Выявление кластеров высокотехнологичных компаний в России
advertisement
Земцов Степан Петрович* – кандидат географических наук, старший научный сотрудник, лаборатория исследований корпоративных стратегий и поведения фирм, Институт прикладных экономических исследований, Российская академия народного хозяйства и государственной службы при Президенте РФ, 119571, г. Москва, проспект Вернадского, 82, стр.1, zemtsov@ranepa.ru Панкратов Алексей Алексеевич – магистрант, кафедра экономической и социальной географии России, географический факультет, МГУ им. М.В.Ломоносова. Адрес: 119991, Москва, ГСП-1, Ленинские горы, МГУ, географический факультет. E-mail: pankratov_aleksey_ml@mail.ru Баринова Вера Александровна – кандидат экономических наук, заведующая лабораторией, лаборатория исследований корпоративных стратегий и поведения фирм, Институт прикладных экономических исследований, Российская академия народного хозяйства и государственной службы при Президенте РФ, 119571, г. Москва, проспект Вернадского, 82, стр.1, barinova-va@ranepa.ru Куценко Евгений Сергеевич – заведующий отделом кластерной политики, Институт статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ. Адрес: 101000, Москва, ул. Мясницкая, 11. E-mail: ekutsenko@hse.ru Выявление кластеров высокотехнологичных компаний в России с целью верификации федеральной кластерной политики JEL: R12, L60, L26, С43 В условиях санкций в целях импортозамещения особого внимания требуют высокотехнологичные отрасли хозяйства. Одной из мер их поддержки является развитие кластеров путем формирования новых и усиления существующих связей между малым и средним бизнесом, крупными предприятиями и научными организациями. При этом на начальном этапе необходимо определение регионов с высоким потенциалом кластеризации указанных отраслей. В работе представлена оригинальная методика выявления региональных кластеров и приведены результаты ее апробации. Показано, что большинство поддерживаемых государством пилотных инновационных территориальных кластеров развиваются в регионах и отраслях, соответствующих высокому кластерному потенциалу. Приведена типология пилотных инновационных территориальных кластеров в зависимости от значений индекса потенциала кластеризации в регионах их базирования. Определены регионы, обладающие схожими или даже более благоприятными условиями для кластеризации в отраслях специализации пилотных инновационных кластеров. Ключевые слова: кластеры, малый и средний бизнес, коэффициент локализации, пилотные инновационные территориальные кластеры, регионы, Россия, высокотехнологичная промышленность. 1 Введение Повестка инновационного развития России в настоящее время тесно связана с активным проведением кластерной политики. Многие регионы Российской Федерации в своих стратегиях социально-экономического развития указывают создание и поддержку кластеров в качестве одного из приоритетов. Обычно их создание направлено на содействие реструктуризации якорных предприятий, создание сети поставщиков вокруг них, развитие сектора технологического малого и среднего предпринимательства, а также стимулирование кооперации бизнеса с научными и образовательными учреждениями. Многие кластерные инициативы зарождаются естественным образом и не всегда идентифицируются представителями региональных или федеральных органов власти. Закономерности территориальной концентрации предприятий исследуются уже довольно давно. Так, еще А. Маршалл, применительно к доиндустриальной эпохе, подробно описывал так называемую «локализованную промышленность» [Маршалл, 1920], когда предприятия определённых групп отраслей размещались в относительной близости друг к другу, образуя высоко конкурентные промышленные округа. В настоящее время аналогичные исследования направлены на изучение кластеров компаний, где под ними чаще всего понимается сконцентрированная по географическому признаку группа взаимосвязанных компаний, специализированных поставщиков, поставщиков услуг, а также связанных с их деятельностью организаций (в т. ч. университетов, научных организаций и т.