Выявление кластеров высокотехнологичных компаний в России

Выявление кластеров высокотехнологичных компаний в России с целью
верификации федеральной кластерной политики
В Стратегии инновационного развития Российской Федерации на период до 2020
года создание кластеров названо одной из приоритетных целей региональной политики. В
рамках политики стимулирования инноваций Правительство Российской Федерации
поддерживает создание и развитие инновационных территориальных кластеров. Но
многие потенциальные кластеры, связанные с высокой концентрацией малого и среднего
бизнеса в определенной отрасли и кластерные инициативы бизнеса зарождаются
естественным образом и не идентифицируются представителями региональной власти, в
то время как значительная часть бюджетных ресурсов тратится на поддержку и создание
кластеров с низким потенциалом. Поэтому для повышения эффективности региональной и
федеральной кластерной политики в условиях сокращения бюджетных расходов важно
выявить наличие имеющихся и потенциальных кластеров высокотехнологичных
компаний малого и среднего бизнеса в субъектах Российской Федерации.
Методика исследования включала в себя три основных этапа: анализ
поддерживаемых Министерством экономического развития России инновационнотерриториальных кластеров, анализ кластерных инициатив на основе карты кластеров
России (проект НИУ ВШЭ) и выявление потенциальных кластеров с помощью
модифицированной методики Европейской кластерной инициативы. На последнем этапе
результаты трех анализов сравнивались, в том числе с целью верификации существующей
кластерной политики для определения, насколько поддерживаемые ИТК соответствуют
имеющимся кластерным инициативам и потенциальным высокотехнологичным
кластерам.
Потенциальный кластер согласно исследованиям М. Портера, М. Энрайта, Е.
Куценко и других авторов связан с высокой концентрацией и диверсификацией малого и
среднего бизнеса в отдельной отрасли в регионе, при этом под высокой концентрацией
подразумевается концентрация большая, чем в отрасли в среднем по всем регионам.
Применялся следующий алгоритм для расчета индекса потенциальной
кластеризации в регионах России. На первом этапе рассчитывались коэффициенты
локализации для исследуемых отраслей для каждого региона по трем характеристикам:
число фирм, занятость и выручка. Три характеристики использованы для взаимной
верификации.
Inc h i , g Inc h i , R
LQ h i , g 
Inc h g
Inc h R
где LQ – коэффициент локализации отрасли i в регионе g по Inc – трем характеристика,
имеющим индекс h: число фирм, занятость и выручка, R – Россия.
На втором этапе рассчитывался коэффициент монополизации отрасли в регионе по
трем характеристикам, чтобы избежать ситуации, когда в регионе высокая локализация
отрасли связана с показателями одной фирмы.
НН h i , g   S 2f ,i , g
h
ni , g
где HH – это коэффициент концентрации (индекс Херфиндаля-Хиршмана) отрасли i в
регионе g, n – число фирм в отрасли в регионе, s – доля фирмы f по h – занятости и
выручке.
На третьем этапе все данные были нормированы по формуле линейного
масштабирования для приведения показателей в интервал [0;1] для удобства расчетов.
Inc h i , g  min( Inc h i , g )
Ind i , g 
max( Inc h i , g )  min( Inc h i , g )
где Ind – индекс, полученный нормировкой, отрасли i в регионе g по характеристике Inc:
число фирм, занятость и выручка.




На последнем этапе рассчитывался индекс потенциальной кластеризации,
полученный путем осреднения произведений индекса локализации и показателя
диверсификации по трем характеристикам. Умножение коэффициента локализации на
индекс диверсификации, обратный индексу монополизации, помогает избежать ситуации,
когда в регионе преобладает одна крупная компания.
Cluster _ Ind i , g 
Ind ( LQ
1
i, g
 
 
)  Ind 1 i , g )  Ind ( LQ 2 i , g )  Ind (1  НН 2 i , g )  Ind ( LQ 3 i , g )  Ind (1  НН 3 i , g )
3
где Cluster_Ind – индекс потенциальной кластеризации, а 1, 2 и 3 – это параметры числа
фирм, занятости и выручки соответственно. Индекс по числу фирм нормировался к
максимальном значению – 100, все показатели выше ста равнялись 1. Значение 100
выбрано как минимальное число фирм необходимое для кластеризации.
Итак, индекс потенциальной кластеризации показывает уровень локализации фирм
отрасли по их числу, занятости и выручке с учетом внутрирегиональной диверсификации.
Новизна работы заключается в учете уровня диверсификации при изучении
потенциальных кластеров, а также во включении в число характеристик, по которым
ведутся расчеты показателя числа фирм. Это позволило значительно более точно выявить
отрасли и регионы с высоким потенциалом кластеризации для малых и средних фирм.
Методика
применялась
для
выявления
регионов
локализации
высокотехнологичных отраслей согласно классификации ОЭСР.
Результаты работы позволили верифицировать федеральную кластерную политику.
Для всех регионов, имеющих инновационно-территориальные кластеры (ИКТ), были
рассчитаны индексы потенциальной кластеризации для отраслей специализации ИКТ. Эти
результаты по отраслям специализации сравнивались с результатами других регионов, что
позволило выявит регионы-конкуренты, где могли бы быть созданы схожие ИКТ.
В целом результаты исследования подтверждают выбор основных ИКТ. Но есть и
ряд исключений.
Кластеры судостроения, поддерживаемые в Архангельской области и Хабаровском
крае (не вошел в число лидеров по индексу), могли бы быть также созданы в СанктПетербурге, Астраханской области и в Камчатском крае, где индекс потенциальной
кластеризации существенно выше, чем в выбранных регионах.
Фармацевтические кластеры, созданные в следующих регионах (по мере убывания
индекса): г.Москва, г.Санкт-Петербург, Московская область, Томская область, Калужская
область, Новосибирская область и Алтайский край, имеют потенциальных конкурентов в
Нижегородской области и Республике Татарстан.
Нефтехимические кластеры, поддержанные в Республиках Татарстан,
Башкортостан и Нижегородской области, могут быть также созданы в Московской
области, в Москве, имеющих больший индекс, а также в Самарской области и
Краснодарском крае, имеющим индекс выше, чем в нижегородской области.
Кластеры информационно-коммуникационных технологий, кроме поддержанных
регионов (г.Москва, г.Санкт-Петербург, Томская, Московская, Новосибирская,
Нижегородская области) имеют сравнимый потенциал в следующих субъектах
Федерации: Ханты - Мансийский и Ямало - Ненецкий автономные округа, Ростовская и
Свердловская области, где сравнимое число компаний и объемы выручки.
Авиационные кластеры в Пермском крае и Ульяновской области имеют меньший
потенциал кластеризации, чем в столичных регионах (г.Москва, г.Санкт-Петербург,
Московская область).
Среди кластеров электроники не учтены создаваемый в Калининградской области
Технополис GS и также фирмы Пензенской области.
Но полученные результаты свидетельствуют лишь о наличии потенциала для
кластеризации, в реальности связей между фирмами может и не быть. Для оценки связей
мы исследовали кластерные инициативы по проекту «Карта кластеров России». К

сожалению, анализ подтвердил выявленные закономерности лишь отчасти, что связано с
малым числом кластерных инициатив в высокотехнологичных отраслях промышленности.
Методика и результаты нашего исследования могут использоваться при
формировании приоритетов федеральной и региональной кластерной политики, в
особенности в высокотехнологичных отраслях экономики.