CC BY
104
Вестник Челябинского государственного университета. 2017. № 2 (398). Экономические науки. Вып. 56. С. 34—42.
уДК 332.1 ББК у04
особенности методологии анализа сетевых структур в контексте региональной экономики
А. А. Глумов, Е. С. Ивукина
Уральский государственный экономический университет, Екатеринбург, Россия
Вопрос взаимосвязанности и взаимозависимости в современном мире вызывает значительный интерес ученых, в том числе в сфере региональной экономики. Наиболее характерным проявлением взаимосвязанности выступают сетевые структуры. Ученые предлагают различные подходы к исследованию и описанию сетевых структур. Авторы выделяют три подхода к формированию системы показателей, описывающих сетевые структуры в региональной экономике: общестатистические показатели, а также показатели, описывающие деятельность сетевой структуры в контексте региональной экономики, и показатели сетевого анализа. Акцент в статье сделан на сетевом анализе ввиду его слабой освещенности в отечественной науке. Отмечаются преимущества и недостатки сетевого анализа, рассматриваются ключевые показатели: плотность, сила, центральность сети.
Ключевые слова: сети, сетевые структуры, сетевой анализ, региональная экономика.
Сетевые структуры вызывают значительный интерес ученых в сфере экономики (корпоративная экономика, региональная экономика и др.), социологии, физики, информационных технологий и даже международных отношений [2]. С. Бор-гатти и П. Фостер, например, фиксируют экспоненциальный рост количества научных публикаций, посвященных социальным сетям за период 1970—2000 гг. [12. С. 992].
Соответственно, формируются различные научные подходы к исследованию этих сетевых структур. Принципиальное значение имеет подбор системы показателей, описывающих предмет исследования.
В исследовании сетевых структур в региональной экономике можно выделить три подсистемы показателей, позволяющих сформировать представление о специфике и закономерностях функционирования каждой конкретной сетевой структуры:
— Общестатистические и экономические показатели, описывающие каждую конкретную сетевую структуру (например, количество элементов — участников сети, выручка, приходящаяся на одного участника сети, показатели оценки эффективности кооперации и т. д.).
— Показатели, описывающие деятельность сетевой структуры в региональной экономике (доля производства продукции в ВРП, кооперационные связи с другими предприятиями региона т. д.). В данный раздел также целесообразно включить показатели социально-экономического развития региона, характе-
ризующие деятельность сетевых структур (ВРП, объем инвестиций в основной капитал, объем промышленного производства, потоки межрайонных (межрегиональных) связей региона.
— Показатели сетевого анализа, среди которых сила сети, плотность, центральность и т. д.
Первые две подсистемы показателей имеют достаточно широкое освещение в современной российской науке. Несмотря на значительное количество работ по теории сетей и функционированию сетевых структур, считаем наименее проработанными методологические положения сетевого анализа, то есть третьей группы показателей.
Целью настоящей статьи является рассмотрение методологии сетевого анализа, разработка понятийного аппарата, а также исследование и систематизация опыта, накопленного учеными в данном вопросе.
Прежде всего считаем необходимым представить определение сетевого анализа. Сетевой анализ — совокупность показателей и подходов, описывающих динамику и свойства сетей и сетевых структур. Сетевой анализ — инструмент, которым пользуются ученые различных направлений исходя из поставленных целей и специфики отрасли. Соответственно, выделяется значительное количество показателей. Часть из них может быть адаптирована к исследованию сетевых структур в региональной экономике (например, размер сети, плотность сети и др.), а часть — в большей степени применима к техническим наукам (например, в биологии, инжиниринге, а также в когнитивных
науках выделяют такую характеристику, как чувствительность сложных сетей [9]).
Качественное описание наработанных мировым научным сообществом методик описания сетей представлено в статье И. Евина [3]. В частности, И. Евин выделяет такие сетевые характеристики, как кратчайшая длина пути, диаметр сети (максимальное расстояние между узлами сети), решетки и фракталы, ориентированные графы, случайные сети, кластеризация (степень взаимодействия между собой ближайших соседей узла) и др.
Сетевой анализ тесно связан с теорией графов ввиду широкого использования статистического и математического аппарата. Генеалогические диаграммы, например, являются диаграммой графов, так как индивидуумы в них — это узлы (вершины), соединенные между собой отношениями родства, кровных связей, то есть представляют собой вершины дерева с одной родительской вершиной.
