МЕЖРЕГИОНАЛЬНЫЕ ВЗАИМОСВЯЗИ НА РЫНКЕ МОЛОЧНОЙ ПРОДУКЦИИ РОССИИ: ПРОСТРАНСТВЕННЫЕ ПОЛЮСА РОСТА

Наумов И. В.; Седельников В. М.

DOI: 10.29141/2658-5081-2021-22-3-6 JEL classification: L66, R58

И. В. Наумов Институт экономики УрО РАН, г. Екатеринбург, Российская Федерация

В. М. Седельников Институт экономики УрО РАН, г. Екатеринбург, Российская Федерация

Межрегиональные взаимосвязи на рынке молочной продукции России: пространственные полюса роста

Аннотация. Регионы России характеризуются высоким уровнем дифференциации процессов производства и потребления молока и молочной продукции, что препятствует обеспечению продовольственной безопасности. Статья посвящена изучению межрегиональных взаимосвязей в указанных процессах. Методологическая база исследования включает теоретические положения региональной и пространственной экономики, в частности теорию прямой и обратной связи А. Хиршмана, теорию полюсов роста Ф. Перру, теорию центральных мест В. Кристаллера, теорию пространственной организации хозяйства А. Леша, теорию «центр - периферия» Дж. Фридмана и др. В качестве методов работы использовались пространственный автокорреляционный анализ по методике П. Морана и метод исследования межтерриториальных взаимодействий Л. Анселина. Определены основные региональные центры производства и потребления молока, выполнена кластеризация регионов по уровню производства молочной продукции и установлены кластеры взаимосвязанных регионов в России. Тесноту выявленных межрегиональных кооперационных прямых и обратных взаимосвязей подтверждает функционирование на данных территориях кластерных структур по производству агропромышленной продукции: Сибирского (Новосибирская, Омская, Тюменская области и др.), Южного (Краснодарский край, Ростовская, Белгородская области и др.), Центрального (Владимирская, Нижегородская области, Республика Мордовия и др.) и Урало-Приволжского (Республика Татарстан, Свердловская и Нижегородская области) кластеров. Результаты работы могут использоваться исследователями при формировании пространственных стратегий, региональных программ и моделей социально-экономического развития, а также региональными и муниципальными органами власти при реализации Стратегии пространственного развития РФ на период до 2025 года.

Ключевые слова: региональное развитие; пространственное развитие; рынок молочной продукции; межрегиональные взаимосвязи; кластеры; автокорреляция.

Благодарности: Статья подготовлена в соответствии с Планом НИР для Лаборатории моделирования пространственного развития территорий Института экономики УрО РАН на 2021 год по теме «Методология моделирования пространственного развития макрорегионов в контексте обеспечения их экономической безопасности». Для цитирования: Наумов И. В., Седельников В. М. (2021). Межрегиональные взаимосвязи на рынке молочной продукции России: пространственные полюса роста // Journal of New Economy. Т. 22, № 3. С. 103-124. DOI: 10.29141/2658-5081-2021-22-3-6 Дата поступления: 3 февраля 2021 г.

Ilya V. Naumov Institute of Economics (Ural branch of RAS), Ekaterinburg, Russia

Vladislav M. Sedelnikov Institute of Economics (Ural branch of RAS), Ekaterinburg, Russia

Interregional relationships in the Russian dairy market:

Spatial growth poles

Abstract. Significant differentiation between Russian regions in the production and consumption of milk and dairy products hampers the food security. The paper investigates interregional relationships in the indicated processes. Methodologically, the research relies on the regional and spatial economics, in particular on Hirschman's theory of backward and forward linkages, Perroux's theory of growth poles, Christaller's central place theory, Losch's theory of spatial organisation of the economy, Friedman's core-periphery theory, and some others. Using the spatial autocorrelation analysis by Moran procedure and the research of inter-territorial interactions according to Anselin, the authors determine the main regional centers of milk production and consumption, cluster the regions according to the level of dairy production, and specify clusters of closely interconnected regions of Russia on the basis of the identified interregional relationships. The agro-industrial cluster structures functioning in these territories confirm the tightness of the identified interregional cooperative direct and reverse relationships. The four clusters include the Siberian cluster (Novosibirsk, Omsk, Tyumen oblasts, etc.), the Southern cluster (Krasnodar krai, Rostov and Belgorod oblasts, etc.), the Central cluster (Vladimir and Nizhny Novgorod oblasts, Republic of Mordovia, etc.), and the Ural-Volga cluster (Republic of Tatarstan, Sverdlovsk and Nizhny Novgorod oblasts). The results of the study can be useful for researchers involved in the design of spatial strategies, regional programmes and models of socioeconomic development, as well as for regional and municipal authorities implementing the Strategy for the spatial development of the Russian Federation for the period up to 2025.

Keywords: regional development; spatial development; dairy market; interregional relationships; clusters; autocorrelation.

Acknowledgements: The paper is prepared in accordance with the R&D Plan for the Laboratory for Spatial Territorial Development Modelling of the Institute of Economics (Ural Branch of RAS) for 2021 on the topic "Methodology for modelling the spatial development of macrore-gions in the context of ensuring their economic security"

For citation: Naumov I. V., Sedelnikov V. M. (2021). Interregional relationships in the Russian dairy market: Spatial growth poles. Journal of New Economy, vol. 22, no. 3, pp. 103-124. DOI: 10.29141/2658-5081-2021-22-3-6 Received February 3, 2021.

Введение

В настоящее время в условиях введения Правительством РФ продовольственного эмбарго по отдельным продуктовым категориям, производимым за рубежом, а также мировой пандемии коронавируса особенно остро стоит вопрос обеспечения национальной, экономической и продовольственной безопасности России. Механизмы решения этой задачи отражены в Декларации Всемирного саммита по

продовольственной безопасности1, Доктрине продовольственной безопасности РФ2, Стратегии экономической безопасности РФ на период до 2030 года3, Стратегии развития агропромышленного и рыбохозяйственного комплексов РФ на период до 2030 года4, Прогнозе социально-экономического развития РФ на период до 2036 года5, государственной программе развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия6 и других документах, призванных снизить межстрановые и межрегиональные диспропорции и пространственную дифференциацию.

Прежде всего необходимо обеспечить население России продуктами первой необходимости, к которым относятся молоко и молочная продукция. Однако рынок этой продукции значительно фрагментирован и характеризуется высоким уровнем региональной дифференциации как по производству, так и по потреблению.

Объектом исследования выступает рынок молочной продукции России, предметом -пространственные различия в его развитии между регионами. Преодоление региональных диспропорций в указанной сфере возможно за счет активизации межрегиональных связей, формирования межотраслевых технологических цепочек и повышения интенсивности межрегиональной торговли.

Цель статьи - оценка пространственной дифференциации и уровня межрегиональных взаимосвязей на рынке молока и молочной продукции в процессе производства и потребления, которая позволит выявить ключевые полюса роста для обеспечения продовольственной безопасности и развития экономики России.

Для достижения поставленной цели решались следующие задачи:

• обзор эволюционных аспектов становления теории пространственного развития;

• кластеризация регионов и выявление регионов-лидеров по производству и потреблению молочной продукции;

• определение прямых и обратных межрегиональных взаимосвязей;

• выявление полюсов роста в сфере производства молочной продукции и зон их влияния, анализ имеющихся и потенциальных межрегиональных кластеров по производству молочной продукции.

Новизна исследования состоит в обосновании пространственной и отраслевой дифференциации, в том числе высокой концентрации и локализации производств в одних регионах и центров потребления в других, выявлении межрегиональных связей в рамках создания потенциальных и функционирования уже действующих

1 Декларация Всемирного саммита по продовольственной безопасности. Всемирный саммит по продовольственной безопасности. Рим, 16-18 ноября 2009 года. https://www.un.org/ru/documents/decl_conv/ declarations/pdf/summit2009_declaration.pdf.

2 Доктрина продовольственной безопасности Российской Федерации: Указ Президента РФ от 21.01.2020 № 20. https://www.garant.ru/products/ipo/prime/doc/73338425/.

3 О Стратегии экономической безопасности Российской Федерации на период до 2030 года: Указ Президента РФ от 13.05.2017 № 208. http://www.kremlin.ru/acts/bank/41921.

4 Об утверждении Стратегии развития агропромышленного и рыбохозяйственного комплексов Российской Федерации на период до 2030 года: распоряжение Правительства РФ от 12.04.2020 № 993-р. http:// docs.cntd.ru/document/564654448.

