Оценка деятельности кластеров как инструмента увеличения выпуска инновационных товаров Текст научной статьи по специальности «Экономика и бизнес»

I ЭКОНОМИЧЕСКИЕ ПРОБЛЕМЫ РЕГИОНОВ И ОТРАСЛЕВЫХ КОМПЛЕКСОВ____

ОЦЕНКА ДЕЯТЕЛЬНОСТИ КЛАСТЕРОВ КАК ИНСТРУМЕНТА УВЕЛИЧЕНИЯ ВЫПУСКА ИННОВАЦИОННЫХ ТОВАРОВ*

Г.П. Литвинцева,

зав. кафедрой экономической теории и прикладной экономики Новосибирского государственного технического университета,

доктор экономических наук [email protected]

Е.А. Шиц,

магистрант кафедры экономической теории и прикладной экономики Новосибирского государственного технического университета

[email protected]

В статье анализируется наличие кластерного потенциала региона с помощью метода структурных сдвигов и индекса локализации. Расчеты показали, что Новосибирская область России обладает ярко выраженным кластерным потенциалом в сфере торговли, но развивающийся инновационный кластер информационных технологий пока не оказывает значительного влияния на экономику региона. Поскольку результатом деятельности кластеров является увеличение выпуска инновационных товаров, то были определены факторы, оказывающие наибольшее влияние на данный показатель в Российской Федерации.

Ключевые слова: Новосибирская область, кластерный потенциал, метод структурных сдвигов, коэффициент локализации, инновационные товары, метод Lasso, Российская Федерация.

УДК 338.24:005.591.6 ББК 65.291.51-21+65.422-40-551

Повышение конкурентоспособности Российской Федерации и осуществление перехода на инновационный путь развития требует модернизации экономики и роста инновационной активности хозяйствующих субъектов. Отечественный и зарубежный опыт показывает, что в решении данной проблемы желательно участие инновационных кластеров. Кластеры позволяют объединить представителей науки, образования, бизнеса и государственного управления с целью осуществления совместных проектов, которые способствовали бы повышению конкурентоспособности участников кластера, отрасли, региона и страны в целом. Поэтому тема работы является весьма актуальной.

Однако кластеры зачастую возникают без учета имеющихся возможностей, насаждаются сверху и необходимо решать возникающие проблемы при их формировании и функционировании.

Впервые понятие кластера дал М. Портер: «Кластеры — это сосредоточения в географическом регионе взаимосвязанных предприятий и учреждений в границах отдельной области» [1, c. 78]. Однако на сегодняшний день среди исследователей не сложилось единого понимания термина «кластер».

Разнообразие трактовок данного термина связано с тем, что практически каждый ученый, который исследует данный вопрос, дает собственное определение данного понятия. Также, существуют трудности перевода работ зарубежных исследователей с разных языков.

Авторами предложено собственное определение кластера: кластер — самоорганизующаяся квазирыночная структура, представляющая собой добровольное объединение предприятий, представителей власти, научно-исследовательских институтов с целью достижения синергетического эффекта, вследствие которого повышается конкурентоспособность продукции участников кластера и достигается экономический рост региона, отрасли и страны в целом [2, c. 149]).

Сформулируем две гипотезы:

1. Гипотеза № 1: Новосибирская область (НСО) России обладает кластерным потенциалом.

2. Гипотеза № 2: Инновационные кластеры играют доминирующую роль в экономике НСО.

Для оценки кластерного потенциала региона использован метод структурных сдвигов [3], адаптированный Ковалевой Т.Ю. [4, с. 32-33]. Она считает, что высоким кластерным потенциалом обладают отрасли, для которых коэффициент локализации больше единицы, а также высокие значения показателя реги-

онального фактора (RS). Рассмотрим алгоритм применения метода структурных сдвигов.

Общий прирост переменной (SS) с учетом влияния национального (NS), отраслевого (IM) и регионального факторов (RS) определяется следующим образом:

SS = NS + IM + RS , (1)

где SS — общий структурный сдвиг;

NS — компонент, отражающий влияние национальных факторов роста;

IM — компонент, отражающий влияние отраслевых факторов роста;

RS — компонент, отражающий влияние региональных факторов роста.

