Т. Ю. Кудрявцева, А. Е. Схведиани, М. А. Родионова, В. В. Яковлева. Идентификация кластеров на территории России на основе синтеза функционального и пространственного подходов

УДК 332.12(470+571)

doi: 10.15507/2413-1407.122.031.202301.046-069

Аннотация

Введение. Актуальность темы заключается в необходимости методологии комплексной кластеризации регионов, а именно в определении отраслевого состава и географического расположения кластеров. Цель статьи – по результатам проведенного исследования апробировать разработанную методику идентификации кластеров на территории России на основе синтеза функционального и пространственного подходов.

Материалы и методы. Анализ межотраслевых связей в рамках функционального подхода заключался в применении метода максимума, позволяющего проследить цепочку потребления относительно главных поставщиков и главных потребителей между отраслями на основе российской таблицы «Затраты – Выпуск» 2016 г. Пространственный подход был реализован с помощью расчета коэффициентов локализации, определения z-оценок, а также с помощью анализа коэффициентов корреляции между коэффициентами локализации для установления региональных и межрегиональных связей.

Результаты исследования. Результаты статьи апробируют предложенные авторами методы для процесса кластеризации регионов. Полученные после применения методов результаты выявили локализацию кластера «Химическая промышленность» на территориях определенных регионов Российской Федерации и его существующую значимую функциональную и пространственную связь с кластерами «Строительство», «Производственное оборудование» и др. Причем было определено, что химическая промышленность имеет разные виды связей: как функциональную (с кластером «Металлургия»), так ‒ пространственную: межрегиональную («Строительство»), региональную («Производственное оборудование» и др.). Таким образом, было доказано, что для выявления промышленных кластеров необходимо применение комплексного подхода.

Обсуждение и заключение. Полученные результаты по кластеру «Химическая промышленность» подтверждают необходимость использования комплексной методологии региональной кластеризации, которая включает в себя синтез функционального и пространственного подходов, так как оба подхода по отдельности имеют свои ограничения, а функциональная связь не означает существование пространственной, и наоборот. Эти данные помогут комплексно подойти к проблеме эффективности развития химической промышленности в России благодаря пониманию грамотного размещения предприятий и учету взаимосвязи с предприятиями различных отраслей. Материалы статьи могут быть полезны как для ученых, занимающихся проблемами регионального развития экономики, так и для государственных учреждений, в цели которых входят принятие управленческих решений в сфере развития промышленности.

Ключевые слова: идентификация кластеров, таблица «Затраты – Выпуск», коэффициент локализации, межотраслевые связи, кластерный алгоритм, кластерная структура территории

Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.

Финансирование. Исследование выполнено за счет гранта Российского научного фонда (проект № 20-78-10123).

Для цитирования: Идентификация кластеров на территории России на основе синтеза функционального и пространственного подходов / Т. Ю. Кудрявцева [и др.] // Регионология. 2023. Т. 31, № 1. С. 46–69. doi: https://doi.org/10.15507/2413-1407.122.031.202301.046-069

СПИСОК ЛИТЕРАТУРЫ

1. Mackiewicz M., Namyślak B. Development Conditions for Creative Clusters in Poland in View of Institutional Environment Factors // Growth and Change. 2021. Vol. 52, issue 3. Pр. 1295–1311. doi: https://doi.org/10.1111/grow.12503

2. Кудрявцева Т., Жабин Н. П. Формирование алгоритма идентификации кластеров в экономике региона // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. 2014. № 3 (197). С. 124–131. URL: https://economy.spbstu.ru/article/2014.47.13/ (дата обращения: 23.06.2022).

3. Марков Л. С., Маркова В. М. Выявление эталонных кластеров: методические вопросы и практическое приложение к отечественной промышленности // Мир экономики и управления. 2012. Т. 12, № 1. С. 95–108. URL: https://woeam.elpub.ru/jour/article/view/590 (дата обращения: 23.06.2022).

