Научный журнал
Фундаментальные исследования
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,074

ИДЕНТИФИКАЦИЯ ОТРАСЛЕВЫХ КЛАСТЕРОВ В ПРИМОРСКОМ КРАЕ

Батурин Г.Г. 1 Короткова Д.Д. 1 Первухин М.А. 1
1 ФГБОУ ВО «Владивостокский государственный университет экономики и сервиса»
Принятие решений в региональной экономике с точки зрения кластерного подхода набирает все большую популярность в России. Кластеризация способствует повышению эффективности регионального развития, а это, в свою очередь, обуславливает необходимость разработки такой кластерной политики, которая бы увеличивала выгоды региона и национальной экономики в целом. Данная работа посвящена вопросам идентификации отраслевых кластеров в Приморском крае. В статье приводится алгоритм идентификации отраслевых кластеров в регионе. В качестве инструментов используются методика анализа коэффициентов локализации и метод структурных сдвигов. Практическая применимость данного алгоритма показана на примере Приморского края. В результате проведенного исследования выявлены отрасли, обладающие кластерным потенциалом. Полученные научные результаты имеют практическую направленность и могут быть применимы в процессе разработки и реализации социально-экономической политики, нацеленной на формирование и эффективную реализацию потенциала регионов России.
отраслевой кластер
региональные кластеры
идентификация кластеров
метод структурных сдвигов
1. Боуш Г.Д. Кластеры в экономике: научная теория, методология исследования, концепция управления: монография. – Омск: Изд-во Ом. гос. ун-та, 2013. – 408 с.
2. Ковалева Т.Ю. Алгоритм идентификации и оценки кластеров в экономике региона // Вестник Пермского университета. – 2011. – № 4. – С. 30–39.
3. Лавренюк К.И., Рахманова М.С., Солодухин К.С. Анализ конкурентного потенциала региона на основе количественной модели VRIO (на примере Камчатского края) // Современные проблемы науки и образования. – 2014. – № 6. – Режим доступа: http://www.science-education.ru/120-16481 (дата обращения: 18.10.2015).
4. Мазелис Л.С., Морозов В.О. Методика SWOT-анализа рисков региона в разрезе основных макроэкономических показателей социально-экономического развития (на примере Камчатского края) // Современные проблемы науки и образования. – 2014. – № 6. – Режим доступа: http://www.science-education.ru/120-16329 (дата обращения: 18.10.15).
5. Марков Л.С., Маркова В.М. Выявление эталонных кластеров: методические вопросы и практическое приложение к отечественной промышленности // Вестник Новосибирского государственного университета. Серия: Социально-экономические науки. – 2012. – № 12 (1). – С. 95–108.
6. Портер М. Конкуренция. – М.: Изд. дом Вильямс, 2005. – 608 с.
7. Рахманова М.С., Лавренюк К.И. Методика SWOT-анализа муниципального образования на основе теории заинтересованных сторон // Территория новых возможностей. Вестник Владивостокского государственного университета экономики и сервиса. – 2012. – № 5. – С. 200–211.
8. Солодухин К.С., Морозов В.О. Анализ стратегического потенциала территории на основе нечеткого SWOT-анализа // Современные вызовы контроллингу и требования к контроллеру: сборник научных трудов VI международного конгресса по контроллингу. – 2015. – С. 245–252. – Режим доступа: http://www.controlling.ru/symposium/ (дата обращения: 18.10.15).
9. Титова Н.Ю. Идентификация промышленных кластеров, среда и факторы их формирования // Экономика и предпринимательство. – 2015. – № 2. – С. 58–66.
10. Титова Н.Ю., Ворожбит О.Ю. Оценка предпосылок кластеризации Приморского края // Региональная экономика: теория и практика. – 2014. – № 33 (360). – С. 13–20.
11. Ферова И.С. Промышленные кластеры их роль в формировании региональной промышленной политики: дис. … д-ра экон. наук. – Красноярск, 2005. – 347 с.
12. Purdue Univ. Center for Regional Development, Indiana Business Research Center, and Strategic Development Group, Inc. (Jan 2007). Unlocking Rural Competitiveness: The Role of Regional Clusters. available at: http://www.ibrc.indiana.edu/innovation/reports.html.