Оценка влияния национального фактора NS (например, роста занятости в стране) производится согласно следующей формуле:

NS = l\_^ A- -lj, (2)

где l't-1 — занятость в i-й отрасли в регионе в период t-1;

Lt — общее количество занятых в стране в период t;

Lt-1 — общее количество занятых в стране в период (t-1).

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

IM = lt-i*

L

t-i

L

L

't-i;

L

(3)

где L't-1 — количество занятых в i-й отрасли в стране в период (t-1);

Lit — количество занятых в i-й отрасли в стране в период t.

При определении регионального фактора (RS) сопоставлению подлежат темпы роста анализируемой переменной по отрасли в стране и регионе:

(

RS = l\-i*

л

/1

V 't-i

(4)

л-i

Оценка кластерного потенциала Новосибирской области (НСО) в 2009-2013 гг. была осуществлена по видам экономической деятельности (ВЭД) по следующим показателям:

• валовая добавлена стоимость;

* Статья выполнена при поддержке гранта ФГБОУ ВО «Новосибирский государственный технический университет» для выполнения научной работы в 2015 г. (№ 031-НСГ-15).

258

ЭКОНОМИЧЕСКИЕ ПРОБЛЕМЫ РЕГИОНОВ И ОТРАСЛЕВЫХ КОМПЛЕКСОВ

Л

• инвестиции в основной капитал;

• распределение числа предприятий и организаций;

• распределение среднегодовой численности занятых в экономике.

В таблице представлены значения, соответствующие количеству раз, когда по 4 показателям видов экономической деятельности получено соответствие критерию наличия кластерного потенциала в разные годы (табл. 1).

Таблица 1

Агрегированные результаты анализа наличия кластерного потенциала в экономике Новосибирской области в 2009—2013 гг.

Вид экономической деятельности Сумма

Сельское хозяйство, охота и лесное хозяйство 8

Рыболовство, рыбоводство 0

Добыча полезных ископаемых 0

Обрабатывающие производства 2

Производство и распределение электроэнергии, газа и воды 3

Строительство 0

Оптовая и розничная торговля; ремонт автотранспортных средств, мотоциклов, бытовых изделий и предметов личного пользования 10

Гостиницы и рестораны 0

Транспорт и связь 10

Финансовая деятельность 8

Операции с недвижимым имуществом, аренда и предоставление услуг 9

Государственное управление и обеспечение военной безопасности; социальное страхование 5

Образование 8

Здравоохранение и предоставление социальных услуг 4

Предоставление прочих коммунальных, социальных и персональных услуг 3

Можно сделать вывод, что наибольшим кластерным потенциалом в исследуемый период обладали такие ВЭД как оптовая и розничная торговля, ремонт автотранспортных средств, мотоциклов, бытовых изделий и предметов личного пользования, транспорт и связь, а также операции с недвижимым имуществом, аренда и предоставление услуг. То есть, по этим ВЭД значение показателя RS было положительным, а также коэффициент локализации превысил 1 указанное число раз. Это означает, что перечисленные ВЭД обладают наибольшим кластерным потенциалом в экономике региона. Следовательно, гипотеза № 1 не отвергается. За рассматриваемый период по ВЭД рыболовство и рыбоводство, добыча полезных ископаемых, строительство, гостиницы и рестораны кластерный потенциал отсутствует, так как значения II и RS ни разу не превысили единицу.

Проверим гипотезу № 2: инновационные кластеры играют доминирующую роль в экономике Новосибирской области.

В НСО функционирует «Инновационный кластер информационных и биофармацевтических технологий». Рассмотрим его долю в валовой региональной продукции (ВРП) НСО и в выручке ИТ-компаний России.

Роль кластера в регионе определялась по доле в валовой региональной продукции (ВРП) и в выручке ИТ-компаний России путем сопоставления прогнозных данных, опубликованных федеральной службой государственной статистики [5], министерством экономического развития Новосибирской области [6], российской кластерной обсерваторией [7] и аналитическим центром TAdviser [8].

Несмотря на тенденцию к увеличению доли ИТ кластера и в ВРП Новосибирской области (с 2,04 % в 2011 г. до 4,31%о в 2016 г.), и в выручке ИТ-компаний России (прирост в 2016 г. по сравнению с 2011 г. составит 3,11 пункта), пока эта доля не настолько велика, чтобы оказывать значительное влияние на экономику региона и отрасли в целом. Следовательно, гипотеза № 2 не подтвердилась.

