Выбор ключевых видов экономической деятельности в условиях нечеткой информации для идентификации региональных кластерных образований Текст научной статьи по специальности «Экономика и бизнес»

ВЫБОР КЛЮЧЕВЫХ ВИДОВ

ЭКОНОМИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ

В УСЛОВИЯХ НЕЧЕТКОЙ

ИНФОРМАЦИИ

ДЛЯ ИДЕНТИФИКАЦИИ

РЕГИОНАЛЬНЫХ КЛАСТЕРНЫХ

ОБРАЗОВАНИЙ

SELECT KEY OF ECONOMIC ACTIVITIES IN THE FUZZY INFORMATION FOR IDENTIFICATION OF REGIONAL CLUSTER FORMATIONS

УДК 332.12

БАРСУКОВ Дмитрий Петрович

проректор по учебной работе Санкт-Петербургского государственного института кино и телевидения, заведующий кафедрой проектной деятельности в кинематографии и телевидении, доктор экономических наук, профессор, [email protected]

BARSUKOV, Dmitry Petrovich

Pro-rector for Academic Affairs in the Saint-Petersburg State Institute of Film and Television, №ad of the Project Activities in Cinematography and Television Department, Doctor of Economic Sciences, Professor, [email protected]

КАРАЕВА Фатима Ехьяевна

доцент кафедры статистики и экономического анализа Кабардино-Балкарского государственного аграрного университета им. В. М. Кокова, доктор экономических наук, доцент, [email protected]

KARAEVA, Fatima Ekhyaevna

Associate Professor at the Department of Statistics and of Economic Analysis, the Kabardino-Balkarian State University of Agrarian named after V. M. Kokova, Doctor of Economic Sciences, Associate Professor, [email protected]

ШОГЕНОВА Зарема Хажмуратовна

доцент кафедры проектной деятельности в кинематографии и телевидении Санкт-Петербургского государственного института кино и телевидения, кандидат экономических наук, доцент, [email protected]

SHOGENOVA, Zarema Нazhmuratovna

Associate Professor at the Project Activities in Cinematography and Television Department, the Saint-Petersburg State Institute of Film and Television, Candidate of Economic Sciences, Associate Professor, [email protected]

© Барсуков Д. П., Караева Ф. Е., Шогенова З. Х., 2016.

Аннотация.

В статье рассматриваются методологические аспекты идентификации региональных кластеров на первичном этапе ее логической последовательности: «выбор ключевых отраслей (видов производства) региональной экономики - выбор ключевых региональных предприятий - выбор связанных предприятий и организаций». В условиях частичного или полного отсутствия достоверной и открытой экономической информации критериальные значения показателей, на основе которых осуществляется выбор ключевых отраслей (видов производства) региональной экономики в целях ее кластеризации, а также последовательность (алгоритмы) их применения, являются нечетко выраженными. Поэтому в качестве формального аппарата выбора ключевых отраслей (видов производства) предлагается использовать математический аппарат теории нечетких, или размытых множеств, позволяющий решать задачи математического моделирования сложных социально-экономических систем в условиях нечеткости (размытости) информации.

Ключевые слова: кластер, кластерная организация, идентификация кластеров, ключевые отрасли, нечеткие множества, лингвистическая переменная, продукционные правила, расстояние Хемминга.

Abstract.

The article deals with methodological aspects of the CAS identificationtion of regional clusters in the primary stage of its logical sequence: "selection of key sectors (production) of regional economy - the regional enterprises - the choice of related enterprises and organizations." In the partial or complete lack of an open and reliable economic information criterion values, on the basis of which the selection of key sectors (production) of the regional economy for its clustering, as well as the sequence (algorithms) they use, are not clearly pronounced. Therefore, as the formal apparatus selecting key sectors (industries) are encouraged to use the mathematical apparatus of theory of fuzzy or fuzzy sets, allowing to solve problems of mathematical modeling of complex socio-economic systems in the conditions of vagueness (fuzziness) of information.

