Кластеризация регионов с учетом уровня инновационного и экономического развития

Автор: Ярлыченко А.А.

Журнал: Экономика и бизнес: теория и практика @economyandbusiness

Статья в выпуске: 4-2 (98), 2023 года.

Бесплатный доступ

В статье представлен авторский подход к классификации регионов, основанный на использовании кластерного анализа и официальных данных органов государственной статистики. Целью исследования является выделение групп российских регионов с учетом динамики мезоэкономических индикаторов и принципа приближенности к фокусному субъекту РФ (центру). Особое внимание уделено описанию атрибутивных характеристик регионов, принадлежащих к различным кластерам. Выявлена роль классификации регионов в формировании региональной политики российского государства на современном этапе его развития.

Российские регионы, валовой региональный продукт, денежные доходы населения, производительность труда, кластеры регионов, региональная политика российского государства

Короткий адрес: https://sciup.org/170198826

IDR: 170198826   |   DOI: 10.24412/2411-0450-2023-4-2-230-232

Текст научной статьи Кластеризация регионов с учетом уровня инновационного и экономического развития

Формирование региональной политики российского государства предполагает необходимость выделения сходных по ключевым характеристикам субъектов РФ. Для разработки классификации регионов используются показатели их экономического развития, включающие валовый региональный продукт (ВРП); среднедушевые денежные доходы населения; производительность труда. Для разработки авторского подхода к данной проблеме проведено исследование, эмпирическая база которого представляет собой выборку из 425 наблюдений (85 территорий за пятилетний период) по указанной группе показателей, характеризующих экономическое развитие субъектов РФ за период с 2016 по 2020 гг. Период расчетов обусловлен особенностями предоставления официальных данных Федеральной службой государственной статистики.

Полученные в процессе расчетов разбросы предопределили структурирование и систематизацию регионов с помощью кластерного анализа, реализуемого в статистическом пакете SPSS Statistics на основе метода k-средних. Данный метод обусловливает дифференциацию наблюдений на определенное число кластеров с разнесением каждого из них по принципу приближенности к фокусному субъекту РФ (центру) определенного кластера за счет минимизации величины суммарного квадратичного отклонения показателей региона от показателей фокусного мезообразования конкретного кластера с помощью итеративного алгоритма. В процессе реализации десяти итераций сформированы пять кластеров, определяемых очень высоким (1), высоким (2), средним (3), низким (4) и крайне низким (5) уровнями динамики экономического развития (роста).

В состав первого и второго кластеров включены территориальные образования с высокими показателями валового регионального продукта, уровнем доходов и производительностью труда. Первый кластер представлен единственным регионом - г. Москва, обладающим показателями максимальной величины выделенных критериальных переменных. В наиболее многочисленные третий и четвертый кластеры включены мезообразования, имеющие средние значения выделенных критериальных переменных, при этом необходимо отметить, что в качестве основного фактора межкластерной перегруппировки выступает показатель объема ВРП. Пятый кластер сформирован из субъектов РФ, характеризуемых крайне низкими значениями критериальных показателей с учетом приоритета в оценке валового регионального продукта.

По результатам проведенной кластеризации в динамике за исследуемый период отмечается вариабельность положений субъектов РФ, при этом необходимо отметить, что после сокращения величины валового внутреннего продукта Российской Федерации в 2015 году, в 2016 году выявлен незначительный экономический рост в размере 0,2%, продолжившийся в 2017 (+1,8%) и достигший пика в 2018 году (+2,8%). В 2019 году отмечено снижение основного макроэкономического показателя, что свидетельствует об ухудшении макроэкономической конъюнктуры, обусловленной пандемией COVID-19 [1].

В первом кластере, фокусной территорией которого является г. Москва, выявлена поступательная динамика ВРП и среднедушевых доходов населения, при этом динамика производительности труда является нестабильной, что нашло выражение в падении данного показателя в период с 2016 по 2018 гг. и в последующем росте.

