Анализ развития государственно-частного партнерства в регионах Российской Федерации

Бесплатный доступ

Сфера государственно-частного партнерства является той средой, которая в значительной степени оказывает влияние на развитие социальной инфраструктуры, ведь происходит непосредственное взаимодействие государственного сектора и бизнес-среды, где частные предприятия не только финансируют строительство или реконструкцию какого-либо объекта, но и оказывают услуги на нем или осуществляют техническое обслуживание. Исследование направлено на создание эффективной модели, которая позволяет осуществлять анализ факторов, которые в значительной степени оказывают влияние на развитие государственного частного партнерства. В статье используются данные, которые были опубликованы Министерством экономического развития РФ. Г лавная цель исследования состоит в реализации кластерного анализа и с его помощью нахождения объектов по определенным критериям, которые воздействуют на сферу государственно-частного партнерства.

Еще

Кластерный анализ, государственно-частное партнерство, анализ сферы государственно-частного партнерства, кластеризация, развитие государственно-частное партнерства в регионах рф

Короткий адрес: https://sciup.org/148329976

IDR: 148329976   |   DOI: 10.18101/2304-4446-2024-4-51-56

Текст научной статьи Анализ развития государственно-частного партнерства в регионах Российской Федерации

В настоящее время в РФ широко распространены государственно-частные партнерства (ГЧП), благодаря чему государство может решать свои стратегические задачи и реализовать различные проекты развития страны. Стоит отметить, что до 2030 г. ГЧП в различных концепциях развития страны указано как одно из приоритетных направлений, которое может помочь при выходе экономики из кризиса. Варианты использования государственно-частного партнерства при планировании развития регионов рассмотрены в трудах Л. Б.-Ж. Максановой, В. Д. Шаралдаевой, А. М. Андреева [1], Т. Б. Бардахановой [2].

Согласно рекомендациям по реализации проектов ГЧП1 целью государственно-частного партнерства «с экономической точки зрения является стимулирова- ние привлечения частных инвестиций в инфраструктуру для производства услуг, работ и потребительских товаров, которые должны быть обеспечены публичноправовыми образованиями за счет средств соответствующих бюджетов, а также сокращение участия государства в экономическом обороте, когда те же задачи могут быть эффективнее выполнены бизнесом».

Изме н ен и е п оли т ич е ской ситуации в стране и мире, разрывы пол ит ич ес ки х и эк о н оми че ск и х с вя з ей с ти м у лирова ли разв и т и е г ос уда рс т вен н о-частного парт нерс т ва н а вс ех у ровн я х управления, в том числе и на региональном. Эк о н ом ич е с ки е с а н кц и и и п олит ическая изоляция стали стимулом развития п а ртнерс ки х от н ош ени й ме ж д у го суда р ст вом и ин ве с т ор ами , п рои зошли «перелив» ресурсов и сме на н ап р авле н н ост и и н вест и ц и й н а рос с и йс кие ры н к и [ 3].

Для того чт об ы охар а кте р и зова т ь с ос тоян ие Г ЧП су б ъ ектов РФ, применяется клас т е рн ый ана л и з, с п омощью которого можно привести объекты из сов окупно с т и к од н оро д н ы м г руп п ам ( кл ас т ер а м) и сделать вывод о влиянии на совокупные показатели.

В кон ц е ис сл е д ов а н ия содержится вывод о проделанной работе, а т а кже п р е д л ож е н ы ре ком е нд ац и и для дальнейшего применения полученного мат ери ала .

М ате р и а л ы и метод и с с л е д о в а н и я

В основу исходн ы х дан н ы х для определения уровня развития ГЧП по субъектам РФ включены та ки е пок а зат ели , как баллы, характеризующие уровень развития государственно-ч а стного партнерства, динамика, баллы за н ак оп л ен ны й опы т реа лиз ац ии с овместных проектов, состояние институционально й сре ды.

