pISSN 2073-1477 eISSN 2311-8733
Социально-экономическая политика
РЕГИОНАЛЬНАЯ КЛАСТЕРИЗАЦИЯ РОССИЙСКОГО ВЫСШЕГО ОБРАЗОВАНИЯ
Валерий Владиславович СМИРНОВ % Алена Владимировна МУЛЕНДЕЕВА ь
а кандидат экономических наук, доцент кафедры отраслевой экономики факультета управления и социальных технологий, Чувашский государственный университет имени И.Н. Ульянова, Чебоксары, Российская Федерация v2v3s4@mail.ru
https://orcid.org/0000-0002-6198-3157 SPIN-код: 3120-4077
ь старший преподаватель кафедры физической географии и геоморфологии историко-географического факультета,
Чувашский государственный университет имени И.Н. Ульянова,
Чебоксары, Российская Федерация
а1 ena-mulende eva@yandex. ги
ORCID: отсутствует
SPIN-код: 9404-7292
' Ответственный автор
История статьи:
Получена 05.07.2018 Получена в доработанном виде 03.08.2018 Одобрена 14.09.2018 Доступна онлайн 15.02.2019
УДК 332.05, 338.001.36 123, 124, 125, 162, R11
Ключевые слова:
Болонская система, высшее образование, кластерный анализ, российские регионы темпы прироста
Аннотация
Предмет. Кластеры российского регионального высшего образования. Цели. Выявить кластеры российской системы регионального высшего образования. Методология. Исследование основано на системном подходе с применением кластерного анализа.
Результаты. Выявлена устойчивая позиция крупных структур на рынке образовательных услуг, расширяющих свое влияние на российские регионы посредством филиалов. Вектор развития филиальной сети определяется высокодоходным статусом региона, собственным потенциалом, федеральными трансфертами. При этом высокодоходные регионы с высокой численностью абитуриентов заинтересованы в сохранении региональных высших учебных заведений.
Выводы. Перспективы региональной кластеризации российского высшего образования связаны с перераспределением образовательных услуг в пользу крупных высших учебных заведений посредством развития широкой филиальной сети. Высокодоходные регионы с малой численностью абитуриентов не заинтересованы в развитии своего потенциала образовательных услуг и склонны к поддержке кластеризации. Высокодоходные регионы с высокой численностью абитуриентов, а также большинство дотационных доминируют на своих рынках образовательных услуг.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2018
Для цитирования: Смирнов В.В., Мулендеева А.В. Региональная кластеризация российского высшего образования // Региональная экономика: теория и практика. - 2019. - Т. 17, № 2. - С. 266 - 282. https://doi.org/10.24891/re. 17. 2.266
Процесс трансформации классической советской системы высшего образования начался в постсоветский период в рамках «Болонского процесса», к которому Россия присоединилась в сентябре 2003 г.
Целью Болонского процесса (1999 г.) стало сближение и гармонизация систем высшего образования стран Европы, в том числе
содействие мобильности путем преодоления препятствий к эффективному осуществлению свободного передвижения.
Болонская система высшего образования является трехуровневой: бакалавриат, магистратура и докторантура. Первый уровень (бакалавриат) - набор компетенций, позволяющих выполнять какую-либо
функцию, второй (магистратура) - широкий объем знаний, третий (докторантура) -специалист, ориентированный на фундаментальные и прикладные знания, а также способный реализовать себя в науке [1-3].
Следует отметить, что советская система высшего образования была призвана обеспечить не только получение достаточно высокого уровня знаний, но и сохранить его целостное применение по всей стране, чему способствовала процедура распределения. Распределение осуществлялось среди выпускников высших учебных заведений| по рабочим местам на предприятиях и в организациях согласно потребности в специалистах. Выпускник по распределению обладал юридическим статусом молодого специалиста, которого нельзя было уволить без специального разрешения министерства.
После разрушения единого экономического пространства СССР наступил процесс трансформации образовательного пространства. Стали в большом количестве формироваться региональные «элитные» образовательные кластеры, не ориентированные на советские стандарты столичных школ.
Рассмотрим, как изменился профиль регионального российского высшего образования (региональная кластеризация) за пятнадцать лет реализации «Болонского процесса».
Региональная кластеризация российского высшего образования основана на прогнозных значениях (до 2020 г.) темпов прироста численности студентов, обучающихся по программам бакалавриата, специалитета, магистратуры, профессорско-преподавательского персонала, количества образовательных организаций высшего образования и научных организаций, филиалов образовательных организаций высшего образования, рассчитанных по данным Федеральной службы государственной статистики1 в среде Microsoft Excel (оператор «Тенденция») и
1 Федеральная служба государственной статистики. URL: http://www.gks.ru
посредством нейронной сети SPSS Statistics [4, 5].
Преимуществом кластерного анализа является возможность изучения не только динамики показателей во временном ряду, но и анализа взаимосвязей между известными переменными, которые зависят от меньшего количества неизвестных переменных и асимметрии распределения [6-10]. Кластерный анализ позволяет описать изменения объекта измерения во временном ряду всесторонне и компактно, выявить скрытые переменные факторы, определить взаимосвязи между переменными и сократить и х чи сло д ля о п и с ани я данны х [11-13]2.
В результате кластерного анализа темпов п р и р о с т а ч и с л е н н о с т и с т уд е н т о в , обучающихся по программам бакалавриата, специалитета, магистратуры, выявлены иерархия важности и порядок агломерации российских регионов (табл. 1). Занимаемое место по темпам прироста не коррелирует с важностью кластеризации. Так, по важности кластеризации из регионов с показателем более 30% только пять входят в десятку лидеров по темпам прироста: Ямало-Ненецкий автономный округ, Мурманская, Московская и Магаданская области, Камчатский край.
Следует также выделить наибольшую склонность к образованию кластера у Ямало-Ненецкого автономного округа - первое место по темпам прироста численности студентов, обучающихся по программам бакалавриата, специалитета, магистратуры. Он активно кластеризуется с Мурманской, Еврейской автономной, Костромской, Астраханской, Смоленской, Омской и Ярославской областями, Чукотским автономным округом, Республиками Крым, Чеченской, Ингушетия и Хакасия.