Вместе с тем Дж. Барнс и Ф. Хэрэри [10. С 241] выражают сомнения в ценности использования теории графов в сетевом анализе. С одной стороны, полезно рассматривать социальную сеть как граф, тем самым получая доступ к точной терминологии в теории графов. Однако, с другой стороны, многие ученые считают, что на этом потенциальные возможности теории графов исчерпываются. Эмпирические данные кодируются путем применения теории графов, а затем эти данные заводятся в компьютеры, тем самым оправдывая появление специальных компьютерных программ. В результате получаются достаточно полезные результаты, которых невозможно добиться иным путем. При этом реальная польза для науки не всегда очевидна.
Тем не менее важность самого сетевого анализа не подлежит сомнению. К. Минойи и Х. Рейес отмечают, что полезность сетевых методик анализа систематических рисков стала ключевой темой в научных и политических кругах после финансового кризиса 2008—2009 гг. [13].
Одним из наиболее известных исследований с использованием сетевого анализа является работа ученых С. Витали, Дж. Глаттфельдера и С. Баттистона, которые провели исследование структуры собственности крупнейших компаний мира и пришли к выводу о том, что около 40 % корпораций мира контролируется 147 компаниями, причем в 75 % случаев это финансовые компании [15].
Сетевой анализ — аналитический инструмент, который позволяет исследовать группы родственников и друзей, коалиции, группы и деловые круги, индустриальные комплексы и даже такие
связи, как нация и государство, как разъединение точек, связанных линейно и образующих сети. Точки, конечно, являются элементами линейных общественных отношений. Анализ сетей затрагивает вопросы, кто с кем связан, сущность данных связей, схему образования связей, отношения между узлами и их поведением в системе, а также вопрос отношения между системными и другими социальными факторами. Теоретическое применение анализа сетей заключается в том, что оно объясняет частичный парадигматический отход от структурного функционализма.
Дж. Бойссвейн выделяет десять преимуществ сетевого анализа [11. С 392—393]:
1. Пристальное внимание взаимосвязям между узлами. Они могут быть внешними (между индивидуумами и между группами) и внутренними и отражать взаимоотношения между членами группы или другой единицей анализа.
2. Придание большого значения при анализе единиц сетей фактору их взаимозависимости. Фактически данная взаимозависимость и ее последствия для социальной сферы являются определяющими для сетевого метода. Для прогнозирования поведения учитывается конфигурация взаимозависимых и взаимосвязанных индивидуумов и групп. Систематически отслеживая все взаимосвязи между узлами сети, возможно отдать предпочтение определенному типу отношений.
3. Акцентирование на взаимосвязях и взаимозависимостях, что приводит к ситуации, когда сложно отделить микро- от макроана-литических уровней и часть от целого. Кроме того, сетевой подход рассматривает социальное поле или общество как сеть сетей. Для таких узлов, как город или нация-государство, очевидно, что понятие «сеть сетей» включает в себя нечто большее. Микроузлы с точки зрения сетевого анализа охватывают более широкое поле социальных отношений.
4. Внимание при анализе сетей не только к взаимосвязям, но и к содержанию отношений. Другими словами, первые шаги в анализе сети отношений послужили основой для дальнейшего исследования их содержания.
5. Фокусирование в сетевом анализе на содержании, а также указание на внутреннее напряжение и асимметрию в социальных отношениях между людьми, которые имеют дифференцированный доступ к источникам, влияющим на изменения. Это влияние выступает в роли антипода по отношению к структурно-функциональному подходу
с присущими ему консенсусом, порядком, сбалансированным противостоянием и гармонией.
6. Выделение в качестве объекта исследования внутренней динамики социальных отношений. Поскольку такие отношения проявляются в группах и в институциональных органах, ученые реагируют на динамичную природу общества и на масштаб участия людей в отношениях. Таким образом, изменения воспринимаются как присущие и личным отношениям, и общественным отношениям в целом. Это явление рассматривается опять как антипод структурно-функциональному анализу равновесия.
7. Отличие сетевого анализа от поэтапного исследования или институционального подхода, а также от традиционного анализа ограничений, присущего таким дискретным институциональным областям, как экономика, политика и особенно антропология и родственные отношения. Анализ сетей нивелирует концептуальные барьеры институционального подхода.
8. Анализ таких форм социальной организации, как руководитель-клиент, коалиции лидеров-последователей, клики, фракции, картели и другие временные альянсы, которые находятся на различных социальных уровнях. Очевидно, что существуют формы социальной организации, которые играют значительную роль в жизни отдельных людей и целых групп.