5 Прогноз социально-экономического развития Российской Федерации на период до 2036 года. https://economy.gov.ru/material/directions/makroec/prognozy_socialno_ekonomicheskogo_razvitiya/prognoz_ socialno_ekonomicheskogo_razvitiya_rossiyskoy_federacii_na_period_do_2036_goda.html.

6 О Государственной программе развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2013-2020 годы: постановление Правительства РФ от 14.07.2012 № 717 (с изм. на 31 декабря 2020 года). http://docs.cntd.ru/document/902361843.

кластеров на рынке молочной продукции, интегрированном использовании инструментария пространственного автокорреляционного анализа П. Морана и матриц пространственных весов Л. Анселина.

Межрегиональные взаимосвязи, выявленные на основе кластерных структур по производству молока и молочной продукции, позволят не только удовлетворить внутренние потребности населения, но и сократить зависимость от зарубежной продукции, тем самым решив задачу обеспечения продовольственной безопасности страны за счет интенсификации межрегионального обмена на рынке молочной продукции России.

Теоретические подходы к исследованию особенностей пространственного развития

Проблематика обеспечения продовольственной безопасности рассматривается в научной литературе с позиции защиты интересов на различном уровне: глобальном, субрегиональном, межгосударственном, государственном, региональном, местном и уровне домашних хозяйств. 11 февраля 2021 г. в Риме членами Комитета по всемирной продовольственной безопасности (КВПБ) были одобрены первые в истории Рекомендации по продовольственным системам и питанию, разработанные с целью поддержки усилий по искоренению всех форм голода и неполноценного питания путем использования комплексного подхода к продовольственным системам1.

Российская политика идет в фарватере международной повестки. Так, была принята Государственная программа развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия2, целью которой является обеспечение продовольственной независимости России, ускоренное импортозамещение по отдельным видам продукции, а также повышение конкурентоспособности российской сельскохозяйственной продукции на внутреннем и внешнем рынках.

Указанные задачи решаются согласно параметрам, заданным Доктриной продовольственной безопасности РФ, в которой определено: «Продовольственная безопасность - состояние экономики РФ, при котором обеспечивается продовольственная независимость, гарантируется физическая и экономическая доступность для каждого гражданина страны пищевых продуктов, соответствующих требованиям ... технических регламентов, в объеме не ниже рациональных норм потребления, необходимых для активного, здорового образа жизни»3.

Однако, несмотря на рост производства сельскохозяйственной продукции, наблюдается значительная дифференциация ее потребления на территории России. На наш взгляд, целесообразно рассмотреть теоретические аспекты изучения межрегиональных диспропорций (межрегиональной дифференциации) в соответствии с теориями пространственного развития. В ходе исследования были подробно проанализированы преимущества и недостатки ключевых теорий пространственного развития регионов [Наумов, Седельников, Аверина, 2020, с. 386].

В процессе эволюции данные теории прошли несколько этапов. Во второй половине XIX в. - начале XX в. И. фон Тюнен, В. Лаунхардт, А. Вебер и др. изучали размещение

1 Члены КВПБ одобрили новые Рекомендации по продовольственным системам и питанию. 11 февраля 2021 года. Рим. Продовольственная и сельскохозяйственная организация Объединенных Наций. http:// www.fao.org/news/story/ru/item/1374891/icode/.

2 О Государственной программе развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2013-2020 годы: постановление Правительства РФ от 14.07.2012 № 717 (с изм. на 31 декабря 2020 года). http://docs.cntd.ru/document/902361843.

3 Доктрина продовольственной безопасности Российской Федерации: Указ Президента РФ от 21.01.2020 № 20. https://www.garant.ru/products/ipo/prime/doc/73338425/.

отдельно взятого предприятия в рамках микроэкономики; к середине 1950-х гг. В. Кри-сталлер, А. Леш [Lösch, 2001] и У Айзард [Isard, 1960, p. S30] обозначили факторы, которые определяют пространственное размещение предприятий на определенной территории, и изучили аспекты их локализации в регионе с позиции мезоэкономики.

А. Хиршман на основе теории прямой и обратной связи показал, что экономический рост региона имеет тенденцию к несбалансированности [Hirschman, 195S, p. 46S]. Наличие необходимых ресурсов может привести к региональному развитию, в то время как отсутствие таковых способно выступить стимулом для выявления его резервов. Ф. Перру указал на то, что экономический рост не может наблюдаться во всех точках пространства одновременно, а проявляется в полюсах роста, в основе которых лежит базовая отрасль со значительным потенциалом развития, совокупность отраслей местного назначения и пространственная агломерация производства [Перру, 2007, с. S2].

В 1980-х гг. появились теории, целью которых является пространственное развитие: теории центральных мест и агломераций, где оцениваются пространственные эффекты от влияния экономических факторов, «новая экономическая география», «новая теория торговли», пространственные модели развития объектов промышленности, «новая теория роста», которая рассматривает человеческий капитал, знания и компетенции работников как эндогенный ресурс развития [Изотов, 2013, с. 135; Zamyatina et al., 2020, p. 56S]. Они значительно видоизменили исследования ученых 1950-х гг., дополнив и расширив теории кумулятивного роста, применяемые для пространственного развития территорий. Основным недостатком вышеперечисленных теорий являлось то, что они не позволяли снизить пространственную дифференциацию и уменьшить межрегиональные и межстрановые различия в экономическом развитии.

1990-е гг. ознаменовались появлением кластерной теории, направленной на исследование пространственных эффектов сетевизации предприятий и их участия в кооперационных связях, пространственной кластеризации и межтерриториальных взаимодействий, эффектов полюсов роста.

В настоящее время исследователи [Demidova, 2011, p. 125; Firsova, Balash, Nosov, 2012, p. 302; Guriev, Vakulenko, 2015, p. 635; Gluschenko, 201S, p. 4S; Naumov, 2020, p. 19; Седельников, 2020, с. 216] активно используют методы пространственной автокорреляции и кластеризации [Moran, 194S, p. 250; Geary, 1954, p. 132; Getis, Ord, 1995, p. 2S9; Anselin, 2002, p. 253]. Данные методы позволяют изучать пространственные эффекты, влияющие на социально-экономические процессы, моделировать межтерриториальные взаимодействия по различным направлениям. Их использование дает возможность усилить эффект межрегиональных кооперационных связей и снизить пространственную дифференциацию развития процессов производства молока и молочной продукции в территориальных системах разного уровня.

Методика исследования пространственной дифференциации

Для исследования пространственной дифференциации регионов в процессах производства молочной продукции, выявления пространственной локализации соответствующих производств, проведения пространственной кластеризации территорий по уровню производства молочной продукции и поиска тесных межрегиональных кооперационных взаимосвязей в данной сфере предлагаем использовать пространственный автокорреляционный анализ по методике П. Морана [Moran, 194S, p. 24S]. Этот анализ позволит не только установить наличие взаимосвязей между региональными системами по показателям производства молочной продукции, но и определить их направление (прямые и обратные взаимосвязи), выявить полюса роста

в сфере производства молочной продукции и зоны их распространения. При этом с помощью диаграммы рассеивания П. Морана можно определить особенности пространственного развития и ключевые сценарии развития отрасли производства молочной продукции в России.

Точность результатов пространственного автокорреляционного анализа во многом зависит от матриц пространственных весов, используемых для учета расстояний между исследуемыми объектами. В настоящее время при исследовании пространственных автокорреляционных взаимосвязей используются матрицы смежных границ между территориальными системами, матрицы линейных расстояний, расстояний между объектами по автомобильным дорогам, железнодорожным магистралям, авиационным, речным сообщениям, расстояний между центрами территориальных систем или до их границ. Помимо этого встречаются и нетрадиционные матрицы пространственных весов, такие как матрица минимального времени в пути между главными городами регионов, матрица торговых потоков [Beck, Gleditsch, Beardsley, 2006, p. 38], матрица, отражающая дифференциацию в культурных ценностях [di Guardo, Marrocu, Paci, 2016, p. 835], матрица рыночного потенциала регионов, миграционная матрица [Guriev, Vakulenko, 2015, p. 637] и др.