По важности и склонности к кластеризации, темпам прироста численности студентов,
2 Waite W.C. Methods of Statistical Analysis in the Social Sciences. By George R. Davies and Walter F. Crowder. New York, John Wiley and Sons, Inc., 1933, pp. Ix-355. American Journal of Agricultural Economics, 1933, vol. 15, iss. 4, p. 745. URL: https://doi.org/10.2307/1231262
обучающихся по программам бакалавриата, специалитета, магистратуры, выделяется Ямало-Ненецкий автономный округ, занимающий 83 место с прогнозируемой численностью студентов 5,1 тыс. чел. на начало года, опережая только Еврейскую автономную область (4,1), Республику Алтай (3,6) и Чукотский автономный округ (0,5). Округ значительно уступает по прогнозируемой численности студентов, обучающихся по программам бакалавриата, специалитета, магистратуры, первой десятке, в которую входят Москва - 816,7, Санкт-Петербург - 324,1, Республика Татарстан -170,7, Ростовская область - 166,2, Свердловская область - 148,2, Краснодарский край - 141,1, Республика Башкортостан -126,5, Московская область - 126,3, Челябинская область - 124,1, Самарская область - 119,4 тыс. чел. на начало года. Следовательно, подтверждается экономическая аксиома относительно небольших фирм, способных быстро реагировать на изменяющиеся внешние и внутренние условия, если они обладают избыточным капиталом. Ямало-Ненецкий автономный округ, не имея собственных высших учебных заведений, является привлекательным для крупных российских вузов как регион с высоким уровнем доходов (регион-донор, где развита добыча нефти и газа)3' 4. Этим и объясняется высокая склонность к кластеризации.
На территории Ямало-Ненецкого автономного округа действует 12 филиалов государственных и негосударственных вузов -Новоуренгойский филиал Российского нового университета (Москва), Ноябрьский филиал Московского финансово-промышленного университета «Синергия» (Москва), филиал в Надыме Московского психолого-социального университета (Москва), Салехардский филиал Уральского института коммерции и права
3 Ильясов Р.М. Ландшафтно-исторический анализ природопользования Ямало-Ненецкого автономного округа // Научный вестник Ямало-Ненецкого автономного округа. 2015. № 3. С. 93-102.
4Арно О.Б., Арабский А.К., Зайцев А.Н. Некоторые аспекты геоэкологических техногенных проблем и космической погоды при освоении газовых месторождений в районе Ямбурга // Газовая промышленность. 2017. № S4. С. 72-77.
(Екатеринбург), филиал в Ноябрьске Уральского федерального университета (Екатеринбург), филиал Удмуртского государственного университета (пос. Губкинский), Ноябрьский гуманитарно-экологический институт (филиал Тюменского государственного университета, Тюмень), Ноябрьский институт нефти и газа (филиал Тюменского государственного нефтегазового университета, Тюмень), Салехардский филиал Государственного аграрного университета Северного Зауралья (Тюмень), филиал в Новом Уренгое Тюменского государственного университета (Тюмень), филиал в Надыме Тюменского государственного университета (Тюмень), Ямальский нефтегазовый институт (филиал Тюменского государственного нефтегазового университета) (Тюмень). Целесообразно сотрудничество с высшими учебными заведениями Мурманской, Еврейской автономной, Костромской, Астраханской, Смоленской, Омской и Ярославской областей, Чукотского автономного округа, Республик Крым, Чеченской, Ингушетии и Хакасии.
В результате кластерного анализа темпов прироста профессорско-преподавательского персонала выявлены иерархия важности и порядок агломерации российских регионов (табл. 2). По важности кластеризации из регионов с показателем более 30% девять входят в десятку лидеров по темпам прироста: Ямало-Ненецкий и Чукотский автономные округа, Мурманская, Московская и Магаданская области, Республик Карачаево-Черкесская, Ингушетия, Тыва и Хакасия. Отмечена склонность Ямало-Ненецкого автономного округа к образованию кластера с Чукотским автономным округом, Еврейской автономной областью, Архангельской, Брянской и Мурманской областями, Республиками Ингушетия, Хакасия и Бурятия.
По важности и склонности к кластеризации, темпам прироста профессорско-преподавательского персонала и численности студентов, обучающихся по программам бакалавриата, специалитета, магистратуры, также выделяется Ямало-Ненецкий автономный округ [14]. Это естественно, так
как образовательный процесс в большей мере связан с использованием собственного профессорско-преподавательского персонала, который проходит повышение квалификации в «головных» вузах. В данном контексте целесообразно расширить сотрудничество с высшими учебными заведениями Чукотского автономного округа, Еврейской автономной, Архангельской, Брянской и Мурманской областей, Республик Ингушетия, Хакасия и Бурятия. При этом усилится конкуренция на рынке образовательных услуг, что позитивно отразится на повышении их качества и доступности [15].
В результате кластерного анализа темпов прироста числа образовательных организаций высшего образования и научных организаций выявлены иерархия важности и порядок агломерации российских регионов (табл. 3). По важности кластеризации из регионов с показателем более 30% восемь входят в десятку лидеров по темпам прироста: Свердловская, Курганская, Тюменская, Костромская и Ростовская области, г. Севастополь, Республика Ингушетия, Приморский край. Отмечена склонность Севастополя к образованию кластера с Костромской, Волгоградской, Новосибирской, Челябинской и Ростовской областями, Приморским и Ставропольским краями, Москвой, Республикой Крым.
