Кластерный анализ как инструмент оценки социально-экономического развития регионов Текст научной статьи по специальности «Экономика и бизнес»

Методы анализа

УДК 332.142

кластерный анализ как инструмент оценки социально-

экономического развития регионов*

о. а. доничев,

доктор экономических наук, профессор, заведующий кафедрой экономики и управления инвестициями и инновациями E-mail: donoa@vlsu. ru Владимирский государственный университет имени А. Г. и Н. Г. Столетовых

н. л. красюкова,

кандидат социологических наук, профессор, заведующая кафедрой экономики и финансов E-mail: Nlkpmf2011@yandex. ru Одинцовский гуманитарный институт, Московская область

д. ю. фраймович,

кандидат экономических наук, доцент кафедры экономики и управления инвестициями и инновациями E-mail: Fdu78@rambler. ru Владимирский государственный университет имени А. Г. и Н. Г. Столетовых

В статье на основании кластерного анализа регионов Северо-Кавказского федерального округа предложена методика оценки интегрального показателя характеристик социально-экономического и воспроизводственно-инновационного потенциалов регионов, позволяющая определить степень использования ресурсов и возможностей территории по улучшению показателей социально-экономического развития.

* Статья предоставлена Информационным центром Издательского дома «ФИНАНСЫ и КРЕДИТ» при Владимирском государственном университете имени А. Г и Н. Г. Столетовых.

Ключевые слова: кластер, анализ, потенциал, интегральный показатель, регион.

Задача модернизации основных направлений социально-экономического развития российского государства неизбежно приводит к необходимости дополнительного определения механизмов и инструментов положительного воздействия и влияния на экономические компоненты этого процесса, задействования инновационных подходов, способных

кардинально изменить сложившуюся ситуацию и указать пути достижения обновленной позитивной динамики.

Совершенно объективно возрастает актуальность участия в этой деятельности социально-экономических систем регионов - субъектов Федерации и макрорегионов - федеральных округов. Поэтому реализация поставленной задачи во многом зависит от задействования существующих и определения дополнительных факторов и источников регионального участия в модернизационных механизмах. Среди возможных направлений активизации регионального вклада в эту деятельность могли бы стать вновь создаваемые кластерные образования, хорошо зарекомендовавшие себя с позиций инновационного и территориального подходов. При этом теория кластерного экономического развития во многом базируется на признании того факта, что регионы, на территории которых формируются и действуют кластеры, являются лидерами экономического прогресса. Подобные регионы-лидеры как раз и формируют конкурентоспособность любой национальной экономической политики.

Здесь необходимо сделать пояснение, что речь в данном случае идет о формировании кластеров в трактовке М. Портера, который представлял кластер как сконцентрированную по географическому признаку группу взаимосвязанных компаний, специализированных поставщиков, поставщиков услуг, фирм в соответствующих видах экономической деятельности, а также связанных с их деятельностью организаций (например, университетов, агентств по стандартизации, а также торговых объединений) в определенных областях конкурирующих, но вместе с тем ведущих совместную работу [7].

Вопрос ставится в первую очередь об инновационном кластере, который через взаимодействие его участников и развитие конкуренции способствует динамичному социально-экономическому развитию территории или группы территорий, на которых он расположен, и повышает их жизнеспособность. В подобной трактовке в отношении кластера справедливо мнение о том, что он - средоточие наиболее эффективных и взаимосвязанных видов экономической деятельности, совокупности взаимосвязанных групп успешно функционирующих фирм, которые образуют золотое сечение всей экономической системы государства и обеспечивают конкурентные позиции на национальном и мировом рынках [5]. С этих позиций деятельность кластера

нацелена прежде всего на генерацию новых инвестиций, т. е. создание добавочных инвестиций, что является одной из основных стратегий развития кластера [9].

При этом принято считать, что выделяются, как правило, две основные категории кластеров, сформированные по пространственной и функциональной осям. Когда проводится различие между кластерами, функционально связанные системы, менее ограниченные строго определенными регионами, совпадающие с первоначальными определениями М. Портера, обычно относятся к промышленным кластерам. Пространственные же группировки подобных друг другу и связанных фирм, а также видов экономической деятельности относятся к региональным кластерам [4].