Для регионов второго кластера, в качестве фокусных территорий которого выступают г. Санкт-Петербург, Московская область и Республика Татарстан, в целом отмечается позитивная динамика ВРП, незначительный спад среднедушевых доходов в 2017 году и значительная среднекластерная величина показателя производительности труда.

Регионы в составе третьего кластера, фокусные территории которого включают в себя Ленинградскую, Омскую, Ростовскую, Самарскую, Тюменскую, Челябинскую, Ярославскую области, Алтайский и Хабаровский края, демонстрируют динамику стандартизованной величины ВРП, что соответствует первому и второму кластерам. При этом показатель среднедуше- вых доходов отражает тенденцию наращения с присутствием отрицательного выброса в 2017 году, а в динамике средней величины стандартизованного показателя производительности труда в 2018 году наблюдается значительное (-60,98%) сокращение, а также дальнейшая нестабильная динамика.

В четвертом кластере, фокусными территориями которого выступают Республика Марий Эл, Мордовская Республика, Удмуртская Республика, Республика Хакасия, а также Астраханская, Магаданская, Мурманская, Псковская и Тамбовская области, выявлена незначительная динамика исследуемых показателей, за исключением средней величины стандартизованного показателя производительности труда, демонстрирующего за исследуемый период значительное снижение (-62,011%).

Для фокусных территорий пятого кластера (Ненецкий и Чукотский автономные округа) и значительно тяготеющих к фокусным территориям (Республика Алтай, Республика Ингушетия, Республика Северная Осетия-Алания, Чеченская Республики, Тверская и Сахалинская области) выявлена значительно меньшая по сравнению с первым и вторым кластерами величина показателя ВРП (соотношение между вторым и пятым кластерами средних стандартизованных показателей составляет 103,101 в среднегодовом выражении). Аналогичным образом может быть охарактеризована конъюнктура в отношении показателя среднедушевых доходов: соотношение между средними стандартизованными показателями первого и пятого кластеров составляет 1,703 раза в среднегодовом выражении, при этом уровень производительности труда для полярных кластеров отличается всего на 10,69%.

Выделение пяти кластеров регионов является первым этапом реализации алгоритма оценки взаимовлияния экономического и инновационного развития субъектов Российской Федерации, что, в свою очередь, позволяет разработать инструментарий государственного регулирования, учитывающий особенности отдельных мезообразований. Достоинством предложенного подхода выступает ис- пользование в ходе расчетом данных официальных органов государственной статистики, что делает выводы объективными в отличие от результатов экспертных оценок. В период 1990-х по 2010 гг. в системе стратегического планирования в России доминировала модель, в которой в соответствии с подходом, предложенным упраздненным в 2014 г. Министерства регионального развития РФ, выделялись регионы-локомотивы роста, опорные регионы и депрессивные регионы. Подобный подход являлся основой для формирова- ния стратегии межрегионального выравнивания. Формировании многополюсного пространства привело к необходимости изменения целевых ориентиров региональной политики, что, в свою очередь, предопределило необходимость трансформации подходов к классификации регионов. Новый методический подход основан на допущении о том, что поляризация является необходимой предпосылкой устойчивого развития, которое инициируется зонами экономического роста и пропульсивными видами деятельности.

Список литературы Кластеризация регионов с учетом уровня инновационного и экономического развития

  • Копытина О. Экономический кризис: что это, причины и последствия, примеры. РБК. Инвестиции. Академия, 25.06.2022 г. - [Электронный ресурс]. - Режим доступа: https://quote.rbc.ru/news/article/62b331049a79474260be9166 (Дата обращения: 19.04.2023).
  • Официальный сайт Федеральной службы государственной статистики. - [Электронный ресурс]. - Режим доступа: https://rosstat.gov.ru/(Дата обращения: 10.04.2023).
Статья научная