Пространственная автокорреляция корректно описывается только одним набором пространственных весов W, тогда как использование других весов может привести к ложным результатам. Поэтому считаем важным применять разные матрицы пространственных весов и отбирать для дальнейшего исследования те, которые позволяют рассчитать статистически значимые коэффициенты. Расчет данных коэффициентов предлагается выполнять по традиционной методике пространственной автокорреляции П. Морана:

* Е/(*га02

h = ít^T * ' Z ' (1)

(X:-ц) X (х -ц)

1ц = N X , (2)

где ¡с - глобальный индекс автокорреляции исследуемых регионов; ¡ц - локальный индекс автокорреляции исследуемых регионов; N - число регионов; Шц - элемент матрицы пространственных весов для регионов / и Ц; ц - среднее значение показателя; х/ - анализируемый показатель одного региона; Хц - анализируемый показатель другого региона.

Глобальный индекс необходим для оценки возможности кластеризации (объединения) территорий по уровню производства молочной продукции, а локальные индексы -для поиска прямых и обратных пространственных эффектов, оказывающих влияние на процессы производства молочной продукции в исследуемых региональных системах. Использование различных матриц пространственных весов при расчете указанных индексов позволит более взвешенно подойти к исследованию пространственных эффектов, а именно выявить оптимальные матрицы для пространственной кластеризации процессов производства молочной продукции и подтвердить результаты расчета индексов П. Морана различными способами измерения расстояний между территориальными системами. Пространственную кластеризацию территорий предполагается осуществлять с использованием диаграммы рассеивания П. Морана.

Данный инструмент дает возможность дифференцировать территориальные системы по категориям НЬ, НИ, ЬН, ЬЬ исходя из уровня производства молочной продукции и особенностей пространственного размещения. Однако, в отличие от традиционного подхода, мы предлагаем в каждом квадранте диаграммы дополнительно рассматривать

территории, имеющие значения показателя уровня регионального взаимовлияния (локального индекса пространственной автокорреляции) выше и ниже среднего (рис. 1).

LH Зона влияния пространственных кластеров и полюсов роста HH Пространственные кластеры, имеющие высокие значения показателя

Уровень пространственного взаимовлияния Уровень пространственного взаимовлияния к

Высокий Низкий Высокий Низкий

Являются зоной сильного влияния пространственных кластеров (НН) и полюсов роста (НЬ) Испытывают слабое влияние пространственных кластеров (НН) и полюсов роста (НЬ) • Не являются полюсами роста • Испытывают влияние полюсов роста (НЬ) и располагаются вокруг них • Испытывают слабое влияние полюсов роста (НЬ) • Являются периферией кластера

LL Кластеризация территорий с низкими значениями показателя HL

Уровень пространственного взаимовлияния

Высокий Низкий

• Не связаны с другими территориальными системами • Не испытывают влияния пространственных кластеров (НН) и полюсов роста (НЬ) • Полюса роста (ядра пространственного кластера) • Зоны с высокой концентрацией ресурсов • Выбросы (экстремумы) • Не являются полюсами роста

Рис. 1. Пространственная кластеризация территорий с использованием диаграммы рассеивания П. Морана Fig. 1. Spatial clusterisation of territories using Moran scatter plot

Это даст возможность из всего множества территориальных систем, относящихся к той или иной категории (НН, НЬ, ЬЬ, ЬН), отобрать территории с наиболее высокой степенью взаимосвязи и подтвердить тем самым результаты кластеризации территориальных систем, полученные на этапе формирования диаграммы рассеивания. Такая доработка традиционного методологического подхода к осуществлению пространственного автокорреляционного анализа позволяет устранить неоднозначность получаемых результатов. Так, согласно диаграмме рассеивания П. Морана, в категорию НЬ попадают региональные системы, имеющие высокие значения по анализируемым показателям, находящиеся в окружении территорий с достаточно низкими значениями. Это означает, что региональные системы из категории НЬ, по сути, являются полюсами роста для близлежащих региональных систем.

Однако практика расчета локальных индексов пространственной автокорреляции Морана показывает, что в данную категорию можно отнести и территории со слабым межрегиональным взаимодействием, не относящиеся к полюсам роста. Более того, такие регионы могут отличаться и не самыми высокими значениями по исследуемому признаку кластеризации.

Региональные системы, располагающиеся в категории НН, не являются полюсами роста, центрами притяжения ресурсов, но обладают высокими значениями исследуемого

показателя. Выделение среди них территориальных систем с высоким и низким уровнем взаимовлияния относительно среднего значения локального индекса автокорреляции позволит установить регионы, на которые полюса роста оказывают сильное или слабое влияние. Такое же разделение регионов по силе взаимовлияния предполагается и в категории ЬН. Согласно диаграмме рассеивания П. Морана, данная категория территориальных систем является зоной влияния пространственных кластеров (НН) и полюсов роста (НЬ). В результате такого подхода к формированию диаграммы рассеивания по отношению к территориальным системам квадрантов НН и ЬН, имеющим взаимовлияние, предлагается рассматривать исключительно те регионы, локальные индексы автокорреляции которых значительно выше среднего значения по всем субъектам РФ. Территориальные системы с низким значением локального индекса автокорреляции, по нашему мнению, могут получать импульс развития от полюсов роста и пространственных кластеров, однако не обладают тесными взаимосвязями с ними. Как и при расчете глобального и локальных индексов пространственной автокорреляции, построение диаграммы рассеивания П. Морана мы предлагаем осуществлять с учетом различных матриц пространственных весов. Это необходимо для обоснованного отнесения исследуемых региональных систем к категориям НН, НЬ, ЬЬ, ЬН, поиска подтвержденных разными способами полюсов роста, пространственных кластеров и зон их влияния.

Развитие традиционного методологического подхода к пространственному автокорреляционному анализу было осуществлено и в части подтверждения выявленных взаимосвязей между территориальными системами. Для поиска этих взаимосвязей в пространственном анализе обычно используется матрица Л. Анселина [АшеИп, 2019, р. 155], которая отображает прямые и обратные взаимовлияния территорий с помощью локальных индексов пространственной автокорреляции. Мы предлагаем выделять в этой матрице территории с высокими индексами автокорреляции (выше среднего), чтобы установить тесные межтерриториальные взаимосвязи в исследуемых социально-экономических процессах, в частности в области производства молочной продукции. Использование различных пространственных весов при формировании данных матриц позволит отобрать из множества выявленных взаимосвязей наиболее устойчивые, проверенные разными способами измерения расстояний.

Обнаруженные взаимосвязи могут быть проверены и с помощью парного корреляционного анализа с использованием временных рядов. Классический корреляционный анализ даст возможность оценить тесноту связи между регионами не только по пространственным, но и по временным статистическим данным. Важным этапом исследования является подтверждение взаимосвязей в производстве молочной продукции с помощью анализа реализуемых совместных проектов в данной области. Этот анализ предполагает поиск производственной кооперации, объединения предприятий, функционирующих в разных территориальных системах, а также реализуемых интеграционных проектов и создаваемых в рассматриваемой сфере кластерных структур, поддерживаемых органами государственной власти. Его проведение необходимо для подтверждения достоверности результатов, полученных с использованием экономико-математического инструментария. Комплексный подход к исследованию пространственной автокорреляции позволит не только выявить пространственные эффекты, оказывающие влияние на производственные процессы, но и осуществить пространственную кластеризацию территорий: установить полюса роста в области производства молочной продукции, пространственные кластеры и зоны их влияния, а также тесные межтерриториальные взаимосвязи в реализации указанных процессов.

Результаты исследования

Первый этап исследования предусматривал определение ключевых центров производства и потребления молока и молочной продукции в России, группировку территорий по уровню производства и потребления, а также выявление региональных особенностей пространственного размещения производств. На рис. 2 черным цветом отмечены территории-лидеры, которые производят молочную продукцию и оказывают влияние на окружающие их регионы. К ним относятся Республика Татарстан (доля производства составляет 5,9 % от общего производства в России), Республика Башкортостан (5,3 %), Краснодарский край (4,7 %) и др. На 10 территорий, имеющих самые высокие показатели производства молока, приходится 36,71 % от общего объема произведенной в России молочной продукции.

Пространственный анализ показал, что в подавляющем большинстве регионов России молочная продукция не производится, что усиливает дифференциацию регионов в данной сфере и ослабляет продовольственную безопасность значительной их части. В области потребления молока и молочных продуктов регионами-лидерами выступают г. Москва (6,2 % от общего объема потребления в России), Московская область (5 %), Республика Татарстан (4,5 %) и др. Около 34 % всей молочной продукции потребляется в 8 регионах.