В свою очередь регионы также могут быть объединены в кластеры, если будут сгруппированы на основании выполненного кластерного анализа. В данном случае речь идет о разных категориях кластеров. В авторском исследовании в большей степени интересует механизм формирования региональных кластеров с точки зрения возможностей оценки социально-экономического развития территорий.

Термин «кластерный анализ» (предложен английским ученым Р. Трионом в 1939 г.) включает в себя набор различных алгоритмов классификации. Общий вопрос, задаваемый исследователями во многих областях, состоит в том, как организовать наблюдаемые данные в наглядные структуры, т. е. развернуть таксономии и содержательно интерпретировать их. В этой классификации чем выше уровень агрегации, тем меньше сходство между членами в соответствующем классе. Фактически кластерный анализ является не столько обычным статистическим методом, сколько набором различных алгоритмов распределения объектов по кластерам. Методы кластерного анализа используются в большинстве случаев, когда отсутствуют какие-либо априорные гипотезы относительно классов, поэтому кластерный анализ определяет наиболее возможное решение [2].

Кластерный анализ широко применяется в маркетинговых исследованиях, в экономике. В любом случае, когда необходимо классифицировать значительное количество информации к пригодным для дальнейшей обработки группам, кластерный анализ оказывается весьма полезным и эффективным.

В то же время с позиций классификации регионов наиболее общие методы кластерного анализа -

объединения (древовидная кластеризация) и метод К-средних. Метод древовидной кластеризации используется при формировании кластеров несходства или расстояния между объектами. Наиболее общий тип расстояния - Евклидово расстояние. Оно является геометрическим расстоянием в многомерном пространстве[10].

Перед тем как производить кластерный анализ регионов в составе федерального округа следует оговорить некоторые условия.

Во-первых, кластерный анализ будет произведен по регионам Северо-Кавказского федерального округа, потому что он является наиболее нетипичным и наиболее проблемным в Российской Федерации.

Во-вторых, целью исследования является осуществление на базе выполненного кластерного анализа расчета интегрального показателя социально-экономического и воспроизводственно-инновационного развития региона, входящего в федеральный округ. Данный расчет, представляющий собой среднегеометрическую величину произведения потенциалов первого и второго уровней, дает возможность определить степень использования оцениваемым регионом имеющихся возможностей и ресурсов для значительного улучшения собственного социально-экономического положения.

Таким образом, в рамках исследования представляется целесообразным осуществление многоуровневого подхода к оценке на базе кластерного анализа социально-экономического и воспроизводственно-инновационного потенциалов конкретного региона, входящего в Северо-Кавказский федеральный округ.

Расчеты характеристик первого уровня относятся к определению относительного индикатора социально-экономического и воспроизводственно-инновационного развития региона ИВ1, характеризующего степень соответствия его социально-экономических показателей (в данном случае ВРП на душу населения, руб.) к среднему значению ВРП на душу населения по соответствующему кластеру. Экономический смысл этого расчета заключается в оценке характеристик региона применительно к подобным ему по уровню развития субъектам Федерации в данном кластере. Указанный показатель рассчитывается по формуле

ИВЛ =ВРП. / ВРП , (1)

1 1 ер' у '

где ВРП. - валовой региональный продукт на душу

населения по 1-му региону конкретного округа;

ВРПср - средний валовой региональный продукт (среднее арифметическое значение) на душу населения в соответствующем кластере. Второй уровень расчета составляющих интегрального показателя инновационно-воспроизводственного развития субъекта характеризует положение какого-либо конкретного региона в сравнении со всеми регионами в определенном федеральном округе. Этот индикатор можно назвать абсолютным социально-экономическим и воспроизводственно-инновационным индикатором второго порядка ИВ2. Специфика его определения заключается в оценке развития региона применительно к функционированию всей территории (Северо-Кавказского федерального округа). Степень использования потенциала второго уровня оценивается по формуле расчета базисного индекса [1]

ИВ= ВРП. /ВРП , (2)

2 1 п> у '

где ВРП1 - фактически достигнутая 1-м регионом результирующая величина (валовой региональный продукт на душу населения, руб.); ВРПп - расчетное значение результирующего показателя, которое целесообразно определить методом регрессионного анализа в зависимости от тех или иных факторов на основе регрессионной зависимости, характеризующей тенденцию развития анализируемого федерального округа.

При оценке индикатора ИВ2 расчетное значение валового регионального продукта У на душу населения определяется по линейной регрессионной модели вида

У = А +£ А.Х.