По важности и склонности к кластеризации, а также по темпам прироста числа образовательных организаций высшего образования и научных организаций лидером является Севастополь. В этом городе действуют Севастопольский государственный университет (СевГУ), Черноморское высшее военно-морское ордена Красной Звезды училище им. П.С. Нахимова (ЧВВМУ), Государственный морской университет имени адмирала Ф.Ф. Ушакова (филиал) (Филиал ГМУ им. адм. Ф.Ф. Ушакова), Севастопольский экономико-гуманитарный институт (филиал) Крымского федерального университета имени В.И. Вернадского (СЭГИ КФУ), Филиал Московского государственного университета имени М.В. Ломоносова (филиал МГУ), Севастопольский филиал
Российского экономического университета имени Г.В. Плеханова (филиал РЭУ им. Г.В. Плеханова), Институт экономики и права (филиал) Академии труда и социальных отношений (ИЭиП (филиал) АТиСО), Представительство Московского финансово-промышленного университета «Синергия», Институт ядерной энергии и промышленности СевГУ (ИЯЭиП СевГУ). Совокупность университетов на менее чем 500 тыс. чел. в определенной мере обеспечивает подготовку (переподготовку) специалистов для сложившейся структуры экономики по направлениям: 37.03.01 Психология, 38.03.01 Экономика, 38.03.02 Менеджмент, 38.03.04 Государственное и муниципальное управление, 40.03.01 Юриспруденция, 42.03.02 Журналистика, 43.03.02 Туризм,
44.03.01 Педагогическое образование, 45.03.01 Филология, 45.03.02 Лингвистика, 46.03.01 История, 49.03.01 Физическая культура,
49.03.02 Физическая культура для лиц с отклонениями в состоянии здоровья (адаптивная физическая культура), 49.03.03 Рекреация и спортивно-оздоровительный туризм, 09.03.01 Информатика и вычислительная техника, 10.03.01 Информационная безопасность, 11.03.01 Радиотехника, 12.03.01 Приборостроение,
18.03.01 Химическая технология, 20.03.01 Техносферная безопасность, 23.03.01 Технология транспортных процессов, 27.03.01 Стандартизация и метрология, 01.03.02 Прикладная математика и информатика,
03.03.02 Физика, 05.03.02 География, 09.03.02 Информационные системы и технологии, 11.03.02 Инфокоммуникационные технологии и системы связи, 13.03.02 Электроэнергетика и электротехника, 20.03.02 Природообустройство и водопользование, 26.03.02 Кораблестроение, океанотехника и системотехника объектов морской инфраструктуры, 14.05.02 Атомные станции: проектирование, эксплуатация и инжиниринг, 17.05.02 Стрелково-пушечное, артиллерийское и ракетное оружие, 09.03.03 Прикладная информатика, 16.03.03 Холодильная, криогенная техника и системы жизнеобеспечения, 23.03.03 Эксплуатация транспортно-технологических машин и
комплексов, 26.05.03 Строительство, ремонт и поисково-спасательное обеспечение надводных кораблей и подводных лодок, 11.03.04 Электроника и наноэлектроника, 12.03.04 Биотехнические системы и технологии, 15.03.04 Автоматизация технологических процессов и производств,
19.03.04 Технология продукции и организация общественного питания, 27.03.04 Управление в технических системах, 26.05.04 Применение и эксплуатация технических систем надводных кораблей и подводных лодок,
15.03.05 Конструкторско-технологическое обеспечение машиностроительного производства, 05.03.06 Экология и природопользование. Большая часть направлений подготовки (переподготовки) специалистов требует отдельных лабораторий, что повлияло на занимаемое Севастополем место по важности и склонности к кластеризации, по темпам прироста числа образовательных организаций высшего образования и научных организаций.
В результате кластерного анализа темпов прироста числа филиалов образовательных организаций высшего образования выявлены иерархия важности и порядок агломерации российских регионов (табл. 4). По важности кластеризации из регионов с показателем более 30% восемь входят в десятку лидеров по темпам прироста. В частности, это Республики Чеченская, Марий Эл и Крым, Ямало-Ненецкий автономный округ. Отмечена склонность к образованию кластера у Республики Адыгея с Кировской, Тверской, Амурской, Тамбовской, Пензенской, Новосибирской, Кемеровской и Ярославской областями, с Республиками Марий Эл, Чеченская, Карелия, Ингушетия, Калмыкия, а также с Ямало-Ненецким автономным округом.
По важности и склонности к кластеризации, по темпам прироста числа филиалов образовательных организаций высшего образования лидер отсутствует. Так, по важности выделяется Ямало-Ненецкий автономный округ (табл. 1,2), а по
склонности к кластеризации - Республика Адыгея. В этом регионе кроме региональных вузов (Адыгейский государственный университет и Майкопский государственный технологический университет) действуют филиалы Российской академии народного хозяйства и государственной службы при Президенте Российской Федерации, ЮжноРоссийского государственного политехнического университета, Северо-Кавказской академии государственной службы, Современной гуманитарной академии, Московской открытой социальной академии, ЮжноРоссийского государственного технического университета (Новочеркасского политехнического института), Кубанской государственной медицинской академии, Российского государственного социального университета.
Для повышения качества и доступности образовательных услуг Республике Адыгея необходимо наладить сотрудничество с Кировской, Тверской, Амурской, Тамбовской, Пензенской, Новосибирской, Кемеровской и Ярославской областями, Республиками Марий Эл, Чеченская, Карелия, Ингушетия, Калмыкия, Ямало-Ненецким автономным округом. Например, сотрудничество в области образовательных услуг Республики Адыгея с Ямало-Ненецким автономным округом позволит перенять опыт по организации деятельности и контролю качества образовательных услуг, оказываемых филиалами российских вузов [16, 17].
Региональная кластеризация российского высшего образования выявила, что место по темпам прироста различных показателей не коррелирует с важностью кластеризации, а в большей мере определяет склонность к ней. По показателю важности кластеризации высшего образования выделяются Ямало-Ненецкий автономный округ, Мурманская, Московская и Магаданская области, Республика Ингушетия. По склонности к кластеризации высшего образования ведущим российским регионом является Ямало-Ненецкий автономный округ.