Исследование процессов производства и потребления молока показало сильную зависимость отдельных регионов от импортируемой молочной продукции. Согласно данным в табл. 1, Свердловская область, будучи лидером по производству молочной продукции, имеет отрицательное сальдо производства и потребления и вынуждена, наряду с Санкт-Петербургом, Москвой, Московской областью и другими субъектами РФ, прибегать к импорту молока из-за рубежа.

Таким образом, уровень производства молочной продукции в России недостаточен для удовлетворения потребностей значительной части регионов, что формирует серьезные угрозы продовольственной безопасности. Пространственный автокорреляционный анализ по различным матрицам расстояний показал, что некоторые из них дают неудовлетворительные результаты (табл. 2).

Рис. 2. Территории - лидеры по производству молока в РФ, 2018 Fig. 2. Leading territories in milk production, 2018

Таблица 1. Сальдо производства и потребления молока в разрезе регионов в России

Table 1. Balance of milk production and consumption in the Russian regions

Регион Сальдо, тыс. тонн

Алтайский край 493

Удмуртская Республика 391

Республика Татарстан 285

Московская область -1051,3

г. Санкт-Петербург -1517

г. Москва -2089,5

Таблица 2. Оценка статистической значимости индексов П. Морана по различным матрицам расстояний

Table 2. Assessment of the statistical significance of Moran's indices for various distance matrices

Показатель Нормированные матрицы Матрицы обратных расстояний

расстояний по дорогам линейных расстояний по смежным границам по смежным границам расстояний по дорогам линейных расстояний

Глобальный индекс Морана -3,84 -4,02 17,29 0,26 0,02 0,03

Z-оценка -284 -298 271 315 158 182

Р-значение 1,0 1,0 0,0 0,0 0,0 0,0

Полученный индекс пространственной корреляции и глобальный индекс Морана являются статистически незначимыми у нормированной матрицы расстояний по дорогам и нормированной матрицы линейных расстояний. Это можно увидеть исходя из их Р-значения, или вероятности статистической незначимости коэффициентов пространственной автокорреляции, которое составляет больше 0,05. Оставшиеся четыре типа матриц: по смежным границам, по смежным границам нормированная, расстояний по дорогам и линейных расстояний - дали хорошие результаты. В результате сравнительного анализа полученных результатов по матрицам пространственных весов были выделены четыре типа региональных систем по уровню производства молока и молочной продукции и особенностям их пространственного размещения (рис. 3).

Так, согласно диаграмме рассеивания П. Морана, категорию ИЬ составляют территории с высокими показателями производства, окруженные территориями с достаточно низкими показателями. Таким образом, регионы из категории ИЬ являются полюсами роста для других территориальных систем. Однако практика расчета локальных индексов пространственной автокорреляции Морана показывает, что в данную категорию могут быть отнесены и территории со слабым межрегиональным взаимодействием, не являющиеся полюсами роста. Более того, такие регионы могут отличаться и не самыми высокими значениями по объему произведенной молочной продукции. К ним относятся Ленинградская, Иркутская, Вологодская области и другие (на рис. 3 выделены белым цветом в черный горошек), которых окружают территории с очень низкими значениями по производству молока (на рис. 3 обозначены белым цветом). Из всех регионов, входящих в ИЬ-кластер, только Республика Дагестан является лидером по производству молока и молочной продукции.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Региональные системы, располагающиеся, по методологии пространственной автокорреляции Морана, в категории ИИ, не являются полюсами роста, центрами притяжения ресурсов, но обладают высокими значениями по исследуемому показателю.

— Прямая автокорреляционная взаимосвязь между территориальными системами

..... Обратная автокорреляционная взаимосвязь между территориальными системами

Регионы, входящие в квадранты:

:•:•: HL (индекс пространственной автокорреляции ниже среднего уровня по РФ)

■ НН (индекс пространственной автокорреляции выше среднего уровня по РФ)

■ НН (индекс пространственной автокорреляции ниже среднего уровня по РФ) LH (индекс пространственной автокорреляции выше среднего уровня по РФ) LH (индекс пространственной автокорреляции ниже среднего уровня по РФ) LL (регионы, не связанные с другими территориями)

Рис. 3. Диаграмма рассеивания П. Морана с тесными межрегиональными взаимосвязями по производству молока и молочной продукции Fig. 3. Moran scatter plot with close interregional relationships for the production of milk and dairy products

Выделение среди них территориальных систем с высоким и низким уровнем взаимовлияния относительно среднего значения локального индекса автокорреляции позволит установить регионы, на которые полюса роста оказывают сильное или слабое влияние. Согласно используемому авторами методологическому подходу, территории, входящие в HH-кластер с высокими значениями пространственной автокорреляции, обладают тесными межрегиональными взаимосвязями. Данный кластер образуют Башкортостан, Удмуртия, Татарстан, Пермский край, Оренбургская, Свердловская и Кировская области (Урало-Приволжский кластер) (на рис. 3 отмечены темно-серым цветом).

Пространственный автокорреляционный анализ позволил установить тесные межрегиональные взаимосвязи в области производства молочной продукции в данном кластере: между Республикой Башкортостан и Свердловской областью, Удмуртской Республикой, Пермским краем, Республикой Татарстан и Оренбургской областью, а также между Республикой Татарстан и Ростовской, Нижегородской, Кировской, Ульяновской областями, Краснодарским краем. Они отмечены на рис. 3 линиями. Регионы, обозначенные на рис. 3 серым цветом, обладают слабым уровнем пространственного взаимовлияния (характеризуются низкими значениями локального индекса П. Морана). Согласно методологии П. Морана, данные регионы являются частью пространственного кластера по производству молока и другой молочной продукции. Однако с учетом невысоких значений индексов Морана можно считать их формирующимися пространственными кластерами. К их числу мы относим:

1) Сибирский кластер, объединяющий Новосибирскую, Омскую, Тюменскую области и Республику Алтай;

2) Южный кластер, включающий Краснодарский и Ставропольский края, Астраханскую, Ростовскую, Волгоградскую, Воронежскую и Белгородскую области;

3) Центральный кластер, в который входят Владимирская, Ивановская, Нижегородская области, республики Мордовия, Марий Эл и Чувашия.

Реальными перечисленные кластеры не являются из-за несформированности устойчивых межрегиональных взаимосвязей. Они располагаются вблизи уже сформировавшегося Урало-Приволжского кластера, и в области производства молочной продукции устанавливаются межрегиональные взаимосвязи с ним, в частности, между Республикой Татарстан и Краснодарским краем, Нижегородской областью.

Разделение регионов по силе взаимовлияния было произведено и в категории ЬИ диаграммы рассеивания Морана. Данная категория является зоной влияния пространственных кластеров (ИИ) и полюсов роста (ИЬ) (на рис. 3 они выделены светло-серым цветом). Сюда входят г. Москва, г. Санкт-Петербург, Курганская область и т. д. Территориальные системы с низким значением локального индекса автокорреляции (квадрант ЬЬ), по нашему мнению, могут получать импульс развития от полюсов роста и пространственных кластеров, однако не обладают тесными взаимосвязями с ними. Данные территории имеют достаточно низкие показатели производства и находятся в окружении таких же территорий (все оставшиеся регионы, отмеченные на рис. 3 белым цветом).

Для поиска устойчивых взаимосвязей между территориальными системами была использована матрица Л. Анселина [ЛвдеИп, 2019, р. 158], которая по аналогии с матрицей попарной корреляции отображает прямые и обратные взаимовлияния территорий с помощью локальных индексов пространственной автокорреляции. Для поиска устойчивых взаимосвязей между регионами в области производства молочной продукции в матрице Л. Анселина были выделены территории с высокими индексами автокорреляции (выше среднего). Использование различных матриц пространственных весов (по линейным расстояниям, по автомобильным дорогам, по смежным границам и др.) при формировании данных матриц позволило отобрать из множества выявленных взаимосвязей наиболее устойчивые, проверенные разными способами измерения.

Так, прямые взаимосвязи проявились между Республикой Башкортостан и Удмуртской Республикой, Оренбургской и Свердловской областями, Республикой Татарстан; Республикой Татарстан и Кировской, Нижегородской областями, Краснодарским краем; Краснодарским краем и Ростовской областью; Республикой Ингушетия и Республикой Северная Осетия - Алания.

Обратные взаимосвязи наблюдаются между Республикой Марий Эл, Ульяновской областью и Республикой Татарстан; Республикой Адыгея, г. Севастополем и Краснодарским краем; Республикой Алтай и Алтайским краем; Ленинградской областью и г. Санкт-Петербург; г. Москва и Московской областью.

