -23 с.
- Боуш, Г. Д. Новый методологический подход к первичной диагностике бизнес-кластеров на базе качественных и количественных методов/Г. Д. Боуш, Д. И. Мадгазин//Вестник УРФУ. Серия: Экономика и управление. -2011. -№ 3. -С. 17-29.
- Буянова, М. Э. Оценка эффективности создания региональных инновационных кластеров/М. Э. Буянова, Л. В. Дмитриева//Вестник Волгоградского государственного университета. Серия 3, Экономика. Экология. -2012. -№ 2. -С. 54-62.
- Буянова, М. Э. Формирование и развитие кластерного потенциала регионов Юга России/М. Э. Буянова, Д. А. Вуйлов//Национальные интересы: приоритеты и безопасность. -2011. -№ 24. -С. 34-42.
- Гузев, М. М. Ресурсно-факторный подход к оценке перспектив формирования региональных территориально-производственных кластеров на Юге России/М. М. Гузев, Н. А. Мишура//Региональная экономика. Юг России. -2013. -Т. 1. -С. 42-48.
- Иншаков, О. В. «Ядро развития» в контексте новой теории факторов производства/О. В. Иншаков//Экономическая наука современной России. -2003. -№ 1. -С. 11-25.
- Куценко, Е. С. Кластеры в экономике: практика выявления. Обобщение зарубежного опыта/Е. С. Куценко//Обозреватель -Observer. -2009. -№ 10 (237). -С. 109-126.
- Мантаева, Э. И. К вопросу о возможностях кластерного анализа при разработке региональных стратегических документов/Э. И. Мантаева, А. А. Манцаева//Вестник Астраханского государственного технического университета. Серия: Экономика. -2017. -№ 1. -С. 23-30.
- Мишура, Н. А. Кластерная организация экономики: к вопросу об идентификации кластера/Н. А. Мишура//Национальные интересы: приоритеты и безопасность. -2012. -№ 43. -С. 37-44.
- Мосейко, В. О. Выявление региональных кластеров: методологические подходы/В. О. Мосейко, В. В. Фесенко//Региональная экономика: теория и практика. -2008. -№ 7. -С. 58-64.
- Растворцева, С. Н. Идентификация и оценка региональных кластеров/С. Н. Растворцева, Н. А. Череповская//Экономика региона. -2013. -№ 4. -С. 123-133.
- Управление инновационным развитием региона: монография/под ред. А. П. Егоршина. -Н. Новгород: НИМБ, 2008. -288 с.
- Porter, M. E. Cluster Mapping Methodology/M. E. Porter. -Electronic text data. -Mode of access: http://clustermapping.us/content/cluster-mapping-methodology (date of access: 15.09.2016). -Title from screen.