CC BY
280
УДК / UDC 338.436.33:637.1/.3.-025.27.001.361:303.642.023
КОЛИЧЕСТВЕННЫЕ МЕТОДЫ ИДЕНТИФИКАЦИИ КЛАСТЕРНЫХ ОБРАЗОВАНИЙ В МОЛОЧНО-ПРОИЗВОДСТВЕННОМ ПОДКОМПЛЕКСЕ АПК
QUANTITATIVE METHODS OF IDENTIFICATION OF CLUSTER FORMATIONS IN THE DAIRY-PRODUCTION SUBCOMPLEX
Левицкий Д.В.*, аспирант Levitsky D.V., Post-graduate student Пыжикова Н.И., научный сотрудник Pyjikova N.I., Researcher Красноярский государственный аграрный университет, Красноярск, Россия Krasnoyarsk State Agrarian University, Krasnoyarsk, Russia *E-mail: levitskydv@ya.ru
АННОТАЦИЯ
В статье рассмотрены количественные методы идентификации кластерных образований, используемые в мировой практике, дана оценка потенциала их использования в условиях Российской экономики. Предложен авторский вариант количественного метода выявления регионов, обладающих потенциалом для кластеризации молочно-производственного подкомплекса АПК.
ABSTRACT
In article the quantitative methods of identification of cluster educations used in world practice are considered, the assessment of potential of their use in the conditions of the Russian economy is given. The author's option of a quantitative method of identification of the regions having potential for a clustering of a dairy and production subcomplex of agrarian and industrial complex is offered.
КЛЮЧЕВЫЕ СЛОВА
Кластер, интеграция, регион, АПК, количественная оценка, молочное производство, развитие аграрного производства.
KEY WORDS
Cluster, integration, region, agriculture, quantitative assessment, dairy farming, development of agricultural production.
Обеспечение ускоренных темпов экономического развития России за счет роста конкурентоспособности промышленной сферы, а также необходимость повышения устойчивости и доходности бизнеса требуют наличия адекватно развитых интеграционных структур, как целенаправленно формируемых, так и саморазвивающихся. Агропромышленные кластеры, выступая неотъемлемой частью высокоразвитых рыночных экономик, способствуют повышению продуктивности, инновативности, эффективности и конкурентоспособности, как хозяйствующих субъектов, так и сфер экономической деятельности, регионов и стран. Значимость кластерных структур возрастает по мере развития рыночного механизма в русле общемировых тенденций: глобализации хозяйственных связей, усиления позиций крупных глобальных субъектов, дематериализации потребительских благ, информатизации, сетевизации.
Согласно «Концепции долгосрочного социально-экономического развития Российской Федерации на период до 2020 года» перед страной стоит стратегическая цель - достижение уровня экономического и социального развития, соответствующего статусу России как ведущей мировой державы XXI века, занимающей передовые позиции в глобальной экономической конкуренции. Для её достижения предусмотрено решение, в частности, таких задач как формирование конкурентоспособной экономики
знаний и высоких технологий, формирование новых территориальных центров роста и
др.
В этих условиях ощущается необходимость в углублении и расширении научных представлений о формах ведения бизнеса, способных обеспечить решение поставленных задач, и, в частности, о такой перспективной форме хозяйственной организации как кластеры, их сущности и особенностях функционирования и развития, месте и роли в современной экономике.
Особую значимость, кластерная проблематика имеет для отраслей и видов производств, производящих продукцию конечного потребления, в частности, аграрной промышленности, что связано с рядом обстоятельств. Данная отрасль призвана удовлетворять одну из важнейших человеческих потребностей, что придаёт ей более высокую социальную значимость. Аграрная промышленность поддерживает сохранение и улучшение здоровья населения как основного фактора производства, она призвана обеспечивать продовольственную безопасность страны как важнейшей составляющей комплексной национальной безопасности.
В настоящее время АПК России выполняет указанные функции частично, большой удельный вес на отечественном рынке занимает импортная продукция. При этом признано, что одним из наиболее эффективных способов успешной реализации стратегии импортозамещения в данной сфере, развития конкурентной среды, производства, расширения ассортимента, повышения качества продукции является формирование и развитие кластерных структур. Реализация кластерных проектов в данной сфере будет способствовать повышению уровня продовольственной безопасности страны и качества жизни населения.