Key words: Cluster, cluster organization, identification of clusters, key sectors, fuzzy sets, linguistic variable, production rules, Hamming distance.

Кластерный подход признан сегодня одним из наиболее эффективных инструментов экономического развития территорий, о чем свидетельствует зарубежный опыт кластеризации в различных отраслях экономики, в том числе в машиностроении, строительстве, легкой промышленности таких стран, как Германия, Италия, Франция и Великобритания [1; 2]. В то же время проблемы развития отечественной экономики имеют одну общую особенность - региональный масштаб их решения,

поскольку каждая из них в большей или меньшей степени проявляется в отдельных регионах Российской Федерации [3; 4]. Поэтому в России кластерный подход является сравнительно новым, но все более используемым инструментом организации экономики (в сфере промышленности, культуры, 1Т-тех-нологий, туризма и др.), что определяется его комбинационным характером, сочетающим территориальный, отраслевой и межотраслевой организационные подходы, позволяющим

одновременно стимулировать интеграционные процессы на мезо- и территориальном уровне с целью достижения устойчивого экономического роста и повышения конкурентоспособности экономики. Это требует более детального и диверсифицированного подхода к их решению, и именно кластерная организация региональных экономик является инструментом их экономического роста (авиакосмический кластер в Самаре, информационно-телекоммуникационный кластер в Москве, судостроительный и туристический кластеры в Санкт-Петербурге, автомобильный кластер в Татарстане и др.).

Зарубежный и отечественный опыт кластеризации отражает новый институциональный подход к организации региональной экономики как совокупности хозяйствующих субъектов, территориально близких друг другу, взаимодействующих друг с другом в рамках территориальной социально-культурной или производственно-технологической сети на основе координации деятельности и без утраты своей экономической самостоятельности. Когда хозяйствующие субъекты, решая задачи своего развития (а часто и рыночного выживания), понимают, что они в одиночку не могут решить задачи долгосрочного развития, а могут решать их только взаимодействуя с другими хозяйствующими субъектами, территориально близкими им, то они, кроме рыночных, конкурентных отношений, вступают и в отношения сотрудничества друг с другом, за счет чего улучшают не только свои конкурентные позиции, но и региона в целом.

Ключевой проблемой кластеризации является проблема идентификации кластеров. Существующий и применяемый методологический аппарат идентификации кластеров, как правило, представляет собой реализацию так называемого макроподхода к идентификации, который ограничивается выявлением хозяйственных агломераций на уровне отраслей без территориальной привязки к предприятиям и организациям, их составляющих. Российские исследователи опираются на опыт реализации кластерного подхода в странах, функционирующих в условиях развитых рыночных (конкурентных) отношений и сложившихся

кластерных образований. Они не рассматривают процесс формирования кластера как конкретный постадийный и рыночный процесс, ограничиваясь, главным образом, его качественными характеристиками и методами идентификации, ориентированными преимущественно на выявление кластеров на уровне отраслей или кластерных групп, не рассматривая отдельные предприятия (организации) на предмет их возможного участия в составе формируемого кластера, прежде всего, его ядра. Кроме того, узким местом кластерной организация региональных экономик является частичное или полное отсутствие достоверной и открытой информации о кооперационных связях региональных предприятий и организаций, необходимой для полноценной оценки состояния региональной экономики, возможности ее кластерной организации, особенно на мезо- и микроуровне.

В то же время в результате идентификации кластерного образования должны быть определены не только его основные контуры (границы), но и ключевые элементы с достаточной детализацией - до уровня основных предприятий и организаций ядра кластера, а также основных предприятий, обеспечивающих функционирование ядра как функционирующих в составе хозяйственной агломерации, так и потенциальных ее участников. Несмотря на очевидные различия в процессах формирования различных региональных кластеров, можно определить важную с методологической точки зрения логическую последовательность в формировании региональных хозяйственных агломераций, составляющих основу любых региональных кластеров: «выбор ключевых отраслей региональной экономики (видов производства) - выбор ключевых предприятий - выбор связанных предприятий и организаций».

