Logo Международный форум «Евразийская экономическая перспектива»
На главную страницу
Новости
Информация о журнале
О главном редакторе
Подписка
Контакты
ЕВРАЗИЙСКИЙ МЕЖДУНАРОДНЫЙ НАУЧНО-АНАЛИТИЧЕСКИЙ ЖУРНАЛ English
Тематика журнала
Текущий номер
Анонс
Список номеров
Найти
Редакционный совет
Редакционная коллегия
Представи- тельства журнала
Правила направления, рецензирования и опубликования
Научные дискуссии
Семинары, конференции
 
 
 
 
Проблемы современной экономики, N 1 (41), 2012
ЭКОНОМИЧЕСКИЕ ПРОБЛЕМЫ РЕГИОНОВ И ОТРАСЛЕВЫХ КОМПЛЕКСОВ
Данько Т. П.
профессор кафедры маркетинга Российского экономического университета им. Г.В. Плеханова (г. Москва),
доктор экономических наук, заслуженный работник высшей школы РФ

Куценко Е. С.
старший научный сотрудник Совета по изучению производительных сил (СОПС) при Российской Академии наук и Минэкономразвития России (г. Москва)

Основные подходы к выявлению кластеров в экономике региона
В статье рассмотрены подходы, позволяющие осуществлять выявление и анализ основных направлений для развития кластеров в регионе как основа региональной кластерной политики. Показано, что региональная политика развития кластеров в регионе требует получения объективной информации о существующих в регионе конкурентных преимуществах (по отношению к другим регионам страны или другим странам)
Ключевые слова: кластер, регион, региональная кластерная политика
ББК У9(2)-13(2Р)+У30(2)-431.5(2Р)   Стр: 248 - 254

Часто между концепцией какого-то явления и явлением, выступающим в качестве объекта эмпирического исследования, существует разница. Дело в том, что не вся совокупность признаков явления поддается позитивному анализу напрямую. Возможна также ситуация, когда детальное исследование нецелесообразно вследствие большого количества исследуемых объектов и убывающей полезности от исследования каждого объекта.
Поэтому исследователю приходится искать так называемые замещающие переменные, отдельно строить концепцию исследуемого объекта и соотносить данный объект с исходной теоретической концепцией. Для кластеров в экономике эта ситуация в полной мере является характерной.
В этой связи, необходимо подробно рассмотреть вопрос выявления (идентификации) кластеров на практике. Нами ставилась задача решить сразу несколько вопросов. Первое, это методы выделения кластеров.
Распространенные методы выявления кластеров в экономике региона можно разделить по источникам информации на две большие группы:
● основанные на анализе официальной государственной статистики;
● основанные на анализе косвенной информации и экспертных оценках.
У каждого из методов существуют свои преимущества и недостатки.
Преимущества методов, основанных на анализе статистики:
● доступность данных по всем видам деятельности и по всем регионам (следовательно, масштабность исследования);
● относительная объективность данных и однозначность интерпретации результатов;
● возможность верификации (проверки результата);
● сопоставимость во времени и пространстве (в т.ч. возможность международных сопоставлений).
У метода, основанного на анализе статистики, есть недостатки, которые касаются, прежде всего, адекватности статистических данных. Также статистическая информация, по своему определению, носит агрегированный, усредненный характер.
Методы, основанные на анализе косвенной информации2 и экспертных оценках, позволяют более обстоятельно и точно определить кластеры в регионе. Вместе с тем, возникают проблемы с объективностью используемых данных, верификацией полученных результатов и масштабированием исследований. Последний пункт означает, что выявленный и описанный на основе уникальной информации и экспертных оценок кластер может с большими ограничениями сравниваться с другими кластерами данного региона, кластерами других регионов и стран, что может привести к недостаточно объективным решениям.
При использовании любой методологии (в рамках одного из двух подходов) необходимо искать или конструировать замещающие переменные, которые бы адекватно соотносились с ключевыми признаками кластера. Особенно это важно для статистических методов в силу необходимости работы с существующей статистикой (созданной для других целей) и невозможности ее изменения под задачи конкретного исследования.
Вместе с тем, методы, основанные на анализе статистической информации, до сих пор полноценно не использовались в субъектах РФ. В этой связи, а также вследствие больших возможностей для научных обобщений, в данной статье будет подробно разобран, адаптирован и реализован по отношению к субъектам РФ один из статистических методов выявления кластеров.