Для обоснования достоверности установленных с помощью экономико-математического инструментария межрегиональных взаимосвязей нами был проведен анализ реализуемых совместно межрегиональных проектов в области производства молочной продукции. Данный анализ предполагал поиск производственной кооперации, объединения предприятий, функционирующих в разных территориальных системах, а также реализуемых интеграционных проектов и создаваемых в указанной сфере кластерных структур, поддерживаемых органами государственной власти.

Согласно карте кластеров России, на сегодняшний день в агропродовольственной сфере функционируют агропромышленный кластер Новгородской области и кластер по

производству и переработке молочной продукции «Донские молочные продукты»1. Оба образования проходят первоначальную стадию развития и имеют низкий уровень зрелости. Кроме того, к наиболее перспективным относятся молочный кластер Вологодской области и пищевой кластер Республики Татарстан (табл. 3).

Таблица 3. Действующие кластеры агропромышленной направленности

в регионах РФ

Table 3. Active agro-industrial clusters in the regions of the Russian Federation

Кластер Цель создания Партнеры

Инновационный территориальный кластер «Донские молочные продукты» по производству и переработке молочной продукции (Ростовская область, Южный федеральный округ) Создание, концентрация и дальнейшее развитие научного и производственного потенциала партнеров кластера, необходимые для осуществления политики импортозамещения молочной продукции, поставляемой из зарубежных стран, и повышение экономической эффективности деятельности молочного подкомплекса Ростовской области Предприятия: «Сальское молоко», «Тацинский молочный завод», «Дон-Агро» (Милле-ровский район), «Молагродон» (Усть-Донецкий район), «Южное молоко» (Песчанокопский район). Научные институты: ВНИИ молочной промышленности, Донской государственный аграрный университет, филиал Московского государственного университета технологий и управления им. К. Г. Разумовского и др. Всего 20 партнеров

Молочный кластер Вологодской области (Северо-Западный федеральный округ) Поддержка устойчивого развития предприятий молочной промышленности Вологодской области. Реализуются следующие мероприятия: • модернизируются комплексы животноводства и линии производства (строительство Урусовского животноводческого комплекса); • создается и внедряется система точного земледелия; • формируется научно-образовательный центр подготовки кадров для нужд кластера; • создается и продвигается бренд «Молоко из Вологды»; • основывается инновационная электронная информационно-торговая площадка; • разрабатываются и производятся инновационные продукты, соответствующие стратегии здорового питания Предприятия: «Северное молоко», «Покровское», «Союз-племзавод», «Заря», СПК «Ано-хинский», « Шекснинская Заря», «Агрокон-Вологда», «Агрокорм», «Агромолсервис», агропромышленный комплекс «Чу-шевицы», «Бабушкинское молоко», племзавод «Майский», племпредприятие «Череповецкое», племпроизводи-тель «Вологодское», Тарног-ский маслозавод и др. Научные институты: Вологодская ГМХА им. Н. В. Верещагина, УОМЗ им. Н. В. Верещагина. Всего 43 партнера

1 Карта кластеров России. http://map.cluster.hse.ru/. Том 22 • №3 • 2021

Окончание таблицы 3

Table 3 (concluded)

Кластер Цель создания Партнеры

Агропромышленный кластер Новгородской области (Северо-Западный федеральный округ) Создание мобильной структуры из широкой сети партнеров (активных предприятий экономики Новгородской области) с целью повышения их конкурентоспособности и экономического потенциала на основе эффективного взаимодействия на всех этапах цепочки создания ценности и упорядочивания информационных процессов Предприятия: «Агростандарт», «Мстинское молоко», СПССК «Новгородский аграрий», СПССК «Новгородский фермер», Российский сельскохозяйственный банк, СПК «Урожай», «Экопромстрой», СПК Колхоз «Россия». Научные и государственные институты: Новгородский государственный университет им. Ярослава Мудрого, Центр поддержки развития агропромышленного комплекса Новгородской области, Департамент сельского хозяйства и продовольствия Новгородской области, Департамент экономического развития и торговли Новгородской области, Новгородский фонд поддержки малого предпринимательства. Всего 27 партнеров

Пищевой кластер Республики Татарстан (Приволжский федеральный округ) Создание эффективных кооперационных связей и системы взаимодействия между предприятиями АПК, пищевой промышленности и научно-образовательными учреждениями с целью повышения экономической эффективности и конкурентоспособности данных предприятий на основе получения государственной поддержки инновационного и социально-экономического развития Предприятия: «Агросила Групп», Агрофирма «Кама», ООО «ФинАгроТрейд», ООО «Челны-Бройлер», Тукаевский племрепродуктор. Научные и государственные институты: Камский центр кластерного развития субъектов малого и среднего предпринимательства, Казанская государственная академия ветеринарной медицины им. Н. Э. Баумана, Набережно-челнинский инкубатор, Региональный центр инжиниринга биотехнологий Республики Татарстан, Сармановский аграрный колледж, Федеральный центр токсикологической, радиационной и биологической безопасности. Всего 20 партнеров

Составлено на основе карты кластеров России. http://map.cluster.hse.ru/.

В отдельных регионах России получают развитие инициативы, направленные на создание агропромышленных кластеров - как самостоятельных единиц, так и участников цепочки создания ценности (табл. 4).

Таблица 4. Потенциальные кластеры в агропромышленном комплексе Table 4. Potential clusters in the agro-industrial complex

Субъект РФ Возможные участники кластера Источник

Пензенская область (Приволжский федеральный округ) Координатор проекта: Центр управления проектами АПК; молочное производство: Агрохолдинг «Би-Моло»; строительство молочных ферм: «Молочная ферма»; партнеры: «Био-Тон», «Русская молочная компания» [Винничек, Столярова, Столярова, 2018, с. 356; Яковенко, Иваненко, 2018, с. 99]

Саратовская область (Приволжский федеральный округ) Ключевой сектор: молочные комбинаты «Энгельсский», «Саратовский», «Маслодел», ООО «Петровский молочный завод» (всего 23 предприятия). Сектор сельскохозяйственных предприятий (производящих сырье): племзавод «Трудовой», «Колосок», Агрофирма «Волга», СХПК «Штурм», «Роща», «Новая жизнь», КФХ «Климашин», СХА «Михайловское», племзавод «Мелиоратор». Сектор торговли и продвижения молочной продукции: «Поволжский торговый дом», «Милайнинвестгрупп», УК «Сель-хозрынок». Производители кормов: Саратовский комбикормовый завод, «Стандарт» [Беккалие-ва, 2016, с. 86; Ли-ховцова и др., 2018, с. 89]

Тамбовская область (Центральный федеральный округ) АО АК «Тамбовский», мегаферма «Шереметьево», колхоз - племенной завод им. Ленина Тамбовского района, учхоз-племза-вод «Комсомолец» Мичуринского района, ФГУППЗ «Пригородный», «Суворово», молочная ферма «Жупиков» [Сытова, Минаков, Азжеурова, 2016, с. 96]

Пермский край (Приволжский федеральный округ) Молочные комбинаты: «Кунгурский» (г. Кунгур), «Пермский» (г. Пермь), компания «Юнимилк» (Дивизион «Урал»), перерабатывающий завод «Верхнемуллинский». Компании: «Ассистент», «Вемол» (г. Верещагино), «Уралагро», «Русь», «Хохловка». Сетевые организации: «Добрыня», «Семья», «Виват», «Гастроном»

Алтайский край (Сибирский федеральный округ) Молочные комбинаты и заводы и маслосырзаводы: «Барнаульский», «Алтайская буренка», «Славгородский», «Рубцовский», «Алтайский молочник» (Бийский р-н), Тюменцевский МСЗ, «Поспелихинский», Кипринский МЗ, Куяганский МСЗ, Барнаульское племпредприятие. Торговые дома: «Столица молока - Барнаул», «Холод» (г. За-ринск), «Киприно», «Алтайский агропродукт», «Ледяной Ларец», «Сибирское подворье», «ТриФ», «Первомайское молоко», «МолоПак», «Рикон», PepsiCo, группа компаний Serac. Научные институты: Сибирский научно-исследовательский институт сыроделия (СибНИИС), Федеральный Алтайский научный центр агробиотехнологий, Алтайский государственный аграрный университет, Алтайский государственный технический университет им. И. И. Ползунова, Алтайский государственный университет, Павловский сельскохозяйственный колледж [Поспелова, 2016, с. 186]

Окончание таблицы 4

Table 4 (concluded)

