Имитационная модель функционирования компонентов туристско-рекреационного кластера в Республике Калмыкия Текст научной статьи по специальности «Экономика и бизнес»

МАНЦАЕВА А. А., ДЕЛИКОВА Т. Г.

ИМИТАЦИОННАЯ МОДЕЛЬ ФУНКЦИОНИРОВАНИЯ КОМПОНЕНТОВ ТУРИСТСКО-РЕКРЕАЦИОННОГО КЛАСТЕРА В РЕСПУБЛИКЕ КАЛМЫКИЯ

Аннотация: В статье изложены результаты построения имитационной модели функционирования туристско-рекреационного кластера в Республике Калмыкия, представлены прогнозные значения моделируемых характеристик кластера на 2017-2026 годы при заданных параметрах. Также произведено сравнение полученных результатов в различных ситуациях, подтверждающее целесообразность применения имитационного моделирования при принятии решений в сфере управления экономикой регионального туризма.

Ключевые слова: туристско-рекреационный кластер, прогнозирование, кластерный анализ, регрессионный анализ, имитационное моделирование.

Сложившаяся в последние годы парадигма управления региональным развитием все чаще выдвигает на первый план кластерную форму организации экономики как базовый инструмент модернизации и инноватизации региональной экономики, опирающийся на активное развитие ограниченного числа приоритетных для данного региона сильных отраслей. В Республике Калмыкия потенциально ведущим сектором экономики является туризм, основанный на уникальности культурно-исторического и природного наследия. При этом, учитывая множественный характер факторов, влияющих на возможность создания и последующего становления туристско-рекреационного кластера [1], формирование и развитие указанного кластера - сложная задача, требующая анализа текущего и прогноза будущих состояний объекта. Это обусловливает необходимость исследования связных отраслевых структур и применение методов компьютерного моделирования для прогнозирования характеристик потенциального туристско-рекреационного кластера.

Современное компьютерное моделирование по принципу работы можно разделить на две перекрывающиеся области - математическое и имитационное. Математическое моделирование связано, в основном, с разработкой математических моделей физических явлений, с созданием и обоснованием численных методов. Имитационное моделирование

- это разработка и выполнение на компьютере программной системы, отражающей поведение и структуру моделируемого объекта [2].

В организационных системах имитационное моделирование становится основным инструментом сравнения различных вариантов управляющих решений и поиска наиболее эффективного из них как для решений внутри цеха, организации, фирмы, так и на макроэкономическом уровне. По этой причине именно имитационную (концептуальную) модель, представляющую собой предварительное, приближенное представление о туристско-рекреационном кластере, мы постарались создать в рамках данного исследования.

Построение имитационной модели любой системы требует предварительного исследования и выявления закономерностей между происходящими в ней процессами в формализованном виде (уравнения, неравенства, матрицы и прочее). Для обнаружения этих закономерностей мы применили ряд методов эконометрического моделирования, а именно простые и множественные линейные регрессии, параметры которых оцениваются методом наименьших квадратов (МНК). Данный выбор аргументирован тем, что регрессионный анализ - наиболее актуальный и обоснованный метод установления факторов, влияющих на результативный признак.

Однако процесс построения уравнения регрессии имеет существенный недостаток

- чувствительность к выбросам и влиятельным наблюдениям (резко отличающиеся данные), который нередко обращает регрессионную модель в непригодную к

дальнейшему использованию. Поэтому для того, чтобы получить качественные и адекватные уравнения линейной регрессии мы изначально классифицировали все объекты (в нашем случае - регионы), участвующие в исследовании, с помощью кластерного анализа - многомерной статистической процедуры, разбивающей множества исследуемых объектов и признаков на однородные в некотором смысле группы (кластеры) [3].