4. Feser E. J., Bergman E. M. National Industry Cluster Templates: A Framework for Applied Regional Cluster Analysis // Regional Studies. 2000. Vol. 34, issue 1. Pp. 1–19. doi: https://doi.org/10.1080/00343400050005844

5. Демин С. С., Селентьева Т. Н. К вопросу об идентификации кластеров промышленного региона: вопросы теории и методологии // Kant. 2018. № 4 (29). С. 258–263. URL: https://stavrolit.ru/kant/1198/1253/ (дата обращения: 23.06.2022).

6. The Cluster Policies Whitebook. IKED-International Organisation for Knowledge Economy and Enterprise Development / T. Andersson [et al.]. Malmö, 2004. Vol. 49. URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.197.4531&rep=re... (дата обращения: 23.12.2022).

7. Porter M. E. The Economic Performance of Regions // Regional Studies. 2003. Vol. 37, issue 6–7. Pp. 549–578. doi: https://doi.org/10.1080/0034340032000108688

8. Куценко Е., Еферин Я. “Водовороты” и “тихие гавани” в динамике отраслевой специализации регионов России // Форсайт. 2019. Т. 13, № 3. С. 24–40. doi: https://doi.org/10.17323/2500-2597.2019.3.24.40

9. Родионов Д. Г., Кудрявцева Т. Ю. Механизм и принципы формирования кластерной промышленной политики // Инновации. 2018. № 10 (240). С. 81–87. URL: https://maginnov.ru/ru/zhurnal/arhiv/2018/innovacii-n10-2018/mehanizm-i-... (дата обращения: 23.06.2022).

10. Кудрявцева Т. Ю., Схведиани А. Е. Исследование региональных кластеров с использованием информационно-аналитических систем (на примере биофармацевтического кластера) // Регионология. 2020. Т. 28, № 1. С. 48–79. doi: https://doi.org/10.15507/2413-1407.110.028.202001.048-079

11. Оценка мультипликативных эффектов в российской экономике на основе таблиц “затраты-выпуск” / М. Ю. Ксенофонтов [и др.] // Проблемы прогнозирования. 2018. № 2 (167). С. 3–13. URL: https://ecfor.ru/publication/otsenka-multiplikativnyh-effektov-na-osnove... (дата обращения: 23.06.2022).

12. Широв А. А. Использование таблиц “затраты-выпуск” для обоснования решений в области экономической политики // Проблемы прогнозирования. 2018. № 6 (171). С. 12–25. URL: https://ecfor.ru/publication/ispolzovanie-tablits-zatraty-vypusk-dlya-ob... (дата обращения: 23.06.2022).

13. Сальников В. А., Галимов Д. А., Гнидченко А. А. Использование таблиц “затраты-выпуск” для анализа и прогнозирования развития секторов экономики России // Проблемы прогнозирования. 2018. № 6 (171). С. 93–103. URL: https://ecfor.ru/publication/ispolzovanie-tablits-zatraty-vypusk-dlya-an... (дата обращения: 23.06.2022).

14. Spatiotemporal Evolution of Production Cooperation between China and Central and Eastern European Countries: An Analysis Based on the Input–Output Technique / Z. Zheng [et al.] // Growth and Change. 2021. Vol. 52, issue 2. Pp. 1117–1136. doi: https://doi.org/10.1111/grow.12476

15. Industrial Clusters with Substantial Carbon-Reduction Potential / K. Kanemoto [et al.] // Economic Systems Research. 2019. Vol. 31, issue 2. Pp. 248–266. doi: https://doi.org/10.1080/09535314.2018.1492369

16. Kosfeld R., Titze M. Benchmark Value-added Chains and Regional Clusters in R&D-intensive Industries // International Regional Science Review. 2017. Vol. 40, issue 5. Pp. 530–558. doi: https://doi.org/10.1177/0160017615590158

17. Guo J., Lao X., Shen T. Location-Based Method to Identify Industrial Clusters in Beijing-Tianjin-Hebei Area in China // Journal of Urban Planning and Development. 2019. Vol. 145, issue 2. doi: https://doi.org/10.1061/(ASCE)UP.1943-5444.0000497

18. Tengsuwan P., Kidsom A., Dheera-Aumpon S. Economic Linkage in the Thai Rubber Industry and Cluster Identification: Input-Output Approach // Asian Administration & Management Review. 2019. Vol. 2, no. 2. Pp. 147–159. URL: https://ssrn.com/abstract=3654999 (дата обращения: 23.06.2022).

