1.3. Теории жизненного цикла кластеров
advertisement
Правительство Российской Федерации федеральное государственное автономное образовательное учреждение высшего профессионального образования "Национальный исследовательский университет "Высшая школа экономики" Факультет "Экономика" Кафедра финансового менеджмента Допускаю к защите Заведующий кафедрой к.э.н. доцент кафедры финансового менеджмента Шакина Елена Анатольевна «______» __________________20____ ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА На тему ВЛИЯНИЕ СТАДИИ ЖИЗНЕННОГО ЦИКЛА НА РЕЗУЛЬТАТ ДЕЯТЕЛЬНОСТИ КЛАСТЕРА Студент группы № Э-09-2 Ильиных Константин Александрович ________________________ подпись Научный руководитель к.э.н., доцент кафедры финансового менеджмента Быкова Анна Андреевна ________________________ подпись Пермь, 2013 г. Содержание Содержание .................................................................................................................. 2 Вступление ................................................................................................................... 3 1. Теоретические основы кластерного подхода в экономике .............................. 5 1.1. Роль кластеров в современной экономике .................................................. 5 1.2. Обзор методов идентификации кластеров ................................................ 13 1.3. Теории жизненного цикла кластеров ........................................................ 16 2. Исследование влияния стадий жизненного цикла на результат деятельности кластера ...................................................................................................................... 29 2.1. Характеристика статистической базы эмпирического исследования.... 29 2.2. Моделирование анализируемых взаимосвязей ........................................ 49 2.3. Интерпретация полученных результатов.................................................. 54 Заключение ................................................................................................................ 66 Список литературы ................................................................................................... 67 2 Вступление Кластерный подход получил в современном мире широкое распространение. Эффективность географической близости фирм одной отрасли, которые не только конкурируют, но и кооперируют друг с другом, доказана в многочисленных эконометрических и эмпирических исследованиях. Кластерная политика считается важной составляющей конкурентоспособности страны. Несмотря на это, не существует единой и стройной теории, которая всецело описывала бы кластер как явление, что оставляет политических и экономических деятелей на всех уровнях с долей неопределенности и необходимостью экспериментировать. Большая часть исследований посвящена факторам, влияющим на формирование кластера и его эффективность, характеристикам участников кластера, роли государства, доказательствам положительных эффектов, создаваемых кластерами – то есть рассматриваются кластеры в статике. Выявленные отрицательные результаты отдельных агломераций подвигли научное сообщество на рассмотрение кластеров во временном разрезе, однако все динамические теории кластеров относительно молоды и отличаются высокой степенью разнообразия подходов. Формулировка проблемы. Основной тезис динамических теорий заключается в том, что кластер, как любая отрасль или товар, стареет и теряет преимущества или приспосабливается к новым условиям и, более того, является динамической системой в изменяющемся мире. В своем развитии кластер проходит несколько этапов, и на каждом этапе кластер обладает отличительными характеристиками, которые оказывают влияние на ведение бизнеса. Проблема поэтому заключается в следующем: как политику, принимающему решения, определить, на какой стадии жизненного пути находится кластер и какие меры эффективней на каждой стадии, а что предпринимать бизнесу. 3 Актуальность. Кластерный подход сегодня повсеместно используется при принятии экономических решений. Развитые страны поддерживают предпринимательскую среду и дают привилегии (налоговые, кредитные) резидентам перспективных регионов для стимулирования формирования и развития кластеров. Развивающиеся централизованные страны, такие как Китай и Иран, создают кластеры сверху, под надзором специально создаваемых для этих целей государственных органов. Россия не исключение из современной тенденции: формируются кластеры в регионах, запущен амбициозный проект Сколково. Для проведения кластерной политики необходимо наличие минимальной теоретической базы в собственной стране. Кроме того, чисто теоретический характер последних исследований динамики кластеров создает спрос на статистические и эконометрические исследования, подтверждающие предложенные ранее гипотезы. Методология исследования. В рамках работы планируется провести эконометрическое исследование с использованием программного пакета Eviews и статистических баз данных European Cluster Observatory, Eurostat и OECD. Цели и задачи исследования. В рамках работы предполагается сконцентрироваться на изучении того, как меняются результаты деятельности резидентов кластера в зависимости от стадии жизненного цикла. Цель – определить влияние стадий жизненного цикла, рассмотренных через изменение характеристик кластера, на результат деятельности кластера. Для достижения цели планируется выполнить следующие задачи: – Рассмотреть основные подходы к жизненному циклу кластера. – Выявить факторы, изменение которых влияет на принадлежность кластера к определенной стадии жизненного цикла. – Проверить гипотезу о влиянии факторов и стадий жизненного цикла, построенных на основе факторов, с помощью эконометрического исследования. 4 1. Теоретические основы кластерного подхода в экономике 1.1. Роль кластеров в современной экономике Перед тем, как перейти к теории жизненного цикла, следует сначала дать определение объекту исследования – кластеру, классифицировать кластеры и обозначить положительные эффекты, связанные с ними. С точки зрения автора, самое широкое и в то же время точное определение дано М. Портером: «clusters are geographic concentrations of interconnected companies and institutions in a particular field» [14, с. 78]. Его вполне можно считать базовым определением изза частоты цитируемости в рассмотренных работах. M-P. Menzel и D. Fornahl (12, 2009), например, чтобы абстрагироваться от влияния экзогенных факторов, влияющих на кластер, разбивают определение на составляющие. Во-первых, кластер – это фирмы и институты. К фирмам относятся не только производители продукции, но и поставщики компонентов и услуг, инвесторы. Под институтами могут пониматься как организации, созданные для управления кластером, так и всевозможные исследовательские и образовательные посреднические учреждения, организации бизнес-инкубаторы, и компании-агенты, финансовые, обеспечивающие инфраструктуру. Во-вторых, кластер - это тематические и географические границы. Так, фирмы и институты должны работать в определенной технологической области (кластеры полупроводников, интегральных микросхем, обувной промышленности) или принадлежать цепочке создания стоимости, связанной с этой областью, и определенные территориальные границы должны быть установлены. Под технологической областью может пониматься как отрасль целиком, так и производство конкретного вида продукции (полупроводники), территориальные границы также довольно растяжимы, хотя для простоты анализа в качестве основных границ выделяют регион или штат. Последний элемент определения – взаимосвязанность: фирмы 5 и институты должны быть связаны обменом товаров и услуг, прямыми взаимодействиями, социальными сетями, вертикальной или горизонтальной интеграцией, движением знаний, мобильностью рынка труда. Сильная взаимосвязанность компаний в рамках специфических областей может формировать внутри крупного кластера фокальные точки, или подкластеры (кластеры полупроводников и программного обеспечения в рамках компьютерного кластера Кремниевой Долины). За некоторыми исключениями остальные определения лишь в той или иной степени модифицируют определение Портера, полнее раскрывая суть описанных элементов. Например, определение, предложенное при опросе высших менеджеров европейских компаний командой Иннобарометра: «Clusters are geographically close groups of interconnected companies, suppliers, service providers, and associated institutions in a particular field» [7, с. 16]. Или более отличное определение: «кластер — сеть поставщиков, производителей, потребителей, элементов промышленной инфраструктуры, исследовательских институтов, взаимозависимых в процессе создания дополнительной стоимости» [21]. Последнее определение уделяет особое внимание процессу создания дополнительной стоимости, который подразумевает под собой принадлежность к определенной области. Включая все элементы определения Портера, и оно может считаться его модификацией. Есть определения, которые скорее концентрируют внимание на ключевых особенностях кластера: кластер – «концентрация предприятий одной или нескольких отраслей, конкурирующих, но вместе с тем кооперирующихся друг с другом, извлекающих выгоды из специфических местных активов, совместного расположения и социальной встроенности» [20]. В дальнейшем будем придерживаться определения Портера по причинам его простоты, полноты и высокой цитируемости. Как в случае с определением кластера, так и в случае с классификацией единого подхода не существует. Классификаций множество, и классифицируются кластеры часто по совершенно специфическим признакам, 6 что обусловлено сложностью явления. Например, S. Iammarino и P. McCann [6, 2005] разделяют кластеры по виду издержек, превалирующих в кластере, и существующему технологическому режиму на 4 группы: чистые агломерации, которые представляют собой модель совершенной конкуренции в рамках города; отраслевые комплексы, в которых долгосрочные альянсы заключаются для сокращения транспортных издержек; новые и старые социальные сети, где доверительные отношения между фирмами устанавливаются для уменьшения транзакционных издержек. Каждая новая классификация вносит определенный вклад в копилку знаний о кластерах, и всегда можно выбрать из множества наиболее подходящую для конкретного исследования. Более или менее базовыми классификациями можно считать классификацию по масштабу функционирования кластера: внутригородской, городской, региональный, страновой – и по особенностям отрасли: туристический, промышленный, инновационный, торговый. Базовой единицей в исследованиях обычно считается региональный кластер, наиболее перспективным направлением является изучение инновационных кластеров. Под инновационными кластерами мы понимаем кластеры, в которых ускорен процесс осуществления и коммерциализации инноваций. Это, как правило, кластеры в высокотехнологичных отраслях, такие как Кремниевая Долина, Сколково тоже рассматривается в качестве инновационного кластера. В рамках данной работы предполагается ограничиться приведенными классификациями. Экономисты, бизнесмены и политические деятели не были бы так заинтересованы в кластерной теории, если бы не преимущества, которыми обладают кластерные фирмы перед аутсайдерами, и положительные эффекты для региона или страны. Плюсы кластера в полной мере перечислены в статье Портера (14, 1998). Во-первых, концентрация фирм одной отрасли в регионе усиливает конкуренцию между ними со всеми вытекающими положительными эффектами: повышенная производительность и нацеленность на инновации. Во-вторых, между фирмами начинают складываться определенные отношения, 7 не обязательно в форме прямых взаимодействий. Так, концентрация фирм одной отрасли в регионе создает спрос на специфическую рабочую силу, образовательные учреждения начинают делать ставку на подготовку специалистов для работы в кластерных компаниях, при наличии благоприятных условий труда в кластер съезжаются профессионалы в необходимой сфере из других регионов. Помимо работников, кластер привлекает поставщиков, которые специализировались бы на специфических товарах и услугах, такие поставщики, как правило, более лояльны, а близкое их расположение существенно снижает транспортные и транзакционные издержки. Институты, выпускающие специалистов в сфере специализации кластера, проводят и исследования, полезные для фирм-резидентов, движение работников между компаниями, складывающиеся неформальные отношения и необходимость учитывать и прогнозировать действия конкурентов – все это ускоряет движение информации, облегчает доступ фирм к технологиям и знаниям (знание – информация, которую нельзя передать напрямую, выраженная в опыте). Если такие преимущества дает простая концентрация фирм из одной отрасли, то еще больших выгод можно добиться сообща. Фирмы, объединяясь, могут осуществлять совместные инвестиции в развитие инфраструктуры кластера, в образование, в НИОКР, могут лоббировать свои интересы и осуществлять совместный маркетинг для продвижения продукции за рубеж. Отдельным преимуществом фирм внутри кластера принято считать большую инновационную направленность, вызванную сильной конкуренцией и свободным движением знаний между резидентам становится быстро известно фирмами, о благодаря новейших которому разработках и потребностях покупателей. Кроме того, инновациям способствует и тесное сотрудничество с местными поставщиками, которые, будучи вовлеченными в процесс инноваций, способны быстро изменить спектр производимых товаров или оказываемых услуг. В итоге, от повышенной производительности и направленности на инновации выигрывают не только фирмы, но регион целиком и, в частности, местные власти. Кластер становится флагманом 8 экономики региона, повышая величину собираемых налогов и уровень жизни. Поэтому не случайно, что в глобальном индексе конкурентоспособности (CGI), на который ориентируется Мировой Экономический Форум (15, Chapter 1.1), одним из столпов конкурентоспособности страны, более значимым для развитых стран, является «business sophistication». В качестве важной составляющей этого элемента выделяют кластеризацию фирм. Положительные эффекты кластеризации, а в особенности, большее число производимых инноваций и повышенная производительность, также подтверждаются опросом высшего менеджмента европейских компаний командой Иннобарометра (7, 2006). Однако, несмотря на все достоинства кластера, не стоит терять долю скептицизма об исследуемом явлении. Анализ статичного, неизменного во времени кластера чаще всего показывает, что компании в кластере растут быстрее и производят больше инноваций, чем аутсайдеры. Но в долгосрочном периоде или на разных стадиях жизненного цикла отрасли, к которой принадлежат кластерные фирмы, выявляются отрицательные результаты. Д. Одретч и М. Фельдман (1, 1996), рассматривая взаимосвязь между жизненным циклом отрасли и географической концентрацией инноваций, по результатам эконометрического исследования 210 американских отраслей обнаружили, что инновации больше всего географически сконцентрированы на стадиях зарождения и роста отрасли и менее – на стадиях зрелости и упадка. Это можно объяснить либо тем, что на поздних стадиях жизненного цикла отрасли преимущество у крупных компаний, способных осуществлять инновации за пределами кластера, либо тем, что кластерные компании становятся менее склонными к инновациям, чем аутсайдеры. И то, и другое говорит о смещении инновационной активности за пределы кластера. Такое изменение характеристик кластера может происходить под действием внешнего фактора (жизненный цикл отрасли), тогда остается соблазн рассматривать кластер в статике или принимать его за миниатюру отрасли. Но изменение качеств может подчиняться и какой-либо своей внутренней логике, имея только 9 привязку к жизненному циклу отрасли. Тогда следует говорить о кластере как о динамичном явлении и исследовать его в динамике. Как наглядно демонстрируют современные эмпирические исследования проблемы, второй вариант более корректный. Взаимосвязанность фирм и институтов, а также географические и тематические границы – элементы кластера, которые отличают его от отрасли и тем самым задают собственную логику развития. Примерный путь развития кластера, например, описали R. Pauder и H.St. John (16, 1996), рассматривая «горячие точки» – быстрорастущие кластеры. В работе для подтверждения эволюционного характера развития кластера приводятся примеры «горячих точек», испытавших значительный кризис: Бостон (миникомпьютеры), Миннеаполис (процессоры), Детройт (автомобили). По логике авторов процесс упадка кластера связан с тем, что кластерные фирмы сужают круг конкурентов до размера кластера, в итоге это приводит к созданию замкнутой модели менеджмента, что совместно со свободным распространением знаний внутри кластера ведет к имитации организационных практик и технологий и, как следствие, к неспособности конкурировать с аутсайдерами. Кластер, пройдя стадии зарождения и конвергенции (когда эффективность кластерных фирм падает до уровня