Достоинства метода структурных сдвигов состоят в том, что он прост в применении и позволяет выделять национальный, отраслевой и региональный вклад в общем приросте рассматриваемой экономической переменной. Однако данный метод имеет существенные недостатки. Во-первых, он обычно применяется для двух периодов времени и плохо отражает изменения в динамике. Например, метод не позволяет объяснить изменения потенциала в тех случаях, когда его критерии сначала дают положительную оценку, а затем показывают отсутствие потенциала. Во-вторых, метод структурных сдвигов не может учитывать множество конкретных факторов, влияющих на экономический рост, в т.ч. на увеличение выпуска инновационных товаров. Значит для оценки инновационного развития (в т.ч. кластерного потенциала) необходимо применять методы, позволяющие учитывать региональные и/или отраслевые особенности исследуемого объекта.

Одной из целей функционирования кластеров является увеличение выпуска инновационных товаров. Особый интерес представляет собой выбор факторов, влияющих на выпуск инновационных товаров. Следуя методике исследователей, было выделено 16 факторов, сгруппированных в 4 блока. Для всех показателей использовались данные официальной статистики Росстата за 2013 г.

1. Научно-исследовательский блок:

XI — численность персонала, занятого научными исследованиями и разработками, чел.;

X2 — численность исследователей с учеными степенями, чел.;

Х3 — число организаций, выполняющих исследования и разработки, ед.;

Х4 — число аспирантов, чел.;

Х5 — число студентов, обучающихся по программам бакалавриата, специалитета, магистратуры на начало учебного года, тыс. чел.

2. Блок, отражающий затраты на инновации:

Х6 — внутренние затраты на научные исследования и разработки, млн руб.;

Х7 — затраты на технологические инновации, тыс. руб.;

Х8—удельный вес затрат на технологические инновации в общем объеме отгруженных товаров, выполненных работ, услуг, %;

Х9 — доля инвестиций в основной капитал в ВРП, %.

3. Блок социально-институциональных факторов:

Х10 — уровень денежных доходов населения в расчете на душу населения, руб./месяц;

XII — оборот средних предприятий, млрд. руб.;

Х12 — количество микропредприятий, ед.

4. Результативный блок:

Х13 — поступление патентных заявок и выдача патентов в России, ед.;

Х14 — инновационная активность организаций, удельный

вес, %;

Х15 — используемые передовые производственные технологии, ед.;

Х16 — удельный вес малых предприятий, осуществлявших технологические инновации, %;

Y — выпуск инновационных товаров, работ, услуг, млн руб.

Robert Tibshirani [9, с. 267-273] предложил метод Least absolute shrinkage and selection operator (Lasso), который заключается в том, что задается ограничение на неизвестные параметры модели: сумма модулей оценок должна быть меньше ограничения, задаваемого исследователем.

Применение метода Lasso позволяет не только определить значимость факторов, но и проранжировать их (рис. 1).

Так, факторы Х1, Х8 достаточно быстро стали равны нулю. Это значит, что степень их влияния на Y в 4 раза меньше, чем фактора Х7. Из 16 анализируемых факторов значимыми остались 8, т.е., 8 факторов оказывают наибольшее влияние на выпуск инновационных товаров, работ, услуг в России. По ним была построена редуцированная модель (рис. 2).

Рассмотрим основные характеристики моделей (табл. 2). В первом столбце представлены характеристики исходной модели, построенной по 16 факторам, во втором столбце характеристики редуцированной модели, построенной по на-

259

Оценки параметров

ЭКОНОМИЧЕСКИЕ ПРОБЛЕМЫ РЕГИОНОВ И ОТРАСЛЕВЫХ КОМПЛЕКСОВ

еа

о

а

н

я

я

а

я

х

х

a

X

«

Я

О

0,5

-0,5

1

0

1

Ограничение X

Рис. 1. Ранжирование факторов исходной модели

1,2

1

0,8

0,6

0,4

0,2

3-15

-0,2

-0,4

-0,6

I Число организаций, выполняю-: !щих исследования и разработки!

■ Уровень денежных до-I ходов населения в расчете на душу населения!