Масштабное формирование кластерных структур в агропромышленном комплексе способно в определенной степени компенсировать негативные последствия присоединения России к ВТО. Таким образом, в связи с растущей сложностью мирохозяйственной и национальной экономических систем, важной задачей представляется ускорение развития кластерных структур в АПК, повышение их эффективности и конкурентоспособности.
Между тем, вопросы теории кластеризации в настоящее время являются недостаточно разработанными. Парадигма организации и управления развитием кластеров в Российской Федерации пока не соответствует содержанию современной мировой экономики, характеризующейся стиранием границ между отраслями и высоким уровнем изменений в отраслевой воспроизводственной структуре, а также задачам повышения инновативности и модернизации российской агропромышленной сферы.
К нерешённым проблемам следует отнести вопросы, связанные с идентификацией агропромышленных кластеров.
В мировой практике используются различные способы идентификации кластеров, что обусловлено комплексностью и разнообразием их структур, а также специфическими условиями развития территорий их размещения. Среди таких авторов, как Е. Фезер, Е.М. Бергман, Г. Линквист, Т. Маззарол, Е. Маркон, приоритетным направлением становится выявление кластеров на основе количественных методик, опирающихся на экономическое моделирование и позволяющих идентифицировать кластеры с помощью статистических показателей. Среди методов, относящихся к данной категории: метод коэффициента локализации, метод таблиц «затраты-выпуск», а также дистанционноориентированные методы. В свою очередь, О. Солвел, Р. Инь, Ю. Террас и А. Маркусен предлагают для исследования кластеров использовать качественную информацию, полученную, например, в ходе проведения опросов экспертов и составления генеалогического древа кластера. Особое место в ряду работ, посвященных рассмотрению методов кластерного анализа, занимают труды М. Портера, Дж. Кортрайта, Т. Андерсона, посвященные всестороннему изучению вопросов идентификации кластеров и оценке уровня их развития. [1]
В рамках данной статьи будут рассмотрены количественные методы идентификации кластерных образований, и возможности их использования для идентификации агропромышленных и в частности молочных кластеров на территории российских регионов.
Первым из рассматриваемых методов, является метод определения индустриальных кластеров на основе установления межотраслевых отношений при помощи таблиц затраты-выпуск. Одними из первых данный метод в 2000 г. применили
E. Фезер и Е. М. Бергман в своем исследовании штата Северная Каролина [2]. Суть метода сводится к выявлению взаимосвязей между двумя отраслями, например, А и В, которые могут носить следующий характер:
• А покупает напрямую или опосредовано у В;
• А продает напрямую или опосредовано В;
• А и В покупают у других отраслей одинаковые наборы продукции;
• А и В продают другим отраслям одинаковые наборы продукции.
Полученные результаты позволяют выявить отрасли, которые выступают в
качестве главных центров активности на рассматриваемой территории, а также проанализировать, между какими отраслями имеются сильные взаимосвязи. Другое преимущество метода, как отмечает Чж. Сан [3], заключается в том, что его использование на уровне страны позволяет оценить взаимодействие регионов путем обнаружения родственных отраслей различных регионов. Иными словами, «таблицы «затраты-выпуск» - эффективный инструмент для разработки стратегий экономического развития, направленных на использование или усиление межсекторальных взаимосвязей или межрегионального сотрудничества» [3]. Однако данный метод учитывает лишь движение товарных потоков и не отражает роли институциональных структур кластера. Кроме того, таблицы составляются для относительно агрегированных отраслей(угольная промышленность, машиностроение и металлообработка, электроэнергетика и т.д.), что не позволяет выявлять узкоспециализированные кластеры (например, кластер снегоходов или цифровых технологий). Иногда анализ отрасли, имеющей большое количество взаимосвязей предприятиями отраслей, отличающихся существенным образом, может привести к выявлению реально несуществующих кластеров. [1]
Оценивая вероятность использования данного метода в России, необходимо отметить, что в настоящий момент кластеры могут быть идентифицированы с помощью таблиц «затраты-выпуск» лишь на национальном уровне, поскольку в подавляющем большинстве российских регионов практика составления данных таблиц отсутствует.