Субъект РФ Возможные участники кластера Источник

Республика Бурятия (Сибирский федеральный округ) Ключевой сектор: «Бурятмяспром», «Молоко Бурятии». Сектор производства сырья (сельскохозяйственные предприятия): «Агро-В», «Свинокомплекс Восточно-Сибирский», СПК «Колхоз Искра», «Гарантия», «Агроподводстрой», СПК «Колесовский», СПК «Твороговский», СПК «Кабанский», ПЗ «Боргойский», ПЗ «Николаевский», ОПХ «Байкальское», Бичурский маслозавод, «Сокол», «Талан-2», СПК ИП «Федотов», СПК «Газар», ИП К(Ф)Х «Копытов», СПК «Бичура-Аг-ро», СПК им. Калинина, СПК «Еланский», СПК «Покровский», «Буйская Нива», «Загустай», СПК «Берилл», ТД «Триумф». Сектор продвижения продукции (рынки): Центральный рынок, сельскохозяйственный рынок «Стимул», ТК «Тула», базы «У истока», «Фортуна» [Тушкаева, Найданова, 2015, с.101]

Ростовская область (Южный федеральный округ) Агроиндустриальные центры: Миллеровский («Русская свинина. Миллерово», филиал «Астон», «Миллеровосельмаш», «Амилко»), Морозовский (филиал «Астон», «Морозовсксель-маш») и Сальский (Сальский завод кузнечно-прессового оборудования, «Сальсксельмаш», «Сальское Молоко») [Абдуллаев, Мищенко, 2017, с. 806]

Воронежская область (Центральный федеральный округ) Крупнейшие представители кластера: «ЭкоНиваАгро», ГК «Молвест» и «Продимекс», УК «Дон Агро», «АгроТехГарант» [Котарев, Котарева, Лесников, 2018, с. 428]

Омская область (Сибирский федеральный округ) «Лузинское молоко» (Омский, Таврический р-н), племенной конный завод «Омский» (Марьяновский р-н), молочный завод «Лу-зинский» (Омский р-н), Любинский молочноконсервный комбинат (Любинский р-н), «Инмарко», ВНИМИ-Сибирь, Манрос-М (г. Омск), Калачинский молочный комбинат (Калачинский р-н), маслосыркомбинат «Тюкалинский» (Тюкалинский р-н) [Епанчин- цев, 2011, с. 50]

Республика Адыгея (СевероКавказский федеральный округ) Молочные заводы и комбинаты: «Гиагинский», «Красногвардейский», «Тамбовский», «Шовгеновский», «Адыгейский», «Новый» [Хатукай, Кумпилова, Бабалян, 2019, с. 82]

Ленинградская область (СевероЗападный федеральный округ) «Лаллемант», МЗ «Галактика», КЗ им. Кирова, DeLaval, GEO, КЗ «Лужский», МЗ «Петмол», «Биотроф» [Суровцев, 2008, с. 200]

Костромская область (Центральный федеральный округ) Сырные производства: «Мантуровский сыродел» (Мантуров-ский р-н), «Воскресенский сыродел» (Буйский р-н), «Боговар» (Октябрьский р-н), Вохомский сырзавод (Вохомский р-н). Молочные производства: «Галичмолпрод» (г. Галич), «Космол» (Кострома), Островский молокозавод (Островский р-н). Торговые дома: «Молпром», «Костромапром» (г. Кострома), «Зарница», «Воскресенье Агро», «Вектор» [Хомутова, Хомутов, Морозов, 2018, с. 1165]

В табл. 4 представлены потенциальные кластеры по производству и переработке молока и молочной продукции, однако уже сейчас имеются случаи межрегионального взаимодействия в рамках федеральных округов [Зальцман, 2011]. Рассмотрим данные взаимовлияния на примере Сибирского федерального округа. Так, для молока и молочной продукции, произведенной в Алтайском крае, в качестве рынков сбыта рассматриваются Кемеровская, Омская, Новосибирская области, а также республики Алтай и Хакасия. Этому благоприятствует выгодное региональное расположение, что значительно снижает издержки предприятий на перевозку молочной продукции. Среди предприятий -потенциальных потребителей молока из Алтайского края можно назвать «Инмарко» и Любинский молочноконсервный комбинат (Омская область), «Кузбасконсервмолоко» и Юргинский гормолзавод (Кемеровская область), «Маслосыродел» (Новосибирская область), Славгородский молочный комбинат и Благовещенский комбинат молочных продуктов (Республика Алтай), «Саянмолоко» (Республика Хакасия). Как мы можем видеть, значительная часть потребителей молочной продукции, произведенной в Алтайском крае, располагается за его пределами.

Таким образом, с учетом действующих и потенциальных производств в сфере молочной продукции можно выделить следующие пять кластеров наиболее взаимодействующих между собой регионов:

1) Центральный (Тамбовская, Костромская, Воронежская области);

2) Северо-Западный (Вологодская, Ленинградская, Новгородская области);

3) Южный (Ростовская область);

4) Приволжский (Республика Татарстан, Пермский край, Саратовская, Пензенская области);

5) Сибирский (Омская область, Республика Бурятия, Алтайский край).

Данные пространственные кластеры являются ключевыми полюсами роста и основными направлениями обеспечения продовольственной безопасности в сфере молочных производств. Развитие межрегиональных взаимосвязей с этими кластерами позволит снизить остроту пространственных диспропорций и решить проблему обеспечения соседних регионов качественной молочной продукцией.

В одном из исследований были выделены две группы регионов:

1) кластер 1 (Московская область, Краснодарский край, Республика Татарстан, Алтайский край, Воронежская область, Республика Башкортостан), который демонстрирует успешную организацию производства молочной продукции с позиции импорто-замещения, так как это производство не только перекрывает внутренние потребности населения указанных регионов, но и обеспечивает экспортные потоки;

2) кластер 2 (Челябинская, Брянская, Омская области, Удмуртская Республика, Республика Дагестан и др.), который также характеризуется высокими показателями производства молока и молочной продукции, но входящие в него субъекты вынуждены импортировать молочную продукцию как из соседних регионов, так и из зарубежных стран [Копкта, МаПупшЬкт, 2020].

Это еще раз подтверждает необходимость создания совместных молочных кластеров, которое позволит:

• использовать сетевые взаимодействия в цепочке создания ценности (производство, распределение, обмен, потребление продукции), отношения с поставщиками и кредитными организациями для организации эффективной высокотехнологической цепочки и снижения высоких издержек, затрат и рисков, что невозможно в условиях отдельных сельхозорганизаций;

• сформировать зоны специализации в рамках федеральных округов;

• иметь выход на новые рынки сбыта (исследование новых ниш на рынке), обеспечить продвижение молочной продукции, а также квалифицированное обслуживание;

• получить доступ к маркетинговой, инновационной, технологической, ценовой и другим видам информации;

• применять инновационные технологии и современное оборудование для формирования животноводческой базы и повышения показателей молочного производства;

• обеспечить поддержку занятости и уровня жизни сельского населения;

• полностью удовлетворить потребности жителей России в качественной и доступной молочной продукции, тем самым решив проблему продовольственной безопасности страны и зависимости от импорта продовольствия (импортозамещения) за счет интенсификации межрегионального обмена и повышения конкурентоспособности отечественной молочной продукции при ее экспорте за рубеж [Лиховцова и др., 2018, с. 90].

Заключение

Исследование показало, что для обеспечения высокого уровня продовольственной безопасности в сфере производства молока и молочной продукции необходимо развивать межрегиональные взаимодействия в рамках создания кластерных образований, которые в перспективе могут стать региональными полюсами роста. Представленный в работе методический подход к изучению межрегиональных взаимосвязей, использующий инструменты пространственного автокорреляционного анализа, позволил выявить пространственные приоритеты развития указанной сферы, установить кластеры тесно взаимосвязанных региональных систем в РФ и зоны их влияния, выявить прямые и обратные взаимосвязи между регионами в данной сфере.

Кроме того, определен сформировавшийся пространственный кластер в области производства молочной продукции - Урало-Приволжский, объединяющий Башкортостан, Татарстан, Удмуртию, Оренбургскую, Свердловскую, Кировскую области и Пермский край. Данные регионы, согласно методологии П. Морана, формируют НН-кла-стер с высокими значениями пространственной автокорреляции и обладают тесными межрегиональными взаимосвязями. Посредством пространственного автокорреляционного анализа обнаружены тесные межрегиональные взаимосвязи в области производства молочной продукции в данном кластере: между Республикой Башкортостан и Свердловской областью, Пермским краем, Удмуртской Республикой, Республикой Татарстан и Оренбургской областью, а также между Республикой Татарстан и Ростовской, Нижегородской, Кировской, Ульяновской областями, Краснодарским краем.