19. Дронова Я. И., Бухонова С. М. Применение анализа “Затраты-выпуск” для идентификации кластеров в экономике // Вестник Белгородского университета кооперации, экономики и права. 2014. № 1 (49) С. 207–215. URL: http://vestnik.bukep.ru/arh/full/2014-1.pdf (дата обращения: 23.06.2022).

20. Luo S., Yan J. Analysis of Regional Industrial Clusters’ Competitiveness Based on Identification // 2009 International Conference on Electronic Commerce and Business Intelligence. IEEE, 2009. Pp. 471–474. doi: https://doi.org/10.1109/ECBI.2009.57

21. Павлов К. В., Растворцева С. Н., Череповская Н. А. Методический подход к идентификации потенциальных кластеров в региональной экономике // Региональная экономика: теория и практика. 2015. № 10 (385). С. 15–26. URL: https://www.fin-izdat.ru/journal/region/detail.php?ID=65088 (дата обращения: 25.05.2022).

22. O’Donoghue D., Gleave B. A Note on Methods for Measuring Industrial Agglomeration // Regional Studies. 2004. Vol. 38, issue 4. Pp. 419–427. doi: https://doi.org/10.1080/03434002000213932

Поступила 01.08.2022; одобрена после рецензирования 10.10.2022; принята к публикации 19.10.2022.

Об авторах:

Кудрявцева Татьяна Юрьевна, доктор экономических наук, доцент, профессор Высшей инженерно-экономической школы Санкт-Петербургского политехнического университета Петра Великого (195251, Российская Федерация, г. Санкт-Петербург, ул. Политехническая, д. 29), ORCID: https://orcid.org/0000-0003-1403-3447, Scopus ID: 56023272600, Researcher ID: S-8637-2017, kudryavtseva_tyu@spbstu.ru

Схведиани Анги Ерастиевич, кандидат экономических наук, доцент Высшей инженерно-экономической школы Санкт-Петербургского политехнического университета Петра Великого (195251, Российская Федерация, г. Санкт-Петербург, ул. Политехническая, д. 29), ORCID: https://orcid.org/0000-0001-7171-7357, Scopus ID: 57194696524, Researcher ID: S-8668-2017, shvediani_ae@spbstu.ru

Родионова Мария Александровна, специалист Высшей инженерно-экономической школы Санкт-Петербургского политехнического университета Петра Великого (195251, Российская Федерация, г. Санкт-Петербург, ул. Политехническая, д. 29), ORCID: https://orcid.org/0000-0002-6972-2082, rodionova.mariia@yandex.ru

Яковлева Валерия Валерьевна, аспирант Высшей инженерно-экономической школы Санкт-Петербургского политехнического университета Петра Великого (195251, Российская Федерация, г. Санкт-Петербург, ул. Политехническая, д. 29), ORCID: https://orcid.org/0000-0003-0361-5003, yakovleva2.vv@edu.spbstu.ru

Заявленный вклад авторов:

Т. Ю. Кудрявцева – критический анализ и доработка текста; курирование данных; научное руководство; обеспечение ресурсами; администратор проекта; обеспечение финансирования.

А. Е. Схведиани – компьютерные работы; развитие методологии; сбор данных и доказательств; формализованный анализ данных.

М. А. Родионова – визуализация/представление данных в тексте; критический анализ и доработка текста; формализованный анализ данных; изучение концепции.

В. В. Яковлева – визуализация/представление данных в тексте; компьютерные работы; подготовка начального варианта текста; сбор данных и доказательств.

Авторы прочитали и одобрили окончательный вариант рукописи.