Для решения проблемы региональных границ, имеющей место при использовании методов пространственной близости с использованием коэффициентов локализации, В. Ripley предложил новый метод, основанный на оценке пространственной концентрации предприятий. Уже в наше время другие исследователи предложили некоторые его модификации (например, Marcon E., Puech
F. The Determinants of Agglomeration in a Continuous-Space Framework, 2003). Такие методы можно охарактеризовать как дистанционные, поскольку они основываются на измерении расстояний между предприятиями, причем, вне зависимости от того, какой тип кластера (одно- или межотраслевой) исследуется. Основным критерием максимизации здесь выступает удельная плотность предприятий на единицу площади. Кластером считается область с максимальной плотностью специализированных компаний.
Основная сложность при использовании данного подхода в России - получение данных о точном расположении компаний с последующим составлением карты их месторасположения. Например, Е. Маркон и Ф. Пьюч [4], в рамках проекта по оценке пространственной концентрации промышленных отраслей Франции, справились с данной задачей через нахождение почтовых индексов исследуемых предприятий и обращения к географической базе данных, основанной на координатах Ламберта10. Применение данных методов на территории российских регионов может быть
эффективно в случае проведения работ по созданию на государственном уровне баз данных географических координат российских предприятий. Кроме того, использование данного метода требует наличия специализированного программного обеспечения. И, наконец, как любой другой количественный метод, дистанционно-ориентированные методы позволяют говорить лишь о наличии или отсутствии сосредоточений на рассматриваемой территории, а не о конкретных предприятиях (как ключевых, так и родственных) и степени их взаимосвязей.
Наиболее известный количественный метод - метод расчета коэффициента локализации, позволяющий определить отрасли специализации региона. Он рассчитывается с позиции какой-либо заданной географической единицы, например, страны. Коэффициент локализации, представляет собой сравнение отдельных параметров экономики отраслей региона с показателями этих же отраслей в экономике страны по следующей формуле:
К= Уд1/Уд2,
где Уд1 - параметры развития отрасли в структуре производства региона; Уд2 -параметры развития той же отрасли в стране.
Расчеты могут быть произведены по объему произведенной продукции(Клпп), основным производственным фондам(КлОФ), численности основного персонала(КлЧП), производительности труда(КлПТ), фондоотдаче(КлФО), инвестициям в основной капитал(КлИН), иностранным инвестициям(КлИИ), экспорту(КлЭК) и импорту(КлИМ).
Для отнесения исследуемой отрасли к разряду отраслей специализации коэффициент должен достигнуть определенного уровня. Ряд зарубежных авторов, в частности Д. Артурс, считают, что регион специализируется на конкретной отрасли, если коэффициент локализации превышает значение единицы [5]. Дж.Кортрайт указывает, что в случае, если регион имеет на 50% больше занятых в отрасли, чем количество занятых в этой же отрасли во всех регионах, т.е., если коэффициент локализации региона равен 1,5, можно говорить о его специализации на отрасли [6]. А вот Е. Фезер и Е. М. Бергман в качестве порогового значения коэффициента локализации предлагают 1,25 [7].
В работах таких Российских авторов как Винокурова М.В., Ермишина А.В., Сомко М.Л., Ермолина Н.А., количественная оценка основана на определении коэффициента локализации, в совокупности с коэффициентами специализации производства и душевого производства продукции, пороговое значение каждого коэффициента устанавливается в пределах 1. [8,10,12,13] В трудах Петрова А.П. и Караевой Ф.Е. используются только коэффициенты локализации в различных вариациях с использованием различных исходных данных, пороговые значения установлены так же, как и у предыдущих авторов. [14,15] Батталова А.А. предлагает использование Коэффициента интеграции, рассчитанного на основании коэффициентов локализации, рассчитанных с использованием различных исходных данных, пороговые значения вхождения в кластер в данной работе отличаются от всех предыдущих. [9] Значение коэффициента больше 1 означает что отрасль в регионе развита лучше чем в среднем по РФ, вместе с тем она считает возможным формирование кластера при значении интегрального показателя 0,40-0,90, что характеризует средний уровень потенциала кластеризации. Это существенно отличается от точек зрения других ученых, согласно которым организация кластера в отрасли экономики возможна исключительно при значении интегрального показателя более единицы. Данный вопрос является дискуссионным, т. к. в настоящее время отсутствуют четкие интервальные оценки, обосновывающие возможность построения кластера в некоторой отрасли экономики. Это объясняется тем, что достаточно трудно учесть все специфические особенности исследуемой отрасли и перевести их в количественные данные. [20]
По мнению автора, в рамках идентификации кластерных образований в молочной отрасли, коэффициент локализации не является достаточно точным. Коэффициент локализации в молочной отрасли можно определить только по объему произведенной продукции, т.к. показатели основных производственных фондов, численности основного персонала, производительности труда, фондоотдаче,
инвестициям в основной капитал, иностранным инвестициям, экспорту и импорту в официальной статистике РФ представлены только в разрезе основных видов экономической деятельности, к примеру показатели основных производственных фондов можно получить только в разрезе сельского хозяйства, показатели численности основного персонала чуть более открыты (в разрезе растениеводства и животноводства), однако данной информации оказывается недостаточно для анализа в рамках молочного производства.