Один в поле не воин, данное высказывание справедливо во многих областях деятельности, в том числе и в экономике. Например, производители очень сильно зависимы от поставщиков и продавцов, но и поставщики с продавцами также зависят от производителей. Следовательно, успехи или неудачи одних компаний зачастую оказывают существенное влияние на компании, связанные с ними одной технологической цепочкой. Изучение этого влияния с позиции кластерного эффекта набирает в России с каждым годом все большую популярность [1, 9–11].

С другой стороны, региональные и муниципальные власти начинают уделять все больше внимания стратегическому планированию развития территорий. При составлении стратегии развития территории наряду с VRIO и SWOT-анализом [3, 4, 7, 8] необходимо проводить и кластерный анализ.

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» [6, с. 258].

Задача идентификации кластеров довольно сложная и на сегодняшний день не существует алгоритмов, позволяющих точно определить кластер и его участников. Эти методы позволяют определить только потенциальные кластеры и возможных участников данных кластеров. Все подходы к выявлению кластеров можно разбить на два класса. В первом, который можно назвать «снизу», кластеры идентифицируются на конкретно выбранной территории, исходя из присутствия заранее известных предприятий и отраслей-лидеров. Второй подход использует методику, условно называемую «сверху», где ищутся пространственные локализации производства, ориентированные на специфические виды экономической деятельности.

В данной статье на основе изучения опыта зарубежных и отечественных исследователей [2, 5, 9, 12] проведена идентификация «сверху» региональных отраслевых кластеров в Приморском крае. Данный анализ позволяет выявить отрасли, обладающие кластерным потенциалом.

В качестве отправной точки в идентификации региональных кластеров мы использовали алгоритм, предложенный Т.Ю. Ковалевой [2]. В данной работе мы будем производить все расчеты по четырем статистическим показателям: «среднегодовая численность занятых в экономике», «инвестиции в основной капитал», «производительность труда» и «валовая добавленная стоимость». Использование при анализе только одного показателя нам представляется недостаточным. Так, например, модернизация производства приводит к повышению производительности труда и, значит, прирост числа занятых в данной отрасли может сократиться.

На первом этапе для идентификации потенциальных кластеров производится оценка индекса локализации, позволяющего сравнить региональные и национальные экономические характеристики. Индекс локализации для показателя «среднегодовая численность занятых в экономике» (или просто численность занятых) рассчитывается по формуле

baturin01.wmf

где li – численность занятых в отрасли i в регионе; l – численность занятых в регионе; Li – численность занятых в отрасли i в стране; L – численность занятых в стране. Таким же образом рассчитываются индексы локализации и для остальных показателей.

Если значение индекса локализации больше единицы, то удельный вес данной отрасли в отраслевой структуре региона превышает аналогичный показатель в стране, и поэтому отрасль может обладать кластерными признаками [2].

На втором этапе применяется метод анализа структурных сдвигов (Shift-Share Analysis). Цель проведения анализа – выявить взаимосвязанный экономический рост отраслей региона в сравнении с национальными тенденциями и определить региональные преимущества.

Анализ позволяет определить, какой вклад в росте/спаде значений данного показателя в регионе произошел за счет национальных трендов и насколько увеличилось значение показателя за счет изменения региональных экономических условий. Для этого производится оценка вклада национального, отраслевого и регионального факторов в изменение значения данного показателя.

В табл. 1 приводится методика расчета составных элементов метода анализа структурных сдвигов для показателя «численность занятых». Аналогичным образом рассчитываются факторы и для остальных показателей.