!Доля инвестиций в ос-: ■новной капитал в ВРП

Численность исследовате-: ; лей с учеными степенями ;

Ограничение X

Рис. 2. Ранжирование факторов редуцированной модели

Таблица 2

Значение статистики P и критериев оценки значимости моделей

Параметр Модель исходная Модель редуцированная А

X2 0,12 0,00 -0,12

X3 0,69 0,00 -0,69

X7 0,02 0,00 -0,02

X9 0,71 0,15 -0,56

X10 0,10 0,00 -0,10

X12 0,71 0,00 -0,71

X13 0,28 0,64 +0,36

X14 0,91 0,07 -0,84

R2 0,67 0,64 -0,03

F-Фишера 0,00 0,00 0,00

иболее значимым 8 факторам. Итак, значение статистики P (вероятность того, что параметр незначимый) сократилось по всем факторам кроме фактора Х13.

Коэффициент детерминации R2 немного сократился (на 0,03), т.к. редуцированная модель содержит меньше факторов, чем исходная, но редуцированную модель легче интерпретировать. В целом, значение коэффициента детерминации 0,64 означает, что, построенная м одель хорошо описывает исходные данные. По критерию Фишера обе модели являются значимыми.

Проведенный авторами анализ показал, что наиболее значимые факторы, оказывающие влияние на инновационную деятельность следующие: затраты на технологические инновации; поступлениепатентных заявок и выдача патентов; число организаций, выполняющих исследования и разработки; уровень денежных доходов населения в расчете на душу населения.

О предел и в факторы, влияющие на выпуск инновационных товаров, работ, услуг, можно сделать вывод о том, что для увеличения данного показателя необходимо участие всех хозяйствующих субъектов и государства, которое призвано создавать необходимые условия для активной инновационной деятельности [10]. Государству следует участвовать в формировании инфраструктуры кластеров, так.например, в сфере инфраструктуры местные органы власти Австралии контролируют 27% всех расходов, а в Великобритании — 62%. В Канаде, США на эти цели приходится более 60% расходов на местном уровне [11, c. 101]. Кроме того, инновационная деятельность должна быть связана с уровнем и качеством жизни населения, о чем свидетельствует выявленное влияние показателя денежных доходов населения [12].

Таким образом, Новосибирская область обладает кластерным потенциалом в сферах торговли, транспорта и связи, а также операций с недвижимым имуществом. Однако, сформировавшийся в регионе инновационный кластер информационных технологий пока не оказывает значительного влияния на экономику региона и отрасли.

В дополнение к методу структурных сдвигов в исследовании был применен метод Lasso для определения факторов, влияющих на выпуск инновационных товаров для страны в целом. Однако проблема заключается в том, что регионы России сильно отличаются друг от друга, следовательно, модели, построенные для каждого региона, будут иметь разные характеристики и, возможно, показывать различные наиболее существенные факторы, влияющие на инновационную и промышленную деятельность (в отличие от факторов, например, Новосибирской

260

ЭКОНОМИЧЕСКИЕ ПРОБЛЕМЫ РЕГИОНОВ И ОТРАСЛЕВЫХ КОМПЛЕКСОВ

области [13]). Поэтому, авторами в перспективе предлагается усовершенствовать данную методику: разбить регионы на кластеры по ВЭД по похожим характеристикам и построить модели, применив метод Lasso, но уже для каждого кластера регионов. Тогда мы сможем сказать, что в одной группе регионов увеличение конкретного фактора будет приводить к уве-

личению выпуска инновационных товаров, а в другом кластере возможно наоборот. Это позволит предложить рекомендации для совершенствования программ социально-экономического развития регионов, что особенно актуально в свете реализации Федерального Закона «О промышленной политике в Российской Федерации» [14], принятого в конце 2014 г.

Литература

1. Porter M.E. Clusters and the New Economics of Competition // Harvard Business Review. — 1998. — November-December. — P 77-90.

2. Шиц Е.А. Оценка кластерного потенциала региона // Кластерные инициативы в формировании прогрессивной структуры национальной экономики: сборник научных трудов Международной научно-практической конференции (19-20 марта 2015 г.), редкол.: Горохов А.А. (отв. ред.), В 2-х т., Т.1 / Юго-Зап. гос. ун-т. — Курск, 2015. — С. 149-151.