аутсайдеров), в итоге становится менее эффективным в сравнении с остальной отраслью. Но это лишь одна из возможных логик развития кластера, остальные авторы могут придерживаться схожих взглядов или отличных. Разнообразие подходов отчасти связано с тем, что кластер является сложной динамической открытой системой, так как состоит из множества взаимосвязанных элементов, которые развиваются во времени и изменяются под действием внешней среды, а кроме того, кластер и сам меняет внешнюю среду. Существует несколько моделей изменения сложных динамических систем во времени (Martin and Sunley, 2011). Модель «случайного блуждания» исключает какую-либо системность в изменениях, никакие закономерности не могут описать поведение элементов 10 системы. Из-за способности фирм к сотрудничеству и самоорганизации и из-за существующих закономерностей использование данной модели исключено, хотя частично она может объяснить возникновение кластера – процесс, которому некоторые экономисты придают случайный характер. Модель «замены» призвана демонстрировать, как и за счет каких процессов на месте старого объекта возникает новый, но данная модель не рассматривает развитие объекта, поэтому отбрасывается. Согласно модели «сукцессии» система проходит определенные стадии, стабильные состояния (например, путь от аграрного общества к индустриальному), но на практике кластер скорее приходит в упадок и сменяется другим кластером, как отрасль или продукт. Эволюционная модель предполагает, что кластер, приспосабливаясь к внешней среде (в отличие от сукцессии акцент делается на влияние внешних факторов), переходит из одного состояния в другое. Примером применения такого подхода на практике является исследование S. Iammarino и P. McCann (6, 2005). Введя классификацию по превалирующим издержкам и технологическому режиму (которая была обозначена выше), авторы затем рассматривают переход конкретных кластеров из одного состояния в другое (чистые агломерации, отраслевые комплексы, старые и новые социальные сети). По результатам эмпирического исследования эволюционный путь разнится не только у разных отраслей, но и у кластеров одинаковых отраслей. Учитывая, что классификация авторов лишь одна из возможных, возникают сомнения в том, что такой подход станет основополагающим в кластерной теории. Хотя само изменение кластера под действием внешних факторов является явлением, стоящим дальнейшего изучения. В связи с перечисленными недостатками основных подходов более или менее общим и закономерным (из-за сходства кластера с отраслью и убывающей эффективности) является использование модели жизненного цикла, согласно которой кластер проходит определенные стадии (зарождение, рост, зрелость, упадок), часто неизменные от работы к работе. Хотя стадии жизненного цикла не меняются, движущие силы, определяющие развитие 11 кластера, приводятся разные. И чтобы оценить эффективность кластера на каждой стадии жизненного цикла, необходимо, проанализировав эмпирические работы разных исследователей, выделить набор характеристик, которые изменялись бы от стадии к стадии и, таким образом, могли бы описать каждую стадию и ее вклад в результат деятельности кластера. Прежде чем приступить к анализу литературы по тематике жизненного цикла кластера, следует решить другую важную для любого статистического исследования кластера проблему – как идентифицировать кластер, как на практике определить наличие в регионе кластера какой-либо отрасли. 12 1.2. Обзор методов идентификации кластеров Существуют кластеры, которые в определении не нуждаются, это Кремниевая долина, кластер моды в Милане, Fujitsu Siemens и другие крупные кластеры, встречающиеся в сводках новостей, а еще чаще в документах региональных и федеральных властей. Но есть и множество кластеров меньшего порядка или не выявленных кластеров на ранних стадиях развития. Кроме того, иногда возникает потребность исследовать кластеры без оглядки на названия с использованием выборки по большому числу регионов и отраслей. Ключом к идентификации кластера служит определение Портера («clusters are geographic concentrations of interconnected companies and institutions in a particular field» [14, с.78]), которое зиждется на трех столпах: территориальные и отраслевые границы, фирмы и институты, взаимосвязанность. Определение задает нам определенный алгоритм проверки наличия кластера. Сначала ученый должен определиться с географией исследования, за географическую единицу обычно принимается регион или штат, то есть территория, для которой собираются данные по отраслям. Вовторых, необходимо разграничить технологические области, что удобней сделать, используя национальные классификаторы, такие как ОКВЭД для России, NACE для Европы или SIC для США. В зависимости от цели исследования и возможностей ученого далее выбираются разные подходы к проверке наличия кластера. Методы идентификации делятся на количественные и качественные (Stejskal and Hajek, 2012). Кластер является географической концентрацией фирм одной отрасли, что в первую очередь наводит на мысль об использовании коэффициента Джини или индекса Херфиндаля-Хиршмана, рассчитанных из валовой добавленной стоимости, или из доли работников отрасли в регионе, или из доли инноваций отрасли. Высокая концентрация должна навести на мысль о концентрации отрасли. Но это лишь один из количественных методов. 13 Также используются анализ по методу «затраты-выпуск» (Titze, 2011), индекс агломерации Ellison-Glaesar (2, 1997) и др. Анализ по методу «затраты-выпуск» концентрирует внимание на движении продукции между поставщиками и производителями, т.е. на вертикальной интеграции между элементами кластера. Данные по движению продукции берутся из межотраслевого баланса, и отношения между разными отраслями затем из сравнения спроса, предъявляемого одной отраслью на продукцию другой, со специально рассчитываемым пороговым значением градируются по степени значимости. Полученный результат затем соотносится с концентрацией отраслей в регионе, и отрасли за пределами региона исключаются. В итоге, отрасли, сконцентрированные в регионе и имеющие тесную связь, скорее всего, образуют кластер. Индекс агломерации Ellison-Glaesar – сложный показатель концентрации отрасли, комбинирующий индекс Херфиндаля-Хиршмана и индекс географической концентрации G si xi 2 , в котором si – доля занятости i отрасли в регионе i, а xi – доля занятости обрабатывающей промышленности региона. Индекс Ellison-Glaesar позволяет сравнивать отрасли разного размера, при определенной модификации может учитывать стимулы фирм для вхождения в кластер – специфические ресурсы региона и эффект от агломерации. Наконец, с помощью индекса можно оценить концентрацию сразу нескольких отраслей. К качественным методам определения кластера относятся анализ отдельных случаев (разностороннее изучение конкретных кластеров), опрос экспертов и менеджеров, анкеты. Примером опроса менеджеров можно считать всестороннее исследование европейских кластеров командой Иннобарометра (7, 2006). Для определения принадлежности фирмы к какому-либо кластеру в анкете присутствует пять вопросов: О наличии сильных связей с местными поставщиками. О взаимодействии с другими 14 фирмами, университетами и государственными органами для обсуждения общих проблем или возможностей. О концентрации в регионе фирм той же отрасли. О знании менеджером понятия кластер. О существовании (по мнению менеджера) в регионе кластера в отрасли специализации его компании. При четырех положительных ответах из пяти допускается принадлежность фирмы к кластеру. По результатам исследования 24% европейских компаний работают в кластерной среде. В связи с этим недостатка в элементах выборки для нашего исследования не предвидится. Рассмотренные подходы не являются единственными или даже основными, и исследователь в соответствии с целями своей работы, возможностями и спецификой изучаемого региона, волен разработать собственный подход. На самом деле, идентификации кластеров посвящаются отдельные исследования. Перед нами стоит выбор: можно воспользоваться информацией по существующим кластерам, а можно сначала провести идентификацию одним из представленных методов. Есть и третий вариант: за единицу выборки можно взять гипотетический кластер, то есть конкретную отрасль в конкретном регионе, в котором кластера на самом деле может и не быть. Но проверка большого числа гипотетических кластеров определенных отраслей в большом числе регионов позволит выявить необходимые закономерности, тем более что мы изучаем не сами кластеры, а характеристики кластеров и их влияние на результат, и эти характеристики могут быть свойственны также регионам без кластеров. На взгляд автора, целесообразней последний вариант, так как он позволит сконцентрироваться на поставленной цели и при этом охватить большую географическую область, а также включить в исследование зарождающиеся кластеры, которые иначе было бы трудно выявить. 15 1.3. Теории жизненного цикла кластеров В соответствии с целью нашего исследования мы должны сопоставить каждую стадию жизненного цикла кластера с происходящими изменениями характеристик кластера на этой стадии. А затем посмотреть влияние этих изменений на результаты кластера. Разные исследователи выделяют разные основополагающие характеристики, у некоторых авторов это факторы, которые просто меняются с развитием кластера, другие авторы концентрирует внимание на характеристиках, которые сами по себе являются двигателями развития кластера. Примеры характеристик-двигателей можно найти в исследовании M. Menzel and D. Fornahl (12, 2009), которое на основе изменения этих характеристик демонстрирует простейшую и основополагающую, на наш взгляд, логику развития кластера в терминах жизненного цикла. Авторы специально абстрагируются от влияния внешних факторов, которые воздействуют не только на кластерные компании, но и на фирмы за пределами кластера (характеристики региона, отрасли или экономики страны). В основе внутренней динамики кластера, по мнению исследователей, лежит изменение неоднородности неоднородность между резидентами используют. Под кластера и то, неоднородностью как резиденты понимаются технологические различия между фирмами, разные модели менеджмента, обладание уникальным опытом и информацией. Немаловажным является понятие «парадокса кластера»: с одной стороны, схожесть компаний и узкая специализация в рамках кластера (слабая неоднородность) упрощают процесс взаимодействия между компаниями, с другой стороны, схожесть компаний снижает вероятность радикальных инноваций, возможность использовать разные стороны друг друга для повышенного синергетического эффекта и нарушает способность кластера приспосабливаться к шокам внешнего мира. M. Menzel and D. Fornahl на основе неоднородности выделяют четыре 16 характеристики. Две количественные: размер кластера (количество фирм и работников) и использование размера (совместная деятельность фирм и приятие кластера внешним миром). Две качественные характеристики: разнообразие (практик, знаний, технологий) и использование разнообразия (с помощью сетей, цепочек создания стоимости, эффекта синергии при взаимодействии). Между характеристиками существует следующая взаимосвязь: чем больше количество фирм, тем больше разнообразия может существовать в рамках кластера при сохранении большой интенсивности взаимодействий. Характеристики размера и разнообразия являются прямыми и сами по себе не могут стимулировать развитие кластера без систематических характеристик: использования размера и разнообразия. Но и систематические характеристики зависят от прямых. Так, принятие кластера внешним миром возможно только при достижении определенной критической массы компаний. Таблица 1 Характеристики кластера по M. Menzel and D. Fornahl [12, с.221] Количественные Прямые Качественные Размер (кол-во Разнообразие (знаний, предприятий и работников) компетенций и организационных форм) Систематические Использование размера Использование разнообразия (принятие кластера, (эксплуатация синергии, сети способность к и цепочки стоимости) коллективным действиям) Основываясь на данных характеристиках, можно описать базовую модель развития кластера. На стадии зарождения кластер очень трудно идентифицировать, но есть два отличия кластерных компаний от остальных. Во-первых, в технологиях существующих фирм уже можно разглядеть 17 будущий технологический путь кластера. Второе отличие – наличие местных условий (научная база, поддержка властей), которые дают кластеру возможность сформироваться. Тем не менее, причины возникновения кластера не до конца изучены, поэтому идентифицировать зарождающийся кластер достаточно сложно. Общим для этой стадии является наличие небольшого числа фирм, технологии которых сильно разнятся. По этой причине взаимодействие происходит только между материнскими и дочерними компаниями, нет социальных сетей, кроме тех, которые не связаны с кластером, и инфраструктура кластера еще не сложилась. На стадии зарождения есть две возможности. Во-первых, кластер может не сформироваться вовсе по причине уменьшения числа компаний из-за банкротства или экономических потрясений. Во-вторых, кластер может перейти на стадию роста. Для осуществления последней возможности количество фирм и работников должно достигнуть критической массы, при которой фирмы смогут получить преимущества перед аутсайдерами за счет эффекта синергии от взаимодействия неоднородных компаний и других кластерных эффектов. Процесс может ускориться сближением технологий существующих компаний, которое побудит их к сотрудничеству. Изначально увеличение числа компаний происходит за счет открытия материнскими компаниями дочерних предприятий в той же технологической области или за счет стартапов. На стадии роста количество предприятий растет, благодаря концентрации предприятий в регионе складывается специализированный рынок труда и специализированный рынок капитала. Формируются отношения между компаниями в форме социальных и инновационных сетей, формируется инфраструктура кластера. Стадия роста наиболее благоприятна для эксплуатации неоднородности, которая максимальная на этой стадии, а достижение критической массы компаний и работников позволяет ее оптимально использовать. Однако технологический путь становится все более узким. Причины для этого следующие. Фирмы ориентируются в своих 18 стратегиях в первую очередь на ближайших конкурентов, изучая их поведение, спрос на их товары. Более того, благодаря быстрому распространению знаний внутри кластера, социальным сетям, информация о новых технологиях, практиках управления, спросе на товары очень скоро становится достоянием резидентов. А так как компании стараются применять наиболее перспективные технологии, они все больше и больше в технологическом плане сближаются друг с другом. Неоднородность уменьшается. Но на стадии роста это создает большие возможности для взаимодействия компаний, проведения совместных НИОКР в общей технологической сфере, лоббирования интересов кластера, развития совместными усилиями инфраструктуры. На стадии зрелости количество компаний более или менее стабильно, инфраструктура кластера и сети сложились, неоднородность технологий убывает, но еще поддерживается контактами с фирмами и институтами из других регионов. Кластер оказывает сильное влияние на регион и даже может стать доминирующей структурой в регионе, генерируя большую часть ВВП. Однако, если неоднородность не удается поддержать на должном уровне, кластер приходит в упадок. Но кластер на стадии зрелости может быть и обновлен, тогда снова наступает стадия роста. Этому, как правило, способствует повышение неоднородности, которого можно достигнуть обновлением технологической области кластера с помощью радикальных инноваций. На стадии упадка количество фирм и работников сокращается из-за банкротств, слияний и поглощений, стартапы очень редки. Инновации возможны, но это обычно инновации в уже изжившем себя направлении технологий. Кластер как бы ограничен своим изначально успешным технологическим путем. Социальные сети и инфраструктура кластера замкнуты на себе и не способны принимать новые знания, генерируемые за пределами кластера. В итоге, кластер теряет способность реагировать на шоки внешнего мира, а резиденты становятся неконкурентоспособны по сравнению с аутсайдерами. Так, компании автомобильного кластера в Детройте во время 19 нефтяного кризиса в начале 70-ых годов не выдержали конкуренции с европейскими и японскими производителями, и кластер пришел в упадок, от чего пострадал весь город. Тем не менее, фирмы внутри кластера благодаря сильным связям еще способны совершать эффективные совместные действия и лоббировать интересы. Существуют три варианта дальнейшего развития событий. Кластер может постепенно исчезнуть. Но он может и обновиться, если удастся увеличить неоднородность за счет новых технологий, созданных стартапами или привлеченных из других регионов или даже отраслей, но, тем не менее, связанных с текущими. Хорошим примером служит итальянский кластер аккордеонов в