Установлены также формирующиеся потенциальные пространственные кластеры: Сибирский (объединяет Новосибирскую, Омскую, Тюменскую области и Республику Алтай), Южный (включает Ставропольский, Краснодарский край, Ростовскую, Астраханскую, Волгоградскую, Белгородскую, Воронежскую области) и Центральный (Владимирская, Нижегородская, Ивановская области, республики Марий Эл, Мордовия и Чувашия). Эти кластеры территориально граничат с уже сформировавшимся Урало-Приволжским пространственным кластером и обладают тесными взаимосвязями с регионами, формирующими его каркас. Развитие межтерриториального сотрудничества в рассматриваемой сфере позволит обеспечить регионы качественной молочной продукцией и повысить их продовольственную безопасность.

Источники

Абдуллаев Р. А., Мищенко К. Н. (2017). Исследование теоретико-методических основ концепции территориального развития региона и формирование системы полюсов роста Ростовской области // Региональная экономика: теория и практика. № 5. С. 802-813. https://doi.Org/10.24891/re.15.5.802.

Беккалиева Н. К. (2016). Развитие кластерного подхода в агропромышленном комплексе Саратовской области в условиях реализации политики импортозамещения // Вестник АГТУ. Серия «Экономика». № 2. С. 81-89.

Винничек Л. Б., Столярова Ю. В., Столярова О. А. (2018). Особенности организационно-экономических отношений в молочнопродуктовом подкомплексе Пензенской области // Региональная экономика: теория и практика. Т. 16, № 2. С. 348-363. https://doi.Org/10.24891/re.16.2.348.

Епанчинцев В. Ю. (2011). Перспективы агропромышленной интеграции в молочно-продукто-вом подкомплексе Омской области // Омский научный вестник. № 1. С. 47-51.

Зальцман В. А. (2011). Вопросы экономической целесообразности создания агрохолдингов в АПК Уральского федерального округа // Техника и технология пищевых производств. № 3. http://fptt.ru/stories/archive/22/25.pdf.

Изотов Д. А. (2013). Новая экономическая география: границы возможностей // Пространственная экономика. № 3. С. 123-160. DOI: 10.14530/se.2013.3.123-160.

Котарев А. В., Котарева А. О., Лесников И. В. (2018). Опыт функционирования молочного кластера Воронежской области в аспекте соблюдения критериев экономической эффективности // Вестник ВГУИТ. Т. 80, № 1. С. 427-431. DOI: 10.20914/2310- 1202-2018-1-427-431.

Лиховцова Е. А., Евсюкова Л. Ю., Юркова М. С., Сердобинцев Д. В. (2018). Основные направления развития регионального молочно-продуктового подкомплекса // Аграрный научный журнал. № 11. С. 87-91.

Наумов И. В., Седельников В. М., Аверина Л. М. (2020). Эволюция теорий пространственного развития: принципиальные особенности и современные задачи исследований // Журнал экономической теории. Т. 17, № 2. С. 383-398. https://doi.org/10.31063/2073-6517/2020.17-2.12.

Перру Ф. (2007). Экономическое пространство: теория и приложения // Пространственная экономика. № 2. С. 77-93.

Поспелова И. Н. (2016). Перспективы развития молочной промышленности Алтайского края на основе кластерного подхода // Вестник Алтайского государственного аграрного университета. № 10. С. 182-188.

Седельников В. М. (2020). Пространственное моделирование взаимодействия потребительских рынков крупнейших городов России // Теория и методология моделирования пространственного развития территорий: монография. Екатеринбург: Институт экономики УрО РАН. С. 213-219.

Суровцев В. Н. (2008). Формирование отраслевого кластера как фактор ускорения инновационного процесса в молочном животноводстве Ленинградской области // Никоновские чтения. № 13. С. 199-202.

Сытова А. Ю., Минаков И. А., Азжеурова М. В. (2016). Развитие молочного скотоводства в Тамбовской области // Технологии пищевой и перерабатывающей промышленности. № 2. С. 93-102.

Тушкаева Л. В., Найданова Э. Б. (2015). Роль агропищевых кластеров в обеспечении продовольственной безопасности региона // Пермский аграрный вестник. № 4. С. 96-103.

Хатукай С. А., Кумпилова Б. А., Бабалян Э. Б. (2019). Тенденции и перспективы развития молочной отрасли в Республике Адыгея // Вестник АГУ. Серия «Экономика». № 2. С. 78-87.

Хомутова Л. А., Хомутов А. В., Морозов Е. Н. (2018). Организационно-экономические аспекты деятельности интеграционных формирований в молочном подкомплексе Костромской области // Региональная экономика: теория и практика. Т. 16, № 6. С. 1160-1172. https://doi.org/10.24891/re.16.6.1160.

Яковенко Н. А., Иваненко И. С. (2018). Преодоление региональной дифференциации на рынке молочной продукции // Аграрный научный журнал. № 9. С. 96-100.

Anselin L. (2019). Quantile local spatial autocorrelation. Letters in Spatial and Resource Sciences, vol. 12, issue 2, pp. 155-166. https://doi.org/10.1007/s12076-019-00234-0.

Anselin L. (2002). Under the hood. Issues in the specification and interpretation of spatial regression models. Agricultural Economics, vol. 27, pp. 247-267. https://doi.org/10.1111/j.1574-0862.2002.tb00120.x.

Beck N., Gleditsch K. S., Beardsley K. (2006). Space is more than geography: Using spatial econometrics in the study of political economy. International Studies Quarterly, vol. 50, issue 1, pp. 27-44. https:// doi.org/10.1111/j.1468-2478.2006.00391.x.

Demidova O. (2011). Modeling of public trust in basic social and political institutions: A comparative econometric analysis. Applied Econometrics, vol. 21б issue 21, pp. 114-132.

Firsova A. A., Balash O. S., Nosov V. V. (2012). Sustainability of economic system in the chaos. In: Banerjee S., Er^etin S. S. (eds.) Chaos, Complexity and Leadership. Dordrecht: Springer Science+Business Media, pp. 299-305. https://doi.org/10.1007/978-94-007-7362-2_39.

Geary R. (1954). The continiguity ratio and statistical mapping. The In-Corporated Statistician, vol. 5, issue 3, pp. 115-145. https://doi.org/10.2307/2986645.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Getis A., Ord J. K. (1995). Local spatial autocorrelation statistics: distributional issues and an application. Geographical Analysis, vol. 27, issue 4, pp. 286-306. https://doi.org/10.1111/j.1538-4632.1995. tb00912.x.

Gluschenko K. (2018). Measuring regional inequality: To weight or not to weight? Spatial Economic Analysis, vol. 13, issue 1, pp. 36-59. https://doi.org/10.1080/17421772.2017.1343491.

Guardo C., di, Marrocu E., Paci R. (2016). The concurrent impact of cultural, political, and spatial distances on international mergers and acquisitions. The World Economy, vol. 39, issue 6, pp. 824-852.

Guriev S., Vakulenko E. (2015). Breaking out of poverty traps: internal migration and interregional convergence in Russia. Journal of Comparative Economics, vol. 43, issue 3, pp. 633-649. https://doi. org/10.1016/j.jce.2015.02.002.

Hirschman A. O. (1958). The strategy of economic development. New Haven: Yale University Press. Pp. xiii, 217.

Isard W. (1960). Methods of regional analysis. Cambridge: MIT Press. 832 p.

Konkina V. S., Martynushkin A. B. (2020). Analysis of import substitution processes in the milk and dairy products market using cluster analysis. International Transaction Journal of Engineering Management & Applied Sciences & Technologies, vol. 11, issue 10, 11A10L. DOI: 10.14456/ITJEMAST.2020.195.

Lösch A. (2001). Die räumliche Ordnung der Wirtschaft. Eine Unter-suchungüber Standort, Wirtschaftsgebiete und internationalen Handel. Faksimile der 1940 in Jena erschienenen Erstausgabe. Schäffer-Poeschel. 356 s. (in German)

Moran P. A. P. (1948). The interpretation of statistical maps. Journal of the Royal Statistical Society, vol. 10, issue 2, pp. 243-251. https://doi.org/10.1111/j.2517-6161.1948.tb00012.x.