Таким образом, в содержательном алгоритме формирования региональных кластеров первичным является этап формирования и соответственно идентификации ключевых, т. е. значимых для региона отраслей региональной экономики (видов производства), потенциально «пригодных» для кластерной организации, учитывающих отраслевую специализацию и

экспортную ориентацию региона, когда производство товаров в данной отрасли региональной экономики ориентировано на вывоз товаров за пределы региона.

По результатам анализа социально-экономической ситуации в регионе, виды его экономической деятельности оцениваются на предмет отнесения его к ключевым видам деятельности на основании показателей, характеризующих специализацию региона. Вследствие достаточной простоты очень популярными показателями отраслевой специализации являются коэффициенты локализации, в системе которых в первую очередь рассматривается коэффициент отраслевой локализации занятости, так как считается, что занятость в отрасли - относительно надежный показатель [5].

Коэффициент отраслевой локализации занятости Ь0 представляет собой отношение удельного веса данной отрасли в структуре производства к удельному весу той же отрасли в стране и вычисляется по следующей формуле:

ьд=,

где Ь.^ - количество занятых в г-й отрасли в £-м регионе;

Ь - общее количество занятых в £-м регионе;

Ь. - количество занятых в .-й отрасли национальной экономики;

Ь - общее количество занятых в национальной экономике.

Другим наиболее распространенным коэффициентом локализации, используемым для выявления хозяйственных агломераций, является коэффициент локализации производства К, который определяется по формуле

' К* = .

где - объем выпуска г-й отрасли в £-м регионе;

- объем валового выпуска в £-м регионе;

0^ - общий объем выпуска г-й отрасли в стране;

0 - общий объем валового выпуска в стране.

Также для выявления хозяйственных агломераций в региональной экономике могут использоваться коэффициенты отраслевой локализации, рассчитанные по производительности труда, инвестициям в основной капитал и другим показателям, используемые, как правило, в качестве дополняющих. Наряду с коэффициентами локализации для выявления ключевых (торгуемых) отраслей может использоваться коэффициент межрайонной товарности Кмт, определяемый в соответствии с формулой [6]

К

В.

мт

П,

где Во - вывоз из региона продукции отрасли;

Пр - объем выпускаемой отраслью продукции в регионе.

Таким образом, можно утверждать, что существует ряд показателей, использование которых в интересах выявления ключевых отраслей возможно и целесообразно, однако единая система их применения отсутствует. Нечетко выражены не только критериальные значения показателей, но и последовательность (алгоритмы) их применения. Данное обстоятельство не позволяет обоснованно принять решение в отношении рассматриваемой отрасли, например, в случае, когда значения коэффициентов локализации, рассчитанные для занятости и объема производства, позволяют отнести данную отрасль как к ключевым, так и не являющимся ключевыми отраслям.

Нечеткий (неполноценный) характер границ вышеназванных показателей предопределяет целесообразность использования математического аппарата теории нечетких, или размытых множеств.

Неполноценное (нечеткое) множество представляет собой класс объектов, в котором может не быть резкой границы между объектами, входящими и не входящими в класс. Математически это определяется следующим образом: «Пусть существует Х множество (конечное или бесконечное) и х - элемент из Х. Размытым множеством А на множестве Х называется совокупность пар вида (х, |ЫА(х)), где хбХ и |Ыд (х) - функция от х, принимаю-

щая значения от 0 до 1 и называемая функцией принадлежности нечеткому множеству А. Значение функции ц A(x) для конкретного элемента х называется степенью (уровнем) принадлежности этого элемента нечеткому множеству А» [7, с. 189].