(3)

где А0 - начальное смещение выходной величины; Л. - коэффициенты линейной модели; X. - факторы, влияющие на результирующую величину.

При этом интегральный показатель социально-экономической и воспроизводственно-инновационной позиций конкретного региона будет определяться через оценку средней геометрической, которая позволяет сохранять неизменным не сумму, а произведение индивидуальных значений величины. Кроме того, средняя геометрическая дает наиболее правильный по содержанию результат в тех случаях, когда требуется найти такое значение экономического показателя, которое было бы качественно равноудалено как от максимального, так и от минимального значений [3]:

_ I ш=2щ ив2, (4)

где Iие - средняя геометрическая величина;

2 - количество индивидуальных значений;

ИВ 1, ИВ2 - индивидуальные значения 1-го и

2-го уровней в анализируемой совокупности.

Для оценки социально-экономических и вос-производственно-инновациооных позиций субъектов Северо-Кавказского федерального округа предлагается провести поэтапный кластерный анализ на базе 15 статистических факторов, которые наиболее информативно и показательно характеризуют соответствующие условия развития регионов. В качестве результирующей величины У (для расчета индикатора ИВ2) необходимо использовать

Социально-экономические и воспроизводственно-инновационные показатели субъектов Северо-Кавказского федерального округа за 2009 г. [8]

валовой региональный продукт на душу населения (см. таблицу) [8].

Достоинством кластерного анализа является то, что он дает возможность производить группировку объектов не по одному параметру, а по определенному набору признаков. Кластерный анализ в отличие от большинства математико-статистических методов не накладывает никаких ограничений на вид рассматриваемых объектов, позволяет рассматривать множество исходных данных практически произвольной природы. Также кластерный анализ позволяет рассматривать достаточно большой объем информации и резко сокращать, сжимать большие массивы социально-

Показатель Республика Дагестан (С1) Республика Ингушетия (С2) Кабардино-Балкарская Республика (С3) Карачаево-Черкесская Республика (С4) Республика Северная Осетия - Алания (С5) чеченская Республика (С6) Ставропольский край (С7)

Коэффициент естественного прироста населения (на 1 000 чел. населения) 12,4 15 4,2 3,5 2,9 23,8 -1,1

Уровень безработицы, % 13,2 52,9 14,4 12,2 10,6 35 8,7

Среднемесячная номинальная начисленная заработная плата, руб. 9 125,3 10 957,6 10 777,4 10 477,1 10 831,5 13 254,9 12 647,2

Численность студентов вузов, тыс. чел. 111,4 11,3 29,5 17,6 33 33,3 140,6

Численность врачей на 10 000 чел. населения 39,4 25,1 43,3 38,8 72 26,6 47,5

Число зарегистрированных преступлений на 100 тыс. чел. населения 456 448 990 1 112 1 208 375 1 543

Оборот малых предприятий, млрд руб. 86,7 5,5 21,8 16,7 20,5 30,1 205,1

Индекс промышленного производства к предыдущему году, %о 106,6 93,8 100,7 109,7 98,8 86,9 103,5

Индекс производства продукции сельского хозяйства в сопоставимых ценах к предыдущему году, %о 104 102,7 104,6 106,8 102,5 100,7 90,8

Объем работ, выполненных по виду экономической деятельности «строительство», млн руб. 53 644,9 4 127,8 6 054,8 5 495,2 12 241,1 26 139,1 23 767,4

Число автобусов общего пользования на 100 тыс. чел. населения (на конец года) 24 52 34 17 51 49 22

Удельный вес организаций, использовавших глобальные информационные сети, от общего числа организаций, % 93,2 57,8 87,8 62,1 79,7 51,6 91,1

Численность персонала, занятого исследованиями и разработками, чел. 1 658 95 727 497 608 361 2 105

Инвестиции в основной капитал в фактически действовавших ценах, млн руб. 100 935 7 958 12 054 10 148 16 700 34 779 78 507

ВРП на душу населения (2009 г), руб. 96 854,987 36 081,431 74 303,244 90 357,611 92 925,392 50 543,927 102 348,51

экономической информации, делать их компактными и наглядными [6].

