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

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

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

Таблица 2

Оценка регионального фактора RS для Приморского края по видам экономической деятельности

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.