Коэффициент локализации производства рассчитывается по формуле:
где Ор - объем производства отрасли на территории района; Ос - объем производства отрасли на территории страны; Пр - все промышленное производство района; Пс - все промышленное производство страны.
Теперь пришло время определить: какие именно величины можно брать в качестве исходных значений показателей «отрасль района (страны)», «все промышленное производство района (страны)». Здесь представляется очевидным использование данных раздела «промышленность» сборника «Регионы России». В качестве величины «все промышленное производство (района или страны в целом)» в некоторых литературных источниках иногда предлагается использовать показатель «валовой региональный продукт», однако это представляется не совсем правильным. Данный показатель имеет большую сферу применения при проведении межрегиональных сопоставлений и является одним из наиболее значимых индикаторов состояния экономики региона. Однако, как следует из его типичного определения, он «представляет собой валовую добавленную стоимость товаров и услуг, созданную резидентами региона, и определяется как разница между выпуском и промежуточным потреблением». Как следует из этого определения, валовой выпуск является величиной, используемой для расчета ВРП, т.е. его составляющей. ВРП отличается от этой величины на сумму промежуточного потребления. Логично предположить, что показатель «все промышленное производство» должен отражать выпуск продукции всех отраслей (в данном случае — отраслей промышленности). Из всех показателей, представленных в разделе «промышленность», больше всех таким условиям соответствует показатель «объем промышленной продукции». В методологических пояснениях сборника «Регионы России» этот показатель комментируется так: «он определяется в стоимостном выражении как сумма данных об объеме промышленной продукции, работ и услуг промышленного характера, произведенных юридическими лицами и их обособленными подразделениями независимо от формы собственности». [16] В случае с молочным подкомплексом ситуация обстоит чуть легче: данный подкомлекс состоит в разделе сельского хозяйства, который отдельно выделяется в структуре видов экономической деятельности в ВРП.
Значения показателя «отрасль района (страны)» отражаются в статистике только в количественном выражении, что исключает возможность расчета данной формулы. Однако существующая статистика среднегодовых цен на выпускаемую продукцию дает возможность посчитать выпуск продукции в суммовом выражении, путем перемножения данных показателей.
Теперь, когда вполне обоснованно определен источник исходных данных, можно было бы рассчитать значения рассматриваемых коэффициентов. Однако следует сделать еще одно существенное замечание относительно точности исходной информации, представленной в статистических сборниках. Поскольку рыночные цены в разных регионах могут существенно различаться, измерение таких стоимостных показателей в региональных ценах существенно деформирует межрегиональные соотношения их физических объемов. Влияние региональных различий цен на
некоторые макроэкономические индикаторы регионального развития в условиях современной России довольно существенно, покупательная способность денег по регионам значительно различается.
В связи со сложностью расчета и неточностью исходной информации для данного показателя, автор считает нецелесообразным его использование в рамках молочной отрасли.
Исходя из вышеперечисленного, по мнению автора, в качестве показателей количественного метода идентификации кластерных образований в молочной промышленности целесообразно использовать следующие коэффициенты:
Коэффициент специализации производства:
О - О
д- = _Е_
с 77-77 '
р с .. (1)
где Ор - объем выпуска отрасли в регионе; Пр - объем валового выпуска в регионе; Ос - общий объем выпуска отрасли в стране; Пс - общий объем валового выпуска в стране.
Как пишет Васильев А.Н., ссылаясь на [18,19]: «Данный коэффициент практически идентичен коэффициенту локализации, лишь незначительно отличается способом расчета». Данный коэффициент показывает, во сколько раз концентрация данной отрасли в регионе больше (или меньше, если значение меньше единицы), чем в целом по стране. [17]
Коэффициент душевого производства:
О - О
= р с
лп н ^н
р с
где Нр - население района; Нс - население страны; Ор - объем выпуска отрасли в регионе; Ос - общий объем выпуска отрасли в стране.