Кластерный анализ позволяет нивелировать недостатки регрессионного анализа путем: 1) группировки выбросов со схожими параметрами; 2) выявления влиятельных наблюдений и удаления их из выборки. Подобные преимущества обращают кластеризацию в эффективный инструмент исследования российских регионов, сильно различающихся как по экономико-географическому положению и наличию природно-рекреационных ресурсов, так и по развитию производственной, социальной, торговой и финансовой инфраструктуры. Помимо этого проведение классификации важно, во-первых, для понимания общих конкурентных преимуществ группы регионов, во-вторых, для выявления «точек роста» - регионов-лидеров, опыт и технологии которых подлежат тщательному изучению и, возможно, последующему заимствованию.

Эмпирической базой исследования послужили официальные данные региональной статистики, опубликованные на сайтах Федеральной службы государственной статистики [4] и Федерального агентства по туризму РФ [5]. Расчеты были проведены в пакете статистического анализа SPSS Statistics 17.0., имитационное моделирование реализовано в программном пакете iThink v.9.1.3.

Основными показателями, вошедшими в состав эконометрических моделей, стали:

• общее число туристов, посетивших регион за год (на основании данного показателя будут строиться все последующие оценки);

• площадь номерного фонда гостиниц и аналогичных коллективных средств размещения (КСР);

• инвестиции в основной капитал, направленные на развитие коллективных средств размещения (гостиниц, прочих мест для временного проживания);

• инвестиции в основной капитал по виду экономической деятельности «Транспорт и связь».

Закономерности между вышеназванными показателями были выявлены из предположения, что ключевыми процессами, определяющими развитие отрасли туризма, являются следующие (Рис. 1):

1) Инвестиции в основной капитал, направленные на развитие коллективных средств размещения (гостиниц, прочих мест для временного проживания), увеличивают площадь и повышают качество номерного фонда, чем обеспечивают расширение потока туристов в регион;

2) Также прямое воздействие на увеличение количества туристов оказывает маркетинг и реклама;

Инвестиции в

транспорт и

транспортную

инфраструктуру

Увеличение туристичес кого потока

т

Рост

налоговых поступлений

Рост выручки

Гостиницы и аналогичные средства размещения

Рестораны

Фирмы,

предоставляющи е транспортные услуги

Туристические фирмы

Объем услуг ЖКХ

Сувенирная продукция

Объем производства продукции сельского хозяйства и рыбного промысла

Спрос на переводчиков, гидов, водителей, экскурсоводов и т.д. Потребность в новых

Объем

производст

ва

сувенирной продукции

Инвестиции в общественный сектор и социальную инфраструктуру

Увеличение числа рабочих мест

Рис. 2. Сферы распространения экономического эффекта от развития туристско-рекреационного кластера

3) Увеличение турпотока, в свою очередь, влечет рост выручки гостиниц и аналогичных средств размещения, ресторанов и различных предприятий общественного питания, туристических фирм и агентств, фирм, предоставляющих транспортные услуги, а также продавцов сувенирной продукции и товаров народного промысла. Как следствие, увеличиваются налоговые поступления, часть которых может быть направлена на инвестиции в общественный сектор и социальную инфраструктуру. Помимо этого, активизация деятельности требует дополнительных работников, повышается спрос на переводчиков, гидов, экскурсоводов, водителей, горничных, поваров, официантов и т. д. Также расширяются потребности в разработке новых туристических, гастрономических, гостиничных продуктах. Все это влечет необходимость инвестирования в инновационную и образовательную сферу;

4) Отдельно хотелось бы отметить, что рост количества туристов провоцирует спрос на строительство и обустройство дорог, расширение парка автомобилей и других транспортных средств. Все это требует дополнительных инвестиций в транспортные средства и транспортную инфраструктуру. В свою очередь, повышение качества дорог, комфортности придорожных заведений и обслуживания за счет инвестиций создает благоприятный имидж региона.