регионе Марке, компании которого начали использовать электронику в традиционных музыкальных инструментах. Третий вариант – более радикальное обновление, или переход в совершенно другую технологическую область с реориентацией сложившейся инфраструктуры и привлечением новых агентов. Примером может служить традиционно сильная в добыче угля и производстве стали Рурская область, в которой после угольного (50-ые) и стального (70-ые) кризиса произошел переход к экологическим Размер и неоднородность технологиям. Зарождение Зарождение Рост Зрелость Упадок Адаптация Обновление Трансформация Старение Количество работников Неоднородность знаний Рис. 1 Изменения неоднородности и размера кластера [12, с.218] 20 В итоге можно составить таблицу изменения характеристик, выбранных авторами, по стадиям жизненного цикла кластера: Таблица 2 Изменение характеристик кластера по M. Menzel and D. Fornahl (12, 2009) Использование размера Мало возможностей для совместных Мало действий, малая компаний и вероятность работников принятия кластера миром Растущее принятие кластера миром, Рост числа создание фирм и институциональной работников среды, совместные стратегии Кластер сильно Стабильное влияет на регион, число фирм инфраструктура и и отношения работников сформированы Уменьшение Лоббирование числа интересов, компаний и негативные отклики работников о кластере Размер Зарождение Рост Зрелость Упадок Разнообразие Использование разнообразия Сильная неоднородность Малая вероятность взаимодействий Открытые и гибкие Технологический сети, максимальный путь становится эффект синергии от все более узким взаимодействий Узкая технологическая направленность Преимущества от внешних знаний благодаря открытым сетям Замкнутые сети Сильный упор на нарушают узкой адаптируемость технологии кластера Для подтверждения логики авторов можно привести статью других исследователей динамики кластеров – С. Кохлера и А. Отто (10). Исследуя три германских кластера (растущий кластер медицинских технологий в Мюнхене, зрелый кластер хирургических инструментов в Тутлингене, убывающий текстильный кластер в регионе Neckar-Alb) ученые пробуют подтвердить гипотезу о влиянии вхождения новых фирм на эволюцию кластера. В качестве статистических индикаторов берутся такие показатели, как выживаемость (доля новых фирм, доживших до определенного года), чистый рост числа фирм (количество стартапов за вычетом закрывшихся фирм), турбулентность (сумма стартапов и выбывших фирм: чем 21 выше показатель, тем выше предпринимательская активность в регионе). Также используется показатель эффективности предпринимательской деятельности (отношение чистого роста числа фирм к турбулентности: чем показатель выше, тем меньше угроза провала новых фирм перед лицом конкуренции). К показателям занятости относятся рост занятости (число занятых в выживших стартапах), валовой эффект занятости стартапов (доля занятых различных временных групп стартапов в общей занятости на конец периода). Распределение индикаторов по стадиям жизненного цикла выглядит следующим образом: Рис. 2 Изменение показателей размера кластера [10, c.6] В итоге, растущий (Мюнхен) и убывающий (Neckar-Alb) кластеры вполне подошли под описанную выше закономерность. В первом случае растет как число фирм, так и количество занятых за исследуемый период. Во втором случае уменьшается и число компаний, и число работников. Однако зрелый кластер в Тутлингене отнюдь не отличается стабильным размером, как предполагает теория M. Menzel и D. Fornahl. Так, количество фирм в Тутлингене уменьшается, хотя число занятых растет. Авторы объясняют это тем, что всякий кластер имеет какие-то свои специфические черты и какая-либо закономерность не в силах описать явление целиком: кластер в Тутлингине 22 стремится к концентрации фирм, к монополизации. Исследование также наглядно показывает преимущество компаний, основанных на начальных стадиях кластера: уровень выживаемости этих компаний выше, чем у последующих стартапов, и они генерируют больше рабочих мест. Хотя и здесь есть исключение в лице текстильного кластера региона Neckar-Alb. Когда как влияние количества фирм вполне доказано, эмпирических доказательств влияния неоднородности на развитие кластера нет, и было бы интересно найти статистические показатели, характеризующие неоднородность, и проверить гипотезу о влиянии изменения неоднородности на результат кластера. Поэтому все 4 основополагающие характеристики исследования M. Menzel и D. Fornahl мы попытаемся использовать в практической части. Рассмотренную базовую модель превосходно дополняют R. Martin и P. Sunley (11, 2011). Ученые, рассматривая кластер как сложную систему, чтобы описать развитие кластера, выделяют факторы, обычно используемые для изучения динамики экологических систем с помощью модели адаптивного цикла: потенциал доступных системе ресурсов, внутренняя взаимосвязь элементов системы и устойчивость (или адаптивность) системы. С увеличением взаимосвязанности элементов кластер с большей эффективностью может использовать доступные ресурсы, но со временем взаимосвязанность начинает уменьшать устойчивость системы перед лицом шоков внешнего мира. По существу, авторы описывают закономерность, представленную нами ранее, но в других терминах. Однако главная заслуга авторов, помимо того, что они рассматривают кластер как сложную экологическую систему, в создании улучшенной модели адаптивного цикла, которая подошла бы для изучения кластера. Согласно этой модели, существует шесть вариантов развития кластера. Помимо типичной модели жизненного цикла с полным уничтожением кластера в конце, или его обновлением, или заменой другим кластером, учитывается, например, такой вариант, как постоянная мутация кластера. Мутация означает постоянное 23 обновление кластера на стадии роста, что возможно в области высоких технологий (Кремниевая долина и Долина Медикон между Данией и Швецией), хотя и неизвестно, сколько может продолжаться. Другие варианты: стабилизация кластера, или его закрепление на стадии зрелости путем занятия особой ниши или престижного сегмента рынка (замочный кластер в УэстМидлендсе); переход от стадии зрелости к новому росту (кластер спортивной обуви в Монтебеллуне, обновившийся за счет радикальной диверсификации производства). Некоторые кластеры находятся на стадии постепенного упадка без надежды на восстановление, когда кластером начинает управлять группа крупных компаний (керамический кластер в Стаффордшире). Более того, кластер может не возникнуть вовсе, не накопив критическую массу компаний, так и оставшись на стадии возникновения (цифровой кластер в Дублине). К исследованиям, которые просто выделяют характеристики кластера, отличные на каждой стадии жизненного цикла, можно отнести статью V. Klink и P. de Langen (9, 2001). Ученые на примере судостроительного кластера в Северных Нидерландах выделяют шесть характеристик, с помощью которых можно определить принадлежность кластера к определенной стадии жизненного цикла. Основополагающей характеристикой, лежащей в основе функционирования любого кластера, у исследователей является цепочка создания стоимости, возникающая между фирмами кластера. Она подразумевает принадлежность фирм к одной технологической области, зависимость резидентов через обмен товарами и услугами и все углубляющуюся специализацию компаний. Вторая характеристика – стратегические отношения. Фирмы кластера, осознавая свою взаимозависимость, постепенно приходят к идее выработки совместных стратегий или координации существующих, объединяются в стратегические альянсы. Третья характеристика, уже рассмотренная нами, – динамика кластера, или изменение числа компаний. Координация стратегий приводит к выработке общих сфер деятельности, таких как образование в регионе, R&D, маркетинг, построение инфраструктуры, стандартизация 24 продукции и технологий (эквивалентная сужению технологического пути из теории Menzel и Fornahl). Также авторы указывают на создание кооперативных рутин, т.е. совместных действий, которые не нуждаются в подтверждении и входят в привычку. Драйверы успеха и роль государства также разнятся от стадии к стадии и поэтому могут характеризовать каждую стадию. Изменение характеристик приведено в таблице: Таблица 3 Характеристики кластера (V. Klink и P. de Langen) [9, с.453] Стадия Характер цепочки стоимости Стратегические отношения Динамика кластера Области кооперации Драйверы успеха Роль государства в развитии кластера Формирование Создание цепочки стоимости между разными фирмами Формирование стратегических отношений Несколько входящих фирм, нет выходящих R&D Стандартизация Кооперативные рутины Наличие местных ресурсов, ноухау и спрос на домашнем рынке Предоставление информации по местным ноухау Расширение Зрелость Переходный этап Специализация между фирмами в цепочке Реориентация Стабильная роль фирм ролей фирм в в цепочке цепочке Усиление стратегических отношений Несколько входящих фирм, нет выходящих R&D Образование Маркетинг Общая инфраструктура Упор на стратегических отношениях Наличие местных ресурсов, ноу-хау и рисковый капитал Наличие местных ноухау и баланс между местной и глобальной ориентацией Наличие (новых) местных ресурсов и ноу-хау, организаторские способности Стимулирование аутсорсинга и расширения рынка Профессионализация поставщиков и стимулирование neue Kombinationen Стимулирование neue Kombinationen Мало входящих фирм, мало выходящих R&D Образование Маркетинг Реконфигурация стратегических отношений Мало входящих фирм, много выходящих R&D Образование Новые кооперативные рутины Подобную схему впоследствии используют D. Shin и R. Hassink (17, 2009), описывая судостроительный кластер в Южной Корее. Ученые делают акцент на том, что разные характеристики могут находиться на разных стадиях жизненного цикла, а поэтому принадлежность кластера к конкретной стадии 25 можно определить только примерно. Решим, какие из характеристик V. Klink и P. de Langen подходят для нашего исследования. Фактор динамики кластера соответствует нашему фактору размера кластера. Об использовании государственной политики в качестве характеристики сомневаются сами исследователи, так как это скорее выходной показатель, а государственная политика может не соответствовать стадии кластера. Характер цепочки создания стоимости, показывая степень специализации компаний, может рассматриваться нами как один из элементов использования неоднородности кластера. Показатели стратегических отношений и совместных сфер деятельности мы можем отнести к элементам использования размера. Хотя такие виды совместной деятельности, как стандартизация, являются скорее показателями уменьшения неоднородности. А вот драйверы успеха кластера вполне можно добавить в качестве 5-го фактора, меняющегося от стадии к стадии. Результаты уже рассмотренного нами эконометрического исследования Д. Одретча и М. Фельдмана (1, 1996) 210-ти американских отраслей показывают, что концентрация инноваций уменьшается на поздних стадиях жизненного цикла отрасли. M. Menzel и D. Fornahl (12, 2009), развивая эту мысль, приходят к выводу, что, хотя жизненный цикл кластера отличается от жизненного цикла отрасли, между ними существует следующая взаимосвязь. Кластеры чаще всего формируются на стадиях роста отрасли, когда фирмы концентрируются в регионах, чтобы получить преимущества от взаимодействия, и приходят в упадок на поздних стадиях жизненного цикла отрасли. Эту закономерность можно отметить как шестую характеристику для нашего исследования. Принадлежность отрасли к определенной стадии жизненного цикла у Д. Одретча и В. Фельдмана определяется следующим образом. Уровень инноваций отрасли с поправкой на количество работников в отрасли сравнивается со средним уровнем по всем рассматриваемым отраслям. Далее сравнивается уровень инноваций в маленьких и больших компаниях отрасли. 26 Логика в том, что на стадиях зарождения и роста уровень инноваций в отрасли выше среднего, но на стадии зарождения более инновационны маленькие компании, когда как на стадии роста – крупные. На стадиях зрелости и упадка уровень инноваций в отрасли ниже среднего, на стадии зрелости больше инноваций производят большие фирмы, на стадии упадка – маленькие. После рассмотрения теоретических работ, посвященных жизненному циклу кластера, можно составить предварительный список характеристик, которые будут использованы в исследовании для проверки гипотезы о влиянии стадий жизненного цикла на результат кластера, и еще раз обозначить связь характеристик с жизненным циклом и их влияние на результат a) Размер кластера (количество фирм, работников). Положительно влияет на результат, так как большое количество предприятий увеличивает вероятность взаимодействий, даже среди технологически отличных компаний, а вхождение новых предприятий может принести в кластер новые знания и технологии. Кластер увеличивается в размерах на стадиях зарождения и роста, достигая пика к зрелости. Стадия упадка характеризуется уменьшением размера. b) Неоднородность (разнообразие знаний, практик, технологий, организационных форм). Хотя слишком высокая неоднородность затрудняет взаимодействие между компаниями, в целом неоднородность положительно влияет на результат, так как в кластере с разнообразными технологиями и практиками менеджмента больше возможностей для значимых инноваций, взаимодействие между разными в технологическом плане компаниями способно привести к большему синергетическому эффекту. Неоднородность растет на стадии зарождения, достигая пика на стадии роста, затем убывает. c) внешним Использование размера и неоднородности (принятие кластера миром, кооперация резидентов): стратегические отношения, совместные сферы деятельности, цепочки создания стоимости. Использование размера и неоднородности объединяет ряд схожих явлений, связанных с взаимодействиями между фирмами. Логично объединить 27 их в одну группу еще и потому, что число и интенсивность взаимодействий между фирмами являются скорее производными от обозначенного выше «парадокса кластера», а не от размера или неоднородности по отдельности. Так, высокая неоднородность является пищей для повышенных инноваций, но без достаточной меры специализации и без достижения критической массы работников и компаний, неоднородность остается бесплодной по причине отсутствия взаимодействия между фирмами. Предполагаем, что складываемая в результате взаимодействий фирм инфраструктура сначала оказывает положительное влияние, а затем начинает сдерживать развитие кластера. Она формируется на стадии роста, сохраняется в зрелом кластере и становится обременительной или реорганизуется на стадии упадка. d) Драйверы успеха кластера. На стадиях зарождения и роста кластер черпает силу из ресурсов региона (местный спрос), когда как на стадии зрелости кластер черпает преимущества из экспорта. Предполагаем, что большой экспорт соответствует стадии зрелости, а большой спрос – ранним стадиям. e) Жизненный цикл отрасли. Вероятность возникновения кластера в какой-либо отрасли выше на стадиях зарождения и роста этой отрасли, а упадок кластера может быть связан с упадком отрасли. Предполагаем отрицательное влияние поздних стадий жизненного цикла отрасли. В качестве показателя результата кластера можно использовать ВВП региона, как показатель общего развития, или уровень инноваций, выраженный через количество патентов. Первая часть практической части будет посвящена изучению статистической базы, в результате которого станет понятно, какие статистические показатели можно использовать для выражения выбранных характеристик и результатов кластера. Затем с помощью статистических показателей будут выведены бинарные переменные стадий жизненного цикла кластера. В итоге, будет проведено эконометрическое исследование влияния показателей стадии жизненного цикла на результат. 