Статистическое моделирование проводилось в программном комплексе STAГПSTICA 6.1. Дендро-грамма кластеров по семи исследуемым регионам Северо-Кавказского федерального округа представлена на рис. 1, где на оси абсцисс показаны номера регионов в соответствии с таблицей, а по оси ординат отложено расстояние между парами объектов или кластеров в процентах от максимально возможного расстояния в группе наблюдений. Анализ позволил выявить три группы кластеров. Исходя из значения ВРП на душу населения, их можно назвать лидерами, умеренно-стабильными и аутсайдерами.

Согласно дендрограмме, к первой группе регионов (лидерам) относятся Республика Дагестан (С1) и Ставропольский край (С7).

Второй региональный кластер (умеренно-стабильный) представлен Кабардино-Балкарской Республикой (С3), Карачаево-Черкесской Республикой (С4) и Республикой Северная Осетия - Алания (С5).

Третий кластер представлен двумя регионами-аутсайдерами - Республикой Ингушетия (С2) и Чеченской Республикой (С6), отличающимися от соседей менее выразительными темпами развития и сравнительно низким валовым региональным продуктом на душу населения.

В качестве объекта анализа в исследовании предлагается взять Республику Ингушетия, являющуюся ярко выраженным аутсайдером в совокупности рассматриваемых регионов, поэтому анализ будет наиболее показательным. При этом следует оговориться, что подобный анализ может быть произведен в отношении любого региона, входящего в округ.

Индикатор социально-экономического и воспроизводственно-инновационного развития первого уровня по формуле (1) для данного региона будет равен:

ИВ1 = 36 081,43 / [(36 081,43 + 50 543,93) / 2] = =36 081,43 / 43 312,68 = 0,833.

Логика оценки социально-экономического и воспроизводственно-инновационного индикатора

£

Рис. 1. Кластерный анализ развития регионов Северо-Кавказского федерального округа

Х1

*2

Хэ

А4

А6

^13

У

X.1 *2 Х4 *5 Х7 *8 Х9 ^10 *11 -^12 ^13 -^14 У

1,00 0,73 0,21 —0,30 -0,69 -0,93 —0,40 -0,72 0,23 0,28 0,52 —0,63 -0,46 —0,01 -0,74

0,73 1,00 0,23 —0,49 -0,70 -0,71 —0,44 -0,71 0,12 -0,24 0,66 —0,72 -0,63 —0,36 -0,95

0,21 0,23 1,00 0,04 -0,18 0,15 0,28 -0,63 -0,65 -0,20 0,29 -0,39 -0,05 -0,10 -0,30

-0,30 -0,49 0,04 1,00 0,17 0,32 0,94 0,37 -0,70 0,71 -0,53 0,71 0,98 0,93 0,63

-0,69 -0,70 -0,18 0,17 1,00 0,68 0,15 0,33 -0,11 -0,06 -0,01 0,55 0,27 0,01 0,68

-0,93 -0,71 0,15 0,32 0,68 1,00 0,50 0,51 -0,45 -0,32 -0,43 0,47 0,44 -0,02 0,69

-0,40 -0,44 0,28 0,94 0,15 0,50 1,00 0,31 -0,86 0,47 -0,52 0,59 0,92 0,77 0,57

-0,72 -0,71 -0,63 0,37 0,33 0,51 0,31 1,00 0,14 0,14 -0,86 0,58 0,51 0,30 0,79

0,23 0,12 -0,65 -0,70 -0,11 -0,45 -0,86 0,14 1,00 -0,19 0,08 -0,28 -0,63 -0,48 -0,22

0,28 -0,24 -0,20 0,71 -0,06 -0,32 0,47 0,14 -0,19 1,00 -0,28 0,42 0,64 0,92 0,36

0,52 0,66 0,29 -0,53 -0,01 -0,43 -0,52 -0,86 0,08 -0,28 1,00 -0,47 -0,64 -0,47 -0,70