9. Установление связи между формальным, абстрактным анализом и практическим опытом, поскольку анализ сетей соединяет межличностные отношения и социальные институты. Таким образом, он привносит человеческий фактор, противопоставляя «людей» их «ролям», тем самым превращая выбор индивидуумов и их действия в поток событий, которые формируют историю.
10. Акцентирование особого внимания на такой сложной аналитической категории, как «друзья друзей». Дело в том, что данная категория не находится в зоне научных интересов, так как ее представители не имеют прямого контакта со своими информантами.
Итак, вышеперечисленные характеристики рассматриваются как преимущества анализа сетей. Но существуют и определенные недостатки сетевого анализа. Например, сетевой анализ помогает определить направление и концентрацию потока иммигрантов и вектор развития местных отраслей промышленности, но, применяемый в отрыве
от других типов анализа, он не в состоянии объяснить те или иные причины, которые вызывают такие социальные процессы, как иммиграция и индустриализация.
Г. Градосельская предлагает разделить процесс исследования сетей на несколько этапов, на каждом из которых решается своя специфическая методологическая проблема, в частности [1. С 71]:
— построение сети;
— разработка индикаторов, описывающих структурные характеристики объекта исследования, и методов их расчета для построения сетей;
— анализ полученных результатов и включение полученных выводов в общеприменимый социологический или экономический дискурс.
Построение сети является первоочередной задачей в сетевом анализе. Прежде всего необходимо определить принцип, по которому элементы будут включены в сеть. Исследователи сетей предлагают следующие стратегии определения внешних границ сети:
1) подходы, основанные на субъективных восприятиях элементов;
2) номинальные подходы, которые диктуются логикой исследования;
3) процедурная тактика для определения границ.
Данная проблема может считаться решенной в случае исследования сетевых структур — элементы в данной сети определены параметрами и границами самой структуры.
При описании параметров сети выделяются следующие подходы к набору показателей.
Г. Градосельская выделяет пять ключевых показателей [Там же. С 80—87].
Сила связи. Эта характеристика также является одной из важнейших, потому что от нее зависят все остальные характеристики сети. Сила связи является одной из самых сложных для моделирования сетевых характеристик. Она может показывать частоту взаимодействий, объем перемещаемых ресурсов. Также можно в виде связи отразить эмоциональные отношения между персонами или степень взаимной поддержки в принимаемых политических решениях. Особенно проблемным является сочетание в одной структуре связей, отражающих разные сущности, например, экономические ресурсы и степень политической поддержки между странами. Четкого ответа на вопрос, что же такое сила связи и как ее измерить, нет.
Размер сети. Размер сети — наибольшее расстояние между любыми парами вершин в графе. Формально размер связанного графа равен максимальному из всех кратчайших путей между все-
ми парами вершин в графе, то есть расстоянию тахтах^(х,,х^) для любых и ху Размер сети изменяется от минимального значения 1 (две вершины в графе) до максимально возможного значения ^ - 1), где g — количество вершин графа.
Основной индикатор, представляющий размер сети, — число прямых связей, включенныхв индивидуальные объединения. Но связи могут иветь разные характеристики силы (разная частояа вия продолжительность связей).
Си/певая плотность, вероятно, наиболее об -щий иотазнтельсееевой структыны.Ыбывно асщ нейптнстают зиаоивеле-вю еилу свозанности между объединеоаями в соти или бдля дихотомиз лесаих азмеоеинйВ зоотно1еешна неличеиеваюецих и воуиожных евязеД. Максимаовно вознежно е число связей в неориентированном графе равно g(g - 1)/2. Плотность связей неориентированного артфа цинитз/еаб1Й звыбв щведладаои твюислять не формуле
Д=
2l
д(д-Г)/2 5(5-1)
гяе X — количество наблюдаемых связей в данном графе или подграфе; g — количество (акторов) в графе.
Пдоевооть свлзнй тртестиролтононо зрафя ви -чуеляееея ео рдрмуле
Д=
з(з-1)
Плотность играет важную роль в опред лении подгрупп, клик. Строго говоря, клика — это подгруппа с повышенной плотностью. Тогда иеваи шается важность тех акторов, которые нахндятея между кликами, — они являются посредникдми, и их позиция в регулировании отношенаН мвжту кликами становитсянаиболееважной. Иеи, доюу-стим,повышаетсяважностьтехакторов, которые находятся вцентрелокальнойклики.Точекнк воздействуя на эти ключевые позиции, прощо воздействовать на сеть в целом, манипулировать ею.