После вычисления значений данных факторов рассчитывается значение общего прироста переменной с учетом влияния национального, отраслевого и регионального факторов, определяемое следующим образом:

TEC = NS + IM + RS.

Следуя работе [12], мы будем оценивать также ожидаемое изменение как сумму компоненты национального вклада NS и компоненты развития индустрии IM:

EC = NS + IM.

Сравнение значений показателей RS, EC и TEC позволяет сделать выводы о наличии или отсутствии у отраслей заметного влияния регионального фактора на ожидаемое изменение EC.

Таблица 1

Составные элементы факторного анализа

Наименование факторов

Методы расчета

Обозначения

1. NS (National Share) – фактор, отражающий влияние национальных тенденций роста

baturin02.wmf

baturin03.wmf – численность занятых в отрасли i в регионе за период t – 1;

Lt, Lt–1 – численность занятых в стране за периоды t и t – 1;

baturin04.wmf – численность занятых в отрасли i в регионе за периоды t и t – 1

2. IM (Industry Mix) – фактор, отражающий влияние отраслевых тенденций роста

baturin05.wmf

3. RS (Regional Shift) – фактор, отражающий влияние региональных тенденций роста

baturin06.wmf

В качестве отправной точки для определения наличия или потенциального существования кластера мы исследовали динамику статистических показателей Приморского края за период 2008–2013 гг. в разрезе видов экономической деятельности.

Анализируя данные, полученные в результате вычисления индексов локализации за период 2008–2013 гг., заметим, что индексами локализации больше единицы по нескольким показателям в Приморском крае стабильно обладают следующие отрасли: рыболовство, рыбоводство; производство и распределение электроэнергии, газа и воды; гостиницы и рестораны; транспорт и связь; государственное управление и обеспечение военной безопасности.

Далее нами проведен анализ видов экономической деятельности Приморского края методом структурных сдвигов. Для этого были рассчитаны компоненты метода структурных сдвигов NS, IM и RS. Оценка регионального фактора RS для Приморского края по видам экономической деятельности отражена в табл. 2.

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

Затем нами были вычислены ожидаемое изменение EC и общее экономическое изменение TEC. Положительные значения регионального фактора RS для отрасли в регионе говорят о том, что она имеет конкурентное преимущество в сравнении с отраслями других регионов. Кроме того, если RS > EC и RS > 0, то это означает, что отрасль в регионе развивается лучше, чем в целом по России.

Далее для каждого вида экономической деятельности Приморского края по всем четырем показателям посчитано количество лет за которые:

I. Показатель LQ был больше 1.

II. Показатель RS > 0 и RS > EC.

III. Процентное выражение отношения baturin07.wmf, отношение RS к baturin08.wmf (текущему значению показателя занятость или инвестиции в основной капитал) показывает, какую долю занимает RS в baturin09.wmf. Мы считаем, что если процентное выражение отношения baturin10.wmf, то можно говорить о существенном влиянии регионального фактора.

Таблица 2

Оценка регионального фактора RS для Приморского края по видам экономической деятельности

Значение фактора RS по показателю занятость, тыс. чел.

Значение фактора RS по показателю инвестиции в основной капитал, млрд руб.