Коэффициент размера кластера:
крк = г£ (3)
где Ор - объем выпуска отрасли в регионе; ОДс - средний объем выпуска отрасли по стране.
Каждый из предложенных коэффициентов отражает отдельную сторону рассматриваемой отрасли в регионе относительно страны, будь то ее размер, предрасположенность региона к данному типу производства, обеспеченность населения региона продукцией местного производства. Однако сложно судить о кластерном потенциале региона, если рассматривать данные показатели в отдельности. Для облегчения анализа и возможности ранжирования регионов, предлагается ввести коэффициент интеграции, рассчитываемый на основе данных показателей.
Коэффициент интеграции:
Кинт = (К1 + К2 + Кз + К4 + .. Кп) /п .
Для расчета коэффициента интеграции автор считает необходимым привести все рассчитываемые показатели к единой норме в отрезке [0;10], по следующей формуле:
XV (5)
В-А к '
В таблице 1 представлены результаты количественного анализа с использованием методики, предложенной автором. Для анализа были взяты все регионы РФ, в которых производится молоко.
Таблица 1- Анализ потенциала кластеризации регионов РФ
Регион Кр Кс Кдп Кинт Низкий Средний Высокий
1 2 3 4 5 6 7 8
Белгородская область 2,94 2,49 5,99 3,8 - + -
Брянская область 1,84 3,99 4,62 3,5 + - -
Владимирская область 1,88 2,97 4,17 3,0 + - -
Воронежская область 3,92 3,11 5,26 4,1 - + -
Ивановская область 0,84 2,63 2,54 2,0 - - -
Калужская область 1,22 2,02 3,83 2,4 - - -
Костромская область 0,61 2,15 3,01 1,9 - - -
Курская область 2,07 3,68 5,83 3,9 - + -
Липецкая область 1,43 2,22 3,90 2,5 + - -
Московская область и 3,66 0,68 1,58 2,0 - - -
Орловская область 1,19 3,54 4,88 3,2 + - -
Рязанская область 1,94 3,38 5,35 3,6 + - -
Смоленская область 1,70 3,67 5,52 3,6 + - -
Тамбовская область 1,15 2,38 3,38 2,3 - - -
Тверская область 1,30 2,19 3,08 2,2 - - -
Тульская область 1,00 1,41 2,05 1,5 - - -
Ярославская область 1,36 1,84 3,37 2,2 - - -
г. Москва 0,19 0,00 0,00 0,1 - - -
Республика Карелия 0,32 0,94 1,66 1,0 - - -
Республика Коми 0,30 0,31 1,11 0,6 - - -
Архангельская область 0,62 0,60 1,63 0,9 - - -
Вологодская область 2,43 3,44 6,39 4,1 - + -
Калининградская область 0,76 1,36 2,54 1,6 - - -
Ленинградская область 3,00 2,09 5,38 3,5 + - -
Мурманская область 0,12 0,22 0,54 0,3 - - -
Новгородская область 0,49 1,39 2,55 1,5 - - -
Псковская область 1,15 4,93 5,53 3,9 - + -
Республика Адыгея 0,57 3,98 4,18 2,9 + - -
Республика Калмыкия 0,51 6,33 5,95 4,3 - + -
Краснодарский край 7,37 2,18 4,30 4,6 - + -
Астраханская область 0,87 1,61 2,75 1,7 - - -
Волгоградская область 2,75 2,18 3,31 2,7 + - -
Ростовская область 5,72 2,97 4,18 4,3 - + -
Республика Дагестан 3,87 4,34 4,10 4,1 - + -
Республика Ингушетия 0,37 4,25 2,79 2,5 - - -
Кабардино-Балкарская Республика 2,34 10,00 8,59 7,0 - - +
Карачаево-Черкесская Республика 1,24 9,69 8,39 6,4 - - +
Республика Северная Осетия - Алания 1,15 5,04 5,19 3,8 + - -
Чеченская Республика 1,36 5,63 3,24 3,4 + - -
Ставропольский край 3,51 3,54 3,92 3,7 + - -
Республика Башкортостан 9,08 3,43 6,98 6,5 - - +
Республика Марий Эл 1,02 4,04 4,72 3,3 + - -
Республика Мордовия 2,46 7,97 9,48 6,6 - - +
Республика Татарстан 10,00 3,09 8,17 7,1 - - +
Удмуртская Республика 3,76 4,47 7,77 5,3 - - +
Чувашская Республика 2,41 5,19 6,09 4,6 - + -
Пермский край 2,55 1,37 3,02 2,3 - - -
Кировская область 2,82 6,06 6,72 5,2 - - +
Нижегородская область 3,23 1,68 3,05 2,7 + - -