Таблица 1
Иерархия важности и порядок агломерации регионов по темпам прироста численности студентов, обучающихся по программам бакалавриата, специалитета, магистратуры
Table 1
A hierarchy of importance and the order of regional agglomeration in terms of growth of the number of students enrolled in Undergraduate, Specialist's, and Graduate programs
Место по Регион Важность Объединенный Коэффициенты
темпам кластер
прироста
1 Ямало-Ненецкий автономный округ 74,5% 22 23 1
2 Мурманская область 34,2% 22 31 1
3 Еврейская автономная область 29,5% 36 52 1
4 Чукотский автономный округ 12,1% 67 70 1
5 Камчатский край 38,6% 73 76 1
6 Московская область 54,1% 65 66 1
7 Магаданская область 76,2% 41 45 1
8 Костромская область 20% 18 35 1
9 Республика Крым 21,6% 47 56 1
10 Чеченская Республика 18,5% 67 69 1
11 Астраханская область 31% 36 41 1
12 Республика Коми 22,% 65 68 1
13 Сахалинская область 100% 71 72 1
14 Республика Карелия 54,1% 57 63 1
15 Республика Ингушетия 32,2% 32 54 1
16 Новгородская область 42,5% 8 28 1
17 Кабардино-Балкарская Республика 19,1% 40 50 1
18 Республика Дагестан 18,7% 38 51 1
19 Вологодская область 48,9% 18 48 1
20 Алтайский край 15,8% 81 82 1
21 Смоленская область 35,9% 22 49 1
22 Архангельская область 42,8% 60 61 1
23 Архангельская область без автономного округа 30,2% 16 37 1
24 Курская область 96% 42 43 1
25 Курганская область 54,6% 12 29 0,999
26 Карачаево-Черкесская Республика 46,5% 25 33 0,999
27 Ханты-Мансийский автономный округ - Югра 25,9% 57 64 0,999
28 Тверская область 77,1% 55 71 0,999
29 Амурская область 31,3% 8 53 0,999
30 Брянская область 47,6% 22 32 0,999
31 Ставропольский край 26,5% 14 20 0,999
32 Калужская область 28,6% 57 65 0,999
33 Кемеровская область 34,9% 73 74 0,999
34 Томская область 27,3% 19 67 0,999
35 Хабаровский край 37,8% 19 47 0,999
36 Липецкая область 13,5% 81 83 0,999
37 Республика Северная Осетия - Алания 46,5% 8 30 0,999
38 Республика Бурятия 26,4% 55 75 0,999
39 г. Севастополь 59,5% 7 60 0,999
40 Оренбургская область 50,3% 21 73 0,999
41 Ленинградская область 18,9% 5 36 0,999
42 Ростовская область 63,9% 12 22 0,999
43 Республика Адыгея 31,9% 8 18 0,999
44 Республика Калмыкия 38,7% 5 57 0,998
45 Иркутская область 33,4% 77 78 0,998
46 Республика Тыва 21,5% 25 46 0,998
47 Псковская область 67,9% 81 85 0,998
48 Тульская область 25,9% 84 86 0,998
49 Красноярский край 17% 26 34 0,998
50 Тюменская область 29,8% 7 19 0,998
51 Удмуртская Республика 48,2% 21 79 0,998
52 Забайкальский край 81,7% 6 12 0,998
53 Краснодарский край 39,7% 2 14 0,997
54 Пензенская область 28,1% 7 55 0,997
55 Республика Саха (Якутия) 13,4% 40 42 0,997
56 Калининградская область 26,9% 6 25 0,997
57 Челябинская область 61,6% 80 81 0,997
58 Республика Хакасия 45,8% 3 6 0,997
59 Омская область 33% 8 40 0,996
60 Республика Татарстан 52,7% 5 7 0,996
61 Свердловская область 46,4% 16 17 0,995
62 Тамбовская область 45,9% 26 39 0,995
63 Саратовская область 33,1% 80 84 0,994
64 Нижегородская область 33,1% 3 5 0,994
65 Тюменская область без автономных округов 15,4% 77 80 0,993
66 Ульяновская область 38,4% 15 16 0,992
67 Пермский край 22% 24 38 0,992
68 Республика Башкортостан 33,4% 8 27 0,992
69 Кировская область 22,7% 1 8 0,989
70 Самарская область 10% 1 2 0,989
71 Республика Мордовия 38,4% 24 26 0,989
72 Волгоградская область 14,3% 11 13 0,988
73 Приморский край 29,6% 58 62 0,988
74 Воронежская область 35,5% 1 3 0,987
75 Новосибирская область 42,5% 1 21 0,986
76 Белгородская область 14,6% 24 0,978
77 Ярославская область 23% 1 77 0,970
78 Республика Алтай 20% 1 4 0,957
79 Чувашская Республика 15,1% 1 15 0,947
80 г. Москва 41,2% 1 59 0,932
81 г. Санкт-Петербург 50,4% 1 11 0,916
82 Орловская область 25,4% 1 58 0,901
83 Республика Марий Эл 42,2% 10 44 0,023
84 Ивановская область 20,4% 1 10 -0,169
85 Рязанская область 58,4% 1 9 -0,366
86 Владимирская область 36,6% - - -
Источник: рассчитано на основе данных статистического сборника: Регионы России. Социально-экономические показатели. 2017: Стат. сб. М.: 2017. С. 420-423
Source: Authoring, based on: Regiony Rossii. Sotsial'no-ekonomicheskie pokazateli. 2017: Stat. sbornik [Regions of Russia. Socio-Economic Indicators. 2017: A Statistical Collection]. Moscow, Rosstat Publ., 2017, pp. 420-423
Таблица 2
Иерархия важности и порядок агломерации регионов по темпам прироста профессорско-преподавательского персонала
Table 2
A hierarchy of importance and the order of regional agglomeration in terms of growth of the number of faculty and staff
Место Регион Важность Объединенный Коэффициенты
по темпам кластер
прироста
1 Ямало-Ненецкий автономный округ 49,6% 15 16 1
2 Чукотский автономный округ 100% 64 67 1
3 Еврейская автономная область 17% 68 69 1
4 Мурманская область 91,6% 72 80 1
5 Московская область 78,7% 44 53 1
6 Республика Ингушетия 31,5% 38 54 1
7 Магаданская область 34,6% 23 39 1
8 Карачаево-Черкесская Республика 67% 55 58 1
9 Республика Тыва 53,7% 36 46 1
10 Республика Хакасия 56,2% 34 49 1
11 Сахалинская область 49,7% 20 29 1
12 Камчатский край 27,5% 34 48 1
13 г. Севастополь 33,7% 75 76 1
14 Чеченская Республика 43,5% 31 68 1
15 Архангельская область 22,8% 25 52 1
16 Архангельская область без автономных округов 78,2% 26 37 1
17 Республика Крым 26,7% 61 64 1
18 Кемеровская область 11,4% 66 74 1
19 Ленинградская область 46,7% 44 50 1