Статистические методы выявления кластеров
Как мы уже отметили, до настоящего времени в России методы, основанные на анализе статистической информации, в целях выявления и анализа кластеров последовательно не использовались. Анализ зарубежного опыта показывает, что для идентификации кластеров чаще всего используются следующие методы:
● Определение групп взаимосвязанных отраслей с помощью таблиц «Затраты — Выпуск» (межотраслевой баланс).
● Определение значимых кластерных групп.
Анализ таблиц «Затраты — Выпуск» (межотраслевого баланса — МОБ) является наиболее широко (и давно) применяемым методом идентификации кластеров. В рамках данной методологии замещающей переменной для кластера является группа взаимосвязанных отраслей.
Под группой взаимосвязанных отраслей согласно данной методологии понимаются тесно взаимосвязанные вертикально (то есть через отношения купли-продажи) виды деятельности, сосредоточенные в регионе. В региональной науке такие группы видов деятельности (отраслей) принято называть индустриальными комплексами3. Данная методология была реализована для идентификации кластеров в Финляндии, Норвегии4, в США в целом и в некоторых штатах5, индустриальные комплексы определялись также для Германии и Франции6.
Практически исключительно статистическому методу выявлению кластеров на основе межотраслевого баланса посвящены материалы коллективной монографии Boosting Innovation: the cluster approach (OECD Proceedings, 1999).
Вместе с тем, в России данные методы не могут быть применены, т.к. межотраслевой баланс ни на уровне страны, ни на уровне региона не составляется с 1995 года7.
Определение значимых кластерных групп является вторым из наиболее широко распространенных методов идентификации кластеров. Данный метод был реализован в США, Канаде, Швеции и в масштабах ЕС.
В силу широкого распространения и объективной невозможности реализовать методы на основе анализа МОБ в РФ мы далее подробно рассмотрим данную методологию.
Методология определения значимых кластерных групп в регионе
Основная идея указанной методологии состоит в том, что для всех регионов (одной страны или группы стран) рассчитывается занятость в так называемых кластерных группах.
Кластерная группа — совокупность торгуемых видов деятельности, которые демонстрируют устойчивую тенденцию к совместной локализации.
Кластерные группы формировались на основе исследования о том, какие виды деятельности в торгуемых отраслях постоянно располагаются друг с другом притом, что они, a-priori, обладают свободой выбора своего местоположения. Предполагалось, что если некоторые виды деятельности постоянно располагаются друг с другом, то для этого существует ряд оснований (наличие внешней экономии), и эти виды деятельности обладают потенциалом совместно формировать кластеры.
Вместе с тем, данный метод достаточно грубый и в силу малого числа наблюдений (равного числу регионов) подвержен ошибкам, когда совместная локализация вовсе не означает наличие преимуществ, а виды деятельности, в действительности, не имеют ничего общего. Такие фиктивные корреляции были отсеяны с помощью анализа таблиц «Затраты-Выпуск» и рассмотрения кейс-стади. В итоге был сформирован 41 паттерн совместной локализации торгуемых видов деятельности — кластерные группы.
Каждый вид деятельности, включенный в кластерную группу, имеет свой код по классификатору видов экономической деятельности. Вместе с тем, кластерные группы существенно отличаются от традиционных статистических группировок. Кластерные группы включают виды экономической деятельности, имеющие устойчивую тенденцию к совместной локализации и, таким образом, тематически близкие друг к другу (или, другими словами, имеющие общую сферу деятельности). Тогда как классификаторы видов экономической деятельности составлены в большей степени по формальным признакам. Рассмотрим для примера группу 35 «Производство судов, летательных и космических аппаратов и прочих транспортных средств» из классификатора ОКВЭД (табл.1).

Таблица 1
Состав группы 35 в классификаторе ОКВЭД (выборочно)
Код ВЭДВид экономической деятельности
35«Производство судов, летательных и космических аппаратов и прочих транспортных средств»:
35.1● «Строительство и ремонт судов»
35.2● «Производство железнодорожного подвижного состава (локомотивов, трамвайных моторных вагонов и прочего подвижного состава)»
35.3● «Производство летательных аппаратов, вклю-чая космические»
35.4● «Производство мотоциклов и велосипедов», в том числе:
35.43◊ «Производство инвалидных колясок»