Naumov I. V. (2020). A scenario-based model of the reproduction of institutional sectors' investment potential in Sverdlovsk oblast. Upravlenets = The Manager, vol. 11, no. 5, pp. 17-28. https://doi. org/10.29141/2218-5003-2020-11-5-2.

Zamyatina N., Goncharov R., Poturaeva A., Pelyasov A. (2020). The sandwich of Russian space: How different spaces differentiate themes in regional science. Regional science: Policy & Practice, vol. 12, issue 4, pp. 559-577. https://doi.org/10.1111/rsp3.12272.

Информация об авторах Наумов Илья Викторович, кандидат экономических наук, руководитель Лаборатории моделирования пространственного развития территорий Института экономики УрО РАН, 620014, РФ, г. Екатеринбург, ул. Московская, 29

Контактный телефон: +7 (343) 371-29-65, e-mail: [email protected]

Седельников Владислав Михайлович, младший научный сотрудник Лаборатории моделирования пространственного развития территорий Института экономики УрО РАН, 620014, РФ, г. Екатеринбург, ул. Московская, 29

Контактный телефон: +7 (343) 371-29-65, e-mail: [email protected]

■ ■ ■

References

Abdullaev R. A., Mishchenko K. N. (2017). Issledovanie teoretiko-metodicheskikh osnov kontseptsii territorial'nogo razvitiya regiona i formirovanie sistemy polyusov rosta Rostovskoy oblasti [A research into the theoretical and methodological foundations of the concept of regional spatial development and the formation of growth poles of the Rostov oblast]. Regionalnaya ekonomika: teoriya ipraktika = Regional Economics: Theory and Practice, no. 5, pp. 802-813. https://doi.org/10.24891/re.15.5.802. (in Russ.)

Bekkalieva N. K. (2016). Razvitie klasternogo podkhoda v agropromyshlennom komplekse Saratovs-koy oblasti v usloviyakh realizatsii politiki importozameshcheniya [Development of the cluster approach in the agro-industrial complex of the Saratov region in terms of import substitution policy implementation]. Vestnik Astrakhanskogo gosudarstvennogo tekhnicheskogo universiteta. Seriya: Ekonomika = Vestnik of Astrakhan State Technical University. Series: Economics, no. 2, pp. 81-89. (in Russ.)

Vinnichek L. B., Stolyarova Yu. V., Stolyarova O.A. (2018). Osobennosti organizatsionno-ekonomicheskikh otnosheniy v molochnoproduktovom podkomplekse Penzenskoy oblasti [Organizational and economic relations in the dairy produce sub-complex of the Penza oblast]. Regionalnaya ekonomika: teoriya i praktika = Regional Economics: Theory and Practice, vol. 16, no. 2, pp. 348-363. https://doi.org/10.24891/re.16.2348. (in Russ.)

Epanchintsev V. Yu. (2011). Perspektivy agropromyshlennoy integratsii v molochno-produktovom podkomplekse Omskoy oblasti [Prospects for agro-industrial integration in the dairy sub-complex of the Omsk region]. Omskiy nauchnyy vestnik = Omsk Scientific Bulletin, no. 1, pp. 47-51. (in Russ.)

Zaltsman V. A. (2011). Voprosy ekonomicheskoy tselesoobraznosti sozdaniya agrokholdingov v APK Ural'skogo federal'nogo okruga [Economic expediency of agricultural holdings creation]. Tekhnika i tekhnologiya pishchevykh proizvodstv = Food Processing: Techniques and Technology, no. 3. http://fptt.ru/ stories/archive/22/25.pdf. (in Russ.)

Izotov D. A. (2013). Novaya ekonomicheskaya geografiya: granitsy voz-mozhnostey [New economic geography: The possibilities and restrictions]. Prostranstvennaya ekonomika = Spatial Economics, no. 3, pp. 123-160. DOI: 10.14530/se.2013.3.123-160. (in Russ.)

Kotarev A. V., Kotareva A. O., Lesnikov I. V (2018). Opyt funktsio-nirovaniya molochnogo klastera Voron-ezhskoy oblasti v aspekte soblyudeniya kriteriev ekonomicheskoy effektivnosti [The experience of functioning of the dairy cluster of the Voronezh region in the aspect of observing the criteria of economic efficiency]. Vestnik Vo-ronezhskogo gosudarstvennogo universiteta inzhenernykh tekhnologiy = Proceedings of the Voronezh State University of Engineering Technologies, vol. 80, no. 1, pp. 427-431. DOI: 10.20914/2310-1202-2018-1-427-431. (in Russ.)

Likhovtsova E. A., Evsyukova L. Yu., Yurkova M. S., Serdobintsev D. V. (2018). Osnovnye naprav-leniya razvitiya regional'nogo molochno-produktovogo podkompleksa [Main directions of development of the regional milk and product subcomplex]. Agrarnyy nauchnyy zhurnal = The Agrarian Scientific Journal, no. 11, pp. 87-91. (in Russ.)

Naumov I. V., Sedelnikov V. M., Averina L. M. (2020). Evolyutsiya teoriy prostranstvennogo razvitiya: printsipial'nye osobennosti i sovremennye zadachi issledovaniy [Evolution of the spatial development theories: Principal features and modern objectives of research]. Zhurnal ekonomicheskoy teorii = Russian Journal of Economic Theory, vol. 17, no. 2, pp. 383-398. https://doi.org/10.31063/2073-6517/2020.17-2.12. (in Russ.)

Perroux F. (2007). Ekonomicheskoe prostranstvo: teoriya i prilozheniya [Economic space: Theory and applications]. Prostranstvennaya ekonomika = Spatial Economics, no. 2, pp. 77-93. (in Russ.)

Pospelova I. N. (2016). Perspektivy razvitiya molochnoy promyshlennosti Altayskogo kraya na os-nove klasternogo podkhoda [The prospects of the Altai region's dairy industry development based on cluster approach]. Vestnik Altayskogo gosudarstvennogo agrarnogo universiteta = Bulletin of Altai State Agricultural University, no. 10, pp. 182-188. (in Russ.)

Sedelnikov V. M. (2020). Spatial modeling of consumer markets' interaction in Russia's largest cities. In: Teoriya i metodologiya modelirovaniya prostranstvennogo razvitiya territoriy [Theory and methodology for modelling of the spatial development of territories]. Ekaterinburg: Institute of Economics (Ural branch of RAS), pp. 213-219. (in Russ.)

Surovtsev V. N. (2008). Formirovanie otraslevogo klastera kak faktor uskoreniya innovatsionnogo protsessa v molochnom zhivotnovodstve Le-ningradskoy oblasti [Formation of an industry cluster as a factor in accelerating the innovation process in dairy farming in the Leningrad oblast]. Nikonovskie chteniya = Nikonovs Readings, no. 13, pp. 199-202. (in Russ.)

Sytova A. Yu., Minakov I. A., Azzheurova M. V. (2016). Razvitie mo-lochnogo skotovodstva v Tambovs-koy oblasti [The development of dairy cattle breeding in the Tambov region]. Tekhnologii pishchevoy i perera-batyvayushchey promyshlennosti = Technologies offood and processing industry, no. 2, pp. 93-102. (in Russ.)

Tushkaeva L. V., Naydanova E. B. (2015). Rol' agropishchevykh klasterov v obespechenii prodovol'stvennoy bezopasnosti regiona [Role of agro-food cluster in ensuring food security in the region]. Permskiy agrarnyy vestnik = Perm Agrarian Journal, no. 4, pp. 96-103. (in Russ.)

Khatukay S. A., Kumpilova B. A., Babalyan E. B. (2019). Tendentsii i perspektivy razvitiya molochnoy otrasli v Respublike Adygeya [tendencies and prospects of development of the dairy branch in the Republic of Adygea]. Vestnik AGU. Seriya "Ekonomika" = Bulletin of the Adygea State University. Series "Economics", no. 2, pp. 78-87. (in Russ.)

Khomutova L. A., Khomutov A. V., Morozov E. N. (2018). Organizatsionno-ekonomicheskie aspekty deyatel'nosti integratsionnykh formirovaniy v molochnom podkomplekse Kostromskoy oblasti [Organizational and economic aspects of the activities of integrated enterprises in the dairy subcomplex of the Kostroma oblast]. Regionalnaya ekonomika: teoriya i praktika = Regional Economics: Theory and Practice, vol. 16, no. 6, pp. 1160-1172. https://doi.org/10.24891/re.16.6.1160. (in Russ.)