20 Брянская область 60,7% 22 45 1
21 Калужская область 67,1% 71 73 1
22 Чувашская Республика 35,3% 22 36 1
23 Республика Дагестан 38,4% 35 42 1
24 Республика Коми 15,9% 56 65 1
25 Новгородская область 36,8% 51 75 1
26 Липецкая область 96,5% 24 61 1
27 Ставропольский край 55% 31 66 0,999
28 Тульская область 15,7% 38 57 0,999
29 Республика Саха (Якутия) 33,4% 23 40 0,999
30 Курганская область 26,8% 77 79 0,999
31 Вологодская область 39,9% 30 59 0,999
32 Республика Алтай 8,7% 33 34 0,999
33 Тюменская область 35% 55 56 0,999
34 Томская область 55,6% 77 78 0,999
35 Орловская область 28,7% 25 63 0,999
36 Тамбовская область 29,3% 8 26 0,999
37 Приморский край 50,5% 51 71 0,999
38 Костромская область 62,2% 22 44 0,999
39 Тюменская область без автономных округов 61,4% 8 41 0,999
40 Ярославская область 33,6% 32 35 0,999
41 Новосибирская область 17,8% 72 81 0,999
42 Ростовская область 28,6% 31 70 0,999
43 Забайкальский край 13,8% 84 85 0,999
44 Ханты-Мансийский автономный округ - Югра 38% 38 47 0,999
45 Краснодарский край 58,6% 30 31 0,999
46 Республика Адыгея 39,4% 18 23 0,999
47 Удмуртская Республика 81,5% 11 13 0,999
48 Хабаровский край 25,2% 60 83 0,999
49 Челябинская область 37% 3 12 0,998
50 Астраханская область 22,6% 27 32 0,998
51 Амурская область 86,3% 5 55 0,998
52 Оренбургская область 34,9% 22 24 0,998
53 Саратовская область 34,6% 8 28 0,998
54 Тверская область 31,7% 4 18 0,998
55 Алтайский край 48,7% 22 33 0,997
56 Самарская область 28,2% 7 84 0,997
57 Курская область 36,4% 25 62 0,997
58 Республика Татарстан 57,5% 4 8 0,997
59 Республика Мордовия 20% 30 72 0,997
60 г. Москва 71,6% 3 77 0,996
61 Республика Башкортостан 58% 15 21 0,996
62 Республика Северная Осетия - Алания 57,4% 51 60 0,996
63 Пензенская область 68,2% 3 30 0,995
64 Смоленская область 25,1% 5 22 0,995
65 Калининградская область 39,6% 38 43 0,995
66 г. Санкт-Петербург 23,1% 20 27 0,993
67 Омская область 35,7% 9 14 0,993
68 Республика Карелия 22,5% 4 5 0,992
69 Владимирская область 45,1% 19 25 0,991
70 Ульяновская область 17,5% 15 38 0,989
71 Белгородская область 51,8% 3 51 0,989
72 Красноярский край 47,1% 1 4 0,989
73 Воронежская область 58,5% 1 20 0,986
74 Кабардино-Балкарская Республика 27,6% 10 19 0,984
75 Свердловская область 46,2% 3 7 0,983
76 Иркутская область 63,4% 1 15 0,978
77 Ивановская область 11,6% 1 3 0,974
78 Псковская область 52,8% 6 9 0,97
79 Пермский край 27,4% 1 10 0,968
80 Нижегородская область 57,2% 82 86 0,948
81 Кировская область 33,6% 6 11 0,937
82 Республика Бурятия 17,1% 6 17 0,857
83 Волгоградская область 83,3% 1 82 0,803
84 Республика Марий Эл 29,8% 1 6 0,766
85 Рязанская область 75,5% 1 2 0,285
86 Республика Калмыкия 22,2% - - -
Источник: рассчитано на основе данных статистического сборника: Регионы России. Социально-экономические показатели. 2017: Стат. сб. М.: 2017. С. 436-439
Source: Authoring, based on: Regiony Rossii. Sotsial'no-ekonomicheskie pokazateli. 2017: Stat. sbornik [Regions of Russia. Socio-Economic Indicators. 2017: A Statistical Collection]. Moscow, Rosstat Publ., 2017, pp. 436-439
Таблица 3
Иерархия важности и порядок агломерации регионов по темпам прироста числа образовательных организаций высшего образования и научных организаций
Table 3
A hierarchy of importance and the order of regional agglomeration in terms of growth of the number of branches of higher education institutions and scientific organizations
Место по Регион Важность Объединенный кластер Коэффициенты
темпам
прироста
1 Свердловская область 49,7% 48 49 1
2 Курганская область 81,7% 44 45 1
3 Тюменская область 30,4% 31 32 1
4 г. Севастополь 62,3% 17 18 1
5 Республика Ингушетия 100% 23 24 1
6 Костромская область 47,5% 33 35 1
7 Вологодская область 9,8% 42 43 1
8 Тюменская область без автономных округов 11,3% 23 25 1
9 Ростовская область 80,1% 15 17 1
10 Приморский край 36,7% 41 42 1
11 Алтайский край 85,3% 36 37 1
12 Мурманская область 31,6% 47 48 1
13 Республика Дагестан 26,7% 15 23 0,999
14 Тульская область 13,9% 31 38 0,999
15 Орловская область 36,9% 6 12 0,999
16 Краснодарский край 30,8% 39 41 0,999
17 Липецкая область 11,6% 28 34 0,999
18 Кировская область 14,8% 44 47 0,998
19 Ставропольский край 44,7% 22 30 0,998
20 г. Москва 11,7% 20 21 0,998
21 Республика Северная Осетия - Алания 18% 14 29 0,998
22 Владимирская область 39,8% 8 31 0,998
23 Ханты-Мансийский автономный округ 28,6% 6 15 0,997
24 Томская область 26,4% 4 36 0,996
25 Республика Башкортостан 68% 6 27 0,994
26 Республика Крым 16,9% 7 8 0,993
27 г. Санкт-Петербург 14,2% 4 9 0,992
28 Московская область 44,1% 14 28 0,992
29 Республика Татарстан 29,6% 14 16 0,988
30 Смоленская область 42% 4 33 0,988
31 Белгородская область 33,9% 1 3 0,986
32 Хабаровский край 14,1% 7 14 0,982
33 Волгоградская область 44,6% 5 11 0,979
34 Самарская область 21,1% 40 46 0,971
35 Омская область 21,7% 4 20 0,967
36 Новосибирская область 74,2% 19 22 0,962
37 Иркутская область 61,5% 6 7 0,946
38 Красноярский край 64,1% 4 39 0,924
39 Челябинская область 12,5% 40 44 0,92
40 Пермский край 23,9% 10 13 0,915
41 Оренбургская область 50,4% 4 19 0,898
42 Рязанская область 6,7% 4 6 0,846
43 Ивановская область 37,8% 26 40 0,780
44 Удмуртская Республика 29,3% 4 26 0,724
45 Саратовская область 78,5% 4 10 0,428
46 Воронежская область 13,2% 2 4 0,091
47 Кемеровская область 39,9% 1 5 -0,143