При ме н им ал гори т м K– средних, который состоит в том, что сначала определяются k- ц ент ры и з с писк а , дал е е н азначает с я т очк а на близлежащий центр. По с ле у к а за нн ы х процед ур находится центр кластеров через нахождение с ре д н ег о а ри ф м е т и чес к о г о вс е х точек совокупности и определяется сумма ква д р а т а ош и бок . С л ед у ет отм е т и т ь , что указанный алгоритм необходимо дублирова ть до т ог о момента, пока квад р а т ош и б о к н е п р евыс ит ма к с и м у м.

На ри с унк е 1 п редст авлено визуальное отражение выполненного к л ас те рн о го анализа.

Р ис . 1 . Выполненный кластерный анализ

В резу льт а т е в ып ол н енного анализа было выявлено, что модель см ог ла об ъяснить только 0,74% д и с п е рс и и, т. е. кластеры дают неточное описание исход ны м да нн ы м. Э т о объ я с н я ет ся с ла б ой корреляцией между показателями, вы бранн ы ми для анализ а, а недостаточностью кластеров рассматриваемой модели.

Выполнив расчеты корреляционной зависимости между показателями, было установлено, что присутствует слабая зависимость между баллами за уровень развития ГЧП и нормативно-институциональной средой. Корреляционная связь между ГЧП и институциональной средой составляет приблизительно 40%. Таким образом, этот показатель не оказывает никакого влияния на модель.

Далее вып ол н и м к ла с т ер и з ац ию п оказа те ля уровня развития ГЧП (баллы) и динамики (рис. 2).

• Cluster-0

• Custer-1

• Cluster-2 О Cluster^ • Cluster-4 О Centers

Рис. 2. Кла с тер ный анализ между уровень развития ГЧП (баллы) и ди нам ико й

Т а к и м об р а зом, обра з ова ли сь с ле д у ю щи е цент ры кластеров (табл. 1).

Центры кластеров

Таблица 1

Cluster

Уровень развития ГЧП (баллы)

Динамика

0

2.4383

4.6244

1

0.2851

-0.004086

2

-0.5081

-0.443

3

0.8704

1.2971

4

6.3469

0.4604

В р е зу ль тат е расче то в получаем, что сумма квадратов от всех точе к д о цент ра с ос т ав л я е т 23, 5593. П олучившееся значение представляет собой то т марке р , н а который мо жно о пи р а ться для того, чтобы охарактеризовать выпол н енн у ю к ла с т ери за ц ию . П ри выс ок ом значении модель необходимо улучшать. М од е ль пока з ы вае т н и зк у ю д исп ер сию.

Далее осуще ствим у величение количества кластеров до 10. Полу чи м с ле ду ю щи е кл ас т е рны е цен тры ( т а б л . 2).

Таблица 2 Увеличение кластеров в модели

Cluster

Уровень развития ГЧП (баллы)

Динамика

0

-0. 58 2 7

0.4441

1

-0. 78 8 6

-0.4846

2

1 . 96 97

0.1138

3

0 . 40 33

0.599

4

-0. 48 7 1

-0.4955

5

2 . 94 78

6.2109

6

0 . 97 93

2.0485

7

-0. 18 6 2

-0.4385

8

0 . 24 73

-0.2239

9

6 . 34 69

0.4604

В Е С ТНИК Б УРЯТС КОГО Г ОС УДА Р СТВЕННОГО УНИВЕРСИТЕТА.

Т а к и м образ ом , п рои зошло улучшение модели. Показатель сумм ы ква д ратов ра с с т оян и й от вс е х т оч ек составил 7,7006. Он был сведен к миним у му . О бъя сняемый к оэфф и ц и ент дисперсии составил 95%, что является хорош и м рез у льтатом.

Затем в ып ол н и м к лас т е ри заци ю ме жд у п оказа т е л ем уровня развития ГЧП ( б алл ) и н а коп ле н ным оп ы т ом ( ри с. 3).

Рис. 3. Кла с тер ный анализ между показателями уровня развития ГЧП в бал ла х и накопленным опытом

П ол у ч е нн ая мод ель демонстрирует дисперсию, которая равна 97% . Чис л о произ ве ден ны х и т е р аци й сос т ав л яет 19.