д.) в промышленности или сфере услуг [Портер, 2005] Современные зарубежные исследования показывают, что нахождение в кластере выгодно фирме, так это облегчает доступ к специализированным факторам производства и рабочей силе, а также – специфическим знаниям и компетенциям [Porter, 1998; Портер, 2005; Karlsson, 2008]. В кластерах выше интенсивность образования новых фирм [Bresnahan et al, 2001; Feldman et al, 2005; Fritsch, Mueller, 2007]; выше вероятность их последующего выживания [Staber, 2001; Fritsch et al., 2006; Wennberg, Lindqvist, 2010]; выше доля фирмэкспортёров [Bair, Gereffi, 2001]; выше экономические показатели фирм [Zhang, Li, 2008] и их инновационная активность [Cooke, Schwartz, 2007]. В этой связи в последние десятилетия приобрели актуальность проекты, направленные на определение и анализ направлений с наибольшим потенциалом развития кластеров в региональном разрезе. Прежде всего, речь идет о проекте в США, реализуемым под руководством М. Портера [Porter, 2003; Delgado et al., 2014] и о европейском проекте в рамках деятельности Европейской кластерной обсерватории [Ketels, Protsiv, 2014a; Ketels, Protsiv, 2014b]. В России в конце 2000-х в пилотном режиме был реализован проект по определению приоритетных отраслевых направлений и регионов для развития кластеров 2 [Куценко, 2009; Киселев и др., 2011; Данько, Куценко, 2012] в соответствие с первой редакцией методологии Европейской кластерной обсерватории (на данный момент в Европе действует третья редакция). В 2015 году Российской кластерной обсерваторией была запущена Карта кластерных инициатив России. За полгода в заявительном порядке представили подробную информацию о себе около 100 кластеров1. Соответствие поддерживаемых государством кластерных инициатив объективным отраслевым направлениям специализации региона с наибольшим потенциалом развития кластеров является одним из базовых условий снижения риска неэффективности кластерной политики государства. У нас нет данных о том, чтобы какой-либо из российских регионов, поддерживающих развитие кластеров на своей территории, использовал в явном виде тот или иной специализированный инструмент определения наиболее перспективных отраслей. В связи с этим разработка и апробация таких инструментов видится важным практическим шагом на пути повышения эффективности кластерной политики в России. В рамках политики стимулирования инновационного развития Правительство Российской Федерации поддерживает создание и развитие пилотных инновационных территориальных кластеров. В начале 2012 года Министерство экономического развития Российской Федерации инициировало конкурсный отбор проектов по развитию кластеров в регионах России. Региональные администрации подали заявки на получение государственной поддержки, всего порядка 100 кластерных инициатив, среди которых были отобраны 25 заявок, которые получили поддержку из федерального бюджета. Средства были направлены, в основном, на развитие инновационной инфраструктуры [Пилотные инновационные территориальные кластеры, 2015; Kutsenko, 2015; Zemtsov et al, 2015; Zemtsov et al., 2015; Бортник и др., 2015], тогда как комплексные проекты развития кластеров предполагали также и ведение работ в сфере исследований и разработок, инновационной деятельности, подготовки и повышения квалификации кадров и другие мероприятия2. При реализации данной федеральной программы возник ряд вопросов, касающихся её эффективности с точки зрения стимулирования кластерного развития в стране. На наш взгляд, одной из ключевых проблем поддержанных кластеров является незначительное число малых компаний и недостаточный уровень взаимодействия между их участниками. Именно данная категория участников кластеров максимально заинтересована в кластерном формате взаимодействия, а также в разработке и реализации совместных проектов, позволяющих объединять ресурсы и решать общие проблемы, непосильные для Карта кластерных инициатив России. URL: map.cluster.hse.ru Проект перечня пилотных программ развития инновационных территориальных кластеров и аналитических материалов по данному вопросу 05.07.2012 №135175-АК/Д-19ч