Важное значение для реализации предлагаемого подхода имеет такое понятие теории нечетких множеств, как «лингвистическая переменная». Лингвистической переменной называется переменная, значениями которой являются не числа, а слова или предложения естественного или формального языка [7]. Формально лингвистическая переменная описывается набором

(Х, Т(Х), и, в, М),

где Х - название лингвистической переменной;

Т(Х) - терм-множество Х, т. е. множество названий лингвистической переменной Х;

и - универсальное множество;

О - синтаксическое правило, порождающее термы множества Т(Х);

М - семантическое правило, которое каждому лингвистическому значению ставит в соответствие его смысл М(Х), причем М(Х) -размытое множество, определенное на универсальном множестве и с базовой переменной и. С помощью семантических правил происходит отображение лингвистической переменной в размытые множества и осуществляются обратные преобразования.

Смысл лингвистического значения Х характеризуется функцией совместимости, которая каждому элементу иеи ставит в соответствие

значение совместимости этого элемента с Х. Для отнесения рассматриваемых видов экономической деятельности к ключевым (торгуемым) может использоваться лингвистическая переменная Х-применимость, терм-множество которой можно записать:

Т(Х) =

={плохая, удовлетворительная, хорошая}.

Универсальное множество и, отражающее применимость, представляет интервал {0, 1}. Функции совместимости значений «плохая», «хорошая», «удовлетворительная» могут быть записаны:

• упрощенно как наборы упорядоченных пар:

М(плохая) = {(0;1), (0,1;1), (0,2;0,85), (0,3;0,3), (0,4;0,1)};

М(удовлетворительная) = {(0,3;0,25), (0,4;0,7), (0,5;1), (0,6;0,7),(0,7;0,25)};

М(хорошая) = {(0,6;0,1), (0,7;0,3), (0,8;0,85), (0,9;1), (1;1)};

• в табличной форме (таблица 1);

• в графической форме (рисунок 1).

Для решения задачи отнесения вида экономической деятельности к ключевым в целях идентификации кластерных образований в экономике региона предлагается следующая логическая последовательность содержательных этапов.

На первом этапе выбираются показатели для оценки вида экономической деятельности по уровням выделения видов исходя из заданного масштаба кластеризации региона, определенного на основе анализа региональ-

Таблица 1

Структура лингвистической переменной «применимость»

Значения лингвистической переменной Значения базовой переменной

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

Функции совместимости

Плохая 1,00 1,00 0,85 0,30 0,10 0,00 0,00 0,00 0,00 0,00 0,00

Удовлетворительная 0,00 0,00 0,00 0,25 0,70 1,00 0,70 0,25 0,00 0,00 0,00

Хорошая 0,00 0,00 0,00 0,00 0,00 0,00 0,10 0,30 0,85 1,00 1,00

1,00 0,90 [3 0,80 1 0,70 § 0,60 § 0,50 § 0,40 Ц 0,30

е10,20 0,10 0,00

0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0

Базовая переменная

- плохая

------------- удовлетворительная

_____________________ хорошая

Рисунок 1

Функции совместимости лингвинистических значений элементов

ных экономических условий кластеризации и масштаба региональный кластеризации - по отраслям, подотраслям или видам производства. Соответственно оценка видов экономической деятельности в целях кластеризации может быть проведена по разделам Общероссийского классификатора видов экономической деятельности (ОКВЭД 2), введенного в действие Приказом Федерального агентства по техническому регулированию и метрологии от 31 января 2014 г. № 14-ст. Иерархия масштабной оценки видов экономической деятельности при идентификации на примере идентификации социально культурных кластеров в регионе представлена на рисунке 2.

Иерархия масштабной оценки видов экономической деятельности при идентификации промышленных кластеров на примере пищевой промышленности, развитие которой в настоящее время является характерным для многих регионов страны, представлена на рисунке 3.

Второй этап состоит из экспертно устанавливаемых оценок значений уровней («высокий», «средний», «низкий»). Единого мнения относительно значений коэффициентов локализации, на основании которых рассматриваемая отрасль может

быть идентифицирована, не существует. В целях выявления отраслей, составляющих хозяйственные агломерации, как правило, используют значение коэффициента локализации больше или равное 1,25. Коэффициент локализации, превышающий значение 1,25, означает, что можно говорить о начале специализации региона на данной отрасли экономики региона [5].