Центральность и централизация. Центральность — одна из основных сетевых характерис стик, которая была разработана строго в раиквх сетевой теории и является одним из маоетаьр-ческих инструментов, отличающих сетваой вюд-ход от классической теории графов. Проблемы измерения центральности активно обсуоедалист в 1970—80-х гг., тогда же и было предложено несколько методологических принципов1. Г. Гра-
ияаельсааа выделяет три яодхоая я измевению цешрол ьности:
1.Иыаеаение нтепени ценфальности (Иытгяе). При ятом по°ходе вежно количество аесегорыес с вотяртми свияан даниый ьктор. т иростейшем еяр-ае это птьстопомстыт ьисла свжей ааыира. Стеыеыс ценфальносся ятя катю-ога ыиторе мож-]еы рнссчитать ся> фoямyег
Со(.Щ) = <1(щ) = Х;+ = ^¡Хц = ,
где Св(п,) — уровень центральности актора п,; всего в сети g акторов. Максимальное значение коэффициентаравно ^ -1).Соответственно, чтобы сравнивать степень центральности актора не тольковнутри одного графа, но и между графами разной структуры, необходимо рассчитать стандартизированную оценку центральности (норми-рованаую цеотралтнясть актора-:
№) =
djnQ _ EjXjj
и-1
и-1
где ((?т) = — сумма связей актора п.
Теперь можно рассчитать степень централизованное™ всего графа:
Со =
—=11Ср(пП-СрСт)] тайЕЫ^Ссап'СпСсСтчС]
где С3(и) — с;тепень актора; Се(п ) — максималь-наястепеньцентральности акгора извсех рассчитанных.
Часто тьебгетгя срнснить разные структурыи ипрезелить, какас из них обеспечивает наилучшую централипацею аоторов. Нормировшй цен-тралсуосзи группы являетнт (g — 1)(g - 3). Соот-уетственно, нормирьванный еоэффициент степени централсзтции у-лапы рьнсчитывается те]с:
Г'
г ЛЫхГГрЗи'З-еГГрЗиг)] (д-1)Зд-2)
2. Измерение близости центральности (closeness) — насколько близко актор находится к другим акторам. Если позиция центральна, актор может быстро взаимодействовать с другими акторами. Эта позиция очень выигрышна при осуществлении коммуникации. Централь — это позиция, из которой приходится делать минимальное количество шагов ко всем остальным позициям группы. Центральность актора измеряется следующим образом:
1 Подчеркнем, что исследование центральносаи имеет давниетрадициивРоссии.Известна,наприрср, статьи
Д. И. Менделеева «О центре России» (Менделеев, Д. И. К познанию России. — М., 2002. — С. 159—179).
СсОм ) = £0?= 1ООа, )■)] ] / Ом,
где Сс(пг) — плотность центральное ти актор а; ¿/(а,-, я,) — рирло с; вазей ме сьтцу акторами и,- и я,- • Общее расстойние да /7,- из вох дкугиа акиороа сгта раано ИЩаК Т(р;;Ра), г,де; сумм- Верется по всем } Ф / Моксимкльное значение ]нндекса ривно (а-1).Таким образем, икаоматвоншей коэффици-центраесности акко-а можно рассчитатс осе:
С^Щ) в
.з-а
¿Н=1(0(3ч,ву)]
в 07 - 1)Са(а°к
Центгксльнссть гр-ппы акторов опредкияюз ио формуле
Нд к
ньЬ.Лдйап-ДсМ,
[(0ц2)К?-е)]Д25-з))
где Сс(п*) — максимальное нормализованное значение центральности актора.
3. Центральностькакпосредничество(between-ness). В данном подходе центральность рассматривается как контроль связей между остальными позициями. Например, если кратчайшее расстояние между акторами п2 и п3 проходит через п1 и п4, позиции п1 и п4 являются контролирующими по отношению к паре акторов п2 и п3 ( п2 ^ по—> п4 ^ п3). Главную идею этого подхода можор сформулировать следующим образом: актор тем более централен, чем больше количество других акторов, между которыми он находится (чем больше маршрутов он контролирует).
Центральность автора рассчитывается иофор-муле
СВ{Щ) = Е^^Т^ исключая г = j, К
' 9}к
где gjk(n¡) — число кратчайших путей, которые проходят через актора п; gjk — число всех возможных кратчайших маршрутов между парами вершин п и пк; г — отлично от j и к.