Рассмотрим моделирование по этапам:

Этап 1 Кластеризация регионов РФ по степени важности отрасли туризма

для региональной экономики

Исходя из имеющихся статистических данных, для классификации субъектов РФ по степени важности отрасли туризма для региональной экономики в качестве признаков-характеристик кластеризации были выбраны следующие относительные показатели, позволяющие нивелировать существенные межрегиональные различия абсолютных:

• значимость отрасли туризма для экономики региона Х1 - доля валового регионального продукта, произведенного данным видом деятельности за определенный период времени, в общем валовом региональном продукте за аналогичный период времени (Среднее значение показателя «Отраслевая структура валовой добавленной стоимости субъектов Российской Федерации» за 2012-2014 гг.);

• степень государственной поддержки предприятий отрасли равная доли инвестиций в основной капитал отрасли в общем объеме государственных вложений в экономику региона.

Кластеризация регионов РФ проводилась агломеративным иерархическим методом с помощью различных метрик и правил объединения и позволила сделать вывод о целесообразности разбиения объектов на семь кластеров (Таблица 1). Всего в исследовании участвовало 72 региона (не были учтены города Москва и Санкт-Петербург, ХМАО, ЯНАО, Тюменская область без ХМАО и ЯНАО, НАО, Архангельская область без НАО, Чукотский АО, Республика (Саха) Якутия, Сахалинская, Магаданская области, а также Крымский ФО ввиду отсутствия данных предыдущих лет).

Таблица 1.

Состав кластеров

Кластер 1 Области: Белгородская, Владимирская, Воронежская, Калужская, Костромская, Курская, Липецкая, Рязанская, Смоленская, Тамбовская, Тульская, Вологодская, Калининградская, Ленинградская, Новгородская, Волгоградская, Нижегородская, Оренбургская, Самарская, Саратовская, Ульяновская, Курганская, Челябинская, Иркутская, Кемеровская, Новосибирская, Омская, Томская, Амурская; Еврейская автономная область; Республики: Карелия, Коми, Адыгея, Калмыкия, Ингушетия, Марий Эл, Татарстан, Удмуртская, Тыва; Края: Пермский, Алтайский, Забайкальский, Красноярский, Хабаровский.

Кластер 2 Области: Брянская, Ивановская, Тверская, Мурманская, Астраханская, Ростовская,

Кировская, Пензенская, Свердловская; Камчатский край; Республики: Кабардино-Балкарская, Северная Осетия - Алания, Башкортостан, Чувашская, Хакасия.

Кластер 3 Области: Московская, Орловская, Ярославская, Псковская; Приморский край; Республики: Карачаево-Черкесская, Мордовия.

Кластер 4 Краснодарский край.

Кластер 5 Республика Дагестан.

Кластер 6 Республики: Чеченская, Бурятия; Ставропольский край.

Кластер 7 Республика Алтай.

Таблица 2.

Показатель Сред Класте Класте Класте Класте Класте Класте Класте

нее 1 р 2 р 3 р 4 р 5 р 6 р 7

Число регионов 72 44 15 7 1 1 3 1

Значимость 1,18 0,87 1,43 1,09 2,83 6,20 2,38 1,53

отрасли туризма

в экономике

региона

Степень 0,53 0,14 0,18 1,23 3,73 0,05 0,25 15,79

государственной

поддержки

предприятий

отрасли туризма

Этап 2 Выявление зависимости площади номерного фонда от инвестиций в основной капитал, направленных на развитие коллективных средств размещения (гостиниц, прочих мест для временного проживания)

На следующем этапе моделирования мы математически описали зависимость площади номерного фонда 5 от инвестиций в основной капитал, направленных на развитие коллективных средств размещения (гостиниц, прочих мест для временного проживания) /тти1 в первом кластере, содержащем Республику Калмыкия. Уравнение

регрессии выглядело следующим образом: 5 = 36,427 + 0,125 * 1пм> 1

однако оказалось не надежно, поскольку объясняло только 15,3% случаев (Таблица 3).

Таблица 3.

