Автореферат (1143532), страница 6
Текст из файла (страница 6)
3) на макроуровне были произведеныидентификация и анализ кластеров на территории России по субъектамфедерации.Для реализации предложенного подхода были сформированы базыстатистических данных за 2008-2016 гг. по численности занятых иколичеству предприятий по субъектам РФ, сгруппированные в соответствиис ядрами кластеров, спроектированными М. Портером.На первом этапе исследования с целью выявления особенностейотраслевой структуры кластерных групп, влияющей на пространственнуюконцентрацию, был рассчитан коэффициент агломерации.
Данныйпоказатель, характеризующий неравномерность распределения численностиработников кластерных групп по субъектам федерации, позволил оценитьуровень концентрации кластеров на территории России. В результате расчетапоказателей концентрации и урбанизации на основе статистических данных околичестве предприятий по субъектам федерации в разрезе видовдеятельности были выявлены кластеры, концентрация предприятий которыхв рамках региона или субъекта РФ вызвана стремлением к совместному21размещению с аналогичными предприятиями или же склонностью красположению на территориях с высокой плотностью предприятий любыхвидов деятельности.
Иными словами, были определены кластерные группы,совместное размещение которых обусловлено наличием различных группагломерационных экстерналий: эффектов Маршалла и эффектов Джейкобса.В соответствии с наличием положительных или отрицательных эффектовМаршалла, а также эффектов Джейкобс, все кластеры быликлассифицированы как сконцентрированные или рассеянные и городские илисельские. Так, например, к сконцентрированным городским кластерамотносятся промышленные кластеры Информационные технологии,Биофармацевтика, Медицинские технологии. Они испытывают значимыеположительные эффекты от тесной близости друг с другом и спредприятиями любых иных видов деятельности. Данные кластеры имеютнаибольший потенциал развития в регионах с высокой плотностью населенияи значительной экономической активностью.На втором этапе исследования были выделены кластерные группыкаждого субъекта федерации, уровень силы ядер которых достаточен дляналичия и развития положительных агломерационных эффектов.
Дляопределения регионов локализации кластеров в целях автоматизациирасчетов при обработке больших данных была разработана база данных«Кластеры регионов России», имеющая свидетельство государственной РИД№ 2017620569 от 29 мая 2017 г. В результате применения базы данных былаопределена кластерная структура 83 регионов РФ и построены картограммылокализации 37 кластеров по территории РФ в период с 2008 по 2016 гг.Например, промышленный кластер Информационные технологиипредставлен в 2016 г. в регионах - Санкт-Петербург, Москва и Ярославскаяобласть, Новосибирская область, Татарстан и Пензенская область (рис. 4).Рисунок 4 – Значение показателей локализации кластера Информационныетехнологии на территории России в 2016 г.22Кластер имеет наибольший размер в городах Москва и СанктПетербург – 30,52% и 16,14% от всех занятых в кластере в РФ, при этомфокус кластера – доля занятых в кластере по отношению ко всем занятым врегионе - в Москве сократился с 43,87% до 30,52%, а Санкт-Петербургеувеличился с 10,52% до 30,52%.
За рассматриваемый период концентрациякластера в крупных городах и региональных центрах увеличилась. Ранеекластер также локализировался в Курской и Калужской областях.8.Построены и апробированы эконометрические моделиоценки влияния промышленных кластеров на экономику регионов ивыявлены промышленные кластеры, определяющие положительныеэкстерналии для экономики регионов России в период с 2008 по 2016 гг.Для реализации третьего этапа анализа кластерной структурытерриторий было проведено эконометрическое моделирование оценкивлияния промышленных кластеров на экономику регионов. В результатебыло оценено влияние агломерационных эффектов на экономический рострегионов, а именно эконометрическая задача была сформулирована какоценка взаимосвязи уровня локализации кластеров на территории РФ идинамики валового регионального продукта.
Поставленная задача быларешена в два этапа. На первом этапе была проведена оценка взаимосвязипромышленных кластеров и уровня ВРП, в том числе с оценкой вкладакластера Информационные технологии в экономику регионов. На второмэтапе оценена взаимосвязь уровня развития кластерной структуры сразмерами ВРП, т.е. величина мультипликативного эффекта локализациикластеровврегионе.Исследованиепроводилосьметодамиэконометрического анализа с использованием инструментов регрессионногоанализа панельных данных, доступных в программе STATA MP14.На первом этапе тестировались гипотезы о наличии взаимосвязи междуфактом присутствия кластера j в регионе i и размерами его ВРП.
