Алгоритм идентификации и оценки кластеров в экономике региона¹ Текст научной статьи по специальности «Экономика и бизнес»

__________ВЕСТНИК ПЕРМСКОГО УНИВЕРСИТЕТА_____________

2011 ЭКОНОМИКА Вып. 4(11)

УДК 338.24

АЛГОРИТМ ИДЕНТИФИКАЦИИ И ОЦЕНКИ КЛАСТЕРОВ В ЭКОНОМИКЕ РЕГИОНА1

Т.Ю. Ковалева, к. экон. наук, доц. кафедры экономической теории и отраслевых рынков

Пермский государственный национальный исследовательский университет, 614990, г. Пермь, ул. Букирева, 15

Электронный адрес: сЫки1асуа ЩгашЫсг. гц

В статье предложен алгоритм идентификации и оценки региональных кластеров, синтезирующий важнейшие кластерные характеристики и признаки, поддающиеся количественному анализу, и позволяющий обосновать вектор региональной кластерной политики. На основе применения разработанного алгоритма получены количественные оценки эффектов локализации, промышленной концентрации, факторных параметров, характеризующих кластерную структуру экономики Пермского края; построена карта компонентов потенциальных кластеров региона.

Ключевые слова: кластер; кластерная структура; алгоритм; метод; локализация; факторный анализ; карта компонентов кластера; эффект агломерации; регион.

В современной научной литературе особое внимание закономерно уделяется исследованию кластеров как особых форм межорганизационного взаимодействия

хозяйствующих субъектов, пронизывающих

2

различные уровни экономической иерархии .

На сегодняшний день кластеры, характеризующиеся отраслевой или полиотраслевой спецификой, являются ключевыми макро- и мезоэкономическими единицами конкурентоспособности территорий. По данным специалистов Гарвардской школы бизнеса, на долю кластеров в США приходится более 32% занятых, в Швеции - около 39%, а производительность труда в кластерах развитых стран выше на 44%, чем в среднем по стране [5, с. 117]. Вместе с тем проблема идентификации перспективных кластерных образований для их поддержки средствами кластерной политики остается открытой для дискуссий ученых-экономистов. В связи с этим актуальность и востребованность формирования комплексного алгоритма оценки кластеров, имеющего, в первую очередь, количественную

интерпретацию, определяется возрастающей

ролью промышленных кластеров в развитии регионального экономического пространства.

В экономической науке общепризнанным является мнение об отсутствии единого определения и классификации кластеров. Так, трактовка кластеров может иметь агломерационный, иерархический, сетевой или институциональный контекст, а их типология -пространственно-временное, отраслевое или структурно-функциональное значение [3, с. 8896].

Вместе с тем согласно неоклассической традиции необходимым условием определения кластера является выявление устойчивых взаимодействий между экономическими агентами, способствующих росту их конкурентоспособности. В дальнейшем это утверждение стало исходным пунктом для ряда исследований, посвященных кластерной проблеме. Среди них наибольшую известность получили работы М. Портера.

1 Исследование поддержано грантом РГНФ № 11-12-59011а/У.

2 Отметим, что определенным эталоном в иерархическом видении кластеров в настоящее время является их деление на кластеры внутри города, кластеры-города, кластеры-регионы и кластеры-страны. Как видно, иерархический признак тяготеет к некоторому географическому «якорю».

© Ковалева Т.Ю., 2011

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» [4, с. 258].

Согласно подходу М. Портера, ключевыми свойствами кластера являются географическая локализация, взаимосвязь между фирмами и технологическая взаимосвязанность отраслей. Первое свойство отражает географические границы кластера, второе свойство представляет кластер как особую форму сети взаимосвязанных предприятий, причем более глубокое развитие связей свидетельствует о степени развития самого кластера, и третье свойство характеризует полиотраслевое строение кластера.

Принимая в качестве классических указанные свойства, обозначим региональный кластер как группу территориально локализованных внутри региона

взаимосвязанных предприятий, поставщиков ресурсов, специализированных услуг и технологий, научно-исследовательских центров, институтов и других организаций, составляющих цепочку создания стоимости, действующих в смежных отраслях или сферах и усиливающих конкурентные преимущества друг друга и кластера в целом.