Сводка для моделиЬс

Модель Н R-квадрат Скорректир о ванный R-квадрат Стд. ошибка оценки Статистика Дурбина-Уотсона

Ward Method = 1 (Выбран ные) Ward Method ~= 1 (Невыбран ные) Ward Method = 1 (Выбранные ) Ward Method ~= 1 (Невыбранны е)

1 0,392а 0,930 0,153 0,131 57,79678 2,226 2,170

а. Предикторы: (конст) Инв ср

b. Если другое не указано, статистики вычисляются только по наблюдениям, для которых Ward Method = 1.

c. Зависимая переменная: Площадь_ср

Регрессионная модель для всех 72 регионов оказалась значительно лучше (Таблица 4) и имела следующий вид: 5 = 60,328 + 0,288 *Im> 1

Однако нуждалась в существенной корректировке: вместо свободного члена равного 60,328, отражающего среднюю величину площади номерного фонда во всех 72 регионах при отсутствии инвестиций, было решено использовать величину 15,1 - площадь номерного фонда в Республике Калмыкия по состоянию на 31.12.2014 года.

Таким образом, в имитационной модели туристско-рекреационного кластера Республики Калмыкия была использована зависимость: 5 = 15,1 + 0,288 * Invl

Таблица 4.

Сводка для моделиь

Модель Н R-квадрат Скорректированный R-квадрат Стд. ошибка оценки Дурбин-Уотсон

1 0,914a 0,835 0,833 107,38283 2,063

а. Предикторы: (конст) Инв ср

b. Зависимая переменная: Площадь_ср

Этап 3 Выявление зависимости общего числа туристов от площади номерного фонда и инвестиций в транспортную инфраструктуру

Данный этап моделирования был посвящен построению уравнения множественной линейной регрессии. Мы исходили из гипотезы, что общий туристический поток Т зависит от площади номерного фонда гостиниц и аналогичных средств размещения 5 и инвестиций в основные фонды экономического вида деятельности «Транспорт и связь» / : . I. Регрессионные уравнения были построены как для первого кластера, так и для всех 72 регионов. Гипотеза оказалась верной и для первого кластера была подтверждена статистически надежным (Таблица 5) уравнением:

Т = -19.516 + 3.478 *5 + 0.001 *1пг2

Таблица 5.

Сводка для моделиЬс

Модель Н R-квадрат Скорректиров анный R-квадрат Стд. ошибка оценки Статистика Дурбина-Уотсона

Ward Method = 1 (Выбранные ) Ward Method ~= 1 (Невыбран ные) Ward Method = 1 (Выбранны е) Ward Method ~= 1 (Невыбран ные)

1 0,941a 0,919 0,885 0,879 83,48133 2,227 2,020

а. Предикторы: (конст) Инв_8_ср, Площадь_ср

b. Если другое не указано, статистики вычисляются только по наблюдениям, для которых Ward Method = 1.

Модель Н R-квадрат Скорректиров анный R-квадрат Стд. ошибка оценки Статистика Дурбина-Уотсона

Ward Method = 1 (Выбранные ) Ward Method ~= 1 (Невыбран ные) Ward Method = 1 (Выбранны е) Ward Method ~= 1 (Невыбран ные)

1 0,941a 0,919 0,885 0,879 83,48133 2,227 2,020

а. Предикторы: (конст) Инв_8_ср, Площадь_ср

b. Если другое не указано, статистики вычисляются только по наблюдениям, для которых Ward Method = 1.

c. Зависимая переменная: Общ число тур ср

Этап 4 Построение имитационной модели

Как показано выше, ключевая идея состоит в том, что общий туристический поток есть индикатор роста выручки предприятий, входящих в туристско-рекреационный кластер, напрямую зависящий от площади номерного фонда гостиниц и аналогичных средств размещения, инвестиций в транспорт и связь, и маркетинга. В свою очередь, площадь номерного фонда гостиниц и аналогичных средств размещения находится под воздействием такого фактора, как инвестиции в гостиницы и аналогичные КСР. В качестве дополнительной объясняющей переменной выбран показатель инвестиционного климата в регионе, рассчитанный как качество предоставления государственных и муниципальных услуг предпринимателям и /или их представителям, и равный 0,64 для Республики Калмыкия [6].