Дляпроверки этих гипотез были построены следующие модели:lnGRPit = β0 + βi Clusterit + Ɛjit (1),lnGRPit = β0 + βi Clusterjit−1 + Ɛit (2),lnGRPit = β0 + βi Clusteri=2011 + Ɛjit (3),lnGRPit = β0 + β1 lnRIiFAit−1 + β2 lnTREit + Υi ClusterITit + ϕt Yeart+Ɛit (4),lnGRPit = β0 + β1 lnRIiFAit−1 + β2 lnTREit + Υi LQ it + ϕt Yeart + Ɛit (5),lnGRPit = β0 + β1 lnRIiFAit−1 + β2 lnTREit + Υi Sizeit + ϕt Yeart + Ɛit (6),lnGRPit = β0 + β1 lnRIiFAit−1 + β2 lnTREit + Υi Focusit + ϕt Yeart + Ɛit (7),где lnGRPit − натуральный логарифм величины ВРП (руб., в постоянных ценах2011 года), генерируемого в регионе i в момент времени t;Clusterit - бинарная переменная, принимающая значение 1, если в регионе iлокализирован кластер j в момент времени t, и 0, если нет;Clusterjit−1 - бинарная переменная, принимающая значение 1, если в регионе i вмомент времени t-1 было зафиксировано наличие кластера j, и 0, если нет.Clusterjit=2011 - бинарная переменная, принимающая значение 1, если в регионе i в2011 году был зафиксирован кластер j, и 0, если нет.23lnRIiFAit−1 - натуральный логарифм инвестиций (руб., в постоянных ценах 2000года) в основной капитал, осуществляемых в регионе i в момент времени t-1;lnTREit - натуральный логарифм количества занятых в регионе работников (млнчел.) в регионе i в момент времени t;ClusterITit - бинарная переменная, принимающая значение 1, если в регионе естькластер Информационные технологии, и 0, если нет;LQit - величина коэффициента локализации кластера Информационные технологиив регионе i в момент времени t.Sizeit – размер кластера Информационные технологии в регионе i в моментвремени t, в %.Focusit – фокус кластера Информационные технологии в регионе i в моментвремени t, в %.Yeart - бинарные переменные, принимающие значение 1, если наблюдениеотносится к определённому году t, и 0, если нет;Ɛjit , Ɛit - случайная величина, характеризующая отклонения реального значениярезультативного признака от значения уравнения регрессии;β0 – постоянная величина.В результате были получены следующие основные результаты – такиепромышленные кластеры, как: Автомобилестроение, Аналитическиеинструменты,Аэрокосмическаятехника,Биофармацевтика,Информационныетехнологии,Металлургическаяпромышленность,Пластмассы,ПроизводственноеоборудованияиХимическаяпромышленность оказывают положительное влияние на размеры ВРП вдолгосрочном периоде.АнализвлияниялокализациипромышленногокластераИнформационные технологии показал, что в тех регионах, где на 1 единицувыше значение коэффициента локализации кластера в момент времени t, всреднем на 11,1% выше уровень ВРП; где на 1 процентный пункт вышеразмер кластера в момент времени t, в среднем на 2,52% выше уровень ВРПи где на 1 процентный пункт выше фокус кластера в момент времени t, всреднем на 30,3% выше уровень ВРП.
Полученные результаты можноинтерпретировать как агломерационные эффекты кластера Информационныетехнологии.На втором этапе в соответствии с моделью, предложеннойГ. Лингвистом, проводится анализ влияния уровня кластерной структурырегиона на размеры ВРП. Проверяются гипотезы о наличии взаимосвязимежду уровнем развития кластерной структуры в регионе i и размерами ВРПв разные моменты времени. Модели, используемые для тестированиягипотез, следующие:lnGRPit = β0 + βi __i + Ɛit (8),lnGRPit = β0 + βi __it=2011 + Ɛit (9),lnGRPit = β0 + βi __i−1 + Ɛit (10),где __i – переменная, отражающая общий уровень развитиякластерной структуры экономики региона i в момент времени t. Данная переменнаярассчитывается путём сложения «звёзд», полученных всеми кластерными группами j вданном регионе в момент времени t по результатам оценки «коэффициент локализации»,24«размер кластера» и «фокуса кластера».
По мнению Лингвиста, данный подход позволяетотразить уровень специализации региона и развития в нём кластерной структуры.__i−1 – переменная, отражающая общий уровень развития кластернойструктуры экономики региона i в момент времени t-1.__it=2011 – переменная, отражающая общий уровень развитиякластерной структуры экономики региона i в 2011 году.В результате моделирования получена значимая положительнаявзаимосвязь между уровнем развития кластерной структуры регионов иразмерами их ВРП, как в краткосрочном, так и в долгосрочном периодах.9.Обоснованы мероприятия кластерной промышленнойполитики Санкт-Петербурга на основе исследования его кластернойструктуры и определения форм продвижения кластеров за период с 2008по 2016 гг.Применение методологии исследования кластерной структурытерритории на мезоуровне позволило определить, что на протяжении всегорассматриваемого периода 2008-2016 г.
в регионе Санкт-Петербург былилокализированы следующие промышленные кластеры – Информационныетехнологии, Биофармацевтика, Аналитические инструменты, Освещение иэлектрооборудование, Производство и передача энергии, Табак, иинфраструктурные – Наука и образование, Торговля. Данные промышленныекластеры являются приоритетными направлениями кластеризациипромышленности на территории региона.В работе был проведен сравнительный пространственный идинамический анализ отраслевой кластерной структуры Санкт-Петербурга. Врезультате можно сделать вывод о существенном развитии кластернойструктуры Санкт-Петербурга. Так, в 2008 г.
в регионе существовали двесвязанные мета кластерные группы – одна из которых концентрируетсявокруг кластера Наука и образование, вторая – Освещение иэлектрооборудование. В 2012 г. кластерная структура развивается – в регионесформировалась единая наукоемкая метакластерная группа благодаряразвитию промышленного кластера Аналитические инструменты. В 2016 г.регион демонстрирует дальнейшее развитие кластерной структуры происходит расширение наукоемкой метакластерной группы за счетпромышленного кластера Медицинские инструменты (рис.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