Бесспорно, кластер представляет собой сложную систему, элементы которой объединены материальными,

информационными и финансовыми потоками. По мере развития кластера в нем формируются свои внутренние нормы и правила, а также рутины, которые встраиваются в институциональную среду [7, с. 245, 247]. Учитывая это, можно говорить о высокой значимости разработки комплексного подхода к диагностике кластеров.

В зарубежной практике проведения научно-прикладных исследований применяются разнообразные как качественные, так и количественные методы идентификации и оценки кластеров, включая экспертные оценки, анкетирование, интервьюирование,

инструментарий теории сетей и графов, SWOT и PEST-анализ, расчет показателей

географической концентрации и локализации, анализ агломерационных эффектов, матриц «затраты-выпуск». Преимущества и недостатки основных методов выявления перспективных кластеров показаны в работе [12].

Ввиду того что формирование кластерных механизмов экономического развития связано с действием целого ряда факторов, которые зачастую достаточно трудно формализовать, приоритетное значение в большинстве стран имеют именно качественные методы оценки кластеров, которые иногда подкрепляются количественным анализом. Однако современная статистическая база, как российская, так и зарубежная, позволяет сформировать и применить на практике систему количественных методов анализа кластеров, обеспечивающую выявление важных эмпирических закономерностей становления и функционирования кластеров в экономике,

которые невозможно диагностировать с помощью качественных подходов, получивших столь широкое распространение.

Изучение опыта исследования кластеров показывает, что исходный алгоритм анализа кластеров должен базироваться на синтезе трех методических оценок, имеющих

количественное основание: идентификация

кластеров посредством оценки степени локализации, факторный анализ

конкурентоспособности кластеров и определение силы агломерационного эффекта. При этом необходимо особо подчеркнуть, что в имеющихся на сегодняшний день публикациях кластерный анализ проводится избирательно, т.е. авторы, в основном зарубежные, используют только один из указанных инструментов, что, по нашему мнению, не

соответствует степени сложности объекта исследования. Так, в работе Э. Фезера построена цепочка добавленной стоимости для американских кластеров на базе оценки специализации отраслей промышленности по показателям занятости [9]. Л. Бертинелли дает оценку географической агломерации регионов по отраслевому признаку [8]. Широкое применение на практике получил метод оценки сдвигов, позволяющий выявить факторы конкурентоспособности кластера [11].

Рассмотрим основные методические особенности предлагаемого алгоритма идентификации и оценки кластеров в экономике региона.

Во-первых, для идентификации потенциальных кластеров производится оценка индекса локализации, позволяющего сравнить региональные и национальные экономические характеристики (переменные), такие как занятость, валовая добавленная стоимость, инвестиции, торговый оборот и др. 3, и выявить отраслевую (промышленную) специализацию

3

Интерпретация всех расчетных величин в статье дана для показателей занятости.

территории. Индекс локализации по показателю занятости рассчитывается по формуле

где и - занятость в г-й отрасли в регионе; Ьг -занятость в г-й отрасли в стране; I и Ь - общее количество занятых в регионе и стране соответственно.

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

Во-вторых, на основе факторного анализа выявляются причины и тенденции изменения кластерной структуры экономики региона. Для этого производится оценка вклада национального, отраслевого и регионального факторов в изменение значения анализируемой переменной (занятости, производительности труда, валовой добавленной стоимости и др.).

Оценка влияния национального фактора ЫБ (например роста занятости в стране) на ключевые показатели развития региональной экономики производится согласно следующей формуле:

N8 = -1), (2)

А-1

где 1\.1 - занятость в г-й отрасли в регионе в период (Л-1); Ь-_1 и Ь( - общее количество занятых в стране в периоды (1-1) и Л соответственно.

Отраслевой фактор 1М оценивается посредством определения вклада национальных темпов прироста анализируемой переменной в отрасли в изменение отраслевого показателя в регионе:

Г Т

м=1и*(-^--ч, (3)

А-1 Гг-1

где Ь\_1 и Ь\ - количество занятых в г-й отрасли в стране в период (1-1) и Л.