http://economy.gov.ru/wps/wcm/connect/1a5dcd004bf64bef858d9d77bb90350d/doklad_proekt.pdf?MOD=AJPERES 1 2 3 отдельного малого и среднего предприятия. Расчеты показали, что доля таких компаний в общей массе участников пилотных кластеров значительно уступает европейским показателям [Zemtsov et al., 2015; Бортник и др., 2015]. Целью настоящего исследования является развитие методологии определения отраслевых направлений с высоким потенциалом развития кластеров в регионах, за счет включения в нее факторов конкуренции и малого бизнеса. В качестве апробации предложенной методологии авторы проводят сопоставление индексов потенциала кластеризации регионов России с данными о расположении пилотных инновационных территориальных кластеров, отобранных и поддерживаемых Минэкономразвития России. Методика исследования Для расчета индекса потенциальной кластеризации в регионах России применялся следующий алгоритм. На первом этапе была собрана статистическая информация по числу, выручке и занятости в фирмах по всем регионам России по отраслям специализации существующих пилотных инновационных территориальных кластеров3 Российской Федерации (ИТК). Использована информация баз данных СПАРК4 и RUSLANA5. Все ИТК были классифицированы в соответствии с их основной специализацией6 по видам экономической деятельности (по основному классификатору видов экономической деятельности - ОКВЭД). Таблица 1. Высокотехнологичные отрасли специализации пилотных инновационных территориальных кластеров7 Группа отраслей Отрасли по ОКВЭД 1. Фар мац евти ка и биот ехно логи и Производство фармацевтической продукции (244). Название ИТК (Субъект РФ, города локализации участников кластера) Алтайский край. Биофармацевтический кластер (Алтайский край: Барнаул, Бийск) Калужская область. Кластер фармацевтики, биотехнологий и биомедицины (Калужская область: Для субъектов, имеющих два и более пилотных инновационных территориальных кластеров, будет использоваться сокращенное название кластера для его быстрой идентификации (например: Москва – Зеленоград и Троицк) 4 СПАРК – система профессионального анализа рынков и компаний. URL: http://www.sparkinterfax.ru/Front/Index.aspx 5 RUSLANA – информация о компаниях России, Украины и Казахстана. URL: https://ruslana.bvdep.com/ 6 По данным Российской кластерной обсерватории. URL: http://cluster.hse.ru/ 7 В данном случае речь идет об отраслях специализации ИТК. По классификации Росстата (Методика, 2014), основанной на рекомендациях ОЭСР и Евростата, к высокотехнологичным отраслям промышленности по ОКВЭД относятся: 24.4. Производство фармацевтической продукции, 30. Производство офисного оборудования и вычислительной техники, 32. Производство электронных компонентов, аппаратуры для радио, телевидения и связи, 33. Производство медицинских изделий; средств измерений, контроля, управления и испытаний; оптических приборов, фото- и кинооборудования; часов, 35.3. Производство летательных аппаратов, включая космические. Другие отрасли специализации ИТК – нефтехимия, автомобиле- и судостроение относятся к среднетехнологичным. ИКТ (код 72) относится к наукоемкому виду деятельности. 3 4 4. Нефтехимия 3. Авиа-космические технологии 2. Информационнокоммуникационные технологии Производство медицинских изделий, включая хирургическое оборудование, и ортопедических приспособлений (331) Деятельность, связанная с использованием вычислительной техники и информационных технологий (72) Производство силовых установок и двигателей для летательных аппаратов, включая космические (35301). Производство космических аппаратов, ракет-носителей и прочих космических объектов (35304, 35305, 35309). Производство летательных аппаратов, включая космические (353) Производство нефтепродуктов (232). Производство резиновых изделий (251). Производство пластмассовых изделий (253) Обнинск) Московская область. Биотехнологический инновационный территориальный кластер (Московская область: Пущино) Московская область. Инновационный территориальный кластер ядерно-физических и нанотехнологий (Московская область, Дубна) Московская область. Кластер «Физтех XXI» (Московская область: Долгопрудный, Химки) Новосибирская область. Инновационный кластер информационных и биофармацевтических технологий (Новосибирская область: Новосибирск) Санкт-Петербург. Ленинградская область. Кластер медицинской, фармацевтической промышленности, радиационных технологий (Санкт-Петербург, Ленинградская область) Томская область. Фармацевтика, медицинская техника и информационные технологии (Томская область: Томск) Московская область. Кластер «Физтех XXI» (Московская область: Долгопрудный, Химки) Нижегородская область. Саровский инновационный кластер (Нижегородская область: Саров) Новосибирская область. Инновационный кластер информационных и биофармацевтических технологий (Новосибирская область: Новосибирск) Санкт-Петербург. Развитие информационных технологий, радиоэлектроники, приборостроения, средств связи и инфотелекоммуникаций (СанктПетербург) Томская область. Фармацевтика, медицинская техника и информационные технологии (Томская область: Томск) Красноярский край. Кластер инновационных технологий ЗАТО г. Железногорск (Красноярский край: Железногорск) Самарская область. Аэрокосмический кластер (Самарская область: Самара) Пермский край. Инновационный территориальный кластер ракетного двигателестроения "Технополис «Новый звездный» (Пермский край: Пермь) Ульяновская область. Консорциум «Научнообразовательно-производственный кластер «Ульяновск-Авиа» (Ульяновская область: Ульяновск) Хабаровский край. Инновационный территориальный кластер авиастроения и судостроения (Хабаровский край: Хабаровск, Комсомольск-на-Амуре) Нижегородская область. Нижегородский индустриальный инновационный кластер в области автомобилестроения и нефтехимии (Нижегородская область: Нижний Новгород, Кстово) Республика Башкортостан. Нефтехимический территориальный кластер (Республика Башкортостан) Республика Татарстан. Камский инновационный территориально — производственный кластер (Республика Татарстан: Набережные Челны, 5 5. Приборостроен ие и электроника 6. Судострое ние 7. Автомобиле строение Производство электрических машин и электрооборудования (31). Производство электронных компонентов, аппаратуры для радио, телевидения и связи(32) Строительство и ремонт судов (351) Производство автомобилей, прицепов и полуприцепов (34) Производство автомобилей (341) Нижнекамск, Елабуга) Республика Мордовия. Энергоэффективная светотехника и интеллектуальные системы управления освещением (Республика Мордовия: Саранск) Москва. Кластер «Зеленоград» (Москва: Зеленоград) Санкт-Петербург. Развитие информационных технологий, радиоэлектроники, приборостроения, средств связи и инфотелекоммуникаций (СанктПетербург) Архангельская область. Судостроительный инновационный территориальный кластер (Архангельская область: Архангельск, Северодвинск) Хабаровский край. Инновационный территориальный кластер авиастроения и судостроения (Хабаровский край: Хабаровск, Комсомольск-на-Амуре) Нижегородская область. Нижегородский индустриальный инновационный кластер в области автомобилестроения и нефтехимии (Нижегородская область: Нижний Новгород) Республика Татарстан. Камский инновационный территориально— производственный кластер (Республика Татарстан: Набережные Челны, Елабуга) На втором этапе была рассчитана доля каждой фирмы в выручке и занятости всех фирм в отдельных регионах. На основе этих данных рассчитывался коэффициент монополизации отрасли в регионе для того, чтобы избежать ситуации, когда в регионе высокая локализация отрасли связана с показателями одной фирмы. НН Emp i , g S 2f ,i , g Emp (1), Sale (2), ni , g НН Salei , g S 2f ,i , g ni , g где HH – это коэффициент монополизации, или концентрации8 (индекс ХерфиндаляХиршмана) отрасли i в регионе g; n – число фирм в отрасли в регионе; s – доля фирмы f ; Emp – число работников; Sale – выручка. Обратный показатель (1-HH) можно назвать индексом деконцентрации: чем он выше, тем ниже уровень монополизации региональной экономики. На третьем этапе рассчитывались коэффициенты локализации для исследуемых отраслей для каждого региона по трем характеристикам: число