Эквивалентность. Часто при описании структурных свойств сети прибегают к понятиям структурного сходства отдельных акторов. Выявление структурно похожих позиций позволяет упростить граф, объединяя схожие по своим структурным свойствам акторы в новые,коллективныеакторы. К понятию схожести некоторых акторов можно прийти, анализируя сходные значения централь-ностей. Однако требуется определить общую характеристику эквивалентности, а не одно структурное свойство актора.
П-итв хл — количество связей мее^^ икоорами ц,- и п.. Осркде ляем дистанцию сетуор'ссгз'риой эи-вивалеатносоп для сдто-он ор и пя как сивлииово раояоняниг сояоей меидв :вт]имг1 авторамо. Длв акторов вд и ло этс- арртаноимгс^^^нди^ разливий леааелу тк 1ев'-м столТцвми мнорицы смнжнооергроЯа. Эквирвоеоьнорто двро позиций мооаю рнссчиэань ею с|>0]°)р.мсС))Т]е, чреавиженнрй э>. Бнктом :
я=^в^оной)!
ТК /'^Ю, р Ч Д.
Если акторы пг и п структурноэквиваленты, то их соответствую щит строки и стлвбцы матрицы смежности Дуна'т равны меиуон яорой, иевклидиво Гаествяние Оудтт ррвно нолю. Еэлиони неэкьо-оолентны, та) квеио:а1^наят^.г^^г1]:г^^оговас(^тоини^я Оуаза оииично ан нрло и ноходтввр в пррдтлах:
о <г то < ^¡адеро2).
Е. Евстратова [4] дополнительно выделяет такие качественные показатели, как:
— гомогенность (однородность) сети;
— сила деловых связей;
— теснота связей;
— замкнутость связей;
— устойчивость связей.
Степень гомогенности.Сетьможетсостоятьиз однотипных агентов (например, производителей и продавцов какого-то одного продукта или нескольких сопряженных продуктов). Ноона может включать разные типы организаций.
Теснота деловыхсвязей понимаетсякак их интенсивность и измеряется количеством контактов или сделок, совершенных с одними и теми же партнерами в течение определенного периода. В отличие от плотности сети, которая фиксирует число самих ее агентов, этот параметр указывает на наличие или отсутствие среди них постоянных партнеров.
Теснота связей характеризует количественную сторону взаимоотношений между агентами сети, сила деловых связей — качественную сторону. Она определяется структурной близостью между участниками рынка в организационном поле. Так, участники могут иметь между собой постоянные контакты, но особенно от них не зависеть. Иначе говоря, связь может быть сколь угодно тесной, но при этом слабой — агенты могут легко ее разорвать ради установления другой связи. Сильной связью считают связь между близкими организациями, ресурсная зависимость между которыми велика и не может быть с легкостью разорвана (даже если число сделок между ними ограничено).
Устойчивость сети зависит от длительности деловых контактов с контрагентами и воспроизводства всей сетевой конфигурации во времени. Чем чаще происходят изменения в составе участников рынка, перемещения отдельных связей и узловых сплетений, тем неустойчивее и гибче становятся сетевые структуры.
Замкнутость сети. Сети могут обладатьтак-же разной степенью замкнутости. Они считаются открытыми (разомкнутыми) и закрытыми (замкнутыми) в зависимости от того, насколько сводимы друг к другу образующие их контакты. Эта сводимость (редуцируемость) контактов с вяз ана с важной характеристикой сетевой кокКогутакки, определяемой понятием структурной автономии. Ее суть заключается в том, чтобымаосиаозиро-вать число структурных пустот насакооые кошр-агентов (оказываясь субъектом манипуляции) и минимизировать число структурных пустот на своей стороне (чтобы не оказаться объектом манипуляции). Причем такое позиционирование с точки зрения структурной автоно мотыказыатесся даже более важным, чем просто зашиис цеатралз-ной позиции в сети.
Е. Евстратова также предлагает слу—ои-щую формулу для расчета целесообрузосспи ы-естиа предприятия в сети. Для фирмы быдет счмзе тик-ти в состав сети, нежели быть интегрированной в иерархию (единую фирму), когда выполняется следующее выражение:
(Уп - Vh + ТСН) > (ТСп + РСп - Э,
где Уп — добавленная ценноспт, ыоыучеемея при работе в составе в сети; Vh — добавлоннаа ценность, получаемая при вхождении в состьв иерархической структуры в качестве одного из внутренних подразделений; ТСъ — трансакцион-ные издержки, возникающие при работе в составе иерархической структуры; ТСп — траневтцисн-ные издержки, возникающие при о-боту в слставе сети; РСп - h — разница в издержках производства между ситуацией работы в сети и ситуацией работы в составе иерархии.