Отраслевой фактор, фиксирующий воздействие общенациональных отраслевых тенденций на динамику развития отрасли в регионе, отражает качество отраслевой структуры региональной экономики по анализируемой переменной, поскольку он (1М) может принимать как положительные, так и отрицательные значения.

Региональный фактор ЕБ как ключевой количественный индикатор идентификации кластеров позволяет установить лидирующие и отстающие отрасли в экономике региона по критерию относительной конкурентоспособности: сопоставлению подлежат темпы роста анализируемой переменной по отрасли в стране и регионе. Он рассчитывается по формуле

Г Г

™ = ^(-^-Г^-) . (4)

¡г-1 Гг-1

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

Общий прирост переменной с учетом влияния национального, отраслевого и регионального факторов определяется следующим образом:

ББ=№+1М+ЯБ. (5)

Для получения валового (совокупного) значения показателя ББ видоизменяется формула (2):

N8 = . (6)

Гг-1

Согласно работе [10] результаты такого расчета ББ позволяют оценить степень благоприятного или негативного воздействия на анализируемую переменную отраслевых и региональных процессов.

Факторный анализ экономики региона имеет все основания стать одним из решающих инструментов исследования кластерной специфики региона, поскольку он позволяет выявить отраслевые точки роста промышленности в регионе и определить его факторные источники как экстенсивного (например, если анализу подвергается занятость), так и интенсивного характера (если речь, предположим, идет о

производительности). Однако факторный анализ имеет и недостатки. Это ограниченность набора используемых факторов, влияющих на экономическое развитие региона,

невозможность оценить оптимальность

секторальной структуры региональной

экономики, а также необходимость обработки значительного массива статистических данных, сбор которых сопряжен с определенными трудностями, а иногда и финансовыми затратами. Поэтому целесообразно применять факторный анализ в сочетании с другими методами оценки кластеров.

Как было отмечено выше, для идентификации кластеров недостаточно оценить степень локализации или провести факторный анализ развития отраслей в региональной экономике. Мы полагаем, что корректную выборку потенциальных кластеров необходимо производит среди отраслей с

высокими коэффициентами локализации по показателю ЕБ. Это позволит построить карту кластерных компонентов экономики региона по значениям регионального и отраслевого факторов с масштабированием компонента кластера по индексу локализации (рис. 1).

Рис.1. Модель карты компонентов потенциальных кластеров

В динамике из-за разнообразия факторов, влияющих на развитие региональных кластеров, в анализе задействуются все координатные области карты.

По сути, модель, показанная на рис. 1, демонстрируя лидирующие компоненты потенциальных кластеров, позволяет выявить особенности кластерной структуры на региональном уровне.

И, в-третьих, комплексная диагностика кластеров предполагает анализ эффектов агломерации (от лат. agglomero - присоединение или накопление), представляющий наибольшую сложность с точки зрения практики его проведения.

Агломерационный эффект выражается в сосредоточении предприятий родственных сфер деятельности на определенной территории. Он возникает благодаря процессам, посредством которых связи между фирмами, институтами и инфраструктурой в пределах конкретной географической области генерируют экономию от масштаба и экономию затрат вследствие использования одного капитального блага для производства нескольких продуктов. Образование агломерации свидетельствует о том, что фирмы конкретных отраслей либо фирмы, имеющие тесные хозяйственные связи, имеют тенденцию к размещению в определенных географических локациях, формируя территориально компактные группы (кластеры) [2, с. 6-7].

Таким образом, появление

агломерационных эффектов способствует увеличению размеров предприятий, развитию вторичного рынка оборудования и технологий, улучшению структуры рынка труда в регионе, а для фирм - экономии производственных затрат, улучшению рыночной инфраструктуры (реклама, бухгалтерские, юридические услуги и т.д.), внедрению инноваций.

Согласно подходу авторитетных ученых-экономистов Г. Эллисона и Э. Глейзера, Ф. Марелля и Б. Седиллота, также утверждающих, что наличие агломерации свидетельствует о формировании кластера, количественную оценку агломерационного эффекта целесообразно производить при помощи индексов географической и промышленной (рыночной) концентрации предприятий [8, с. 6-7].