48 Республика Коми 53% 1 2 -0,379
49 Псковская область 40,2% - - -
Источник: рассчитано на основе данных статистического сборника: Регионы России. Социально-экономические показатели. 2017: Стат. сб. М.: 2017. С. 412-415
Source: Authoring, based on: Regiony Rossii. Sotsial'no-ekonomicheskie pokazateli. 2017: Stat. sbornik [Regions of Russia. Socio-Economic Indicators. 2017: A Statistical Collection]. Moscow, Rosstat Publ., 2017, pp. 412-415
Таблица 4
Иерархия важности и порядок агломерации регионов по темпам прироста числа филиалов образовательных организаций высшего образования
Table 4
A hierarchy of importance and the order of regional agglomeration in terms of growth of the number of branches of higher education institutions
Место по Регион Важность Объединенный Коэффициенты
темпам кластер
прироста
1 Республика Крым 66,2% 67 68 1
2 Республика Адыгея 15,1% 59 60 1
3 Кировская область 7,8% 38 39 1
4 Тверская область 7,3% 13 14 1
5 Ямало-Ненецкий автономный округ 65,8% 47 52 1
6 Республика Коми 18,7% 61 75 1
7 Республика Марий Эл 58,2% 48 56 1
8 Амурская область 29,8% 44 55 1
9 Еврейская автономная область 16,9% 58 76 >
10 Чеченская Республика 42,9% 34 41 1
11 Республика Карелия 26,9% 19 28 1
12 Ханты-Мансийский автономный округ - Югра 17,9% 12 18 1
13 Республика Ингушетия 17% 17 23 1
14 Республика Тыва 52,5% 61 78 1
15 Тюменская область 18,4% 47 51 1
16 Тамбовская область 19,2% 29 42 1
17 Московская область 50,1% 29 48 0,999
18 Мурманская область 29,3% 58 80 0,999
19 Нижегородская область 11,9% 57 62 0,999
20 Республика Хакасия 34,4% 40 50 0,999
21 Пензенская область 28,8% 16 19 0,999
22 Сахалинская область 36,8% 2 11 0,999
23 Вологодская область 18,6% 8 9 0,999
24 г. Санкт-Петербург 47,8% 30 59 0,999
25 Новосибирская область 30,7% 44 54 0,999
26 Республика Татарстан 37,8% 15 26 0,999
27 Кемеровская область 33,5% 45 69 0,999
28 Республика Саха (Якутия) 11,4% 83 85 0,999
29 Курская область 18,8% 6 17 0,999
30 Республика Дагестан 5,2% 21 53 0,999
31 Ярославская область 32,8% 16 44 0,999
32 Липецкая область 16,1% 25 66 0,999
33 Тульская область 13,1% 2 4 0,999
34 Иркутская область 59% 24 70 0,999
35 Оренбургская область 32,9% 38 63 0,999
36 Карачаево-Черкесская Республика 39% 32 40 0,998
37 Ленинградская область 7,5% 12 30 0,998
38 Архангельская область 12,3% 5 6 0,998
39 Архангельская область без автономных округов 29,6% 45 61 0,998
40 Смоленская область 33,3% 43 64 0,998
41 Астраханская область 19,7% 16 29 0,998
42 Самарская область 34% 15 45 0,998
43 Томская область 4,6% 31 32 0,998
44 Красноярский край 38,7% 2 5 0,998
45 Удмуртская Республика 22,8% 35 47 0,997
46 Воронежская область 54,2% 22 74 0,997
47 Хабаровский край 42,5% 12 24 0,997
48 Новгородская область 100% 15 34 0,997
49 Саратовская область 30% 8 49 0,996
50 Брянская область 29% 2 16 0,996
51 Ростовская область 14,5% 67 84 0,996
52 Белгородская область 36,9% 31 36 0,996
53 Пермский край 18,2% 37 79 0,996
54 Волгоградская область 31,3% 13 46 0,996
55 Алтайский край 58,6% 2 25 0,995
56 Тюменская область без автономных округов 45,9% 15 38 0,995
57 Калужская область 21,7% 8 22 0,994
58 Ивановская область 33,1% 3 12 0,994
59 Псковская область 21,5% 21 35 0,993
60 Ульяновская область 12,3% 2 27 0,993
61 г. Москва 6,9% 3 15 0,992
62 Владимирская область 29,9% 58 77 0,991
63 Приморский край 18% 20 65 0,991
64 Республика Мордовия 16,5% 13 57 0,99
65 Орловская область 61,4% 13 43 0,988
66 Чувашская Республика 10,2% 2 31 0,988
67 Республика Калмыкия 12,1% 7 58 0,988
68 Кабардино-Балкарская Республика 14,8% 67 83 0,987
69 Свердловская область 15,7% 8 81 0,987
70 Калининградская область 18,7% 7 37 0,985
71 Ставропольский край 54,6% 2 3 0,982
72 Республика Башкортостан 41,4% 13 33 0,981
73 Магаданская область 23,2% 2 21 0,973
74 Краснодарский край 38,6% 2 8 0,964
75 Рязанская область 32,1% 7 20 0,958
76 Омская область 25,2% 67 82 0,945
77 Камчатский край 11,2% 2 13 0,941
78 Челябинская область 11,9% 2 7 0,917
79 Республика Бурятия 15,4% 2 67 0,764
80 Забайкальский край 19,6% 2 10 0,25
81 Курганская область 61% 72 73 0,
82 Костромская область 11,3% 1 72 0
Источник: рассчитано на основе данных статистического сборника: Регионы России. Социально-экономические показатели. 2017: Стат. сб. М.: 2017. С. 412-415
Source: Authoring, based on: Regiony Rossii. Sotsial'no-ekonomicheskie pokazateli. 2017: Stat. sbornik [Regions of Russia. Socio-Economic Indicators. 2017: A Statistical Collection]. Moscow, Rosstat Publ., 2017, pp. 412-415
Список литературы
1. Савзиханова С.Э., Эминова Н.Э. Проблемы интеграции российской системы образования
в мировое образовательное пространство // Экономический анализ: теория и практика. 2010. Т. 9. Вып. 42. С. 30-33. URL: https://cyberleninka.ra/article/v/problemy-integratsii-rossiyskoy-sistemy-obrazovaniya-v-mirovoe-obrazovatelnoe-prostranstvo
2. Плаксунова Т.А. Качество российского образования в свете положений Болонской конвенции // Экономический анализ: теория и практика. 2011. Т. 10. Вып. 25. С. 58-64. URL: https://cyberleninka.ru/article/v/kachestvo-rossiyskogo-obrazovaniya-v-svete-polozheniy-bolonskoy-konventsii
3. Медведева Е.И., Слабонь Е.В. Человеческий потенциал в современной системе образования и его реализация в инновационной экономике // Национальные интересы: приоритеты
и безопасность. 2012. Т. 8. Вып. 30. С. 9-13.