Формально представленные в таблице группы представляют собой транспортные средства, но нет ровно никаких оснований утверждать о тематической близости этих групп. Они не связаны технологически, не входят в одну цепочку создания ценности, у них вряд ли есть значимые общие поставщики и они ориентируются на разных покупателей. Неудивительно, что данные виды деятельности не проявляют тенденцию к совместной локализации и, таким образом, включаются в различные кластерные группы. К примеру, вид деятельности «Строительство и ремонт судов» (35.1) в большей степени связан с «Деятельностью морского транспорта» (61.1) и «Транспортной обработкой грузов и хранением» (63.1)8. При этом «Строительство и ремонт судов» включается в Раздел D. «Обрабатывающие производства», тогда как «Деятельность морского транспорта» и «Транспортная обработка грузов и хранение» — в Раздел I. «Транспорт и связь».
Еще одно важное отличие кластерных групп заключается в том, что практически каждая кластерная группа включает в себя как производство товаров, так и оказание услуг, т.к. на практике они неразрывно связаны друг с другом и располагаются в непосредственной близости друг от друга. В классификаторе видов экономической деятельности производство товаров, с одной стороны, и оказание услуг (выполнение работ), — с другой, жестко обособлены друг от друга.
Таким образом, кластерные группы гораздо лучше, чем традиционные классификаторы видов экономической деятельности отражают существующие в регионе кластеры.
Однако определить количество занятых в разрезе кластерных групп в регионе недостаточно для идентификации кластеров. Так как кластерные группы представляют собой статистические группировки, то практически в каждом регионе, все кластерные группы будут иметь свое присутствие (выраженное определенным значением численности занятых, пусть и небольшим). Очевидно, что не все кластерные группы в регионе одинаково сигнализируют о наличии кластеров. Более того, сравнительно низкие значения численности занятых позволяют уверенно говорить об отсутствии в регионе кластеров в рассматриваемых кластерных группах.
Таким образом, в рамках данной методологии необходимо выделить круг значимых для региона кластерных групп, так как именно последние (а не кластерные группы вообще) указывают на существующие в регионе кластеры.
Значимая кластерная группа — кластерная группа в регионе, которая соответствует установленным критериям значимости.
В качестве показателя значимости М. Портер предпочитает использовать «Коэффициент локализации». Формула расчета «Коэффициента локализации» представлена в табл.2.
Таблица 2
Основные показатели значимости кластерных групп
Если «Коэффициент локализации» больше единицы, то данная кластерная группа превалирует в экономике региона (по сравнению с отраслевой структурой страны) и, таким образом, является значимой9. Данные по расчету «Коэффициента локализации» для кластерных групп в Москве представлены в рис 1.
Методология М. Портера была доработана и реализована для выявления и картографирования кластеров в ЕС Европейской Кластерной Обсерватории10. В числе ряда изменений в методологии, Европейская кластерная обсерватория использовала другие критерии для определения значимых кластерных групп.
В качестве пороговых значений, характеризующих значимые кластерные группы в регионе, установлены следующие критерии:
● «коэффициент локализации» 2;
● регион должен входить в число 10% регионов, лидирующих по «Размеру» рассматриваемой кластерной группы;
● регион должен входить в число 10% регионов, лидирующих по «Фокусу» рассматриваемой кластерной группы.
Формулы для расчета «Размера» и «Фокуса» кластерной группы представлены в табл.2.
Соответствие хотя бы одному критерию означает, что кластерная группа в регионе значима. При этом данная методология позволяет оценить значимые кластерные группы в регионе по степени развития (силе). Соответствие каждому критерию означает присвоение кластерной группе одной «звезды» (максимум, соответственно, 3 «звезды»). Количество «звезд» определяет силу кластерной группы. Также установлен критерий, согласно которому звезда не может присуждаться кластерной группе, которая аккумулирует численность менее 1000 занятых в регионе.
Рис. 1. Ранжирование кластерных групп в городе Москве по коэффициенту локализации
Источник: Куценко Е.С. Проект «Выявление основных направлений для развития кластеров в субъектах РФ: методологическая справка». 2010 г. http://www.promcluster.ru/images/UPLOAD/metodologia_issledovania.pdf