По Г. Эллисону и Э. Глейзеру, географическая концентрация региона рассчитывается следующим образом:

(7)

где г - отрасль (1=1,..., т); г - географический район (г=1,..., п); Бгг - доля занятых в г-й отрасли в географическом районе г в общем количестве занятых в данной отрасли в регионе;

Г

Г

Бг - доля занятых в географическом районе г в

„4

совокупной региональной занятости4.

При прочих равных условиях индекс географической концентрации Ф. Марелля и Б. Седиллота характеризуется более низкими значениями географической концентрации:

і-Е -

(8)

Промышленная концентрация отрасли вычисляется индексом Херфиндаля как сумма квадратов долей занятости каждой фирмы в отрасли:

(9)

і=1

где - доля занятых в г-й фирме в отрасли, определяемая как отношение занятых в г-й фирме к общему количеству занятых в данной отрасли.

Следование идеям М. Портера позволяет сделать заключение о том, что для формирования и функционирования кластера необходима конкуренция, уровень развития которой можно определить по формуле (9). Поэтому наличие большого количества фирм в отрасли региона признается одним из факторов успешного развития кластера [1, с. 10]. Идея значимости промышленной концентрации отражена в количественной оценке агломерационного эффекта.

Так, сила агломерационного эффекта рассчитывается по формуле

Уі=-

(10)

где Ох - индекс географической концентрации Эллисона - Глейзера или Марелля - Седиллота.

Высокое значение свидетельствует об избыточной концентрации в отрасли, что обусловлено превышением географической концентрации над промышленной (рыночной). В свою очередь, при прочих равных условиях появление новых фирм в отрасли (т.е. снижение значения индекса Херфиндаля) ведет к

увеличению параметра у.

Толкование расчетного параметра у осуществляется по схеме: у <0,02 -

недостаточная концентрация предприятий для

Для диагностики кластеров на макроуровне экономики за г можно принимать регион.

образования агломерационного эффекта в отрасли; 0,02 < у < 0,05 - концентрация

неустойчива; у >0,05 - устойчивая

концентрация предприятий в отрасли. Следовательно, высокие значения у для определенной отрасли характеризуют её как агломерированную: в данной отрасли

сочетаются конкуренция и кооперация, что является ключевой характеристикой кластера (по сути, другие не менее важные условия развития кластера - инфраструктурные, институциональные и т.д. [1, с. 13] - метод Эллисона-Глейзера и Марелля-Седиллота не учитывает, что является его ключевым недостатком).

В качестве обобщения вышеизложенного на рис. 2 предложено видение описанного алгоритма идентификации и оценки региональных кластеров.

Таким образом, применение

количественных индикаторов идентификации и оценки региональных кластеров согласно представленному алгоритму становится

основанием для определения кластерных ядер, первичных и вторичных отраслей, построения цепочки добавленной стоимости в каждом кластере, а также выявления специфики кластерной структуры экономики региона в целом. Отметим, что ядро кластера - это группа однородных по отраслевому признаку

компаний-лидеров, экспортирующих свою

продукцию в другие регионы (страны) и не являющихся кластерным компонентом других кластеров.

Описанный инструментарий может быть широко применим для диагностики кластеров на разных экономических уровнях хозяйствования: на макроуровне для выявления кластеров странового масштаба, на региональном уровне, на уровне городов или локальных районов. Использованный в комплексе, он будет служить важным ориентиром для:

- выработки обоснованной

государственной политики развития территорий в направлениях поддержки кластерных инициатив и проектов;

- консолидации усилий и ресурсов

крупного, среднего и малого бизнеса;

- формирования инфраструктуры

кластеров;

- инвестиций и реализации инноваций;

- создания системы законодательного и финансового обеспечения деятельности кластеров и выработки полноценной кластерной политики.