28 2. Исследование влияния стадий жизненного цикла на результат деятельности кластера 2.1. Характеристика статистической базы эмпирического исследования Задача статистического исследования – проверить гипотезу о влиянии стадий жизненного цикла на результат кластера. Движение кластера по стадиям жизненного цикла выражено в изменении характеристик, список которых приведен в конце теоретической части. Выразив через эти характеристики стадии жизненного цикла, можно будет сделать выводы о влиянии стадий на результат. Если какие-то характеристики не войдут в расчет показателей стадий цикла, это не означает, что выводы об их влиянии не принесут пользы, кроме того, их можно использовать в качестве дополнительных показателей регрессии для увеличения ее статистической значимости. Генеральная совокупность и выборка Кластеры можно рассматривать с двух сторон: на региональном уровне и на уровне характеристик отдельных предприятий. В первом варианте за элемент выборки принимается гипотетический кластер конкретной отрасли в конкретном регионе, во втором – предприятие, принадлежащее кластеру конкретной отрасли. По мнению автора, первый вариант предлагает больший охват, позволяя изучить большее количество кластеров. За генеральную совокупность будем принимать кластеры во всех регионах и во всех отраслях, то есть выводы исследования будут применимы к кластеру как явлению. Следовательно, в качестве выборки следует взять географическую область, где кластеры достаточно распространены и существуют уже долгое время, чтобы охватить все стадии жизненного цикла. Поэтому необходимо сразу отказаться от исследования отдельно взятых развивающихся стран, таких как Россия, где кластеры только зарождаются. Кроме того, для исследования лучше взять область, для которой имеется 29 удобно структурированная статистическая информация. Очевидно, возникает два главных кандидата – Еврозона и Северная Америка (США + Канада). Так, в Еврозоне по данным статистических исследований в кластерной среде функционирует 24% компаний (7, 2006). Остановимся на 17-ти странах Еврозоны и добавим к ним Великобританию, страну, которая, несомненно, заслуживает, чтобы ей уделили особое внимание. Регионы будем выделять в соответствии с уровнем NUTS 1 европейской региональной классификации. За статистическую основу взята обширная база данных, собранная организацией European Cluster Observatory (3). Дополнительными источниками региональных данных послужили базы данных OECD (13) и Eurostat (4). По итогам поверхностного исследования источников информации было принято решение отказаться от 5-ти стран Еврозоны, по которым отсутствуют необходимые данные: Кипр, Эстония, Греция, Мальта, Испания. Оставшиеся страны: Австрия, Бельгия, Финляндия, Франция, Германия, Ирландия, Италия, Люксембург, Нидерланды, Португалия, Словения, Словакия, Великобритания. Итого: 13 стран и 57 регионов. Кластер это не только регион, но еще и отрасль. Поэтому единицей выборки должна быть конкретная отрасль в конкретном регионе. Для разностороннего исследования следует выбрать разные отрасли, как молодые перспективные, так и старые. Разные таблицы данных Eurostat, откуда взята достаточно большая доля информации, составлены для разных классификаций отраслей (разные версии NACE и ее модификации). Поэтому в качестве отраслей мы взяли достаточно широкие сферы деятельности, чтобы в каждой классификации можно было подобрать подходящие аппроксимации. Выбранные шесть отраслей: Биотехнологии, Фармацевтика, Медицинские технологии, Информационные технологии (IT), Текстиль, Бумажная продукция. Таблица, которая описывает, через какой элемент NACE или ее модификаций выражена каждая отрасль для каждого показателя, приведена в приложении 2, где также расписаны источники данных. Здесь только отметим, что Биотехнологии как отрасли нет в классификации NACE, поэтому часто вместо 30 данных по биотехнологии использовались данные по производству продуктов питания, учитывая, что львиная доля инноваций в биотехнологии посвящены гибридизации растений и животных и производству ГМО. Если брать за единицу выборки определенную отрасль в определенном регионе, мы получаем 339 объектов исследования. Как динамическое явление, кластер следует исследовать в динамике. Кризис может сильно исказить результат исследования, поэтому рассматриваем докризисные годы. Данные до 2004 года по некоторым странам отсутствуют. Чтобы проверить влияние конкретной стадии жизненного цикла и чрезмерно не усложнять исследование, достаточно изучить закономерности кластера в среднесрочном периоде. Хотя, безусловно, исследование в долгосрочном периоде позволило бы рассмотреть влияние на результат характеристик существующих на данный момент кластеров, когда они находились еще на предыдущих стадиях жизненного цикла, и тем самым увеличило бы надежность исследования. За период исследования возьмем интервал с 2004 по 2007. С учетом динамики выборка состоит из 1356-ти наблюдений. Статистические показатели Следующий этап исследования – подбор статистических показателей, которые оптимально бы отражали исследуемые взаимосвязи. Нам необходимо найти статистические индикаторы, с помощью которых обозначенные в теоретической части характеристики можно измерить и которые можно использовать для построения регрессии. Также выберем несколько показателей, влияющих на результат кластера, но которые нельзя однозначно связать с описанными характеристиками и, соответственно, со стадиями жизненного цикла. Сразу обозначим гипотетическое влияние показателей на результат и связь со стадиями жизненного цикла. 1) Размер кластера Размер кластера проще всего выразить в количестве компаний (ent) и работников (emp). В скобках приводятся обозначения переменных для дальнейшего анализа. Чтобы обеспечить сравнимость разных по размеру 31 регионов, количество работников и предприятий взяты в расчете на миллион населения. Количество работников выражено в эквиваленте полной занятости, где информации по эквиваленту не было доступно – просто в количестве. Для Великобритании оказались недоступны данные по количеству предприятий, поэтому вместо количества предприятий взята информация по количеству местных единиц, принадлежащих к отрасли. Под местными единицами понимаются предприятия или их части (фабрики, склады, офисы) (из определения OECD). В качестве показателя размера также можно использовать показатель size, рассчитываемый European Cluster Observatory как доля занятости кластера в общей европейской занятости. Если кластер входит в 10% самых крупных кластеров той же отрасти, на сайте организации ему добавляется звезда (одна из трех). Напомним, что размер кластера достигает максимума на стадии зрелости. Поэтому, чем выше значение этих трех показателей, тем больше вероятность того, что кластер находится на стадии роста или зрелости. Минимальный размер, напротив, свидетельствует либо о зарождении, либо об упадке. Гипотетическое влияние размера – положительное. Однако выбранные показатели не позволяют нам разделить стадии цикла подробней и абсолютные значения не показывают положительные эффекты от вхождения новых фирм. Поэтому введем показатели изменения размера – усредненный за период наблюдения темп роста числа фирм (dent) и работников (demp). Темп роста максимальный на стадии роста, близок к единице на стадии зрелости и меньше единицы на стадии упадка. Мы не берем темпы роста за отдельные года из-за возможных колебаний, только темп роста за среднесрочный период способен показать принадлежность к определенной стадии жизненного цикла. Показатель рассчитывается как среднее геометрическое индивидуальных темпов роста за период 4 года. Гипотетическое влияние – положительное. 2) Неоднородность Очень трудно найти индикатор, 32 который характеризовал бы неоднородность между фирмами, различия в технологиях, знаниях, которыми они обладают. Поэтому не обойтись без значительной доли аппроксимации. На сайте European Cluster Observatory для каждого гипотетического кластера рассчитывается показатель специализации (spec). Показатель сравнивает отношение занятых в кластере к общей региональной занятости и отношение европейской занятости в отрасли, которой принадлежит кластер, к общей европейской занятости. Измеряется специализация в процентах. Если регион более специализирован в какой-либо кластерной категории, чем вся экономика, больше вероятность привлечения из других регионов необходимых ресурсов, связи и кластерные эффекты будут сильнее. Хотя слишком высокая специализация может снизить инновационность кластера и возможность реагировать на шоки внешнего мира. Значение специализации выше 2 – условие для получения конкретным кластером второй звезды на сайте cluster observatory. Связь с жизненным циклом можно представить следующим образом. Специализация уменьшается при движении от стадии зарождения к росту со входом новых фирм, предлагающих новые идеи, достигает минимума на стадии роста, а затем увеличивается, становясь обременительной на стадии упадка. Специализация противоположна неоднородности. Соответственно, неоднородность растет на стадии зарождения, становясь максимальной на стадии роста, а затем убывает. Если говорить о предположительной зависимости результата кластера от специализации, возможны два варианта. Во-первых, зависимость может быть квадратичной с отрицательным знаком. То есть до определенного значения влияние специализации будет положительным, затем отрицательным, что иллюстрировало бы «кластерный парадокс». В этом случае максимальное положительное влияние оказывается где-то на пути от стадии роста к стадии зрелости. Стадия роста характеризуется тем, что достижение кластером критической массы позволяет получать положительный эффект от взаимодействия отличных в технологическом плане компаний, а возрастающая 33 специализация этому способствует, но после какого уровня специализации синергетический эффект от взаимодействия начнет уменьшаться, не совсем понятно. Во-вторых, показатели использования размера и неоднородности могут взять на себя положительное влияние специализации, тогда зависимость станет отрицательной, а положительное влияние будет оказывать не специализация, а ее результаты в форме взаимодействия между фирмами для выработки общих стратегий или инноваций, сложившейся инфраструктуры. Тогда максимальное положительное влияние будет осуществляться на стадии роста, когда специализация минимальна, а неоднородность максимальна. 3) Использование размера и неоднородности Показатели использования неоднородности и размера должны характеризовать кластерные эффекты, которые возникают в результате роста кластера и увеличения числа взаимодействий между фирмами. Эти эффекты – построение инфраструктуры, выработка общих стратегий, принятие кластера внешним миром, взаимодействия с и университетами и другие. Все найденные показатели можно поделить на две крупные группы: рассчитанные для региона без выделения отраслей и рассчитанные по отдельным отраслям без выделения регионов. Инновационную инфраструктуру региона (совокупность институтов, способствующих созданию инноваций, и связей между фирмами) можно выразить через комбинированный показатель инновационности региона (RIS), подробности расчета которого можно узнать из методологического отчета, составленного для PRO Inno Europe (5, 2009). Показатель учитывает наличие в регионе профессиональных человеческих ресурсов, доступность финансов для инновационных проектов, инвестиции фирм, связи между компаниями, а также результаты инноваций, выраженные через увеличение экспорта, продаж, занятости. Единственный недостаток показателя – его новизна: в нашем временном интервале он рассчитан только для 2007 года. Поэтому при включении показателя в регрессию количество наблюдений сильно уменьшается. 34 Возможно, потребуется использование альтернативного показателя для выражения инновационной инфраструктуры. О сложившейся инфраструктуре, помимо RIS, может свидетельствовать, например, занятость человеческих ресурсов в науке и высоких технологиях (humanres). Чем больше человек вовлечено в науку, тем больше организаций занимаются инновациями, государственных и частных, и тем больше взаимосвязей между ними существует. Показатель выражен в процентах от числа населения региона. Относительно двух предыдущих показателей мы предполагаем квадратичную зависимость с отрицательным знаком. Влияние инновационной инфраструктуры сначала положительно, так как она упрощает и ускоряет процесс коммерциализации знаний, распространение информации, но чересчур жесткая и замкнутая на себе инфраструктура мешает совершать значимые инновации, выходящие за пределы области специализации кластера. Это происходит из-за того, что фирмам быстро становятся известны самые перспективные тренды и технологии, которым они и начинают следовать. Технологическая область сужается, а инновационная инфраструктура продолжает работать, но только на эту замкнутую область. С другой стороны, если инфраструктура сохраняет гибкость, она является силой, способной отодвинуть наступление стадии упадка, но найти показатель, который характеризовал бы ее гибкость (то есть способность производить кардинально новые знания), достаточно сложно. Инновационная инфраструктура формируется вместе с остальными взаимосвязями на стадии роста кластера, закрепляясь на стадии зрелости, становясь обременительной на стадии упадка. Раз зависимость квадратичная, то нужно сделать предположение о том, на какой стадии достигается максимальный эффект. Предполагаем, что максимальный положительный эффект от инфраструктуры соответствует стадии роста, когда неоднородность максимальна. Исследования университетов, если они совершаются в области, полезной для бизнеса, привлекают этот бизнес к сотрудничеству. Кроме того, 35 университеты часто совершают инновации в кооперации с государством или бизнесом. Высокая доля инноваций, совершаемых университетами, вполне может быть связана с тем, что вокруг университета складывается кластер какой-либо отрасли. Так, некоторые кластеры, например, Кремниевая долина, в основе своей имеют взаимодействия с университетами. Через показатель расходов на R&D, совершенных университетами, в евро на человека (rdun) или через долю персонала, вовлеченного в R&D университетов, в общей занятости региона (rdpersun) можно выразить кооперацию бизнеса и университетов. Гипотетическое влияние взаимодействий с университетами может быть выражено квадратичной зависимостью с отрицательным знаком, так как университеты – часть инфраструктуры. С другой стороны, связи с университетами сами по себе могут генерировать инновации и на стадии упадка, так как университеты всегда заинтересованы в научной новизне и могут являться силой, которая противодействует упадку. Тогда зависимость будет положительной. Связи с университетами крепнут на стадиях зарождения и роста, сохраняются на стадии зрелости, на стадии упадка они могут как сохраниться, так и потерять значимость – теория не говорит ничего определенного на этот счет. Чтобы избежать неопределенности, предположим, что связи с университетами теряют значимость. Так мы подчеркнем возможную исключительность связей с университетами (положительное влияние) по сравнению с остальной инфраструктурой (квадратичная зависимость). Закончив с показателями, рассчитываемыми для регионов без выделения отраслей, перейдем к показателям, рассчитываемым для отраслей без выделения регионов. Инновационную инфраструктуру региона характеризуют не только отношения между фирмами и другими институтами, но и отношения между компаниями, совершающими совместные инновации. На уровне отдельно взятой страны подходящим для описания таких отношений показателем является количество предприятий, вовлеченных в любой вид коопераций в сфере инноваций, рассчитанный в процентах от общего числа предприятий отрасли (incoop). Среди видов кооперации в источнике (Eurostat) 36 приводятся кооперация с поставщиками, университетами, консалтинговыми покупателями, компаниями конкурентами, и другими. Недостаток показателя в том, что в нашем временном интервале он рассчитывается только для 2004 и 2006 годов и далеко не для всех стран. Предполагаем, что сначала показатель влияет положительно, затем отрицательно. Связь с жизненным циклом такая же, как и для остальных показателей инновационной инфраструктуры. То есть формируются отношения на стадии роста, закрепляются на стадии зрелости и становятся обременительными на стадии упадка. Мы обсудили инновационную инфраструктуру, но она является лишь частью большой инфраструктуры кластера, которая состоит из отношений между фирмой и конкурентами, фирмой и поставщиками, отношений, не обязательно связанных с инновациями. Существуют несколько показателей, которые могли бы описать инфраструктуру. Первый – количество поставщиков различных услуг (servprov). Под услугами понимаются маркетинговые, рекламные, консалтинговые, бухгалтерские, финансовые, страховые, охранные и другие. Показатель рассчитывается в количестве компаний на миллион населения страны. Кроме того, инфраструктуру можно выразить в терминах наличия разных источников информации. Когда компании получают много информации от близких источников, следует говорить о сильных взаимосвязях в рамках кластера. Под близкими источниками понимаются поставщики, клиенты, конкуренты, консалтинговые компании, исследовательские институты, государство, выставки или торговые ярмарки. Показатель, который измеряет количество значимых источников информации, – доля предприятий (в %), для которых важными являются определенные выше источники информации (infsource). Для расчета показателя были суммированы доли предприятий для каждого из перечисленных источников. Взаимодействие компаний в рамках кластера подразумевает под собой и выработку общих стратегий. Чаще всего это происходит за счет создания 37 специальных кластерных организаций или научных парков. Чтобы выразить интенсивность выработки общих стратегий, был рассчитан показатель org. С сайта Cluster Observatory бралась информации о наличии в конкретной отрасли конкретного региона организаций, которые могли бы отвечать за выработку общих стратегий. Каждому виду организаций задавались определенные веса. Кластерные организации получали 4 балла, научные парки – 3, агентства и министерства, брокеры технологий, торговые палаты, офисы передачи знаний при университетах – 2, остальные (в том числе и университеты, так как наличие университета еще не означает его взаимодействие с бизнесом) – 1. Показатель был получен суммированием весов. С показателем связано две проблемы. Вопервых, он учитывает только организации, зарегистрированные на сайте Cluster Observatory. Во-вторых, рассчитывается показатель только на текущий момент. Поэтому делаем предположение, что количество организаций и их состав не менялся с 2004-го года. Связи между компаниями можно выразить и через экспериментальный показатель количества отношений между предприятиями (rel). Так как он экспериментальный, то данные в сети Eurostat по нему приведены только по трем странам из нашего списка (Германия, Франция, Португалия) и без выделения регионов и отраслей. Для обеспечения сравнимости показатель приведен к количеству отношений на миллион населения. Учитывались такие отношения как ICT, R&D, продажи и маркетинг, основная деятельность. Если даже инновационная инфраструктура, по нашим предположениям, приводит в итоге к отрицательному результату (хоть и может являться слагающей успеха кластера до определенного момента), тем более мы должны учесть отрицательное влияние обычной инфраструктуры. Предполагаем, что сначала связи и общая выработка стратегий влияют позитивно, затем негативно. Отношения формируются на стадии роста, укрепляются на стадии зрелости, становятся обременительными на стадии упадка. Cluster Observatory в качестве меры взаимодействия и использования размера и неоднородности также предлагает использовать показатель focus. Он 38 рассчитывается как отношение занятости в кластере к общей занятости в регионе. Чем больше регион сфокусирован на какой-либо отрасли, тем больше вероятность возникновения кластерных эффектов и связей. Предполагаем, что сначала focus влияет положительно, затем отрицательно. При этом фокус будет увеличиваться по мере движения кластера по стадиям жизненного цикла, максимальный фокус будет свидетельствовать о стадии зрелости или упадка. Наибольшее положительное влияние предположительно будет на стадии роста, когда неоднородность еще достаточная для получения значимого эффекта синергии от взаимодействия компаний. 