На кон ец, объ е д и ни в все показатели в одну модель и настроив ее параметры, мо дель б у д ет с ос т оят ь из 25 класт еров ра з м е рно ст ью 20. В та блице 3 указаны центры кластеров.

Таблица 3

Кластерные центры

Cluster

Накопленный опыт

Динамика

0

0.6275

0.1421

1

0.9929

-0.4061

2

-0.586

-0.4671

3

-0.3605

-0.516

4

0.4367

0.6898

5

-0.4599

-0.5127

6

-0.4102

-0.35

7

-0.3192

1.837

8

-0.5975

-0.3988

9

5.4202

0.4897

10

-0.521

-0.1808

11

-0.5108

-0.4867

12

-0.6

-0.516

13

-0.04568

-0.4736

14

-0.5695

-0.5138

15

-0.2955

-0.4208

16

1.9335

0.8851

17

1.8799

3.0378

18

-0.2725

0.4522

19

-0.5975

-0.5013

20

4.2044

-0.2621

21

-0.5975

-0.4379

Cluster

Накопленный опыт

Динамика

22

0.1564

-0.3344

23

-0.6051

-0.4476

24

1.8264

6.2109

о

I                                                                о

Накопленный опыт

Рис. 4. Трехфакторная кластерная модель

Об ъ я сн я е мый коэф фициент дисперсии составляет 98%. Показател ь S SE рав ен 1. 73% . М аксим аль н о е ч исло итераций равно 10. Можно сделать вывод, ч т о соз дана эф ф е кт ивн а я тре х факторная модель, которая эффективно анал и з иру ет исходные данные.

Заключение

Т а к и м об ра зом , в ходе и с с л е дова ния б ы ло вы явл ен о, какие параметры в зна чи т е льн ой ст епен и о к азывают влияние на показатель развития гос у дар с т ве нночастного партнерства , а т акже составлена двухфакторная и трехфакторная кластерные модели.

Получивши ес я значения свидетельствуют о том, что модели эфф екти вно а на л и зи ру ю т и с ходн у ю ин формацию. Исследование показало, что для у вели чен ия их точ н ос т и н еоб х од имо добавить кластеры, а также добавить число п овт о рен ий.

В д альн ейшем резу ль тат ы исс л едования могут использоваться как основа для прове ден ия бо лее г лу б оки х н ау чн ых и с с ле д о вани й .

Список литературы Анализ развития государственно-частного партнерства в регионах Российской Федерации

  • Максанова Л. Б.-Ж., Шаралдаева В. Д., Андреева А. М. Правовые основы государственно-частного партнерства для развития экологического туризма на особо охраняемой природной территории // Вестник Бурятского государственного университета. Экономика и менеджмент. 2020. № 4. С. 111-117. DOI 10.18101/2304-4446-2020-4-111-117. EDN WERKPE. Текст: непосредственный.
  • Бардаханова Т. Б. Основные положения и риски реализации проекта создания особой экономической зоны туристско-рекреационного типа на основе государственночастного партнерства // Вестник Бурятского государственного университета. Экономика и менеджмент. 2012. № 1. С. 59-69. EDN UYWCUB. Текст: непосредственный.
  • Скифская А. Л., Мехришвили Л. Л., Шестаков Ш. А. Формирование и развитие государственно-частного партнерства // Известия вузов. Социология. Экономика. Политика. 2023. № 3. URL: https://cyberleninka.m/artide/n/formirovame-i-razvitie-gosudarstvenm-chastnogo-partnerstva (дата обращения: 25.09.2024). Текст: непосредственный.
  • Диденко Д.А. Кластерный анализ и направления его использования // Теория и практика современной науки. 2015. № 6(6). URL: https://cyberleninka.ru/artide/n7 klasternyy-analiz-i-napravleniya-ego-ispolzovaniya (дата обращения: 25.08.2024). Текст: электронный.
  • Клименко А.В., Слащев И.С. Кластерный анализ данных // Вестник науки. 2019. №1 (10). URL: https://cyberleninka.ru/article/n/klastemyy-analiz-dannyh (дата обращения: 25.08.2024). Текст: электронный.
Еще
Статья научная