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

L_j 7 L ^,

где LQ – коэффициент локализации; L_ij – количество занятых в секторе экономики i в j -м регионе; L_j – общее количество занятых в j -м регионе; L_i – 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% Q^j

где К _и ^j _нт – доля инновационной продукции в ее общем выпуске; Q _и ^j _ннов – объем инновационной продукции, млн руб.; Q^j – 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 2_и ^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.