4) Жизненный цикл отрасли Для обозначения жизненного цикла отрасли, к которой принадлежит кластер, в сравнении с остальными европейскими отраслями введем показатель IndStage. Метод расчета взят из исследования D. Audretsch и M. Feldman (1, 1996). Авторы определяют стадию жизненного цикла отрасли следующим образом. Количество патентов по каждой отрасли делится на число занятых в отрасли (в тысячах). Полученное значение сравнивается со средним значением по всем отраслям. Если количество патентов больше среднего, отрасль находится либо на стадии зарождения, либо на стадии роста. Соответственно, если количество патентов меньше среднего, отрасль либо достигла зрелости, либо пришла в упадок. Для более детального рассмотрения следовало бы разграничить патенты, выпущенные малыми компаниями и большими. Так, маленькие компании более инновационны на стадиях зарождения и упадка отрасли, крупные – на стадиях роста и зрелости. В рамках нашего исследования ограничимся разделением на стадии зарождения и роста и стадии зрелости и упадка. Так, если показатель indstage равен 0, количество патентов больше среднего и отрасль находится на первых двух стадиях, если показатель равен 1, то количество патентов меньше среднего и отрасль находится на последних стадиях цикла. Количество работников для расчета было взято из базы данных Cluster Observatory, а количество патентов из базы данных Eurostat. После соотнесения отраслей (так как данные из разных 39 классификаций) получаем следующую таблицу: Таблица 4 Расчет среднего числа патентов по отраслям 1 318 96 272 663 823 75 407 887 425 Число патентов на тысячу работников 1,985 1,278 0,306 95 122 189 0,775 557 1 283 906 0,434 136 1 824 131 0,075 862 276 847 3,114 3 918 698 859 5,607 126 590 946 0,213 5 317 658 234 8,078 1 298 1 208 646 959 5 008 1 056 778 998 3 427 267 403 803 197 230 1 415 902 296 282 1,666 0,353 1,600 4,864 3,537 3,564 902 468 741 1,924 5 505 1 690 280 3,257 1 951 453 495 4,302 5 808 2 071 155 2,804 980 2 761 914 244 99 437 1,072 27,771 3,572 Кол-во патентов Производство продуктов питания и напитков Производство табачной продукции Производство текстиля Дубление и обогащение кожи; производство багажа, сумок, седельного снаряжения, сбруи и обуви Производство пульпы, бумаги и бумажной продукции Издательское дело, печать и репродукция Производство кокса, переработанных нефтяных продуктов и ядерного топлива Производство базовых химикатов Производство пестицидов и других агрохимических продуктов Производство фармацевтической продукции, медицинских препаратов и растительных продуктов Производство резиновой и пластиковой продукции Производство базовых металлов Производство станков Производство домашней техники Производство офисной техники и компьютеров Выработка и передача энергии Производство осветительного оборудования и электрических ламп, электротехнического оборудования Телекоммуникации Производство медицинского и хирургического оборудования и ортопедических приспособлений Производство автотранспортных средств, прицепов и полуприцепов Производство мебели; выделка. Биотехнологии Среднее число патентов на тысячу работников *Жирным шрифтом выделены интересующие нас отрасли Кол-во работников Как видно, производство текстиля, бумажная продукция, IT находятся на поздних стадиях развития, а биотехнология, фармацевтика и медицинское оборудование – на ранних. Предполагаем, что показатель влияет отрицательно, то есть стадия зрелости и упадка негативно сказываются на результате. Связь с жизненным циклом определяется следующим образом: ранняя стадия отрасли, 40 скорее всего, соответствует ранней стадии кластера, и наоборот. То есть, если в результате исследования будет доказано отрицательное влияние показателя, мы докажем положительное влияние ранних стадий кластера на результат. 5) Сильные стороны В конце теоретической части мы уже свели сильные стороны кластера к региональному спросу на продукцию отрасли и экспорту отрасли. Хотя, безусловно, этим драйверы успеха не ограничиваются: есть еще наличие местных ноу-хау и наличие местных ресурсов (хотя региональный спрос на продукцию по своему является местным ресурсом). Но легче всего найти показатели именно для спроса и экспорта. В качестве показателей экспорта возьмем экспорт в евро на человека (Exp) и долю инновационных компаний отрасли (в %), продающих продукцию в другие европейские страны (ExpComp). Первый показатель получен умножением странового экспорта в евро на человека на долю отрасли в валовой добавленной стоимости страны. Второй взят из базы данных Eurostat. Предполагаем, что оба показателя до определенного момента будут влиять положительно, затем отрицательно, так как большой экспорт должен характеризовать наступление стадии зрелости и, таким образом, уменьшение производительности кластера, а небольшой экспорт, наоборот, должен свидетельствовать о ранних стадиях, когда предполагаемая эффективность кластера выше. То есть экспорт будет влиять положительно на стадии роста, а затем с переходом к стадии упадка – отрицательно. Если в ходе исследования такая зависимость будет подтверждена, мы докажем, что на ранних стадиях кластер эффективней. В качестве показателя спроса используем внутренний спрос на продукцию отрасли в евро на человека (Demand). В классификации Eurostat этого показателя не нашлось места для фармацевтической отрасли. Поэтому для фармацевтики одинаковые и данные. отрасли медицинских Предполагаем, что, технологий являясь использованы частью системы здравоохранения, отрасли должны иметь схожие результаты. Показатель 41 должен влиять положительно. Большой спрос, таким образом, соответствует стадиям зарождения и роста и показывает их преимущество. 6) Показатели, не связанные с жизненным циклом К этой категории относятся показатели, значимость влияния которых на результат кластера очевидно, но которые нельзя однозначно связать со стадиями жизненного цикла. Такие показатели нужны нам, чтобы получить наиболее репрезентативную выборку с наибольшим значением R2. Нацеленность фирм на инновации в результате повышенной конкуренции или других стимулов и отчасти гибкость инновационной инфраструктуры можно косвенно выразить через показатель расходов на R&D, совершенных бизнесом, в евро на человека (rdb) или через долю персонала, вовлеченного в R&D бизнеса (rdpersb), в общей занятости региона. Так или иначе, от одного из показателей придется отказаться, чтобы избежать мультиколлинеарности. Но, взяв оба, мы можем выбрать тот, который лучше коррелирует с результирующим показателем. Предполагаемое влияние R&D бизнеса положительное. Различного рода стимулы, такие как высокая конкуренция, благоприятная среда региона, государственная поддержка и даже стремление к поддержанию монопольного положения, побуждают фирмы в рамках кластера производить инновации, которые могут помочь выделиться из среды конкурентов. Показатель нельзя точно связать со стадиями жизненного цикла. Во-первых, потому что монопольное положение, являясь скорее характеристикой поздних стадий цикла, во многих ситуациях является таким же значимым стимулом, как конкуренция. Во-вторых, государственная поддержка может осуществляться на разных стадиях в равной степени. Наконец, практика показывает, что даже в зрелых кластерах может совершаться большая доля инноваций, правда, скорее всего, это инновации в какой-либо узкой технологической области. Большие расходы государства на R&D в регионе связаны либо с наличием исследовательских институтов в регионе, либо совместными проектами государства и бизнеса. Последнее в свою очередь свидетельствует о 42 том, что государство осведомлено о каких-либо интересных тенденциях в регионе, о наличии в регионе сильных предприятий какой-либо отрасли или даже кластера. Таким образом, мы можем использовать показатель расходов на R&D, совершенных государством, в евро на человека (rdg) или показатель доли персонала, вовлеченного в R&D государства, в общей занятости региона (rdpersg) в качестве меры государственной политики в области кластера. Как правило, грамотное вмешательство государства в развитие кластера имеет положительное влияние на результат. Но сопоставить государственные расходы на R&D со стадиями жизненного цикла однозначно нельзя. Государственное вмешательство можно было бы связать с характеристикой принятия кластера внешним миром, которое достигает максимума на стадии зрелости, а на стадии упадка уменьшается с ухудшением репутации кластера. Но есть разница между принятием кластера государством, которое может иметь свои планы на кластер, и внешним миром, который изначальных планов на кластер не имеет. Во-первых, некоторые кластеры инициируются государством, то есть государственные вложения в эти кластеры максимальны на стадии зарождения. Более того, многие кластеры существуют за счет постоянных государственных вложений (Сколково), и их благополучие больше, чем для остальных кластеров, зависит от государственных расходов. Во-вторых, много средств может тратиться, чтобы спасти упадочный кластер. По этим причинам расходы государства на R&D отнесены к категории показателей, не имеющих отношения к стадиям жизненного цикла. Как и стимулы к инновациям, государственные расходы на R&D будут влиять положительно на результат независимо от стадий жизненного цикла. Результат кластера Исходя из критерия наличия информации, есть два варианта представления результата кластера – через ВВП региона или через патенты. Оба варианта привлекательны по своему, и с каждым вариантом связаны некоторые проблемы. ВВП показывает общий результат кластера, абстрагируясь от его инновационности или, наоборот, направленности на 43 промышленное производство без видных инноваций. В противоположность ВВП, патенты выделяют инновационную роль кластера. С одной стороны, повышенное число инноваций, как часто считается, – главное преимущество кластера перед остальными регионами. С переходом на поздние стадии кластер становится менее инновационен, чем остальные регионы, что дает нам возможность лучше проследить ухудшение результатов кластера от стадии к стадии. Следовательно, патенты выглядят идеальным вариантом. С другой стороны, количество патентов само по себе не приносит резидентам кластера прибыль и не улучшает благосостояние региона, прибыль приносит правильная эксплуатация результатов инноваций. И тут лучшим показателем кажется ВВП региона. Помимо дилеммы, связанной с содержанием показателей, возникает проблема доступности информации. В данных по патентам встречается много пропусков, хотя они подобраны индивидуально для каждой отрасли в каждом регионе. Информация по ВВП более или менее полная, но рассчитана только для региона без выделения отраслей. А это означает, что, если рассматриваемые отрасли не несут особого вклада в ВВП, то и значимой корреляции не будет. Решением проблемы становится корреляционный анализ показателей результата со всеми остальными переменными. Как и предполагалось, корреляция многих показателей с ВВП небольшая и при этом незначимая. Исключения составляют региональные данные по R&D и человеческим ресурсам (скорее всего, потому что они рассчитаны для региона без выделения отраслей). По этой причине, идеальным показателем результата для эконометрического анализа видится количество патентов на миллион населения (patents). Показатели стадий жизненного цикла кластера Теперь, когда мы разобрались со статистическими показателями (краткое описание показателей можно найти в приложении 1), на их основе мы можем составить бинарные (так как в анализе применяется метод МНК) переменные стадий жизненного цикла. 44 Исходя из теоретического изменения характеристик от стадии к стадии (таблица 5) значения переменных, связанных с этими характеристиками, следует разбить на интервалы. Интервалы выделялись простым делением разницы максимального и минимального значения после исключения выбросов на четыре. Для некоторых показателей интервалы сдвигались вручную, большей частью для того, чтобы сделать поправку на интенсивность распределения. В таблице максимальному значению показателя соответствует единица, последующие значения ранжируются. Каждому интервалу, если мы соотнесем интервалы показателей с поставленными в таблице баллами, будет соответствовать какая-либо стадия жизненного цикла. Таблица 5 Изменения характеристик кластера по стадиям жизненного цикла Группы показателей Размер Изменение размера Специализация (неоднородность) Инфраструктура и стратегические отношения Связи с университетами Жизненный цикл отрасли Экспорт Спрос Зарождение Рост Зрелость Упадок 3 2 1 2 2 1 3 4 2 (2) 3 (1) 2 (2) 1 (3) 4 3 2 1 3 2 1 2 0 0 1 1 3 1 2 2 1 3 2 4 *Для жизненного цикла отрасли в таблице представлены реальные значения: это бинарная переменная. В том случае, когда одинаковый интервал соответствует разным стадиям, вопрос о действительной стадии цикла решается с помощью переменной изменения размера, для которой распределение однозначно. Например, значения размера меньше тех, которые 45 говорят о зрелости, могут свидетельствовать как о стадии роста, так и упадка. Но мы знаем, что на стадии упадка темп роста меньше 1, а на стадии роста больше. Совершаем выбор стадии цикла в соответствии со значением темпа роста. Для каждой переменной теперь можно получить показатель стадии жизненного цикла. Значение показателя 1 говорило бы о зарождении, 2 – росте, 3 – зрелости, 4 – упадке. Такой подход вполне соответствует утверждению из теоретической части, что разные характеристики кластера могут находиться на разных стадиях цикла (Shin and Hassink, 2009). Чтобы найти стадию жизненного цикла собственно кластера, следует усреднить полученные значения стадий цикла переменных. И тут исследователь сталкивается со следующей проблемой. Разница между стадиями цикла для разных показателей настолько разительна, что возникают сомнения в адекватности усредненного жизненного цикла кластера. Возможно, это связано с тем, что за единицу исследования мы берем не кластер как таковой, а гипотетический кластер, регион, который не обязательно является настоящим кластером, и поэтому не подчиняется законам развития кластера в полной мере. И даже если абстрагироваться от всех сомнений в правильности такого подхода, возникают статистические ограничения: из-за усреднения остается очень маленькое число случаев стадии упадка, следовательно, не приходится рассчитывать на адекватный результат. Проблема решается только в том случае, когда жизненный цикл рассчитывается из двух показателей. Значит, необходимо выбрать два показателя, которые наиболее полным образом могли бы описать стадии жизненного цикла кластера. Из теории, а конкретно из исследования M-P. Menzel и D. Fornahl (12 2009) мы знаем, что в основе развития кластера лежат две характеристики: размер и неоднородность (рис.1). Использование размера и неоднородности являются вытекающими характеристиками. Используем для построения переменной жизненного цикла два показателя: dent (изменение числа предприятий) и spec (специализация). Мы взяли изменение числа предприятий, 46 а не работников из-за лучшей корреляции первого с результатом кластера. Разбиваем значения показателей на интервалы: Таблица 6 Интервалы показателей для расчета стадий жизненного цикла Показатели Специализация (в %) Изменение числа предприятий Зарождение (0,7;2,1) Рост <=0,7 Зрелость (0,7;2,1) Упадок >=2,1 [1,03;1,12) >=1,12 (0,946;1,03) <=0,946 Далее усредняем ранговые показатели жизненного цикла для двух переменных и получаем ранговый показатель жизненного цикла кластера. Разбиваем его на три бинарные переменные: emergence, growth, mat. Значение переменной 1 говорит о соответствующей стадии цикла. Расчет показателя жизненного цикла не означает, что остальные показатели, связанные со стадиями, не нужны. Они будут включены в модель, и по ним можно будет сделать отдельные выводы. Гипотезы В итоге, можно представить две гипотезы, основную и дополнительную. Основная гипотеза: эффективность кластера растет на стадиях зарождения и роста с использованием эффекта синергии от взаимодействия технологически отличных компаний, а на стадиях зрелости и упадка уменьшается с невозможностью дальнейшей эксплуатации неоднородности. Чтобы подтвердить основную гипотезу мы должны получить больший коэффициент при переменной стадии роста (growth), чем при переменных стадии зарождения (emergence) и зрелости (mat). Коэффициенты при этих трех переменных должны быть положительны, тогда при нулевом значении всех показателей цикла (что характеризует стадию упадка) результат будет меньше, а значит, стадия упадка будет характеризоваться результатов. 