Значение коэффициента локализации равное 1,0 означает, что данная отрасль экономики региона имеет тот же удельный вес, что и остальные отрасли. Учитывая размытость критериев отнесения к тем или иным видам экономической деятельности, следует руководствоваться правилами, представленными в таблице 2 (используются: коэффициент локализации занятости, коэффициент локализации производства, коэффициент межрайонной товарности).

На третьем этапе выбираются продукционные правила, соответствующие содержанию решаемой задачи (таблица 3). Продукционные правила представляют собой правила формата «ЕСЛИ-ТО» и отражают применимость отнесения рассматриваемого вида деятельности к ключевым на основании определенных экс-пертно оценок показателей.

Раздел R

Деятельность в области культуры, спорта, организации досуга и развлечений

Класс 90 Деятельность творческая, деятельность в области искусства и организации развлечений

Класс 91 Деятельность библиотек, архивов, музеев и прочих объектов культуры

Класс 93 Деятельность в области спорта, отдыха и развлечений

Подкласс 90.01 Деят ельность в области исполнительских иску сств

Подкласс 90.02 Подкласс 90.03

Деятельность, свя- Деятельность в обла-

занная с исполни- сти художественного

тельскими искус- искусства

ствами

Рисунок 2

Иерархия масштабной оценки видов экономической деятельности при идентификации социально-культурных кластеров

Раздел С Обрабатывающие производства

Класс 10 Класс 11

Производство пищевой Производство

продукции напитков

Класс 93 Производство табачных изделий

Подкласс 90.01 Переработка и консервирование мяса и мясной пищевой продукции

Подкласс 90.02 Переработка и консервирование рыбы, ракообразных и моллюсков

Подкласс 90.03 Переработка и консервирование фруктов и овощей

Рисунок 3

Иерархия масштабной оценки видов экономической деятельности при идентификации промышленных кластеров на примере пищевой промышленности

Таблица 2

Правила оценки значений показателей, характеризующих вид экономической деятельности

Показатели Высокий Средний Низкий

Коэффициент локализации занятости Число, существенным образом превышающее 1 (>1,25) Число, близкое к 1 (0,75< И <1,25) Число, близкое к 0 (<0,75)

Коэффициент локализации производства Число, существенным образом превышающее 1 (>1,25) Число, близкое к 1 (0,75< И <1,25) Число, близкое к 0 (<0,75)

Коэффициент межрайонной товарности Число, существенным образом превышающее 0 Число, близкое к 0

Таблица 3

Продукционные правила отнесения вида экономической деятельности к ключевым

Показатели Ключевой (торгуемый) вид деятельности Вид деятельности, не относящийся к ключевым (торгуемым)

Коэффициент локализации занятости

Высокий Хорошо Плохо

Средний Удовлетворительно Плохо

Низкий Плохо Хорошо

Коэффициент локализации производства

Высокий Хорошо Плохо

Средний Удовлетворительно Удовлетворительно

Низкий Плохо Хорошо

Коэффициент межрайонной товарности

Высокий Хорошо Плохо

Низкий Плохо Хорошо

На четвертом этапе для признаков «ключевой вид экономической деятельности» и «не относящийся к ключевым вид экономической деятельности» по каждому выбранному правилу определяется лингвистическая переменная, отражающая применимость признака к рассматриваемому виду деятельности с точки зрения заданного правила.

На пятом этапе для признаков «ключевой вид экономической деятельности» и «не относящийся к ключевым вид экономической деятельности» с учетом всех правил устанавливается функция совместимости как выпуклая комбинация функций совместимости, определенных на предыдущем шаге. При этом значения полученной функции совместимости М для конкретного значения базовой переменной рассчитываются как средневзвешенное арифметическое значение ранее определенных функций совместимости:

м = £ акм(хк),

к=1

где ак - весовые коэффициенты, которые определяются экспертно и отражают важность соответствующего (к-го) показателя с точки зрения отнесения его к тому или иному виду экономической деятельности;

М(Хк) - функция совместимости значения, характеризующего к-й показатель;

К - количество показателей, по которым оценивается вид экономической деятельности на предмет отнесения его к торгуемым.