Оренбургская область 4,39 2,97 6,82 4,7 - + -
Пензенская область 2,16 3,86 4,96 3,7 + - -
Самарская область 2,20 1,02 2,12 1,8 - - -
Саратовская область 5,11 4,64 6,38 5,4 - - +
1 2 3 4 5 6 7 8
Ульяновская область 1,39 2,61 3,45 2,5 - - -
Курганская область 1,85 5,46 6,62 4,6 - + -
Свердловская область 3,20 0,96 2,29 2,1 - - -
Тюменская область 3,13 0,29 2,76 2,1 - - -
Челябинская область 2,76 1,51 2,46 2,2 - - -
Республика Алтай 0,46 7,09 7,26 4,9 - + -
Республика Бурятия 1,18 3,26 3,86 2,8 + - -
Республика Тыва 0,30 3,78 3,28 2,5 - - -
Республика Хакасия 0,99 3,40 5,96 3,5 + - -
Алтайский край 7,66 8,95 10,00 8,9 - - +
Забайкальский край 1,71 3,63 4,94 3,4 + - -
Красноярский край 3,84 1,47 4,21 3,2 + - -
Иркутская область 2,37 1,44 3,06 2,3 - - -
Кемеровская область 2,01 1,45 2,27 1,9 - - -
Новосибирская область 3,77 2,20 4,34 3,4 + - -
Омская область 4,22 3,67 6,69 4,9 - + -
Томская область 0,85 1,04 2,54 1,5 - - -
Республика Саха (Якутия) 0,91 0,79 3,05 1,6 - - -
Камчатский край 0,06 0,32 0,83 0,4 - - -
Приморский край 0,57 0,49 0,91 0,7 - - -
Хабаровский край 0,24 0,26 0,57 0,4 - - -
Амурская область 0,83 1,94 3,25 2,0 - - -
Магаданская область 0,00 0,16 0,59 0,2 - - -
Сахалинская область 0,11 0,09 0,82 0,3 - - -
Еврейская автономная область 0,07 1,33 1,87 1,1 - - -
Пороговые значения коэффициента интеграции для ранжирования регионов по уровню соответствия параметров кластеризации были установлены в следующих пределах:
• <2,5 - Регионы, не попадающие под кластеризацию.
• 2,5-3,8 - Низкий потенциал кластеризации.
• 3,8-5 - Средний потенциал кластеризации.
• >5- Высокий потенциал кластеризации.
В результате анализа было выделено 9 регионов с высоким, 14 с средним и 20 с низким уровнем потенциала кластеризации.
В группу регионов с высоким уровнем потенциала кластеризации попали такие регионы как:
• Алтайский край, с максимальным коэффициентом интеграции, как можно увидеть из таблицы, все исследуемые показатели показали очень высокие результаты;
• Карачаево-Черкесская Республика, с Кинт= 6,4, при довольно небольшом объеме производства и не самом большом производстве на душу населения, у данного региона очень высока специализация на молочной отрасли в частности и сельском хозяйстве в целом (Доля сельского хозяйства в ВРП региона составляет 17% при среднероссийском показателе 4,2%).
В группу регионов с средним уровнем потенциала кластеризации попали такие регионы как:
• Краснодарский край, с Кинт= 4,6, регион занимает 4е место в РФ с внушительным объемом производства молока в 1319,4 тыс. тонн, однако показатели душевого производства и специализации далеки от эталонных.
• Республика Дагестан, с Кинт= 4,1, в данном регионе все рассчитываемые показатели оказались выше средних, однако, как показал анализ, существует достаточно регионов с показателями выше.
В группе с низким потенциалом кластеризации оказались:
• Республика Северная Осетия, с Кинт= 3,8; несмотря на небольшой объем выпускаемой продукции в рамках РФ, показатели специализации и душевого производства оказались на высоком уровне, что показывает, что отрасль не только является одной из ключевых в экономике региона, но и то, что является
экпортноориентированной (при среднегодовой норме потребления в 243 кг/чел, производство составляет 315 кг/чел), однако из-за небольшого объема производства, регион не смог показать средний уровень потенциала к кластеризации.