Г

Г

г

2

Оценка эффектов локализации

отраслей (секторов) экономики

ш,

Отраслевая специализация региона - эндогенный эффект, связанный с территориальной концентрацией промышленности в регионе

Факторный анализ экономики региона

_________(показатели прироста)__________

і Национальный | фактор

! N5 = і; -і)

Отраслевой

фактор

I I

М = іи*(ф-і~)

А-1 1М

Региональный

фактор

КБ

Iі Iі

,1і *(Л_____________________

1-1 і I

ч-\ Ч-\

Роль макротенденций в развитии региона и его отраслей

Влияние общеотраслевых факторов на развитие

Отрасли-лидеры и отрасли-аутсайдеры в региональной экономике

Карта компонентов потенциальных кластеров для экономики региона или её отдельных секторов

Выявление кластерных ядер

Ядро кластера - группа однородных по отраслевому признаку компаний-лидеров, экспортирующих свою продукцию в другие регионы (страны) и не являющихся кластерным компонентом других кластеров

Построение кластерных цепочек добавленной стоимости

Оценка эффектов агломерации

в региональной экономике

Специфика конкуренции

Промышленная

концентрация

отраслей

н,

Е -

Г еографическая концентрация отраслей Индекс Эллисона-Глейзера

Е (Б, Г - 5- )2

01а = Г1 - Е Б2

Индекс Марелля-Седиллота

Е Б,2 -Е Б 2

С = —г______________-_____

МБі 1 -Е Б2

Эффект

і-н,

Географическая концентрация фирм в пределах региона

Определение первичных и вторичных отраслей кластеров в экономике региона

КЛАСТЕРНАЯ СТРУКТУРА ЭКОНОМИКИ РЕГИОНА

агломе-

С - н,

Рис.2. Алгоритм применения количественных индикаторов идентификации и оценки кластеров в

экономике региона

В качестве приложения предлагаемых методов кластерного анализа приведем ключевые выдержки из результатов диагностики кластеров в экономике Пермского края.

Для проведения исследования были использованы материалы Центральной базы статистических данных Федеральной службы государственной статистики Российской Федерации за 2002-2009 гг.5 [6].

Анализ специализации региона по статистическим данным о среднесписочной численности работников без внешних совместителей и работников несписочного состава показал, что наибольшими значениями индекса локализации обладают такие ВЭД, как деятельность по обеспечению лесосплава (среднее значение ЬQ за 2002-2009 гг. составило 23,44); добыча и производство соли (14,15);

5 Расчеты проведены коллективом авторов: Т.В. Миролюбова, Т.Ю. Ковалева, Т.В. Карлина.

растениеводство в сочетании с животноводством (9,05); производство удобрений и азотных соединений (7,26); аренда внутренних водных транспортных средств с экипажем и предоставление маневровых услуг (6,91); производство изолированных проводов и кабелей (5,94); производство основных химических веществ (5,83); производство целлюлозы древесной массы, бумаги и картона (5,56); производство часов и других приборов времени (5,39); производство трикотажного полотна и трикотажных изделий (5,00). Высокими значениями индекса локализации обладают такие значимые для экономики Пермского края виды деятельности, как производство кокса (3,88); производство нефтепродуктов (3,20); добыча сырой нефти и природного газа (1,05); предоставление услуг по добычи нефти и газа (1,92); производство цемента, извести и гипса (2,24).

При проведении обобщенного факторного анализа экономики региона была дана оценка вклада национального, отраслевого и регионального факторов в прирост занятости. Согласно данным таблицы положительная

динамика занятости наблюдалась в 2006 и 2007 гг., в то время как региональный компонент принимал положительные значения в предкризисный 2006 г. и посткризисный 2009 г.