47 относительным ухудшением Дополнительная гипотеза заключается в предположениях о влиянии остальных показателей, используемых в модели, и включает в себя множество элементов, поэтому лучше всего представить ее в форме таблицы, в которой описано влияние каждой группы показателей на результат. Мы берем группы, понимая, что от многих показателей в результате исследования придется отказаться. Таблица 7 Предположения о влиянии оставшихся показателей Группы показателей Влияние на результат Размер Изменение размера Инфраструктура и стратегические отношения Связи с университетами Экспорт Спрос Жизненный цикл отрасли Поддержка государства R&D бизнеса Положительное Положительное Квадратичная зависимость с отрицательным знаком Положительное / Квадратичная зависимость с отрицательным знаком Квадратичная зависимость с отрицательным знаком Положительное Отрицательное Положительное Положительное Каждой группе показателей соответствует ожидаемое влияние на результат кластера, о котором мы подробней говорили при выборе статистических показателей и в теоретической части. В случаях, когда мы не имеем определенного ожидания, представлено несколько возможных вариантов. Когда влияние будет определено, можно будет соотнести его с изменением показателей по стадиям жизненного цикла, дополнив основную гипотезу. Дополнительная гипотеза не является обязательной, но полученные результаты могут оказаться полезными для дальнейших исследований в данной области. 48 2.2. Моделирование анализируемых взаимосвязей Оптимальным методом для подтверждения гипотезы является эконометрическое исследование собранных данных. В качестве программного обеспечения будем использовать пакет Eviews из-за удобства работы с панельными данными и SPSS, так как средствами Eviews не удалось посчитать корреляцию по некоторым показателям. Анализ описательных статистик и исключение выбросов Исключались только отклонения, которые могут привести к явным нарушениям (например, выбросы, превышающие остальные наблюдения в несколько раз). По итогам анализа описательных статистик было выведено условие, исключающее выбросы: dent<=1.4 and dent>=0.7 and exp<=8000 and org<=40 and patents<=160. В результате число наблюдений сократилось с 1356 до 901. Анализ описательных статистик показал, что большая часть переменных неоднородна и не имеет нормального распределения, и исключение выбросов не исправило ситуацию. Если продолжать исключать выбросы, то можно потерять слишком много наблюдений. Более того, для большинства показателей эта мера не приводит ровным счетом ни к чему. Неоднородность данных ведет к неточным результатам. Но это было бы большой проблемой, если целью исследования был точный прогноз, когда как нам нужно только обозначить форму зависимости. Поэтому продолжим исследование, зная, что выбросы, которые могли бы перетянуть зависимость на себя, исключены. Корреляционный анализ Проведем подробный корреляционный анализ показателей, чтобы исключить возникновение мультиколлинеарности и включить в регрессию только значимую корреляцию. Таблица корреляции с коэффициентами вероятности приведена в приложении 3. Корреляция между показателями изменения размера (dent и demp) 49 высокая и значимая (0,55). Так как dent использован в расчете жизненного цикла, мы можем использовать показатель без demp угрозы мультиколлинеарности, хотя корреляция результата с ним не значима, а значит, включение его в регрессию может сопровождаться незначимым коэффициентом. Emp и ent сильно коррелируют (0,71), и корреляция значимая. По существу, они показывают одно и то же – размер кластера. Поэтому можно отказаться от показателя кол-ва компаний, учитывая, что корреляция кол-ва работников с результирующим показателем сильней (0,56>0,37). Корреляция emp с patents значима. Показатель размера size сильно коррелирован с показателем специализации (0,676) и корреляция значима. Но, так как spec использован в расчете жизненного цикла, мы вполне можем оставить показатель size. Сложнее дела обстоят с показателями использования размера и неоднородности. RIS (данные по корреляции RIS взяты из SPSS) сильно коррелирует с HumanRes (0,54) и остальными инновационными показателями, причем корреляция значимая. Поэтому, чтобы рассмотреть более детально влияние инноваций, откажемся от RIS. Ранее шла речь о необходимости выбора между показателями расходов на R&D и показателями доли работников, занятых в R&D. Сильная зависимость между ними подтвердилась. Корреляция между тремя показателями расходов на R&D (rdb, rdun, rdg) и числом патентов сильнее корреляции результата с долей работников, занятых в R&D. Поэтому стоит отказаться от трех показателей доли занятых в R&D (rdpersb, rdpersun, rdpersg). Однако проблема теперь возникает с корреляцией между показателями расходов на R&D. Так, существует сильная значимая корреляция государственного R&D с R&D в университетах (0,81) и государственного R&D с человеческими ресурсами, занятыми в науке и технологиях (0,66). Трудно сказать, чем вызвана такая взаимосвязь, скорее всего, общими проектами государства и университетов и тем, что большая часть ученых, работающих в государственных учреждениях, приходят из университетов. Пока не будем 50 отказываться от показателя государственных расходов на R&D (rdg), чтобы не исключать из исследования такой важный фактор, как принятие кластера государством. Что касается остальных показателей использования размера и неоднородности, можно исключить rel (количество отношений между компаниями) из-за незначимой корреляции с числом патентов и высокой взаимосвязи с показателем InCoop (количество предприятий, вовлеченных в любой вид инноваций). Последний показатель также стоит исключить, так как корреляция с результатом незначимая и маленькая (-0,05). Из показателей, характеризующих инфраструктуру, остаются только количество поставщиков услуг (servprov), доля предприятий, для которых важными являются различные виды источников информации (infsource), показатель наличия кластерных организаций (org). У этих трех показателей значимая корреляция с числом патентов, хотя у infsource на уровне значимости 10%. Влияние стадий жизненного цикла отрасли (indstage) немного выбивается за пределы значимости 10% (0,108). Не будем исключать показатель, так как наша цель не делать прогнозы, а только обнаружить статистические закономерности, тем более что переменная бинарная. Переходя к драйверам успеха кластера, Exp (экспорт на душу населения) и ExportComp (процент компаний с экспортом за рубежом) вроде должны показывать одно и то же – экспорт отрасли, но корреляция их с некоторыми показателями противоположна, а между ними отрицательна. Корреляция с патентами у первого значима, у второго – нет. Откажемся поэтому от ExportComp. Корреляция спроса в евро на человека (demand) с числом патентов незначима. Так или иначе, попробуем использовать показатель в регрессии, хотя и будем держать в голове возможную ошибку, связанную с измерением его влияния на результат. Что касается показателей жизненного цикла кластера (emergence, growth, mat), их корреляция с результатом незначима, но это не означает отсутствие взаимосвязи, а отчасти это может быть вызвано тем, что переменные бинарные. 51 Чтобы подвести итоги корреляционного анализа, перечислим оставшиеся экзогенные переменные: dent, demp, emp, size, spec, focus, RDb, RDun, RDg, HumanRes, ServProv, InfSource, Org, IndStage, Exp, emergence, growth, mat. Курсивом выделены те показатели, которые использованы для расчета стадий жизненного цикла. Эндогенная переменная – patents. Построение регрессии При построении регрессии выявилась следующая проблема: показатели ServProv и InfSource из-за большого числа пропусков серьезно уменьшают число наблюдений, по которым строится регрессия (с 900 до 89). Поэтому, чтобы не ухудшать качество модели, было решено исключить эти показатели из регрессии. Регрессия строилась методом наименьшего квадрата. В результате подбора функциональной формы наилучшей по коэффициенту R2, значимости коэффициентов (на уровне значимости 10%) и критериям Акаике и Шварца является следующая модель: Таблица 8 Оценки регрессии модели Предикторы Константа Стадия зарожденияc Стадия ростас Стадия зрелостиc Темп роста числа работников Число работниковa R&D университетовa Человеческие ресурсы в науке и технологиях Человеческие ресурсы в науке и технологияхb Страновой экспорт отрасли в евро на человекаa Стадия жизненного цикла отраслиc Нестандартизированный коэффициент Число наблюдений Число периодов F-стат. Prob>F Станд. ошибка = = = = t-стат. 900 4 72.566 0,000 Значимость -11.260 0.664 0.944 0.499 0.839 0.198 0.212 0.164 -13.417 3.351 4.441 3.040 0.0000 0.0008 0.0000 0.0024 1.719 0.488 3.522 0.0005 0.305 0.485 0.098 0.103 3.107 4.717 0.0019 0.0000 0.190 0.098 1.950 0.0514 -0.008 0.005 -1.840 0.0661 0.777 0.064 12.240 0.0000 -1.321 0.116 -11.408 0.0000 52 1.186 0.402 2.946 Показатель фокуса -0.343 0.105 -3.273 Показатель фокусаb Наличие кластерных 0.227 0.020 11.253 организаций Наличие кластерных -0.007 0.001 -6.967 организацийb R&D бизнесаa 0.172 0.063 2.688 R R-квадрат Скор. R-квадрат Стандартная ошибка 0,743 0.552 0.544 1.234 Зависимая переменная: натуральный логарифм числа патентов на миллион населения Жирным шрифтом обозначены переменные, необходимые для доказательства основной гипотезы a Переменная под натуральным логарифмом b Переменная под знаком квадрата c Бинарная переменная 0.0033 0.0011 0.0000 0.0000 0.0073 R2 равно 0,55, что достаточно много для эмпирической закономерности. Оценки коэффициентов значимы на уровне 5%, некоторые – на уровне 10%. Проверим модель на эндогенность: Таблица 9 Корреляция с остатками Зарождение Рост Зрелость Остатки -4.83E-1.05E-15 8.31Eмодели 15 16 Корреляция Следовательно, Рост числа работников 2.54E-14 Логарифм Логарифм R&D числа университетов работников -1.39E-14 остатков можно Человеческие Жизненный Наличие Логарифм ресурсы в Логарифм цикл Фокус кластерных R&D науке и экспорта отрасли организаций бизнеса технологиях -5.97E-14 с -5.65E-14 -6.83E-15 -1.23E-16 коэффициентами говорить об отсутствии 1.54E15 -9.23E-16 регрессии 3.74E-14 нулевая. эндогенности, о состоятельности и несмещенности оценок регрессии. То есть, хотя отсутствие однородности наблюдений говорит о невозможности использования модели для точного прогноза, сомнений в содержательной части модели быть не может, и мы можем говорить о существующей закономерности. 53 2.3. Интерпретация полученных результатов За некоторыми исключениями, оценки параметров регрессии соответствуют нашим гипотезам. Так как регрессия логарифмическая, коэффициенты при логарифмах следует интерпретировать как эластичность изменения результирующего показателя. Для нас, так как нет необходимости в точном прогнозе, это означает, что знаки при коэффициентах вполне будут указывать на существующую закономерность. Начнем с проверки выполнения основной гипотезы. Жизненный цикл кластера Распределение коэффициентов для стадий жизненного цикла соответствует ожидаемому. Максимальный коэффициент достигается на стадии роста (0,944), влияние на результат стадий зарождения (0,66) и зрелости (0,49) слабее. Коэффициенты положительны, значит, при равенстве показателей цикла нулю результат будет еще меньше. То есть стадия упадка характеризуется наихудшим результатом. Если проектировать распределение коэффициентов при переменных на реальный мир, оно будет означать следующее: эффективность кластера растет на стадии зарождения, достигая максимума на стадии роста, а на стадиях зрелости и упадка уменьшается. А так как наш жизненный цикл связан с размером и неоднородностью, то подтверждается и связь развития кластера с неоднородностью, обозначенная в основной гипотезе. То есть максимальное положительное влияние на стадии роста связано с благоприятными возможностями для использования неоднородности, а ухудшение результатов кластера на стадиях зрелости и упадка связано с уменьшением неоднородности. Основная гипотеза полностью подтверждается. С точки зрения кластерной теории подобный результат имеет двойную значимость. Во-первых, он доказывает положительное влияние на результат неоднородности, так как она лежит в основе расчета стадий цикла и достигает 54 максимума на стадии роста (а коэффициент при бинарной переменной стадии роста также максимальный). Таким образом, в определенной мере работа удовлетворяет спрос теоретических исследований на статистический анализ влияния неоднородности на результат кластера (Menzel and Fornahl, 2009). Вовторых, результат подтверждает необходимость рассмотрения кластера с точки зрения стадий жизненного цикла и выработки отдельной политики для каждой стадии, так как результат кластера разнится от стадии к стадии. Посмотрим, подтвердились ли предположения о влиянии остальных переменных, и попытаемся связать это влияние со стадиями жизненного цикла. Размер и изменение размера Коэффициенты при показателях размера положительные. Значит, гипотеза о положительном влиянии размера кластера и изменения размера кластера подтвердилась. Так как размер достигает максимума на стадии зрелости, можно говорить о том, что на стадии зрелости кластер еще способен давать положительные результаты за счет использования размера. Так как темп роста числа компаний максимален на стадии роста, то положительное влияние показателя изменения числа компаний говорит о максимальном результате от притока новых компаний на стадии роста: новые компании означают повышенную конкуренцию и ноу-хау. Если говорить о практическом смысле коэффициентов, абстрагируясь от статистики и стадий жизненного цикла, то верно следующее. Чем больше число работников, тем больше вероятность взаимодействия между неоднородными компаниями и эффект синергии от такого взаимодействия и тем больше кластер привлекает ресурсов из других регионов, поставщиков, специализированную рабочую силу. Кроме того, растет принятие кластера внешним миром, а вместе с ним появляются различные государственные программы, связанные с развитием кластера. Вхождение новых фирм приносит в кластер новые идеи и технологии, ноу-хау и этим стимулирует развитие кластера. Неоднородность Показатель специализации не 55 был напрямую использован при построении модели, но он является одним из базисов расчета стадии жизненного цикла кластера. Так как максимальный результат соответствует стадии роста, когда неоднородность достигает своего максимума, можно говорить о ее положительном влиянии на результат и, соответственно, об отрицательном влиянии специализации. Однако судить о форме зависимости точно нельзя, для этого необходимы дополнительные исследования влияния неоднородности на результат. В нашем случае влияние неоднородности может быть как чисто положительным, так и иметь квадратичную зависимость с отрицательным знаком, характеризуя «кластерный парадокс», согласно которому при чрезмерно большом уровне неоднородности затрудняется взаимодействие между компаниями и, следовательно, снижается положительный эффект от неоднородности. Так или иначе, полученный результат отражает положительную роль неоднородности в развитии кластера, хоть и не уточняет форму этого влияния. С практической точки зрения, положительное влияние неоднородности означает, что взаимодействие