2008/2009

2009/2010

2010/2011

2011/2012

2012/2013

2008/2009

2009/2010

2010/2011

2011/2012

2012/2013

A

3,18

–3,00

1,44

0,95

–0,18

–0,14

–0,11

0,29

–0,07

0,60

B

–0,64

–0,11

–0,92

–0,16

0,34

0,07

0,46

–0,57

0,79

–1,40

C

–2,31

1,69

–0,37

–0,09

–0,54

–0,11

–0,07

0,05

0,01

–0,56

D

6,49

4,59

–5,08

–3,92

1,17

1,44

2,77

–2,69

8,49

–5,78

E

2,40

–4,40

4,01

–0,04

–0,58

3,69

7,17

7,77

–15,48

–12,73

F

11,35

–7,12

12,85

–3,58

–9,00

0,56

13,96

–12,87

–1,21

0,06

G

–2,58

0,43

–3,50

2,62

2,23

0,82

–1,14

0,47

0,35

0,24

H

–1,36

2,47

–2,93

–0,09

2,99

0,03

0,88

0,45

2,32

–5,05

I

3,68

–2,63

1,91

–0,74

0,81

52,27

–11,98

33,00

–75,18

–54,42

J

0,43

–0,52

–1,04

–0,27

–0,36

–0,70

1,78

–2,79

–2,05

–0,99

K

–0,35

–1,88

–2,41

3,88

–0,62

4,89

0,52

–0,39

–2,00

–0,31

L

0,83

–4,99

9,05

–2,88

2,07

–0,68

0,30

31,91

–20,66

–11,80

M

0,60

0,09

0,89

–0,09

0,50

6,30

15,38

5,99

–31,82

–3,98

N

–4,43

4,28

–2,86

–0,08

–0,72

0,20

–0,08

1,53

–0,99

2,97

O

–3,07

4,98

–6,87

0,97

–0,85

0,24

4,54

–1,45

–1,02

–1,78

Примечание. Расчет выполнен на основе данных Федеральной службы государственной статистики gks.ru и Приморскстата primstat.gks.ru.

Анализируя полученные данные, можно сделать следующие выводы:

1) в Приморском крае вид экономической деятельности гостиницы и рестораны обладает значительным сравнительным преимуществом регионального фактора над национальным и отраслевым трендами в течение нескольких периодов;

2) заметное влияние регионального фактора в течение нескольких периодов выявляется у таких видов экономической деятельности, как рыболовство, рыбоводство; транспорт и связь; государственное управление и обеспечение военной безопасности;

3) для ВЭД рыболовство, рыбоводство и образование прослеживается заметный вклад инвестиций в основной капитал, при этом это сильно не влияет ни на занятость, ни на производительность труда;

4) инвестиции для ВЭД гостиницы и рестораны стали толчком для повышения производительности труда для данного вида экономической деятельности.

Метод анализа структурных сдвигов дает достаточно ясное представление о лидерах и аутсайдерах регионального развития с точки зрения масштабов и темпов их роста, но в то же время он не дает четкого ответа на вопрос, есть ли кластер в данной отрасли? Если в данной отрасли есть кластер, то он должен дать преимущества для данной отрасли в регионе по сравнению с другими отраслями. Поэтому если региональные изменения идут вразрез с общероссийскими изменениями в отрасли и в стране в целом, то это может быть вызвано эффектом кластеризации.

Таким образом, результаты нашего исследования показывают, что значительным кластерным потенциалом обладают следующие виды экономической деятельности Приморского края: гостиницы и рестораны; рыболовство, рыбоводство; транспорт и связь; государственное управление и обеспечение военной безопасности. Для более точной идентификации кластеров необходимо изучить ресурсный обмен между предприятиями каждого из видов экономической деятельности.

Рецензенты:

Солодухин К.С., д.э.н., профессор кафедры математики и моделирования, ФГБОУ ВО «Владивостокский государственный университет экономики и сервиса», г. Владивосток;

Ембулаев В.Н., д.э.н., доцент, профессор кафедры математики и моделирования, ФГБОУ ВО «Владивостокский государственный университет экономики и сервиса», г. Владивосток.


Библиографическая ссылка

Батурин Г.Г., Короткова Д.Д., Первухин М.А. ИДЕНТИФИКАЦИЯ ОТРАСЛЕВЫХ КЛАСТЕРОВ В ПРИМОРСКОМ КРАЕ // Фундаментальные исследования. – 2015. – № 11-6. – С. 1145-1148;
URL: http://fundamental-research.ru/ru/article/view?id=39709 (дата обращения: 06.12.2019).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074