Особенности и результаты проекта по выявлению значимых кластерных групп в субъектах Российской Федерации
В 2010 г. одним из авторов данной статьи совместно с А.Н. Киселевым и А.П. Карнаухом был реализован проект по выявлению значимых кластерных групп в субъектах РФ. Результаты проекта были картографированы и размещены на сайте Подкомитета ТПП РФ по развитию субконтрактации и кластерных технологий http://promcluster.ru/index.php/cluster-map.html.
Для реализации данного исследования возникла необходимость адаптировать методологию М. Портера и Европейской Кластерной Обсерватории.
В первую очередь, необходимо отметить, что содержание кластерных групп было специально определено авторами для данного проекта. Это новое содержание было сформировано с учетом следующих положений:
● Использовались общие принципы формирования кластерных групп М. Портером. В первую очередь, были определены торгуемые виды деятельности для России11, из которых была исключена группа видов деятельности, связанных с добычей природных ресурсов;
● Всего было выделено 38 кластерных групп в полном соответствии с методологией Европейской Кластерной Обсерватории. При этом наполнение этих групп видами деятельности происходило по аналогии с группами М. Портера (согласно приложению B в статье М. Портера12);
● Использована косвенная (экспертная) информация о возможном содержании кластерных групп13;
● В некоторых спорных случаях использовались данные по уровню тяготения (локализации) видов деятельности к той или иной кластерной группе (на основе подробной статистики по видам деятельности по всем субъектам РФ);
● Учитывался вариант определения содержания кластерных групп, выполненный в рамках проекта «Инновационные кластеры и структурные изменения в российской экономике»14.
Список используемых в Проекте кластерных групп представлен в табл.3.

Таблица 3
Классификация кластерных групп
А
«Промышленные» кластерные группы
(массовое производство стандартизированной продукции; производство «полуфабрикатов» или оборудования для других отраслей)
B
«Креативные» кластерные группы (мелкосерийное и единичное производство продукции с высокой ролью дизайна; ориентированное на конечного потребителя; сектор услуг)
C
«Высокотехнологичные» кластерные группы, а также деятельность, сопутствующая и/или содействующая высокотехнологичным видам деятельности
МеталлургияМебельИнформационные технологии
Строительство крупных инженерных сооруженийЮвелирная промышленностьОсветительные и электрические приборы
Тяжелое машиностроениеПроизводство кож и мехаМедицинская техника
Нефтегазовая промышленностьОдеждаАэрокосмическая промышленность
Текстильная промышленностьСпортивные товары и товары для детейАналитические приборы
Производство полимерной продукции: пластик и резинаПроизводство обувиБиофармацевтические препараты
Транспорт и логистикаТуризм и гостеприимствоКоммуникационное оборудование
Сельское хозяйствоТорговляОбразовательная и научно-исследовательская деятельность
Автомобильная промышленностьДеловые услуги
Строительный инвентарь, комплектующие и строительно-монтажные работыИндустрия развлечений
Химическая промышленностьФинансовые услуги
Строительные материалыИздательская деятельность и полиграфия
Рыболовство и рыбоводствоПищевая промышленность
Лесоматериалы
Табак
Производство и передача электроэнергии
Технологическое оборудование и обеспечение технологических процессов
Источник: Куценко Е.С. Проект «Выявление основных направлений для развития кластеров в субъектах РФ: методологическая справка». 2010 г. http://www.promcluster.ru/images/UPLOAD/metodologia_issledovania.pdf.

Также одной из важных особенностей Проекта (и элементом его новизны) является то, что кластерные группы разделены на промышленные, креативные и высокотехнологичные.
В промышленные кластерные группы входят производства, ориентированные на массовое производство и которые сформировались или были радикально преобразованы (например, как сельское хозяйство) в индустриальную эпоху (с начала Промышленной революции до второй половины XX века). В данную группу входят отрасли до 5 технологического уклада (не включая его).
В высокотехнологичные кластерные группы входят, как правило, отрасли последних технологических укладов (5 и 6), а также отрасли (наука и образование, медицинская техника), которые являются относительно наукоемкими.
Наконец, в промежуточную «креативную» кластерную группу входят виды деятельности, которые нельзя назвать массовыми, однако новыми они также не являются. Некоторые из них, более того, традиционны (ювелирная промышленность, производство кож и меха, одежда, спортивные товары и товары для детей), однако сильно зависят от креативности производителя, которые производят индивидуализированную продукцию, мода на которую быстро меняется. Очевидно, что такая креативность сильно отличается от высокотехнологичности предыдущей группы, прежде всего, тем что опирается, скорее, на ремесло и природные способности, чем на профессионализм и науку. Также в эту группу входит сектор услуг (деловые услуги, финансовые услуги, издательская деятельность и полиграфия, индустрия развлечений).
В качестве критериев значимости кластерных групп, использовались критерии, разработанные Европейской Кластерной Обсерваторией. В качестве примера, иллюстрирующего интерпретацию этих критериев, рассмотрим данные по субъектам РФ, в которых кластерная группа «Информационные технологии» является значимой (табл. 4). Значение «Коэффициента локализации» 3,42 для города Москвы может быть интерпретировано следующим образом: доля занятости в кластерной группе «Информационные технологии» в общем числе занятых по городу Москве превосходит среднюю по всем субъектам РФ долю в 3,42 раза.