Далее, общий туристический поток формирует выручку гостиниц и аналогичных средств размещения, предприятий общественного питания, а также выручку от продажи сувенирной продукции и товаров народного промысла. Определение и формализация зависимостей параметров модели были проведены в соответствии с логикой взаимосвязей экономических показателей:

1) Расчет объема платных гостиничных услуг:

где р1 — средняя стоимость гостиничных номеров, г — средняя продолжительность пребывания туриста в регионе, сезонная загруженность номеров.

2) Расчет выручки ресторанов и предприятий общественного питания:

где р2 —средняя стоимость суточного питания, рассчитанная на одного человека.

3) Расчет выручки от продажи сувенирной продукции и товаров народного промысла:

где рэ —средняя стоимость одной покупки сувенирной продукции.

4) Расчет общей выручки от предоставления туристических услуг: ТИ = ГЛ± + ТИ2 +

5) Расчет количества иностранных туристов: ЕТ = Т * 0,03

Коэффициент равный 0,08 - это доля иностранных туристов в общем числе

туристов, посетивших регион, рассчитанная как среднее значение за период 2010-2015 гг., и практически одинаковая во всех российских регионах.

Концептуальная схема модели туристско-рекреационного кластера представлена на (Рис. 2). Стоит пояснить, что переменные «Инвестиции в гостиницы и КСР» и «Инвестиции в транспорт» представляют собой потоки, зависящие от времени, и вводились в модель как временные ряды. «Площадь номерного фонда» -накапливающийся резервуар, пополняемый через входящие потоки и расходующийся на выходные. Переменные «Общий туристический поток», «Объем платных гостиничных услуг», «Выручка предприятий общественного питания», «Выручка от продажи сувенирной продукции» и «Совокупная выручка от предоставления туристических услуг» являются зависимыми и также представляют собой потоки - временные ряды, прогнозируемые на период 2017-2026 гг.

Остальные переменные, кроме «Иностранных туристов», являются константами и вводятся сразу в соответствующие поля без единиц измерения. Их количественные значения отражены в программном коде модели рис. 4.

Результат работы имитационной модели на период 2017-2026 гг. выглядит так, как показано на рис. 3 (а, б, в).

Рис. 2. Модель туристско-рекреационного кластера Республики Калмыкия

(/) Результаты прогноза

■^23.01.2017

Результаты прогноза (Результаты прогноза)

Уеагз Общий ту| иностр ту[ площадь I Совокупнг выру4ка о объем плг выру4ка п

1пШа1 15,27

1 41,80 3,34 15,87 230,16 18,81 86,98 124,36

2 44,04 3,52 16,50 242,49 19,82 91,64 131,03

3 46,59 3,73 17,20 256,51 20,97 96,94 138,60

4 49,39 3,95 17,99 271,94 22,23 102,77 146,94

5 52,53 4,20 18,88 289,22 23,64 109,30 156,28

6 56,09 4,49 19,90 308,83 25,24 116,72 166,88

7 60,06 4,80 21,04 330,66 27,03 124,96 178,67

8 64,44 5,16 22,31 354,79 29,00 134,08 191,71

9 69,27 5,54 23,72 381,40 31,17 144,14 206,09

10 74,62 5,97 25,32 410,86 33,58 155,27 222,01

а)

б)

в)

Рис. 3. Результаты работы модели туристско-рекреационного кластера Республики Калмыкия на период 2017-2026 гг.

i iThink 9.1.3 - Г"°

File Edit View Equation Run Help

liJSlll

□3 пл о ща дь_н о м e p н о го_ф о н да (t) = п л о ща дь_н о м e p н о го_ф о нда (t - dt) + (и н в e сти ци и_в_го ст_и_КС P) * dt

IWIT площадь_номерного_фонда = 15.1 +0.288*инвестиции_в_гост_и_КСР INFLOWS:

и н в e сти ци и_в_гост_и_КСP = G R АР H (Tl M Е*и н в e ст_кл и м ат) I (1.00, 0.6), (2.00, 0.71), (3.00, 0.85), (4.00, 1.05), (5.00, 1.24), (6.00, 1.46), (7.00, 1.82), (8.00, L—-1.96), (9.00, 2.03), (1 0.0, 2.36), (11.0, 3.00) UNATTACHED:

в ы py4 к а_от_п p о дажи_сув e н и p н о й_п p о дук ци и = о 6 щн й_тур_п ото к*с р е дн я я_сто и и о сть_о дн о й_п о куп к и_сув е н н р о в UNATTACHED:

выру4ка_преприятий_о0ществ_питания =

о 6 щн й_г/р_п ото к*п р одо лжите л ь н о сть_п р е S ы в а н и я*с р е дн я я_сто и и о сть_суто 4 н о го_п ита н и я UNATTACHED:

инвестиции_в_транспорт = GRAPH(TIME*HHBecT_KnHMaT) I ^<1.00. 8200), (2.00, 8750), (3.00, 9320), (4.00, 1 0050), (5.00, 10690), (6.00, 11360), (7.00, 1 21 00), С——(8.00, 1 2870), (9.00, 1 4050), (1 0.0, 1 4780), (11.0, 1 6000) UNATTACHED:

объем_платных_гост_услуг =

о 6 щн й_тур_п ото к*п р одо лжите л ь н о сть_п р е б ы в а н н я*сто н и о сть_го ст_н о м е р о в*с ез о н н а я_з а гру женность_номеров UNATTACHED: с О0щий_т/р_поток =

-.ё (-1 9.51 6+3.478*площадь_номерного_фонда+0.001*инвестиции_в_транспорт)*маркетинг_и_ин

п:

з новации

Ш UNATTACHED:

Совокупная_выру4ка_от_предоставления_тур_услуг =

о 0 ъ е м_п л атн ых_го ст_услуг+ в ы ру4 к а_от_п р о дажи_сув е н и р н о й_п р о дук ци и+в ы ру4 к а_п р е п р и ят и й_о О ще ств_п ита н и я О инвест_климат = 0.64 О и н о стр_тур н сты = о 0 щи й_тур_п ото к*0.0 8 О маркетинг_и_инновации = 1 О продолжнтельность_пре0ывания = 3.5 О сезонная_загруженность_номеров = 0.41 О стоимость_гост_номеров = 1.45

О средняя_стоимость_одной_покупки_сувениров = 0.450 О средняя_стоимость_суто4ного_питания = 0.850

Рис. 4. Программный код имитационной модели туристско-рекреационного кластера

Республики Калмыкия

Для сравнения результатов работы имитационной модели можно изменять входные параметры: инвестиции, маркетинг и инновации, инвестиционный климат, длительность пребывания и др. Также с течением времени могут быть преобразованы уравнения регрессии, при этом возможно изменение не только коэффициентов, но и добавление (исключение) различных факторов.

В свою очередь, мы рассмотрели две ситуации:

а) улучшение инвестиционного климата до 0,75 и повышение значения маркетинговой и инновационной составляющей до 1,5;

б) увеличение значения маркетинговой и инновационной составляющей до 1,5 и увеличение средней продолжительности пребывания до четырех суток.

В обоих случая прогнозируемые ряды данных изменились, и построенная модель позволила оперативно рассчитать эти изменения (Рис. 5), что свидетельствует об эффективности и целесообразности применения имитационного моделирования для принятия управленческих решений. Многокритериальность модели, возможность формировать различные сценарии управленческой деятельности позволяют создать необходимый инструментарий управления развитием туристско-рекреационного кластера Республики Калмыкия.