между технологически отличными компаниями более продуктивно, так как дает больший синергетический эффект. Благодаря неоднородности сохраняется гибкость инфраструктуры и взаимовыгодный обмен информацией и знаниями. Кластер с высокой неоднородностью сохраняет устойчивость перед шоками внешнего мира, будучи не замкнутым в какой-либо узкой технологической области и, таким образом, способным поглощать новые знания из внешнего мира и конкурировать с инновационными компаниями за пределами кластера. Жизненный цикл отрасли Мы получили отрицательную зависимость результата кластера от стадии жизненного цикла отрасли, которой кластер принадлежит, что соответствует гипотезе. То есть кластер менее продуктивен, если принадлежит отраслям на стадиях зрелости или упадка. Так, в нашем случае к таким отраслям относятся Текстиль, Бумажная продукция и IT. А так как зарождение кластера более вероятно на начальных стадиях отрасли, а упадок – на поздних, то полученный 56 отрицательный коэффициент будет свидетельствовать о большей результативности ранних стадий кластера. Сильные стороны Гипотеза о взаимосвязи числа патентов с экспортом не подтвердилась. Вместо квадратичной зависимости мы имеем положительную. Положительная зависимость означает, что на стадии зрелости, когда экспорт максимален, он и влияет наилучшим образом на инновационность кластера. Это можно объяснить тем, что ориентация на экспорт означает новых покупателей, новые рынки сбыта и, следовательно, продуктовые инновации. Кроме того, экспорт означает определенную долю открытости для притока новых идей и технологий из-за пределов кластера. Поэтому можно сделать вывод о том, что ориентация на экспорт хоть и является чертой зрелого кластера, но эта та его черта, которая позволяет кластеру сохранять открытость и эффективность. Положительное влияние внутреннего спроса на продукцию отрасли не удалось подтвердить изза незначимого коэффициента. Использование размера и неоднородности Взаимосвязь с университетами положительно влияет на результат кластера, что соответствует гипотезе. Так как все связи, как правило, закрепляются на стадии зрелости, вклад этого показателя на стадии зрелости максимальный. Поэтому получается, что, как и экспорт, взаимодействие с университетами является силой, способной противодействовать наступлению упадка и обеспечивать приток в кластер новых знаний. Связи с университетами способствуют выработке инноваций и ускоренной коммерциализации знаний, генерируемых исследовательской средой. Показатель инновационной инфраструктуры, выраженный через человеческие ресурсы в науке и технологиях, как и предполагалось, имеет квадратичную зависимость с отрицательным знаком, то есть сначала он влияет положительно на число патентов, но чрезмерное развитие инфраструктуры, или ее затвердевание, негативно сказывается на результатах кластера. Так как в теории инфраструктура складывается на стадии роста и окончательно 57 укрепляется на стадии зрелости, то квадратичная форма зависимости говорит нам о следующем. Инфраструктура приносит максимально положительный результат на стадии роста, когда неоднородность достигает пика, а связи между компаниями позволяют использовать ее наиболее рациональным способом, или где-то на пути от стадии роста к зрелости, когда неоднородность уменьшается достаточно, чтобы начали возникать кластерные эффекты. Можно сделать практический вывод: развитая инновационная инфраструктура, хоть и считается двигателем коммерциализацию, инноваций, но при упрощая недостаточной их финансирование неоднородности между и ее элементами, она становится как бы частью теряющего продуктивность механизма кластера, смазкой для которого и служит неоднородность. Все сказанное, о чем свидетельствует квадратичная форма зависимости, справедливо и для показателя стратегических взаимодействий между компаниями, выраженного через наличие кластерных организаций. Гипотеза для этого показателя также подтверждается. То есть стратегические отношения приносят пользу до определенного момента. Нигде в теории не говорится, на какой стадии достигается максимальный эффект от выработки стратегий. И если с инфраструктурой наш выбор стадии роста еще можно объяснить с помощью неоднородности, то со стратегическими взаимодействиями не все так просто. Они скорее позволяют использовать размер кластера. Например, большее число фирм (а оно максимально на стадии зрелости) позволяет интенсивней лоббировать интересы кластера. Но в нашем исследовании, так как за результат мы взяли патенты, речь все-таки идет об инновационности кластера. Совместные стратегии на стадии зрелости скорее благоприятны для продвижения товаров за рубеж, чем для совместных инноваций. Поэтому мы отнесем стратегические взаимодействия к остальным показателям инфраструктуры, для которых максимальный эффект достигается на стадии роста или на пути от стадии роста к стадии зрелости. Показатель фокуса, который тоже характеризует использование размера и неоднородности (чем больше отрасль сфокусирована в конкретном регионе, тем больше вероятность 58 возникновения различных кластерных эффектов), имея квадратичную зависимость, подтверждает все вышесказанное. По инфраструктуре кластера, таким образом, можно сделать общий вывод. Развитая инфраструктура полезна, пока позволяет получать прибыль из неоднородности между резидентами кластера с помощью максимального синергетического эффекта от их взаимодействия. Но со временем интенсивный обмен информацией способствует тому, что фирмы выбирают наиболее перспективные технологии, практика менеджмента становится узкой, направленной на ближайших конкурентов. С сужением технологической области отношения полностью укрепляются, а новые фирмы уже не могут составить конкуренцию старым, утвердившим свою монополию. Единственной положительной ролью инфраструктуры остается координация действий между резидентами. Хотя такая координация может оказаться полезной для продвижения продукции кластера за рубеж и лоббирования своих интересов, в целом, влияние на результат снижается. Показатели, не связанные со стадиями жизненного цикла Коэффициент при показателе затрат на R&D, совершенных бизнесом, положительный. То есть гипотеза о благоприятном влиянии на результат нацеленности бизнеса на инновации в результате различных стимулов подтверждается. С точки зрения практики, положительный коэффициент говорит о том, что, чем больше у бизнеса стимулов к инновациям, тем эффективней кластер. Положительно может влиять как конкуренция, как государственная политика в области кластера, так и стремление поддерживать монопольную власть. Влияние государственной поддержки, выраженное в исследовании через затраты государства на R&D, проследить не удалось из-за незначимого коэффициента. Для наглядности представим таблицу, которая описывает подтверждение гипотез для групп показателей. 59 Таблица 10 Подтверждение дополнительной гипотезы Группы показателей Размер Изменение размера Инфраструктура и стратегические отношения Связи с университетами Жизненный цикл отрасли Экспорт Предположительное влияние показателей на результат Положительное Положительное Квадратичная зависимость с отрицательным знаком Положительное / Квадратичная зависимость с отрицательным знаком Отрицательное Квадратичная зависимость с отрицательным знаком Подтверждение предположений в результате исследования Да Да Да Выявлено положительное влияние Да Нет, выявлено положительное влияние Спрос Положительно Не удалось проследить Принятие государством Положительное Не удалось проследить R&D бизнеса Положительное Да Знак дроби означает неопределенность В общем и целом, гипотезы о влиянии на результат характеристик кластера подтверждаются, а исключения вполне объяснимы. Если судить по дополнительным характеристикам, а не по переменным стадий жизненного цикла, то максимальное влияние каждая из них оказывает либо на стадии роста, либо зрелости, что говорит в пользу основной гипотезы, согласно которой справедливо следующее. На стадии зарождения кластер еще не набрал критической массы компаний и работников для того, чтобы использовать преимущества от размера и неоднородности. На стадии роста кластер достигает максимальных результатов за счет большой неоднородности и ее использования. На стадии зрелости кластер теряет преимущества стадии роста, хотя все еще является достаточно продуктивным и жизнеспособным, частично за счет выхода на новые рынки и использования преимуществ размера, хотя преимущества неоднородности утрачиваются. В итоге из-за специализации на узкой технологической области, негибкой инфраструктуры, неспособной принимать новые идеи, и сокращения числа компаний в купе с отсутствием стартапов, 60 которые могли бы обеспечить кластер притоком новых знаний и инноваций, наступает стадия упадка. Гипотеза о влиянии стадий жизненного цикла подтверждена в результате эконометрического исследования, а доказанные в процессе закономерности могут быть использованы в других исследованиях. Мы же, основываясь на них, дадим краткие рекомендации бизнесу и властям для каждой стадии жизненного цикла кластера. Все рекомендации даны с оглядкой на статистическое исследование Европейской комиссии государственных мер в области развития кластера. Базовые цели политики в результате этого исследования были совмещены с наиболее часто используемыми мерами для их достижения (8, с.18). Мы же свяжем их со стадиями жизненного цикла. Зарождение Главная проблема стадии зарождения кластера в том, что обнаружить эту стадию и вместе с ней перспективный будущий кластер достаточно сложно. Более того, и сами фирмы, существующие в рамках такого кластера, могут не понимать всех перспектив, а технологическая разница между ними не позволяет им эффективно взаимодействовать. Разумеется, кластерная теория будет развиваться и с ее развитием появятся модели, которые позволят определять перспективные кластеры на стадии зарождения. На данный же момент возникновение кластера во многом считается случайным явлением, которое зависит от большого числа факторов. Среди кластеров, которые зарождались главным образом за счет государственной политики, много отрицательных примеров, когда кластер при всей государственной поддержке не смог привлечь достаточно частных инвестиций и сформировать инфраструктуру. Например, цифровой кластер в Дублине (Martin and Sunley, 2011). С другой стороны, многие кластеры в развивающихся странах (Китай, Иран) инициированы государством. Поэтому от политики создания кластера сверху нельзя полностью отказываться, но надо понимать местную специфику, а бизнес должен быть заинтересован в создании кластера наравне с государством. Если последнее не выполняется, то и все 61 меры по его взращиванию будут, скорее всего, неэффективны. Что касается простых мер поддержки, если стадию зарождения все-таки удалось идентифицировать, то оптимальной стратегией для государства будет такая, которая бы поощряла вхождение новых фирм или открытие отделений компаниями первопроходцами. В результате такой стратегии кластер смог бы достигнуть критической массы компаний и работников и перейти на стадию роста. В целях расширения кластера можно использовать прямое финансирование, вводить различные льготы и привилегии для перспективного региона, организовывать бизнес-инкубаторы, которые помогали бы взращивать интересные стартапы, или обеспечивать начинающих бизнесменов другими видами услуг (консалтинговые, аудиторские). Лучшие действия для компаний на этой стадии: во-первых, осознание перспектив кластеризации, во-вторых, поддержка бизнес-инкубаторов и обмен со стартапами опытом и идеями. Более того, понимая перспективы кластеризации, компании могут уделить больше внимания взаимным проектам, совершать обмен информации. Хотя их технологии и могут отличаться большим разнообразием, препятствующим взаимодействию, но, являясь частью одной отрасли, они зиждутся на каких-то общих концептуальных вещах. Поэтому слишком высокая неоднородность не является полностью непреодолимым барьером. Даже если не получится достигнуть большой синергии от взаимодействия, хотя бы начнет складываться база для дальнейших отношений. Рост На стадии роста с достижением критической массы компаний возникают наиболее благоприятные возможности для взаимодействия: эффект синергии от использования неоднородности будет максимальным. Поэтому необходимы меры по стимулированию отношений между фирмами, между фирмами и университетами, нужна работающая инновационная система и стимулы к инновациям. Со стороны компаний на этой 62 стадии еще сильнее важна осведомленность о перспективах кластера, о прибыльности сотрудничества, нужны инициативы по созданию кластерных организаций, которые помогали бы вырабатывать общие стратегии. Фирмы могут организовывать совместные тренинги для желающих работать в отрасли, осуществлять меры по привлечению в регион специализированной рабочей силы, сотрудничать с университетами, приглашая студентов работать у них или участвуя в научной жизни учебного заведения. Такое сотрудничество не только обеспечивает приток рабочей силы, но и стимулирует коммерциализацию знаний. Кластерные организации и осведомленность может взращивать и государство, привлекая фирмы к сотрудничеству и построению инфраструктуры кластера (networking-organizing events), предоставляя в открытом доступе информацию для желающих сотрудничать, чтобы фирмам легче было искать партнеров (information and contact brokerage). Кроме того, немаловажны усилия государства для поддержания конкурентной среды, так как конкуренция является сильнейшим стимулом к инновациям, и тут, разумеется, особое внимание следует уделить антимонопольному законодательству и защите прав интеллектуальной собственности. Меры, которые могли бы противодействовать снижению неоднородности и переходу кластера к стадии зрелости, найти достаточно сложно. Но стоит отметить, что кластеры в инновационных отраслях часто находятся на стадии роста долгое время (Кремниевая долина). В этих отраслях инновационная система сохраняет гибкость, а простора для инноваций много, поэтому кластер не успевает войти в узкую технологическую область, только его отдельные элементы (Windows – узкая технологическая область в рамках компьютерного кластера Кремниевой долины). То есть, если речь идет о высокотехнологичных кластерах, для сохранения неоднородности нужно обеспечивать приток в кластер новых компаний с новыми идеями, стимулировать коммерциализацию инноваций, тогда инфраструктура будет сохранять гибкость, а кластер будет давать положительный результат. Если речь идет о промышленных кластерах, где простор для инноваций небольшой, противодействовать переходу к стадии 63 зрелости, скорее всего, не удастся. Зрелость На стадии зрелости кластер исчерпывает возможность использовать эффект синергии от неоднородности, но на этой стадии кластер имеет максимальный размер, и это преимущество следует использовать как государству, так и компаниям. Размер позволяет компаниям лоббировать свои интересы и добиваться льгот от государства, совместно резиденты могут продвигать продукцию кластера за рубеж. Ориентация на внешний рынок сохранит определенную долю открытости кластера и будет стимулировать операционные, если придется конкурировать с аутсайдерами, и продуктовые, чтобы удовлетворить потребности новой аудитории, инновации. Взаимодействие с университетами также позволит сохранить определенную долю инновационности, а вот о конкуренции говорить на этой стадии, скорее всего, не придется: роли между резидентами распределены, а вхождение новых фирм, которые могли бы нарушить равновесие, ограничено. Государству на этой стадии следует сконцентрироваться в первую очередь на другой проблеме: как не дать кластеру придти в упадок. Особенно это важно, если кластер генерирует большую долю ВВП: с упадком кластера пострадает и регион, и граждане, как это было, например, в Детройте. Здесь есть несколько вариантов. Если в регионе складывается новый кластер (в другой или смежной отрасли), то следует стимулировать его развитие, чтобы со временем он занял место старого кластера, а инфраструктура старого кластера и существующие связи могут быть переквалифицированы под нужды нового. Кроме того, государство может продолжать стимулировать инновации, а также помогать стартапам преодолевать барьеры входа. Целесообразно также осуществлять прямое финансирование в наиболее перспективные проекты. Радикальные инновации могут стать силой, которая обновит кластер, возвратив его на стадию роста. Если продукт кластера нишевый, а серьезных конкурентов за пределами кластера нет, то кластер вполне может закрепиться на стадии 64 зрелости и давать неплохие результаты (замочный кластер в Уэст-Мидлендсе). Упадок Главная рекомендация фирмам на стадии упадка – вводить радикальные инновации, не бояться даже перехода в новые технологические области (близкие или отличные). Государство же должно этому всячески содействовать, чтобы обеспечить благосостояние региона, в котором расположен кластер. Совместные инновации, прямое финансирование или привилегии инновационным предприятиям могут оказаться полезными. Радикальные инновации позволят вновь перейти к стадии роста, правда с сохранением старой инфраструктуры и связей. В целом, тема оптимальной политики на каждой из стадий жизненного цикла очень перспективна и заслуживает отдельного внимания. Полезным может оказаться проведение отдельного статистического исследования о влиянии тех или иных мер на результат кластера и его характеристики. В качестве характеристик можно использовать свойства, рассмотренные в этой работе, такие как размер, неоднородность и их использование с помощью инфраструктуры и выработки общих стратегий. 