Таблица 4
Характеристики распределения кластерной группы «Информационные технологии» по субъектам РФ
РегионКоэффициент
локализации
ФокусРазмерИтоговое
количество
звезд
г. Москва3,420,090,293
Московская область2,700,070,113
г. Санкт-Петербург2,740,080,103
Hижегородская область1,820,050,052
Новосибирская область1,400,040,032
Владимирская область1,200,030,011
Калужская область1,820,050,011
Республика Татарстан0,690,020,021
Свердловская область0,920,030,031
Челябинская область0,730,020,021
Томская область1,560,040,011
Источник: Куценко Е.С. Проект «Выявление основных направлений для развития кластеров в субъектах РФ: методологическая справка». 2010 г. http://www.promcluster.ru/images/UPLOAD/metodologia_issledovania.pdf.

Следующий показатель — «Фокус»,- в городе Москве равен 0,09, что означает, что численность занятых в кластерной группе «Информационные технологии» составляет 9% от общей занятости Москвы. «Размер» данной кластерной группы в городе Москве составляет 0,29: таким образом, практически треть всех занятых в сфере «Информационные технологии» по России работают в городе Москве. В трех субъектах РФ (города федерального подчинения Москва и Санкт-Петербург, Московская область) сосредоточено 50% всех занятых в кластерной группе «Информационные технологии».
Все регионы, в которых «Коэффициент локализации» больше или равен 2, получают «звезду» по этому показателю (г. Москва, г. Санкт-Петербург и Московская область). Регионы, вошедшие в число 10%, обладающих наивысшими значениями по показателям «Фокус» и «Размер» также получают «звезды». В таблице показатели для таких регионов выделены жирным шрифтом.
Рис.2 иллюстрирует на карте субъекты РФ, для которых кластерная группа «Информационные технологии» является значимой. Таким же образом сформированы и картографированы данные по остальным 37 кластерным группам.
Рис. 2. Карта регионов, в которых кластерная группа «Информационные технологии» является статистически значимой
Источник: Куценко Е.С. Проект «Выявление основных направлений для развития кластеров в субъектах РФ: методологическая справка». 2010 г. http://www.promcluster.ru/images/UPLOAD/metodologia_issledovania.pdf.
Рис. 3. Анализ размера кластерной группы «Информационные технологии» (по статистике занятости)
Источник: Куценко Е.С. Проект «Выявление основных направлений для развития кластеров в субъектах РФ: методологическая справка». 2010 г. http://www.promcluster.ru/images/UPLOAD/metodologia_issledovania.pdf
Полученные данные позволяют проводить конкурентный анализ регионов по выбранной кластерной группе. В качестве примера, рассмотрим развитие кластерной группы «Информационные технологии» в субъектах РФ по показателю «Размер» (рис. 3). По оси ординат отложен показатель «Размер», по оси абсцисс — среднегодовой сглаженный темп прироста (CAGR) показателя «Размер» за 2005–2007 года, отражающей динамику показателя «Размер». Каждый регион представлен шаром, величина которого отражает абсолютную численность занятых в кластерной группе «Информационные технологии».
С точки зрения анализа размера кластерной группы в каждом из выбранных регионов, Москва является бесспорным лидером, аккумулирующим 30% занятых в сфере IT, оставляя ближайших конкурентов, Московскую область и Санкт-Петербург, далеко позади с 11% и 10% соответственно. Однако по динамике роста занятых город Москва показывает отрицательную динамику в 1%. По среднегодовому выровненному темпу прироста занятости город Москву опережают Республика Татарстан, Московская, Владимирская, Свердловская, Калужская, Томская области, а также город Санкт-Петербург15.