URL: https://cyberleninka.ru/article/v/chelovecheskiy-potentsial-v-sovremennoy-sisteme-obrazovaniya-i-ego-realizatsiya-v-innovatsionnoy-ekonomike
4. Bajo J., De Paz J.F., Rodríguez S., González A. A New Clustering Algorithm Applying
a Hierarchical Method Neural Network. Logic Journal of the IGPL, 2011, vol. 19, iss. 2, pp. 304-314. URL: https://doi.org/10.1093/jigpal/jzq030
5. Fraley C., Raftery A.E. How Many Clusters? Which Clustering Method? Answers Via ModelBased Cluster Analysis. The Computer Journal, 1998, vol. 41, iss. 8, pp. 578-588.
URL: https://doi.org/10.1093/comjnl/41.8.578
6. Пожидаева Е.С. Экономико-статистический анализ уровня потребления основных продуктов питания в условиях ограничений внешней торговли // Экономический анализ: теория и практика. 2017. Т. 16. Вып. 1. С. 116-127. URL: https://doi.org/10.24891/ea.16.1.116
7. Дзобелова В.Б., Олисаева А.В. Статистический анализ инновационного развития регионов СКФО // Региональная экономика: теория и практика. 2017. Т. 15. Вып. 2. С. 355-363. URL: https://doi.org/10.24891/re.15.2.355
8. Антоненко В.В., Караулова Н.М. Статистический анализ «поперечных эффектов» зависимости дохода от уровня образования // Экономический анализ: теория и практика. 2017. Т. 16. Вып. 3. С. 472-487. URL: https://doi.org/10.24891/ea.16.3.472
9. Белинский А.В. Экономико-статистический анализ газораспределительного комплекса России // Финансовая аналитика: проблемы и решения. 2017. Т. 10. Вып. 4. С. 384-402. URL: https://doi.org/10.24891/fa.10.4.384
10. Попова Г.Л. Депопуляция жителей сельской местности Тамбовской области: статистический анализ тенденций // Региональная экономика: теория и практика. 2017. Т. 15. Вып. 8.
С. 1565-1579. URL: https://doi.org/10.24891/re.15.8.1565
11. Sorens J. The Politics and Economics of Official Ethnic Discrimination: A Global Statistical Analysis, 1950-2003. International Studies Quarterly, 2010, vol. 54, iss. 2, pp. 535-560. URL: https://doi.org/10.1111/j .1468-2478.20Ш.00598.Х
12. Burt O.R., Finley R.M. Statistical Analysis of Identities in Random Variables. American Journal of Agricultural Economics, 1968, vol. 50, iss. 3, pp. 734-744.
URL: https://doi.org/10.2307/1238271
13. Simpson K. A Statistical Analysis of the Relation between Cost and Price. The Quarterly Journal of Economics, 1921, vol. 35, iss. 2, pp. 264-287. URL: https://doi.org/10.2307/1883889
14. Мазелис Л.С., Лавренюк К.И. Количественная модель оценки регионального человеческого капитала // Азимут научных исследований: экономика и управление. 2017. Т. 6. № 4.
С. 167-170. URL: https://cyberleninka.ra/artide/v/kolichestvennaya-model-otsenki-regionalnogo-chelovecheskogo-kapitala
15. Ковалева Т.А., Сафонова М.А., Соколов М.М. Что определяет стоимость обучения
в российских вузах? // Университетское управление: практика и анализ. 2017. Т. 21. № 1. С. 63-79. URL: http://www.umj.ru/index.php/pub/inside/1877/
16. Ткаченко Ю.А., Вяткина Е.О. Внутренний контроль образовательного процесса в филиалах строительного вуза // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. 2017. Т. 2. № 4. С. 213-217.
URL: https://doi.org/10.12737/article_58e6133799b604.58489912
17. Балкизова Х.Ю. Российские вузы на рынке образовательных услуг // Вестник Университета (Государственный университет управления). 2017. № 9. С. 114-118.
URL: https://cyberleninka.rU/article/v/rossiyskie-vuzy-na-rynke-obrazovatelnyh-uslug
Информация о конфликте интересов
Мы, авторы данной статьи, со всей ответственностью заявляем о частичном и полном отсутствии фактического или потенциального конфликта интересов с какой бы то ни было третьей стороной, который может возникнуть вследствие публикации данной статьи. Настоящее заявление относится к проведению научной работы, сбору и обработке данных, написанию и подготовке статьи, принятию решения о публикации рукописи.
pISSN 2073-1477 Socioeconomic Policy
eISSN 2311-8733
REGIONAL CLUSTERING OF THE RUSSIAN HIGHER EDUCATION Valerii V. SMIRNOV % Alena V. MULENDEEVAb
a I.N. Ulianov Chuvash State University (ChuvSU), Cheboksary, Chuvash Republic, Russian Federation v2v3s4@mail.ru
https://orcid.org/0000-0002-6198-3157
b I.N. Ulianov Chuvash State University (ChuvSU), Cheboksary, Chuvash Republic, Russian Federation al ena-mulende eva@yandex. ru ORCID: not available
• Corresponding author
Article history:
Received 5 July 2018 Received in revised form 3 August 2018
Accepted 14 September 2018 Available online 15 February 2019
JEL classification: I23, I24, I25, J62, R11
Keywords: Bologna Process, higher education, cluster analysis, Russian regions, growth rate
Abstract
Subject This article deals with the issues related to the topic of clusters of the Russian regional system of higher education.
Objectives The article aims to identify and describe the clusters mentioned.
Methods For the study, we used a systems approach and clustering method.
Results The article shows a stable tendency of large structures in the market of educational
services to expand their influence on the Russian regions through branches.
Conclusions The prospects of regional clustering of the Russian higher education point out
the redistribution of educational services in favor of large higher educational institutions
through the implementation of a broad branch network and the Uniform State Exam
opportunity.