фирм, занятость и выручка. Три характеристики использованы для взаимной верификации. LQ Firmi , g 8 Firm i , g Firm i , R Firm g Firm R (3), Значение индекса более 0,25 означает наличие высококонцентрированного регионального рынка 6 LQ Emp i , g Empi , g Empi , R Emp g EmpR LQ Salei , g Sale i , g Sale i , R Sale g Sale R (4), (5), где LQ – коэффициент локализации отрасли i в регионе g; Firm – число фирм; R – общероссийское значение показателя. На четвертом этапе рассчитывалась доля фирм рассматриваемой отрасли региона к показателю отрасли в стране – размер отрасли региона (Size). Size Firmi , g Size Emp i , g Size Sale i , g Firm i , g (6), Firm i , R Empi , g (7), Empi , R Sale i , g (8). Sale i , R На пятом этапе результаты расчетов были нормированы по формуле линейного масштабирования для приведения показателей в интервал [0;1] для их сопоставимости. Ind i , g Inc i, g max( Inc min( Inc i , g ) i, g ) min( Inc i , g ) (9), где Ind – индекс, полученный нормировкой, отрасли i в регионе g по характеристике Inc: число фирм, занятость и выручка. На шестом этапе рассчитывался субиндекс потенциальной кластеризации по каждой из характеристик. Cluster _ subind Firm i,g Ind ( LQ Firmi , g ) Ind ( Size Firm ) Ind Firmi , g ) 2 (10), Ind ( LQ Emp i , g ) Ind ( Size Emp ) Ind (1 НН Emp i , g ) (11), Cluster _ subind Emp i , g 2 Ind ( LQ Salei , g ) Ind ( Size Sale ) Ind (1 НН Salei , g ) Cluster _ subind Salei , g 2 (12), где Cluster _ subind Firm - это субиндекс кластеризации отрасли i в регионе g по Firm – числу фирм; IndFirm – индекса числа фирм отрасли i региона g9; Cluster _ subind Emp - это субиндекс Индекс рассчитывался по числу фирм по формуле 9, но если в регионе 100 и более фирм отрасли i, то значение индекса приравнивалось к 1, так как мы предполагали, что этого числа фирм достаточно для образования кластера. Значение 100 выбрано как минимальное число фирм необходимое для кластеризации. 9 7 кластеризации по Emp – занятости в фирмах (численности работников); Cluster _ subind Sale это субиндекс кластеризации по Sale – выручке фирм. На седьмом этапе рассчитывался интегральный индекс потенциальной кластеризации Cluster _ Ind i , g Cluster _ subind Firmi , g Cluster _ subind Emp i , g Cluster _ subind Salei , g (13), 3 где Cluster_Ind – индекс потенциальной кластеризации отрасли i в регионе g. Итоговый индекс потенциальной кластеризации оценивает условия для образования кластеров в разрезе отраслей и регионов и позволяет повысить научную обоснованность выбора кластеров для целей государственной поддержки. Верификация федеральной кластерной политики в России Для всех регионов, где имеются пилотные инновационные территориальные кластеры, были рассчитаны индексы потенциальной кластеризации для отраслей специализации представленных в них кластеров. Эти результаты по отраслям специализации сравнивались с результатами других регионов, что позволило выявить дополнительные регионы, где также могли бы быть поддержаны кластерные инициативы. Фармацевтика и биотехнологии Фармацевтическая отрасль благодаря большому числу малых и средних предприятий10 является одной из приоритетных для развития кластеров малого и среднего бизнеса в России. Усредненный индекс деконцентрации отрасли (формулы 1 и 2) в отобранных для ИКТ регионах превышает 0,75. По данному направлению деятельности поддерживается семь пилотных ИТК, то есть наибольшее число среди всех поддержанных отраслевых направлений. Но многие фирмы в отрасли – это фасовочные предприятия и аптечные пункты, изготавливающие скоропортящиеся лекарственные средства, что нужно учитывать при интерпретации результатов 10 8 Рисунок 4 – Интегральный индекс потенциальной кластеризации фармацевтической промышленности в России в 2013 г. Примечание – звездами показаны действующие инновационно-территориальные кластеры Информационно-коммуникационные технологии (ИКТ) В сфере ИКТ было отобрано 5 ИТК. Низкий индекс отраслевой деконцентрации говорит о том, что это также одна из наиболее благоприятных отраслей для развития кластерных инициатив. Отрасль ИКТ имеет более равномерное