Помимо анализа размещения кластерных групп по субъектам РФ, плодотворным также является анализ состава и силы кластерных групп в отдельных регионах. Привести результаты исследования для всех субъектов РФ не представляется возможным (по причине большого объема). Однако проиллюстрировать изложенную теорию примером все-таки необходимо. В качестве региона-примера, была выбрана Москва. Это связано с тем, что данный субъект РФ является самым большим по численности и по экономическому весу в стране. Вместе с тем, значимые для города Москвы кластерные группы не так очевидны вследствие множества видов деятельности, представленных в Москве.
Значимыми для города Москвы являются следующие кластерные группы (кластерные группы с тремя и двумя «звездами»): «Финансовые услуги»; «Образовательная и научно-исследовательская деятельность»; «Торговля»; «Коммуникационное оборудование»; «Биофармацевтические препараты»; «Измерительное и исследовательское оборудование»; «Информационные технологии»; «Индустрия развлечений»; «Аэрокосмическая промышленность»; «Издательская деятельность и полиграфия»; «Деловые услуги».
Подобные данные по критериям значимости для всех кластерных групп в городе Москве представлены на рис 4.
Особенностью города Москвы является то, что в ней достаточно сильно развиты практически все кластерные группы. По показателю «Размер», Москва входит в число 10% самых развитых регионов практически по всем кластерным группам. Исключение составляют лишь такие группы, как: «Нефтегазовая промышленность»; «Сельское хозяйство»; «Химическая промышленность»; «Лесоматериалы»; «Автомобилестроение»; «Охота и рыболовство»; «Мебель»; «Тяжелое машиностроение»; «Металлургия».
Выявление значимых кластерных групп в субъектах РФ предлагаемым методом и размещение результатов в свободный доступ, по мнению авторов, содействует в решении следующих задач:
1. Количественное изучение кластеров, оценки влияния кластеров на региональную экономику и пр.
2. Реализация инновационной политики государства в части уточнения среды, с учетом которой необходимо формировать стратегии развития по приоритетным направлениям.
3. Системная реализация кластерной политики в регионе.
4. Оценка регулирующего воздействия мероприятий кластерной политики (на основе анализа динамики значимых кластерных групп).
5. Согласование позиций различных сторон (бизнес, наука, государства) по поводу существующих и формирующихся в регионе и стране кластеров.
Также косвенно карта значимых кластерных групп позволяет более эффективно искать, а также содействовать в разработке совместных (кластерных) проектов в субъектах РФ с целью их поддержки институтами развития и, далее, включения в «инновационный лифт»; с целью развития технологических платформ для всех заинтересованных сторон в участии в совместных (кластерных) проектах.
Рис. 4. Место города Москвы по показателям «Коэффициент локализации», «Размер» и «Фокус»
Источник: Куценко Е.С. Проект «Выявление основных направлений для развития кластеров в субъектах РФ: методологическая справка». 2010 г. http://www.promcluster.ru/images/UPLOAD/metodologia_issledovania.pdf.