На шестом этапе по полученным функциям совместимости выбирается соответствующий признак. В качестве критерия для выбора признака целесообразно использовать обобщенное расстояние Хемминга:

Я

П

тп

= £14

d

тг^пг

г=1

где т, п - сравниваемые вектора одинаковой размерности;

й й - значения г-х элементов векторов т

тг пг *

тг пг

и п соответственно;

Я - размерность векторов т и п.

В связи с тем, что оценка применимости должна быть как можно ближе к единице, то цель изображается с помощью размытого множества «число, близкое к 1», которое задается следующим образом [6]:

в = {(0,5;0,1), (0,6;0,2), (0,7;0,3), (0,8;0,6), (0,9;0,9), (1;1)}.

петербургский экономический журнал

№ 3

2016

120

В данном случае расстояние Хемминга дает оценку расстояния между размытыми множествами «число, близкое к 1» и размытыми множествами М (применимость ключевого вида экономической деятельности), М (применимость не относящегося к ключевым вида экономической деятельности). По величине значения расстояния Хемминга для выбранных признаков («ключевой вид экономической деятельности», «не относящийся к ключевым вид экономической деятельности») делается заключение об их применимости к рассматриваемому виду экономической деятельности. Меньшему значению расстояния Хемминга соответствует признак, в наибольшей степени подходящий для характеристики рассматриваемого вида деятельности.

Таким образом, выявление отраслей, составляющих основу кластерного образования, осуществляемых в рамках макроподхода,

определяет контур, границы регионального кластерного образования. В случае принадлежности отрасли (вида деятельности) к ключевым в регионе, осуществляется переход к формированию ядра кластера - второму этапу логической последовательности формирования региональных кластеров и соответственно их идентификации. Формируется ядро кластерного образования из числа основных предприятий и организаций, относящихся к выбранной (ключевой) отрасли (виду региональной экономической деятельности) на основании заданных критериев и с использованием соответствующих научных инструментов, методические аспекты применения которых будут рассмотрены в следующих статьях. В противном случае, процесс исследования выбранного вида деятельности заканчивается в силу неготовности региона к кластерной организации его экономики.

Список литературы

1. Барсуков Д. П., Кудряшов В. С. Механизм взаимосвязанного управления кластером на основе определения полномочий его участников в рамках договорных отношений // Вестник Российской академии естественных наук. 2014. № 18(4). С. 40-43.

2. Харламова Т. Л. Инновационно-сетевая форма развития кластеров мегаполиса // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. 2012. № 1(139). С. 80-86.

3. Караева Ф. Е., Шогенова З. Х. Региональный кластер: сущностные подходы к определению // Петербургский экономический журнал. 2013. № 1. С. 53-60.

4. Харламов А. В., Ефанова Е. М. Проблемы развития хозяйственной системы и экономические интересы предприятий реального сектора // Вестник Российской академии естественных наук. 2015. № 2(19). С. 75-77.

5. Куценко Е. С. Кластеры в экономике: практика выявления. Обобщение зарубежного опыта. URL: https://www.hse.ru/pubs/share/direct/document/87702138 (дата обращения: 27.05.2016).

6. Киселев А. Н., Куценко Е. С., Карнаух А. П. Определение приоритетных направлений для формирования кластеров малых и средних предприятий на примере г. Москвы. URL: http://www.virtass.ru/admin/pics/25_02_I0.pdf (дата обращения: 27.05.2016).

7. Павлов А. Н., Соколов Б. В. Принятие решений в условиях нечеткой информации: учеб. пособие. СПб.: ГУАП, 2006. 72 с.