• Красноярский край, с Кинт= 3,2; оказался довольно спорным регионом, он занимает 11е место по производству молока в РФ, что несомненно выделяет его из большинства регионов, что подтверждается довольно внушительным Кр=3,84, но остальные показатели оставляют желать лучшего, даже регионы, не прошедшие отбор, имеют схожие показатели.
Хотелось бы отметить что данная методика не может являться единственным инструментом для идентификации кластерных образований, она является основой для комплексной методологии. Ранжирование показателей может быть основой для создания алгоритма идентификации с внедрением бальной оценки каждого этапа.
БИБЛИОГРАФИЯ
1. Томашевская Ю.Н., Корчагина Н.А. Международный опыт выявления кластеров: перспективы использования в условиях РФ // Науч. тр. ИНП РАН. — М., 2010
2. Bergman Ed. M., Feser Ed. J. National Industry Cluster Templates: A Framework for Applied Regional Cluster Analysis [Electronic resource]/ Edward Bergman, Edward Feser// Regional Studies. Carfax Publishing, 2000, February.
3. Sun Zh. Cluster-mapping in China: the Empirical Evidence [Electronic resource] / Zhenming Sun // International Journal of Business and Management, 2009, August
4. Marcon E., Puech F. The determinants of agglomeration in a continuous-space framework [Electronic resource] / Eric Marcon, Florence Puech. 2003, June.
5. Arthurs D. Indicators to support innovation cluster policy [Electronic resource]/ David Arthurs; Int. J. Technology Management, 2009.
6. Cortright J. Oregon Industry Clusters. A Statistical Analysis Prepared for Oregon Economic and Community Development Department [Electronic resource]/ Joseph Cortright. - Impresa, 2003, May.
7. Bergman Ed. M., Feser Ed. J. Industrial and Regional Clusters: Concepts and Comparative Applications.
8. Сомко М.Л. Региональный потенциал кластеризации: ^особы выявления и методика оценки / М. Л. Сомко // Вестн. Алтай. акад. экономики и права. 2013. № 1.
9. Батталова А.А. Оценка потенциала кластеризации отрасли // интернет-журнал «НАУКОВЕДЕНИЕ» Выпуск 6, ноябрь - декабрь 2013
10. Ермишина А.В. Конкурентоспособность региона [Электронный ресурс] http://www.cfin.ru/management/strategy/competitiveness
11. Бачинина Ю.П. Кластеризация как возможность обеспечения конкурентоспособности нефтегазового региона [Электронный ресурс] http://ogbus.ru/authors/Bachinina/Bachinina_1.pdf
12. Винокурова М.В. Конкурентоспособность и потенциал кластеризации отраслей экономики Иркутской области [Электронный ресурс] //http://ecotrends.ru/images/Journals/2000-
2009/2006/N 12/3_Articles/073Vinokurova2006_12. pdf
13. Ермолина Н.А. Анализ готовности аграрного сектора экономики Челябинской области к кластерному развитию [Электронный ресурс] http://cyberleninka.ru/article/n/analiz-gotovnosti-agrarnogo-sektora-ekonomiki-chelyabinskoy-oblasti-k-klasternomu-razvitiyu
14. Петров А.Т. Теоретико-методологические основы формирования социально-ориентированного кластера в регионе [Электронный ресурс]http://www.dslib.net/economika-xoziajstva/teoretiko-metodologicheskie-osnovy-formirovanija-socialno-orientirovannogo.html
15. Караева Ф.Е. Формирование, идентификация и управление конкурентоспособностью регионального промышленного кластера [Электронный ресурс] http://www.iresras.ru/uploads/avtoreferat%20Karaevoi%20i%20otzyv.pdf
16. Васильев А.Н. О показателях специализации регионов // Проблемы современной экономики - 2009. - № 2 (30).
17. Васильев А.Н. О показателях специализации регионов // Вестник ТГЭУ -2007-№3.
18. Гранберг А.Г. Основы региональной экономики: учебник / А.Г. Гранберг. - М.: ГУ ВШЭ, 2000.
19. Кистанов В.В. Комплексное развитие и специализация экономических районов СССР // В.В. Кистанов. - М.: Наука, 1968.
20. Гармидер А.А. Систематизация подходов к оценке потенциала кластеризации в туристической сфере // Вестник АГТУ. Сер.: Экономика. 2014. № 4