© Publishing house FINANCE and CREDIT, 2018
Please cite this article as: Smirnov V.V., Mulendeeva A.V. Regional Clustering of the Russian Higher Education. Regional Economics: Theory and Practice, 2019, vol. 17, iss. 2, pp. 266-282. https://doi.org/10.24891/re. 17. 2.266
References
1. Savzikhanova S.E., Eminova N.E. [Problems of integration of the Russian education system in the world educational space]. Ekonomicheskii analiz: teoriya i praktika = Economic Analysis: Theory and Practice, 2010, vol. 9, iss. 42, pp. 30-33. URL: https://cyberleninka.ru/article/v/problemy-integratsii-rossiyskoy-sistemy-obrazovaniya-v-mirovoe-obrazovatelnoe-prostranstvo (In Russ.)
2. Plaksunova T.A. [The quality of Russian education in the light of the provisions of the Bologna Convention]. Ekonomicheskii analiz: teoriya i praktika = Economic Analysis: Theory and Practice, 2011, vol. 10, iss. 25, pp. 58-64. URL: https://cyberleninka.ru/article/v/kachestvo-rossiyskogo-obrazovaniya-v-svete-polozheniy-bolonskoy-konventsii (In Russ.)
3. Medvedeva E.I., Slabon' E.V. [Human potential in today's educational system and its implementation in the innovation economy]. Natsionalnye interesy: prioritety i bezopasnost' = National Interests: Priorities and Security, 2012, vol. 8, iss. 30, pp. 9-13. URL: https://cyberleninka.ru/article/v/chelovecheskiy-potentsial-v-sovremennoy-sisteme-obrazovaniya-i-ego-realizatsiya-v-innovatsionnoy-ekonomike (In Russ.)
4. Bajo J., De Paz J.F., Rodríguez S., González A. A New Clustering Algorithm Applying
a Hierarchical Method Neural Network. Logic Journal of the IGPL, 2011, vol. 19, iss. 2, pp. 304-314. URL: https://doi.org/10.1093/jigpal/jzq030
5. Fraley C., Raftery A.E. How Many Clusters? Which Clustering Method? Answers Via ModelBased Cluster Analysis. The Computer Journal, 1998, vol. 41, iss. 8, pp. 578-588.
URL: https://doi.org/10.1093/comjnl/41.8.578
6. Pozhidaeva E.S. [Economic and statistical analysis of food staples consumption under foreign trade restrictions]. Ekonomicheskii analiz: teoriya i praktika = Economic Analysis: Theory and Practice, 2017, vol. 16, iss. 1, pp. 116-127. (In Russ.) URL: https://doi.org/10.24891/ea.16.Ln6
7. Dzobelova V.B., Olisaeva A.V. [A statistical analysis of the innovative development of the North Caucasian Federal District regions]. Regionalnaya ekonomika: teoriya i praktika = Regional Economics: Theory and Practice, 2017, vol. 15, iss. 2, pp. 355-363. (In Russ.)
URL: https://doi.org/10.24891/re.15.2.355
8. Antonenko V.V., Karaulova N.M. [A statistical analysis of cross-cut effects of income dependence on the education level]. Ekonomicheskii analiz: teoriya i praktika = Economic Analysis: Theory and Practice, 2017, vol. 16, iss. 3, pp. 472-487. (In Russ.)
URL: https://doi.org/10.24891/ea.16.3.472
9. Belinskii A.V. [Economic and statistical analysis of the Russian gas distribution sector]. Finansovaya analitika: problemy i resheniya = Financial Analytics: Science and Experience, 2017, vol. 10, iss. 4, pp. 384-402. (In Russ.) URL: https://doi.org/10.24891/fa.10A384
10. Popova G.L. [Depopulation of rural residents in the Tambov oblast: A statistical analysis of trends]. Regionalnaya ekonomika: teoriya i praktika = Regional Economics: Theory and Practice, 2017, vol. 15, iss. 8, pp. 1565-1579. (In Russ.) URL: https://doi.org/10.24891/re.15.8.1565
11. Sorens J. The Politics and Economics of Official Ethnic Discrimination: A Global Statistical Analysis, 1950-2003. International Studies Quarterly, 2010, vol. 54, iss. 2, pp. 535-560. URL: https://doi.org/10.1111/j .1468-2478.20l0.00598.x
12. Burt O.R., Finley R.M. Statistical Analysis of Identities in Random Variables. American Journal of Agricultural Economics, 1968, vol. 50, iss. 3, pp. 734-744.
URL: https://doi.org/10.2307/1238271
13. Simpson K. A Statistical Analysis of the Relation between Cost and Price. The Quarterly Journal of Economics, 1921, vol. 35, iss. 2, pp. 264-287. URL: https://doi.org/10.2307/l883889
14. Mazelis L.S., Lavrenyuk K.I. [Quantitative model of estimating regional human capital]. Azimut nauchnykh issledovanii: ekonomika i upravlenie = ASR: Economics and Management, 2017,
vol. 6, no. 4, pp. 167-170. URL: https://cyberleninka.ru/article/vZkolichestvennaya-model-otsenki-regionalnogo-chelovecheskogo-kapitala (In Russ.)
15. Kovaleva T.A., Safonova M.A., Sokolov M.M. [What defines prices for higher education
at Russian universities?]. Universitetskoe upravlenie: praktika i analiz = University Management:
Practice and Analysis, 2017, vol. 21, iss. 1, pp. 63-79.
URL: http://www.umj.ru/index.php/pub/inside/1877/ (In Russ.)
16. Tkachenko Yu.A., Vyatkina E.O. [Internal control of educational process in branches of construction higher education institution]. Vestnik Belgorodskogo gosudarstvennogo tekhnologicheskogo universiteta im. V.G. Shukhova = Bulletin of Belgorod State Technological University named after V.G. Shukhov, 2017, vol. 2, no. 4, pp. 213-217.
URL: https://doi.org/10.12737/article_58e6133799b604.58489912 (In Russ.)
17. Balkizova Kh.Yu. [Russian universities in the market of educational services]. Vestnik Universiteta (Gosudarstvennyi universitet upravleniya), 2017, no. 9, pp. 114-118.
URL: https://cyberleninka.ru/article/v7rossiyskie-vuzy-na-rynke-obrazovatelnyh-uslug (In Russ.) Conflict-of-interest notification
We, the authors of this article, bindingly and explicitly declare of the partial and total lack of actual or potential conflict of interest with any other third party whatsoever, which may arise as a result of the publication of this article. This statement relates to the study, data collection and interpretation, writing and preparation of the article, and the decision to submit the manuscript for publication.