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
|
Наименование факторов |
Методы расчета |
Обозначения |
|
1. NS (National Share) – фактор, отражающий влияние национальных тенденций роста |
|
Lt, Lt–1 – численность занятых в стране за периоды t и t – 1;
|
|
2. IM (Industry Mix) – фактор, отражающий влияние отраслевых тенденций роста |
|
|
|
3. RS (Regional Shift) – фактор, отражающий влияние региональных тенденций роста |
|
– численность занятых в отрасли i в регионе за период t – 1;
– численность занятых в отрасли i в регионе за периоды t и t – 1
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
|
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.