65 Заключение Эконометрическое исследование показало, что результат кластера зависит не только от каких-либо внешних или внутренних характеристик, но, поскольку кластер – явление динамическое, и от стадий его жизненного пути. Кластер достигает максимальных преимуществ на стадии роста и теряет их, проходя через стадии зрелости и упадка. При этом развитие кластера непосредственно связано с увеличением числа компаний и использованием неоднородности, которая достигает максимума на стадии роста, а затем угасает. Выявленные в ходе исследования дополнительные взаимосвязи могут пролить свет на подробности движения кластера от стадии к стадии. Так, инфраструктура кластера сначала влияет положительно, позволяя максимально эксплуатировать неоднородность, но чересчур громоздкая, замкнутая на себе инфраструктура мешает развитию кластера и, скорее всего, отрицательное влияние инфраструктуры непосредственно связано с истощением неоднородности на поздних стадиях кластера. Но, чтобы доказать эту связь, требуются дополнительные исследования. Экспорт, будучи более свойственным для стадии зрелости, напротив, является силой, которая приносит в кластер дополнительную инерцию для развития, как, впрочем, и взаимосвязи с университетами. В работе поверхностно представлены возможные варианты политики для каждой стадии жизненного цикла кластера, но, в действительности, актуальность проблемы предъявляет спрос на более подробное изучение вариантов вмешательства государства в развитие кластера, притом с учетом стадий жизненного цикла. Учитывая, что Россия делает особую ставку на формировании внутри страны работоспособных кластеров, проблема имеет под собой не столько теоретическую основу, но представляет значимость из чисто практических соображений. 66 Список литературы 1. Audretsch D., Feldman M. Innovative clusters and the industry life cycle // Review of Industrial Organization 11. 1996. P. 253-273. 2. Ellison G., Glaeser E. Geographic concentration in U.S. manufacturing industries: a dartboard approach // Journal of Political Economy. Oct. 1997. Vol. 105, No. 5. P. 889-927. 3. European Cluster Observatory. [Эл. ресурс]. Режим доступа: ресурс]. Режим доступа: http://www.clusterobservatory.eu/index.html 4. Eurostat. Statistics Database. [Эл. http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/ 5. Hollanders H., Tarantola S., Loschky A. Regional Innovation Scoreboard 2009 // Methodology report. December 2009 6. Iammarino S., McCann P. The structure and evolution of industrial clusters: transactions, technology and knowledge spillovers // Research policy 35. 2005. P. 1018-1036. 7. Innobarometer on cluster’s role in facilitating innovation in Europe / Analytical report // Survey organised and managed by the Eurobarometer Team of DirectorateGeneral “Communication”. 2006 8. Innovation Clusters in Europe: A statistical analysis and overview of current policy support / DG Enterprise and industry report. 2007. 9. Klink V., Langen P. Cycles in industrial clusters: the case of the shipbuilding industry in the Northern Netherlands. 1999 // Tijdschrift voor Economische en Sociale Geografie. 2001. Vol. 92, No. 4. P. 449-463. 10. Köhler S., Otto A. The role of new firms for the development of clusters in Germany. 11. Martin R., Sunley P. Conceptualizing cluster evolution: beyond the life cycle model? // Regional Studies. Nov. 2011. Vol. 45.10. P. 1299-1318. 12. Menzel M.-P., Fornahl D. Cluster life cycles — dimensions and rationales of 67 cluster evolution. 2009 // Industrial and Corporate Change, Volume 19, Number 1, pp. 205–238 13. OECD.StatExtracts. [Эл. ресурс]. Режим доступа: http://stats.oecd.org/ 14. Porter M. Clusters and the new economics of competition // Harvard Business. Review, 76. 1998. P. 77–90. 15. Porter M., Schwab K. The global competitiveness report 2008-2009 // World Economic Forum. Geneva, Switzerland. 2008. 16. Pouder R. and John C.H.St. Hot spots and blind spots: geographical clusters of firms and innovation. 1996 // Academy of Management Review, 21, P. 1192–1225. 17. Shin D., Hassink R. Cluster life cycles: the case of the shipbuilding industry cluster in South Korea // Regional Studies. 2009. Vol. 45.10. P. 1387-1402. 18. Stejskal J., Hajek P. Competitive advantage analysis: a novel method for industrial clusters identification // Journal of Business Economics and Management. 2012. Vol. 13(2). P. 344-365. 19. Titze M., Brachert M., Kubis A. The identification of regional industrial clusters using qualitative input-output analysis (QIQA) // Regional Studies. Jan. 2011. Vol. 45.1. P. 89-102. 20. Марков Л.С., Ягольницер М.А. Исследование наукоемких предприятий Новосибирска. Кластерный подход. [Эл. ресурс]. Режим доступа: http://www.sibai.ru/archive/index-1025.htm 21. Ялов Д.А. Кластерный подход как технология управления региональным экономическим развитием. [Эл. ресурс]. Режим доступа: http://compass-r.ru/st-303-1.htm 68 Приложение 1 Краткое описание статистических показателей Показатели размера demp dent Описание Среднее изменение кол-ва работников и компаний за период 4 года emp Кол-во работников на миллион населения, выраженное в эквиваленте полной занятости, где возможно. В других случаях – в количестве. ent Кол-во компаний на миллион населения, для Великобритании количество местных единиц на миллион населения. size Показатель размера, рассчитанный Cluster Observatory. Доля работников кластерной категории в общей занятости по Европе, в %. spec Специализация. Специализация сравнивает отношение занятых в кластере к общей региональной занятости и отношение общей европейской занятости в той же кластерной категории к общей европейской занятости. Измеряется в %. RIS Показатели использования неоднородности и размера Комбинированный показатель инновационности региона. RDb R&D, совершенные частными компаниями, в евро на человека. Пропуски заполнены умножением ВВП региона на долю R&D, посчитанную Cluster Observatory. Показывает, насколько инновационен бизнес в рамках кластера. RDun R&D в университетах в евро на человека. Показатель характеризует взаимодействия между фирмами и университетами в рамках кластера. RDg Государственные расходы на R&D в евро на человека. Косвенно показывает принятие кластера властями. RDpersb RDpersun Персонал, вовлеченный в R&D. Измеряется в % от общей занятости региона. RDpersg HumanRes Человеческие ресурсы в науке и технологиях по данным Cluster Observatory. В % от населения (на сайте cluster observatory не уточняется, но это можно предположить из сравнения с данными Евростата) ServProv Количество отношений между предприятиями. Учитывались отношения хотя бы по одному из видов деятельности (ICT, R&D, продажи и маркетинг, базовая деятельность). Но только по 3-ем странам, не по регионам и не по отраслям Количество внешних поставщиков различных услуг. InCoop Количество предприятий, вовлеченных в любой вид коопераций в сфере инноваций. Измеряется в % от общего числа компаний отрасли. Rel IndStage Доля предприятий (в %), для которых важными являются указанные в практической части источники информации. Когда компания получает много информации от близких источников (университеты, поставщики, конкуренты), можно говорить о сильных взаимосвязях в рамках кластера. Рассчитано для отраслей. Доля занятости работников кластера в общей занятости региона. Показывает, насколько экономика региона сфокусирована на кластере. Чем больше значение, тем больше вероятность возникновения кластерных эффектов Организации, существование которых может свидетельствовать о наличии кластера. Каждому виду орг. задан вес. Наличие кластерных организаций является показателем выработки резидентами общих стратегий. Стадия жизненного цикла кластера. 0 - зарождение или рост. 1 - зрелость или упадок. Exp Страновой экспорт отрасли в евро на человека. Рассчитан умножением общего экспорта в евро на человека на долю отрасли в Валовой добавленной стоимости. ExportComp Процент компаний (инновационных) в отрасли (от числа компаний в отрасли), продающих продукцию в другие европейские страны. Demand Внутренний спрос на продукцию отрасли в евро на человека. Страновые данные. patents Количество патентов в соответствующей отрасли в конкретном регионе на миллион населения. Показатель инновационности кластера InfSource focus org Показатели сильных сторон 69 Приложение 2 Источники данных и соотнесение отраслей с элементами из отраслевых классификаций источников данных Индикаторы Источники данных Биотехнологии Фармацевтика Медицинские технологии IT Текстиль Бумажная продукция demp European Cluster Observatory (ECO) Biotech Pharmaceuticals Medical devices IT Textiles Paper products dent ECO, Eurostat Biotech, Manufacture of food and products Pharmaceuticals, Retail sell of pharmaceutical and medical goods, cosmetic and toilet articles Medical devices, Manufacture of medical, precision and optical instruments, watches and clocks IT, Computer and related activities Textiles, Manufacture of textiles and textile products Paper products, Manufacture of pulp, paper and paper products emp ECO Biotech Pharmaceuticals Medical devices IT Textiles Paper products Medical devices, Manufacture of medical, precision and optical instruments, watches and clocks IT, Computer and related activities Textiles, Manufacture of textiles and textile products Paper products, Manufacture of pulp, paper and paper products Medical devices IT Textiles Paper products ent ECO, Eurostat Biotech, Manufacture of food and products Pharmaceuticals, Retail sell of pharmaceutical and medical goods, cosmetic and toilet articles Size, spec ECO Biotech Pharmaceuticals RIS ECO Без выделения отраслей RDb, RDun, RDg ECO, Eurostat Без выделения отраслей RDpersb, RDpersun, RDpersg ECO Без выделения отраслей ECO Без выделения отраслей Eurostat: stractural business statistics Eurostat: demand for services statistics Eurostat: community innovation survey Без выделения отраслей Manufacture of food products and beverages Manufacture of chemicals and chemical products Manufacture of medical, precision and optical instruments, watches and clocks Computer and related activities Computer and related activities Manufacture of pulp, paper and paper products InfSource Eurostat: community innovation survey Manufacture of food products and beverages Manufacture of chemicals and chemical products Manufacture of medical, precision and optical instruments, watches and clocks Computer and related activities Manufacture of textiles Manufacture of pulp, paper and paper products focus ECO Biotech Pharmaceuticals Medical devices IT Textiles Paper products Paper-making; production of cellulose HumanRes Rel ServProv InCoop High-technology manufacturing (DG24.4, DL30, DL32, DL33, DM35.3) Low-technology manufacturing (DA to DE and DN) patents Eurostat, OECD Biotechnology Medical and Veterinary science; hygien OECD: Medical ICT Wearing apparel, Headwear, Footwear org ECO Biotech Pharmaceuticals Medical devices IT Textiles Paper products IndStage Рассчитано по данным Eurostat, OECD Manufacture of basic pharmaceutical products and pharmaceutical preparations Manufacture of basic pharmaceutical products and pharmaceutical preparations, т.к. другого нет Computer and related activities Manufacture of textiles Manufacture of pulp, paper and paper products См. Таблица 4 Exp Рассчитано по данным Eurostat из ВДС Manufacture of food products; beverages and tobacco products ExportComp Eurostat: community innovation survey Manufacture of food products and beverages Manufacture of chemicals and chemical products Manufacture of medical, precision and optical instruments, watches and clocks Computer and related activities Manufacture of textiles Manufacture of pulp, paper and paper products Demand Eurostat: COICOP Food and non-alcoholic beverages Medical products, appliances and equipment Medical products, appliances and equipment Communications Clothing and footwear Newspapers, books and stationery 70 Приложение 3 Таблица корреляции между показателями DEMP DENT EMP ENT FOCU S HUMA NRES INCO OP INDST AGE INFSO URCE ORG RDB RDG RDPE RSB RDUN DEMP 1,00 DENT 0,56 1,00 0,00 ----- 0,06 -0,12 1,00 0,52 0,18 ----- 0,16 0,02 0,71 1,00 0,07 0,82 0,00 ----- 0,05 -0,12 0,98 0,66 1,00 0,53 0,17 0,00 0,00 ----- -0,07 -0,09 0,11 -0,03 0,05 1,00 0,39 0,32 0,21 0,74 0,59 ----- -0,17 -0,21 0,17 0,05 0,22 0,03 0,04 0,02 0,05 0,55 0,01 0,72 ----- 0,06 -0,03 0,40 0,37 0,43 -0,02 -0,16 1,00 0,46 0,77 0,00 0,00 0,00 0,78 0,06 ----- 0,25 0,16 0,04 0,36 -0,02 -0,25 -0,24 -0,22 1,00 0,00 0,06 0,67 0,00 0,79 0,00 0,00 0,01 ----- 0,02 0,18 0,23 0,23 0,19 0,07 0,09 -0,17 0,05 1,00 0,83 0,03 0,01 0,01 0,03 0,41 0,32 0,05 0,59 ----- -0,12 -0,06 0,29 0,09 0,20 0,55 -0,09 0,03 -0,12 0,23 1,00 0,17 0,52 0,00 0,31 0,02 0,00 0,28 0,72 0,17 0,01 ----- 0,03 0,04 0,03 0,04 -0,05 0,66 -0,17 -0,07 -0,04 0,03 0,43 1,00 0,76 0,63 0,71 0,62 0,56 0,00 0,04 0,39 0,65 0,69 0,00 ----- -0,11 -0,01 0,09 0,04 0,01 0,54 -0,06 -0,04 -0,16 0,00 0,55 0,81 1,00 0,21 0,92 0,29 0,68 0,95 0,00 0,51 0,62 0,06 0,96 0,00 0,00 ----- ----- EMP ENT FOCU S HUM ANRE S INCO OP INDS TAGE INFS OUR CE ORG RDB RDG RDUN 1,00 71 RDPE RSG RDPE RSUN REL SIZE SPEC DEMA ND EXP EXPCO MP PATE NTS GDP EMER GENC E GRO WTH MAT RDPE RSB RDPE RSG RDPE RSUN REL SIZE SPEC DEMA ND EXP EXPC OMP PATE NTS GDP EMER GENC E GRO WTH MAT -0,17 -0,08 0,30 0,07 0,21 0,59 -0,01 0,03 -0,19 0,23 0,98 0,42 0,57 1,00 0,05 0,38 0,00 0,45 0,01 0,00 0,92 0,71 0,03 0,01 0,00 0,00 0,00 ----- 0,04 0,04 0,01 0,05 -0,06 0,62 -0,17 -0,08 0,00 0,05 0,33 0,98 0,77 0,32 1,00 0,68 0,66 0,89 0,59 0,48 0,00 0,05 0,34 0,96 0,57 0,00 0,00 0,00 0,00 ----- -0,25 -0,08 0,07 0,02 0,02 0,52 0,30 -0,03 -0,25 0,03 0,38 0,66 0,84 0,46 0,64 0,00 0,37 0,42 0,80 0,80 0,00 0,00 0,76 0,00 0,72 0,00 0,00 0,00 0,00 0,00 ----- 0,35 0,15 0,03 0,20 -0,05 -0,14 -0,68 -0,05 0,61 -0,04 0,03 0,19 0,00 -0,09 0,20 -0,41 1,00 0,00 0,09 0,71 0,02 0,60 0,10 0,00 0,55 0,00 0,66 0,75 0,03 0,99 0,29 0,02 0,00 ----- -0,31 -0,22 0,48 0,23 0,42 0,22 0,13 -0,12 0,10 0,39 0,51 0,06 0,13 0,53 0,03 0,15 -0,05 1,00 0,00 0,01 0,00 0,01 0,00 0,01 0,12 0,15 0,24 0,00 0,00 0,49 0,12 0,00 0,69 0,08 0,58 ----- -0,23 -0,20 0,51 0,25 0,50 0,18 0,09 -0,33 0,17 0,23 0,24 0,12 0,12 0,24 0,11 0,10 0,02 0,68 1,00 0,01 0,02 0,00 0,00 0,00 0,04 0,29 0,00 0,04 0,01 0,01 0,16 0,16 0,00 0,21 0,24 0,85 0,00 ----- -0,45 -0,13 -0,40 -0,38 -0,43 0,03 -0,45 -0,26 -0,08 0,07 0,01 0,03 0,03 0,01 0,02 0,01 -0,02 0,07 0,15 1,00 0,00 0,14 0,00 0,00 0,00 0,76 0,00 0,00 0,38 0,40 0,89 0,75 0,73 0,87 0,79 0,87 0,86 0,41 0,08 ----- -0,03 0,16 -0,21 -0,14 -0,26 0,04 -0,59 -0,29 0,05 0,21 0,02 0,17 0,09 -0,02 0,17 -0,09 0,32 0,02 0,18 0,75 1,00 0,77 0,06 0,01 0,10 0,00 0,67 0,00 0,00 0,58 0,01 0,85 0,05 0,32 0,82 0,05 0,27 0,00 0,77 0,03 0,00 ----- 0,29 0,00 0,11 0,04 0,10 0,01 0,22 -0,23 0,11 -0,08 0,06 0,12 0,06 0,02 0,12 -0,13 0,34 -0,03 0,00 -0,69 -0,51 1,00 0,00 0,99 0,20 0,67 0,24 0,89 0,01 0,01 0,21 0,36 0,46 0,17 0,48 0,79 0,18 0,12 0,00 0,72 1,00 0,00 0,00 ----- 0,13 0,19 0,56 0,37 0,50 0,26 -0,05 0,14 -0,15 0,54 0,39 0,21 0,21 0,37 0,19 0,10 0,10 0,28 0,20 -0,12 0,22 0,04 1,00 0,14 0,03 0,00 0,00 0,00 0,00 0,56 0,11 0,08 0,00 0,00 0,01 0,01 0,00 0,02 0,23 0,25 0,00 0,02 0,15 0,01 0,64 ----- -0,16 -0,02 0,14 0,02 0,05 0,45 -0,09 0,03 -0,19 0,02 0,71 0,48 0,73 0,68 0,38 0,47 -0,01 0,24 0,10 0,02 0,02 0,07 0,26 1,00 0,07 0,81 0,10 0,85 0,60 0,00 0,31 0,74 0,03 0,79 0,00 0,00 0,00 0,00 0,00 0,00 0,87 0,00 0,23 0,81 0,78 0,45 0,00 ----- 0,14 0,35 -0,05 0,00 -0,05 -0,04 -0,13 -0,07 0,01 0,16 -0,01 0,03 0,11 -0,01 0,03 0,07 -0,01 -0,06 -0,03 0,16 0,27 -0,19 0,08 0,02 1,00 0,10 0,00 0,58 0,98 0,56 0,66 0,12 0,40 0,90 0,06 0,92 0,70 0,21 0,92 0,73 0,39 0,91 0,50 0,74 0,07 0,00 0,02 0,36 0,79 ----- -0,09 -0,10 1,00 1,00 0,12 0,46 -0,19 0,02 -0,21 -0,19 -0,02 0,02 0,27 0,07 -0,13 -0,02 -0,08 -0,16 -0,01 -0,05 0,14 -0,16 -0,28 -0,12 -0,11 0,02 0,06 0,15 0,00 0,03 0,83 0,02 0,03 0,81 0,81 0,00 0,44 0,12 0,82 0,33 0,07 0,88 0,56 0,09 0,07 0,00 0,16 0,21 0,82 0,49 0,32 0,27 ----- -0,01 -0,52 -0,44 1,00 0,95 0,00 0,00 ----- 0,02 -0,25 -0,09 -0,08 -0,07 0,06 -0,07 0,18 -0,20 -0,21 0,03 -0,06 -0,05 0,05 -0,06 -0,08 -0,04 -0,18 -0,27 -0,05 -0,08 0,04 0,03 0,83 0,00 0,32 0,34 0,39 0,48 0,40 0,04 0,02 0,01 0,70 0,52 0,53 0,57 0,47 0,33 0,66 0,04 0,00 0,55 0,37 0,66 0,71 72