А. Олейник предлагает описывать сеть следующими параметрами [6. С. 145]:
1. Доступность вершин — наличие связей между двумя заданными вершинами. Связи могут оказаться и избыточными, если они саяуыва. ют те же самые вершины и доблируюв еем самым уже существующие днго и ууОу-.
2. Интенсивность связей — коунолствисвясей с другими вершинами. Степунь иутеысывно-сти измеряется отношением числа дайутви-тельно существующих связаУк пота-щи
ально возможному, равному Щ(Щ - 1)/2, где N — число вершин.
3. Открытость — сеть считается открытой, если число вершин в ней потенциально не ограничено.
П. Хаггет [8. С. 283], рассматривая сети исключительно в инфраструктурном контексте и исследуяаопросы оптимальностц дорожных сея тей и особенности их размещения, выделяет ряд топологических индексов, основанных на теории графов оамзревие стеовни цент°алуносек, ысцы связности стти, иоыацение формы сети.
О. Фаотнер [0] атмеоеет,каа а етевао ф-тмо оргае нкзации С^^со^^а^, к-оме создания дополнительных конкурентных гфатгущууто, мажет создаваеа угрозы кюкаколизащшоашсс. По-томо новыу ууыывш! оаый(^твс^^£^ыкв утыкесур о ииcасунeнты
антимонопольной политики являются важными элементами методологии новой экономики предпринимательства. Для практической реализации О. Фихтне° Iы]сдссвayтнст00и-к- с^нкт эЫФеттив-ноутт уулквых етязлй учayскикoс взвк]лoдyйутссу, нуо бх^д^г^тУ13 сффо ууз авоулкя п. удптимвтаыуль-с^иф^тР^^ЗМ-мо. Пoyтановaыy]ынлyть метод1к1у-улы приемес ыседутавлуна ылснтыщими этапами:
Эсвп 1. Выосмуниуыодульных уий0у ынутрнне них ивнушних у вязвк: формаисмых йнсЫот-мальных. Каждое взаимодействие оценивается с позиций интенсивности и эффективности по не-оаторойшкаыо, омудноыу ысыо рассуоссгевютес средние оценки каждого типа связи.
Оеск У. Отеска эффуиташусти y^ыуажФы увдзеы. Oптис[сыьнeyть общуй ужэутсурв1 изaыныдyйааоуя
октудууяум УobКOдуiЮCн/нууobСaЫCKиуm жнгyнyкв-ных к изaытoсyHетвий. Коэффициент
эффуетивноутк Р у-зето-ут ко-туу-зужи оцунигь эффективность организационной структуры:
— Колоиество cсспaавюIугx сйятей Кслтсe ство вскх наУсюмаеш>к cвезвC
Коэффициунт эффуьмивноети мояаю рассчитать следующим т°>разом:
ф х 100 %,
е+1—с
где с — количество совпадающих связей актора (бизнес-единицы), е — количество эффективных связей, , — количество интенсивных связей.
Этап 3. Проверка складывающейся структуры взаимодействия на соответствие условиям антимонопольного законодательства, ограничивающего различные проявления дискриминации на рынке и повышающего конкурентоспособность отечественного предпринимательского сектора.
Этап 4. Выявление влияния сетевых характеристик на экономическую успешность бизнес-единицы.
При исследовании сетевых структур О. Фих-тнер также предлагает рассматривать такой показатель, как система совокупного эффекта сете-визации [7. C. 13]:
СЭС = Ээ + Эс + Эпр - Эо,
где СЭС — суммарный эффект сетевизации, Ээ, Эс, Эпр — эффекты от действия экономических, социальных и прочих факторов соответственно; Эо — отрицательные эффекты, возникающие вследствие возникновения сетевых объединений.
Ф. Швейцер с соавторами отмечают недостатки наработанных мировым научным сообществом подходов к исследованию сетей: предыдущие подходы неспособны воспроизводить статистические закономерности функционирования сетевых структур, которые были выявлены эмпирическим путем. Поэтому предлагается применять комплексный системный подход для исследования крупномасштабных сетей [14. C. 424—425].
В качестве перспективных направлений предлагается объединение описания отдельных агентов с их коэволюционирующими сетями взаимодействий. Также предлагается выработать такую экономическую политику, которая была бы благоприятна для сетевых структур, устойчивых к влиянию экономических кризисов, содействовала бы развитию интеграции или торговли. Данная исследовательская деятельность должна включать пять направлений:
I. Анализ значительного объема информации (Massive data analysis). Способность получать больший объем качественной информации позво-
лит ускорить переход от качественных к количественным научным изысканиям, подтвержденным доказательной базой.