Агрегированные результаты факторного анализа прироста занятости в экономике

Пермского края

Период анализа, годы Вклад национального, отраслевого и регионального факторов в прирост занятости (ББ), чел. Ж, чел. Вклад национального, отраслевого и регионального факторов в прирост занятости (ББ), % Ж, %

Ж ІМ Ж Ж ІМ Ж

2003/2002 8615 -344 -55008 -46737 -18,43 0,74 117,70 100

2004/2003 8731 -1849 -8354 -1472 -593,14 125,61 567,54 100

2005/2004 7784 -4857 -28804 -25877 -30,08 18,77 111,31 100

2006/2005 7550 -2866 10234 14918 50,61 -19,21 68,60 100

2007/2006 16779 -1630 -5602 9547 175,75 -17,07 -58,68 100

2008/2007 8971 -2836 -11392 -5256 -170,68 53,95 216,73 100

2009/2008 -22084 -4961 4335 -22710 97,24 21,84 -19,09 100

Факторный анализ кластерной структуры экономики Пермского края по занятости и производительности труда с высокой степенью агрегации позволил определить основных региональных лидеров: добыча полезных

ископаемых, обрабатывающие производства, оптовая и розничная торговля (рис. 3, 4). Согласно оценке факторов прироста занятости и

производительности за весь исследуемый период (2002-2009 гг.) к указанным видам деятельности как перспективным с точки зрения формирования кластеров необходимо добавить сельское хозяйство, строительство, гостиницы и рестораны, транспорт и связь, операции с недвижимым имуществом.

Рис. 3. Анализ факторов прироста занятости Рис. 4. Анализ факторов прироста

по ВЭД в Пермском крае производительности труда по ВЭД в Пермском

крае6

6 Производительность труда рассчитана по валовой добавленной стоимости.

В результате реализации предложенного алгоритма выявления кластерных образований были построены карты лидирующих компонентов потенциальных кластеров Пермского края по данным о среднесписочной численности работников. Статистика занятости была отобрана согласно третьему уровню детализации в ОКВЭД.

Выбор лидирующих компонентов среди детализированных видов деятельности обусловлен значением и динамикой показателя

№. По региональному фактору был составлен рейтинг первых десяти ВЭД, значения показателя RS которых за 2002-2009 гг. были максимальными; к лидирующим кластерным компонентам были отнесены те ВЭД, которые попали в рейтинг два раза и более.

На рис. 5 приведены карты лидирующих компонентов потенциальных кластеров экономики Пермского края, построенные для 2004 г. и 2009 г. Размер кластерных компонентов показан индексом локализации.

2009 г.

©Производство механического оборудования

©Строительство зданий и сооружений ©Растениеводство

©Производство готовых металлических изделий

©Производство прочих машин и оборудования специального назначения ©Производство основных химических веществ

услуг, связанных с недвижимым имуществом О Монтаж инженерного оборудования зданий и сооружений

©Организация перевозок грузов ©Дошкольное и начальное общее

ОРаспиловка и строгание древесины; пропитка древесины

ОПроведение расследований и обеспечение безопасности

^Животноводство

Рис. 5. Лидирующие компоненты потенциальных кластеров Пермского края, 2004 г. и 2009 г.

Таким образом, на сегодняшний день созвездие компонентов потенциальных кластеров в экономике Пермского края включает по крайней мере 13 ВЭД, численность занятых в которых на конец 2009 г. составляет 245341 чел., или 27% от общего количества занятых в регионе, а совокупный товарный оборот насчитывает 1360918 тыс. руб. Однако кластерная структура экономики региона

отличается нестабильностью, поскольку при выявлении отстающих отраслей экономики края в рейтинг аутсайдеров по критерию ЕБ попали дошкольное и начальное общее образование, животноводство, производство механического оборудования и основных химических веществ, распиловка и строгание древесины, а также предоставление посреднических услуг, связанных с недвижимым имуществом (рис. 6).

36719

2003 Ь _____

-2753 -3278 -3082.3312

5409

3675 4498 3934

-81

' агт!

'5-1193 -177?°~

-2350

2007

-1700

2749 2186 3192

2781 1787 1689 2186 1П,,

^ .Д-цт* |

200?572

Год

2008 -870

-1591

-9212

-7425

1Ш Предоставление посреднических услуг, связанных с недвижимым имуществом В Производство основных химических веществ В Животноводство

□ Дошкольное и начальное общее образование И Распиловка и строгание древесины; пропитка древесины ■ Производство механического оборудования

40000

35000

30000

25000

20000

5

О» 15000 У

10000

5000

0

-5000

-10000

-15000

471

Рис. 6. Динамика прироста занятости (показатель ЯБ) для отдельных компонентов потенциальных кластеров экономики Пермского края, 2003-2009 гг.