11 Результаты прогноза

^23.01.2017 Результаты прогноза (Результаты прогноза)

Уеагэ Общий тур иностр тур площадь 1 Совокупнг выру4ка о объем плё выру4ка п

1пШа1 15,27

1 62,70 5,02 15,87 345,23 28,22 130,47 186,54

2 66,25 5,30 16,53 364,74 29,81 137,84 197,08

3 70,29 5,62 17,27 387,00 31,63 146,26 209,11

4 74,82 5,99 18,12 411,93 33,67 155,68 222,58

5 80,07 6,41 19,12 440,87 36,03 166,61 238,22

6 86,04 6,88 20,27 473,74 38,72 179,04 255,98

7 92,75 7,42 21,56 510,65 41,74 192,99 275,93

8 100,26 8,02 23,02 552,00 45,12 208,61 298,27

9 108,71 8,70 24,75 598,52 48,92 226,20 323,41

10 118,59 9,49 26,64 652,92 53,36 246,75 352,80

а) улучшение инвестиционного климата и повышение значения маркетинговой

и инновационной составляющих

1 ( Результаты прогноза

23.01.2017 Результаты прогноза (Результаты прогноза)

Уеагэ Общий тур иностр тур площадь I Совокупнг выру4ка о объем плг выру4ка п

1пШа1 15,27

1 62,70 5,02 15,87 390,52 28,22 149,11 213,19

2 66,07 5,29 16,50 411,46 29,73 157,10 224,62

3 69,88 5,59 17,20 435,24 31,45 166,18 237,61

4 74,09 5,93 17,99 461,42 33,34 176,18 251,90

5 78,80 6,30 18,88 490,74 35,46 187,38 267,90

6 84,14 6,73 19,90 524,02 37,86 200,08 286,07

7 90,09 7,21 21,04 561,06 40,54 214,23 306,29

8 96,66 7,73 22,31 602,00 43,50 229,86 328,64

9 103,91 8,31 23,72 647,15 46,76 247,10 353,29

10 111,94 8,95 25,32 697,14 50,37 266,18 380,58

б) увеличение значения маркетинговой и инновационной составляющих и рост средней продолжительности пребывания

Рис. 5. Результаты работы модели туристско-рекреационного кластера Республики Калмыкия на период 2017-2026 гг. в различных ситуациях

Перспективы развития описанной модели связаны с оценкой и уточнением динамических значений показателей инвестиционного климата, маркетинговой и инновационной компонент на основе данных государственной статистики и результатов измерений специализированных институтов (например, рейтинговых агентств), либо в рамках экспертного оценивания.

В целом же внедрение механизма выбора наиболее эффективных управленческих решений на основе имитационного моделирования будет способствовать развитию и повышению конкурентоспособности туристско-рекреационного кластера Республики Калмыкия.

1. Манцаева, А.А. Факторы создания и развития туристско-рекреационного кластера / А.А. Манцаева, Т.Г. Деликова // Финансово-экономические аспекты международных интеграционных процессов: Междунар. науч. период. изд. по итогам Междунар. науч.-практ. конф., (17 авг. 2016 г., г. Сургут). Стерлитамак: АМИ, 2016. 65 с.

2. Емельянова, А.А. Имитационное моделирование экономических процессов / А.А. Емельянова, Е.А. Власова. М.: Моск. Междунар. ин-т эконометрики, информатики, финансов и права, 2002. 92 с.

3. Факторный, дискриминантный и кластерный анализ / Дж. Щ. Ким, Ч.У. Мьюллер, У.Р. Клекка [и др.]; пер. с англ.; под ред. И.С. Енюкова. М.: Финансы и статистика, 1989. 215 с.

4. Регионы России. Социально-экономические показатели 2015 [Электронный ресурс]: URL: http://www.gks.ru/free_doc/doc_2015/region/reg-pok15.pdf (дата обращения 13.10.2016 г.).

5. Федеральное агентство по туризму / [Электронный ресурс]: URL: http://opendata.russiatourism.ru/stat (дата обращения 13.10.2016 г.).

6. Хашаева, А.Б. Качество предоставления государственных и муниципальных услуг как индикатор взаимодействия предпринимательской среды и государства при формировании мезоэкономических кластеров / А. Б. Хашаева, А. А. Манцаева // Вестник экономики, права и социологии. 2016. № 3. С. 82-86.