II. Время и пространство. Решение проблемы зависимости свойств экономических сетей от временного фактора позволит выйти за рамки подхода, предполагающего исследование «снимка» объекта.
III. Определение структуры. Вычленение топологии сети среди массива информации, особенно агрегированных экономических данных, представляется проблематичным. Новые методы необходимы для идентификации структуры, новые концепции — для измерения прямого и опосредованного воздействия.
IV. За пределами упрощения. Все экономические сети неоднородны в части своих агентов и силы связей между ними. Кроме того, они могут в значительной степени варьироваться во времени.
V. Системная обратная связь. Несмотря на лучшие намерения агентов, усиливающие факторы (например, чувство стадности) могут управлять динамикой сети. Экономические сети подвержены расширению, что может привести к перераспределению нагрузки, если один из узлов выйдет из строя.
С учетом рассмотренных подходов нами выделяются два подхода в исследовании сетевых структур в контексте региональной экономики: а) сетевые структуры внутри региона могут сравниваться между собой по приведенным показателям; б) определенная отрасль экономики, например промышленность, может рассматриваться как одна сложная сеть. Более того, вся экономика региона может рассматриваться как сеть. В этом случае сравнивать имеет смысл регионы между собой.
Список литературы
1. Градосельская, Г. В. Бизнес-сети в России / Г. В. Градосельская. — М. : Издат. дом Высш. шк. экономики, 2014. — 588 с.
2. Дегтерев, Д. А. Сетевой анализ международных отношений / Д. А. Дегтерев // Вестн. С.-Петерб. ун-та. Сер. 6. Политология. Междунар. отношения. — 2015. — № 4. — С. 119—138.
3. Евин, И. А. Введение в теорию сложных сетей / И. А. Евин // Компьютер. исслед. и моделирование. — 2010. — № 2, т. 2. — С. 121—141.
4. Евстратова, Е. И. Механизмы управления в сетевых организационных структурах промышленных предприятий : дис. ... канд. экон. наук / Е. И. Евстратова. — Таганрог, 2006. — 162 с.
5. Менделеев, Д. И. К познанию России / Д. И. Менделеев. — М. : Эксмо, 2002. — 576 с.
6. Олейник, А. Модель сетевого капитализма / А. Олейник // Вопр. экономики. — 2003. — № 8. — С. 132—149.
7. Фихтнер, О. А. Методологические подходы к оценке эффективности функционирования сетевых предпринимательских структур / О. А. Фихтнер // Вестн. Новгород. гос. ун-та. — 2011. — № 61. — С. 12—16.
8. Хаггет, П. Пространственный анализ в экономической географии / П. Хаггет. — М. : Прогресс, 1968. — 380 с.
9. Sensitivity of complex networks [Электронный ресурс] / M. Angulo, G. Lipner, Y. Liu, A. Barabas. — URL: www.researchgate.com.
10. Barnes, J. Graph theory in network analysis / J. Barnes, F. Harary // Social networks. — 1983. — № 5. — P. 235—244.
11. Boissevain, J. Network Analysis: A Reappraisal / J. Boissevain // Current Anthropology. — 1979. — Vol. 20, no. 2. — P. 392—394.
12. Borgatti, S. The Network Paradigm in Organizational research: A Rev. and Typology / S. Borgatti, P. Foster // J. of management. — 2003. — No. 29. — P. 991—1013.
13. Minoiu, C. A network analysis of global banking: 1978—2009 [Электронный ресурс] / C. Minoiu, J. Reyes // IMF Working paper. — 2011. — URL: http://www.imf.org/external/pubs/ft/wp/2011/wp1174.pdf.
14. Economic Networks: The New Challenges / F. Schweitzer [et al.] // Science. — 2009. — № 325. — P. 422—425.
15. Vitali, S. The Network of Global Corporate Control / S. Vitali, G. Glattfelder, S. Battiston // PLOS ONE. — 2011. — Vol. 6, iss. 10. — P. 1—6.
сведения об авторах
Глумов Антон Анатольевич — кандидат экономических наук, старший преподаватель кафедры региональной и муниципальной экономики и управления Уральского государственного экономического университета, Екатеринбург, Россия. glumov@usue.ru
Ивукина Елена сергеевна — кандидат экономических наук, доцент кафедры делового иностранного языка Уральского государственного экономического университета, Екатеринбург, Россия. esi99@mail.ru
Bulletin of Chelyabinsk State University.