3. Methods of regional analysis: shift-share (2011). URL: http://www.andrew.cmu.edu/user-/jp87/URED/readings/Shift_Share.pdf (дата обращения: 11.10.2011).

4. Ковалева Т.Ю. Алгоритм идентификации и оценки кластеров в экономике региона // Вестник Пермского университета. Сер. экономика. — 2011. — № 4. — С. 30-39.

5. Федеральная служба государственной статистики России. URL: http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/ statistics/accounts/# (дата обращения: 11.05.2015).

6. Прогнозы социально-экономического развития Новосибирской области. Инновационный кластер информационных и биофармацевтических технологий Новосибирской области. URL: http://econom.nso.ru/deyatelnost/ser_oblasti/-prognoz_ser/Pages/ prognoz_2016.aspx (дата обращения: 11.05.2015).

7. Российская кластерная обсерватория. Инновационный кластер информационных и биофармацевтических технологий Новосибирской области. URL: http://cluster.hse.ru/cluster_docs/novosib/index.php?sphrase_id=1848 (дата обращения: 11.05.2015).

8. ИТ-рынок России TAdviser — российский интернет-портал и аналитическое агентство^Р http://www.tadviser.ru (дата обращения: 11.05.15).

9. Tibshirani R. Regression Shrinkage and Selection via the Lasso // Journal of the Royal Statistical Society. Series B (Methodological). — 1996. — Volume 58, Issue 1. — P 267-288.

10. Крюков В.А., Литвинцева Г.П., Хайруллина М.В. Условия инновационного развития: взгляд из Сибири // ЭКО. — 2014. — № 3 (477). — С. 184-189.

11. Литвинцева Г.П. Особенности управления на местном уровне в зарубежных странах / Г.П. Литвинцева, Н.А. Гахова // Идеи и идеалы. — 2011. — Т. 1. — № 2. — С. 91-105.

12. Качество жизни населения в России и ее регионах: кол. монография / Под ред. С.В. Кущенко, Г.П. Литвинцевой, Л.А. Ось-мук. — Новосибирск: Изд-во НГТУ, 2009. — 560 с.

13. Litvintseva G.P, Milyaev D.A. Characteristic features of development and growth factors of Novosibirsk region industry in 19952003 // Proceedings — 9th Russian-Korean International Symposium on Science and Technology, KORUS-2005. June 26 - July 2, 2005, Novosibirsk, Russia. Vol. 1. — Novosibirsk: Novosibirsk State Technical University, 2005. — С. 912-917. (Web of Science, SCoPuS)

14. Федеральный закон от 31.12.2014 № 488-ФЗ «О промышленной политике в Российской Федерации». URL: http://www. rg.ru/2015/01/12/promyshlennost-dok.html (дата обращения: 28.04.2015).

ФОРМИРОВАНИЕ СИСТЕМЫ ОРГАНИЗАЦИИ ИНВЕСТИРОВАНИЯ ИННОВАЦИОННЫХ ПРОЦЕССОВ В СТРОИТЕЛЬСТВЕ

В.В. Бузырев,

зав. кафедрой организации и управления в строительстве Санкт-Петербургского государственного экономического университета, доктор экономических наук, профессор, заслуженный деятель науки РФ

Л.Г. Селютина,

профессор кафедры организации и управления в строительстве Санкт-Петербургского государственного экономического университета,

доктор экономических наук, профессор

В.Ф. Мартынов

доцент кафедры организации и управления в строительстве Санкт-Петербургского государственного экономического университета,

доктор экономических наук

В статье рассмотрены актуальные вопросы управления инвестиционными процессами в инновационной деятельности предприятий инвестиционно-строительного комплекса. Сформулировано понятие системы организации инвестирования в инновационную деятельность строительных предприятий. Изложен авторский подход к формированию системы организации инвестирования инновационных процессов в современных условиях функционирования строительных предприятий.

Ключевые слова: инновации, инвестиции, строительство, управление.

УДК 658 ББК 65.05

В современной экономике инновации и инвестиции ста- многом определяют лидерство, обеспечивают эффективное новятся важнейшим условием перспективного роста и раз- долгосрочное функционирование и конкурентоспособность вития предприятий. Новые технологии и виды продукции во предприятий [1], но в настоящее время экономика России на-

26 1