Среди выявленных компонентов

наибольшими значениями индекса Херфиндаля характеризуются организация перевозок грузов (в 2009 г. Н=4721, количество фирм - 10), дошкольное и начальное образование (Н=4114) и производство прочих машин и оборудования специального назначения (Н=3380, количество фирм - 13). К отраслям с низкой промышленной концентрацией относятся животноводство (Н=211, количество фирм - 166) и

предоставление посреднических услуг,

связанных с недвижимым имуществом (Н=340, количество фирм - 444).

В направлении дальнейшего

исследования региональных кластеров считаем целесообразным провести оценку

географической концентрации в разрезе г. Перми, муниципальных районов и городских округов.

Таким образом, результаты нашего исследования свидетельствуют о том, что значительным кластерным потенциалом

обладают химическая, лесная, целлюлознобумажная, деревообрабатывающая отрасли экономики региона, сельское хозяйство, металлургия, производство машин и

оборудования, транспорт и логистика, а также нефтегазовое и текстильное производство. В свою очередь, определяющими направлениями государственной политики, направленной на развитие и укрепление конкурентоспособных кластеров в экономике Пермского края, должны стать институциональные преобразования и

совершенствование инфраструктуры

региональной экономики.

Список литературы

1. Алейникова И.С., Воробьев П.В.,

Исакидис В.А., Кадочников С.М., Кожин Д.Е., Коробейникова А.В., Лопатина Т.А., Михно М.В. Модели организации региональных промышленных кластеров: обзор

международного опыта: аналит. доклад.

Екатеринбург: Центр регион. экон. исследований Урал. гос. ун-та, 2008. Вып. 2. 31 с.

2. Афонцев С.А., Кадочников С.М., Мариев О.С., Федюнина А.А. Кластерная политика как инструмент повышения конкурентоспособности Свердловской области: аналит. доклад. Екатеринбург: Лаборатория исследований мировой торговли и международной торговой политики ВШЭМ УрФУ, 2011. 28 с.

3. Миролюбова Т.В. Региональный

потенциал развития кластеров «новой

экономики» // Вестник Пермского университета. Сер. Экономика. 2009. Вып. 4(30). С. 88-96.

4. Портер М. Конкуренция. М.: Изд. дом «Вильямс», 2005. 608 с.

5. Сомова Е. Промышленные кластеры.

Зарождение, функционирование и упадок // Мировая экономика и международные

отношения. 2011. № 4. С. 117-121.

6. Центральная база статистических

данных Федеральной службы государственной

статистики Российской Федерации. URL:

http://www.gks.ru/dbscripts/Cbsd/DBInet.cgi (дата обращения: 02.05.2011).

7. Шерешева М.Ю. Формы сетевого взаимодействия компаний: учеб. пособие. М.: Изд. дом Гос. ун-та - Высшей школы экономики, 2010. 339 с.

8. Bertinelli L., Decrop J. Geographical agglomeration: the case of Belgian manufacturing industry // Federal planning bureau. Economic analyses and forecasts. 2002. November. 45 p.

9. Feser E., Renski H., Koo J. Regional

Cluster Analysis with Interindustry Benchmarks. URL: http://www.urban.uiuc.edu/faculty/feser/

Pubs/TRED,%20FRK.pdf (дата обращения:

13.06.2011).

10. Methods of regional analysis: shift-

share. URL: http://www.andrew.cmu.edu/

user/jp87/URED/readings/Shift_Share.pdf (дата обращения: 2.05.2011).

11. Papadopoulou E. Applying Shift-Share

analysis (SSA) on LEADER. Initiative local action groups in Greece. URL: http://www.rudi-

europe.net/uploads/media/Case study_Greece_2_ 01.pdf (дата обращения: 20.06.2011).

12. Stejskal J. Comparison of often applied methods for industrial cluster identification. URL: http ://www. wseas.us/e-library/conferences/2010/ Tenerife/DEEE/DEEE-46.pdf (дата обращения:

13.06.2011).