Рассмотрение основных положений методологии выявления кластеров в регионах и изложение некоторых результатов выявления кластеров в субъектах Российской Федерации основано на следующих источниках: Данько Т.П., Петрикова С.М. Статья «Моделирование развития отраслей региона на основе кластеров» Научные труды Донецкого технического ун-та Серия: Экономическая. Выпуск 38–2. — Донецк, ДонНТУ, 2010.
Куценко Е.С. Проект «Выявление основных направлений для развития кластеров в субъектах РФ: методологическая справка». 2010 г. http://www.promcluster.ru/images/UPLOAD/metodologia_issledovania.pdf
Киселев А.Н., Куценко Е.С., Карнаух А.П. Определение приоритетных направлений для формирования кластеров малых и средних предприятий на примере г. Москвы // Отраслевые рынки. — 2011. — №1–2 (25) (Январь-Апрель).
Куценко Е.С. Кластеры в экономике: практика выявления. Обобщение зарубежного опыта // Обозреватель–Observer. — 2009. — №10 (237).
2 Как правило, это различные базы данных (Компасс, Интегрум, Спарк и пр.), аналитические материалы, данные анкетирования, интервьюирования, «фокус-групп» и пр.
3 Один из первых ученых, предложивших алгоритмы определения индустриальных комплексов в регионе на основе анализа таблиц «Затраты-Выпуск» был Уолтер Изард. Подробнее см. Isard W. Industrial Complex Analysis and Regional Development; a Case Study of Refinery-petrochemical-synthetic-fiber Complexes and Puerto Rico. Cambridge: Technology Press of the Massachusetts Institute of Technology, 1959.
4 Hauknes J. Norwegian Input-Output Clusters and Innovation Patterns // Boosting Innovation: the cluster approach. OECD Proceedings, 1999, P.63
5 Бергман и Фезер разработали и применили методику на основе анализа МОБ на национальном (США) и региональном (штат Северная Каролина) уровнях. Они отмечают, что полученный для экономики США результат (23 направления для развития кластеров) соответствует исследованиям, проведенным в 1960-70-е годах. Исключение составляют лишь новые отрасли: электроника, компьютеры и аэрокосмонавтика (Bergman E., Feser E. Industrial and Regional Clusters: Concepts and Comparative Applications http://www.rri.wvu.edu/WebBook/Bergman-Feser/chapter3.htm).
Также необходимо выделить обстоятельное исследование, проведенное в штате Виржиния (Stough R., Arena P., Kulkarni R., Riggle J., Trice M. Industrial Cluster Analysis of the Virginia Economy, 1999.http://www.cit.org/VRTAC/2001/ClusterStudyPrefacev4.pdf)
6 Czamanski S., Ablas L. Identification of Industrial Clusters and Complexes: a Comparison of Methods and Findings // Urban Studies 1979, 16, P. 63
7 Более того, в 1995 году МОБ был составлен по отраслям народного хозяйства в системе ОКОНХ, тогда как в данный момент вся статистика предоставляется в разрезе видов экономической деятельности ОКВЭД.
8 Данный пример был заимствован у Горана Линдквиста: Lindqvist G. Disentangling Clusters: Agglomeration and Proximity Effects. Dissertation for the Degree of Doctor of Philosophy, Ph.D., Stockholm School of Economics 2009, P.21
9 М. Портер, часто использует пороговое значение 0,8. Бергман и Фезер рекомендуют использовать более высокое пороговое значение коэффициента локализации, равное 1,25 (Bergman E., Feser E. Industrial and Regional Clusters: Concepts and Comparative Applications http://www.rri.wvu.edu/WebBook/Bergman-Feser/chapter3.htm). Практический опыт подсказывает, что более целесообразно использовать порог 1,25 или даже более высокое пороговое значение (вплоть до 2). В противном случае, количество значимых кластерных групп оказывается чрезмерно высоким.
10 Европейская Кластерная Обсерватория (European Cluster Observatory) — проект, управляемый Центром Стратегии и Конкурентоспособности (Center for Strategy and Competitiveness) Стокгольмской Школы Экономики при финансировании Европейской Комиссии. Методология и результаты исследования представлены на интернет-сайте http://www.clusterobservatory.eu
11 Использовались количественные критерии определения торгуемых видов деятельности, разработанные М. Портером (подробнее см. Porter M., 2003, The Economic Performance of Regions // Regional Studies, Vol.37.6&7, pp. 549-578, August/October 2003).
12 Porter M., 2003, The Economic Performance of Regions // Regional Studies, Vol.37.6&7, pp. 549-578, August/October 2003
13 Например, в методологической справке Европейской Кластерной Обсерватории (http://www.clusterobservatory.eu) предложен пример, из которого ясно, что транспортировка по трубопроводам должна относиться не к группе «Транспорт и логистика», а к группе «Нефть и Газ»;
14 Голованова С.В. Инновационные кластеры и структурные изменения (итоговый отчёт по проекту № 09-08-0006), под руководством С.В. Головановой, 2010 г. (http://www.promcluster.ru/index.php/publications-cls.html)
15 Более развернутых конкурентный анализ по пяти наиболее перспективным для города Москвы кластерным группам представлен в материалах, подготовленных автором в рамках научно-исследовательской работы «Перспективные кластеры малых и средних предприятий города Москвы» (подробнее: А.Н. Киселев, Е.С. Куценко, А.П. Карнаух, С.А. Шамало Анализ перспективных направлений для развития кластеров МСП в городе Москве // Сборник материалов к Межрегиональной конференции «Предпринимательство в промышленности: пути развития. Мероприятия государственной поддержки совместных (кластерных) проектов МСП», декабрь 2010).

Вернуться к содержанию номера

Copyright © Проблемы современной экономики 2002 - 2020
ISSN 1818-3395 - печатная версия, ISSN 1818-3409 - электронная (онлайновая) версия