2017. No. 2 (398). Economic Sciences. Iss. 56. Pp. 34—42.
peculiarities of analysis in the research
OF NETWORK structures WITHIN THE FRAMEWORK OF regional economy
A.A. Glumov
Ural State University of Economics, Yekaterinburg, Russia. glumov@usue.ru
Ye.S. Ivukina
Ural State University of Economics, Yekaterinburg, Russia. esi99@mail. ru
The problem of interconnection and interdependence in the contemporary world initiates considerable interest of the scientists involved in the sphere of regional economy. Network structures are viewed as the most distinctive manifestation of this interconnection. The scientists offer different approaches to the research and description of network structures. The authors highlight three approaches to the formation of system indicators that describe network structures in the regional economy: statistic indicators and also ones that identify the activity of network structure within the framework of regional economy as well the indicators of network analysis. The emphasis in the article is made on the network analysis due to its weak coverage in the Russian science. This article investigates advantages and disadvantages of network analysis alongside with such key indicators as density, intensity and centrality of network.
Keywords: networks, network structures, network analysis, regional economy.
References
1. Gradosel'skaya V.G. Biznes-seti v Rossii [Business-networks in Russia]. Moscow, High School of Economics Publ., 2014. 588 p. (In Russ.).
2. Degterev D.A. Setevoy analiz mezhdunarodnykh otnosheniy [Network analysis of international relations]. Vestnik Sankt-Peterburgskogo universiteta. Seriya 6. Politologiya. Mezhdunarodnye otnosheniya [Bulletin of Saint Petersburg University. Series 6. Political science. International relations], 2015, no. 4 (6), pp. 119—138. (In Russ.).
42
A. A. rnyMOB, E. C. HByKUHa
3. Yevin I.A. Vvedeniye v teoriyu slozhnykh setey [Introduction to the theory of complex networks]. Komp'yuternye issledovaniya i modelirovaniye [Computer researches and modelling], 2010, no. 2, vol. 2, pp. 121—141. (In Russ.).
4. Yevstratova Ye.I. Mekhanizmy upravleniya v setevykh organizatsionnykh strukturakh promyshlennykh predpriyatiy [Mechanisms of management in network organizational structures of industrial enterprises. Thesis]. Taganrog, 2006. 162 p. (In Russ.).
5. Mendeleyev D.I. Kpoznaniyu Rossii [To understanding Russia]. Moscow, Eksmo Publ., 2002. 576 p. (In Russ.).
6. Oleynik A. Model' setevogo kapitalizma [Model of network capitalism]. Voprosy ekonomiki [The Issues of Economy], 2003, no. 8, pp. 132—149. (In Russ.).
7. Fikhtner O.A. Metodologicheskiye podkhody k otsenke effektivnosti funktsionirovaniya setevykh predprinimatel'skikh struktur [Methodological approaches to the efficiency appraisal of network entrepreneurial structures]. VestnikNovgorodskogo gosudarstvennogo universiteta [Bulletin of Novgorod State University], 2011, no. 61, pp. 12—16. (In Russ.).
8. Hagget P. Prostranstvennyy analiz v ekonomicheskoy geografii [Spatial analysis in economic geography]. Moscow, Progress Publ., 1968. 380 p. (In Russ.).
9. Angulo M., Lipner G., Liu Y., Barabas A. Sensitivity of complex networks. Available at: http:// www. researchgate.com.
10. Barnes J., Harary F. Graph theory in network analysis. Social networks, 1983, no. 5, pp. 235—244.
11. Boissevain J. Network Analysis: A Reappraisal. Current Anthropology, 1979, vol. 20, no. 2, pp. 392— 394.
12. Borgatti S., Foster P. The Network Paradigm in Organizational research: A Preview and Typology. Journal of management, 2003, no. 29, pp. 991—1013.
13. Minoiu C., Reyes J. A network analysis of global banking: 1978—2009. IMF Working paper, 2011. Available at: http://www.imf.org/external/pubs/ft/wp/2011/wp 1174.pdf.
14. Schweitzer F., Fagiolo G., Sornette D., Vega-Redondo F., Vespignani A., White D. Economic Networks: The New Challenges. Science, 2009, no. 325, pp. 422—425.
15. Vitali S., Glattfelder G., Battiston S. The Network of Global Corporate Control. PLOS ONE, 2011, no. 6 (10), pp. 1—6.