-0,63 -0,72 -0,39 0,71 0,55 0,47 0,59 0,58 -0,28 0,42 -0,47 1,00 0,81 0,60 0,75

-0,46 -0,63 -0,05 0,98 0,27 0,44 0,92 0,51 -0,63 0,64 -0,64 0,81 1,00 0,87 0,75

-0,01 -0,36 -0,10 0,93 0,01 -0,02 0,77 0,30 -0,48 0,92 -0,47 0,60 0,87 1,00 0,52

-0,74 -0,95 -0,30 0,63 0,68 0,69 0,57 0,79 -0,22 0,36 -0,70 0,75 0,75 0,52 1,00

Рис. 2. Результаты парного корреляционного анализа

второго уровня ИВ2 состоит в том, чтобы на полученную функцию, характеризующую закономерности развития регионов Северо-Кавказского федерального округа наложить фактически достигнутые показатели функционирования конкретного субъекта и сопоставить достигнутый валовой региональный продукт на душу населения и расчетный валовой региональный продукт (за 2009 г.). Однако между отдельными факторами могут существовать сильные корреляционные взаимосвязи, что потребует исключения ряда величин из уравнения (3). Значения парного коэффициента корреляции приведены на рис. 2 (наиболее значимые коэффициенты выделены полужирным шрифтом).

Анализ статистических данных, представленных на рис. 2 показал, что между факторами Х1, Х2, Х4, Х7, Х8, Х10, Х13 существует сильная и статистически значимая взаимосвязь, а факторы Х3 и Х5 с другими факторами и результирующей величиной практическим не связаны. Исходя из этого, целесообразно внести в статистическую модель (3) следующие элементы: Х6, Х9, Х12, Х14, У.

Полученное в программном комплексе STATISTICA 6.1 уравнение множественной регрессии принимает вид

У = 59 ХЛ + 3 262 Х0 - 162 Х„ + Х1Л - 316 922.

6 9 12 14

Подставляя вместо Х6,..., Х14 фактические показатели, достигнутые анализируемым субъектом Федерации (Республикой Ингушетия) за 2009 г., можно оценить расчетный ВРП на душу населения:

ВРПп= 59 • 448 + 3 262 • 102,7 -- 162 • 57,8п + 1 • 7 958 - 316 922 = 40 046,85.

Сопоставляя полученный показатель с фактически достигнутым регионом валовым региональным продуктом, есть возможность оценить социально-экономический и воспроизводственно-инновационный индикатор второго уровня ИВ2 по формуле (2) ИВ2 = 36 081,43 / 40 046,85 = 0,9.

Соответственно, интегральный показатель социально-экономического и воспроизводственно-инновационного развития региона (Республики Ингушетия) по формуле (4) составит 1 ив = 20,833 • 0,9 = 0,86.

Полученное значение свидетельствует о недостаточном использовании регионом имеющихся возможностей освоения социально-экономических ресурсов как на фоне близких по развитию субъектов (Чеченская Республика), так и по отношению ко всему Северо-Кавказскому федеральному округу.

Таким образом, приведенный методический подход дает возможность анализировать влияние отдельных факторов, обеспечивающих сбалансированное социально-экономическое и воспроизводственно-инновационное развитие региона, а также оценивать возможные последствия изменения его показателей на перспективу.

На основании предложенной методики имеется возможность определения динамики развития регионов на краткосрочный период для разработки перспективных территориальных программ развития.

Список литературы

1. Ефимова М.Р., Петрова Е.В., Румянцева В. Н. Общая теория статистики: учебник. М.: Инфра-М, 1996.

2. Кластерный анализ. URL: http://www. bsu. ru/content/hec/biometria/modules/stcluan. html.

3. Ковалев В. В., Волкова О. Н. Анализ хозяйственной деятельности предприятия: учебник. М.: ТК Велби, 2002.

4. Куркудинова Е. В. Кластерный подход как технология управления экономическим развитием региона // Экономические науки. 2010. № 10.

5. Мигранян А. А. Теоретические аспекты формирования конкурентоспособных кластеров в странах с переходной экономикой // Вестник КРСУ. 2002. № 3.

6. Плохотников К. Э., Колков С. В. Статистика: учеб. пособие. М.: Флинта, МПСИ 2010.

7. Портер М. Конкуренция / пер. с англ. М.: Вильямс, 2000.

8. Регионы России. Социально-экономические показатели - 2010. URL: http://www. gks. ru/bgd/regl/ b10_14p/Main. htm.

9. Родионова Л. Н., Хайруллин Р. Ф. Кластеры как форма интеграции инвестиционных ресурсов. URL: http://www. ogbus. ru/authors/Rodionova/Rodionova_4.pdf.

10. Садыкова Л. Г. Кластерный анализ деятельности малых предприятий // Экономические науки. 2010. № 12.