распределение условий кластеризации между регионами России, чем другие рассматриваемые отрасли (рисунок ниже). Примечание – звездами показаны действующие инновационно-территориальные кластеры 9 Рисунок 5 – Интегральный индекс потенциальной кластеризации отрасли информационнокоммуникационных технологий в России в 2013 г. Среди регионов, статистически демонстрирующих благоприятные условия для развития информационно-коммуникационных кластеров, выделяются: г. Москва (27 тыс. компаний – абсолютный лидер по Российской Федерации), Ростовская, Свердловская и Челябинская области, Пермский край и Республика Татарстан со значительным числом фирм и высоким потенциалом кластеризации. Авиакосмические технологии В данной отрасли промышленности поддержано формирование пяти ИТК. В ряде поддержанных регионах, по нашим данным, сосредоточено недостаточное число фирм МСБ для формирования полноценных кластеров: прежде всего в Хабаровском и Красноярском краях. Вместе с тем, пилотные ИТК в Хабаровском и Красноярском краях характеризуются явным межотраслевым характером: первый включает в себя судостроительные предприятия, второй – предприятие атомной промышленности. Примечание – звездами показаны действующие инновационно-территориальные кластеры Рисунок 6 – Интегральный индекс потенциальной кластеризации авиационно-космической промышленности в России в 2013 г. Другими регионами для развития кластерных инициатив авиакосмической отрасли (рисунок ниже), могут стать города Москва и Санкт-Петербург, а также – Московская и Нижегородская области, так как в них сосредоточено большое число предприятий авиационной отрасли – более 100 в каждом (в Москве – 797 предприятий), а также крупные научные, исследовательские и образовательные центры. 10 Нефтехимия В нефтехимической отрасли на сегодняшний день поддерживается формирование трех пилотных ИТК: в Республиках Башкортостан и Татарстан, а также в Нижегородской области. Индекс деконцентрации в указанных регионах составляет около 0,5. Все три региона располагают большим числом нефтехимических предприятий: в Республиках Башкортостан и Татарстан их около 1000, в Нижегородской области – 765. Расчетные данные свидетельствуют о высоком потенциале кластеризации предприятий нефтехимической отрасли в Москве и Московской области (рисунок ниже), что в значительной мере связано с регистрацией юридических лиц и не всегда отражает реальную ситуацию с размещением предприятий. Все крупнейшие предприятия нефтехимического комплекса, прежде всего, субъектов Западной Сибири зарегистрированы в Московском столичном регионе, и в данном случае мы имеем существенное искажение картины территориального размещения предприятий нефтехимической промышленности. Рисунок 7 – Интегральный индекс потенциальной кластеризации нефтехимической промышленности в России в 2013 г. Примечание – звездами показаны действующие инновационно-территориальные кластеры Также наблюдается кластеризация предприятий нефтехимической отрасли в Самарской области (здесь функционирует 850 предприятий нефтехимической специализации, средний уровень диверсификации более 0,85), Ярославской и Омской областях. 11 Приборостроение и электроника В поддерживаемых регионах и других регионах показатель диверсификации отрасли близок к значению 1, что определяет широкие возможности для интенсивного развития и конкурентного взаимодействия возможных участников кластера между собой. В настоящее время в России поддерживается единственный кластер приборостроительной специализации в Республике Мордовии (г. Саранск). При этом производственный потенциал Республики Мордовии (132 предприятия) значительно ниже по сравнению с лидером отрасли – г. Москвой (около 5 тыс. предприятий). Проведенный анализ выявил большой потенциал кластеризации приборостроительных предприятий в г. Москва (4960 предприятий), г. Санкт-Петербург (2720 предприятий), Московской области (около 1300 предприятий). Примечание – звездами показаны действующие инновационно-территориальные кластеры Рисунок 8 – Интегральный индекс потенциальной кластеризации электронной промышленности в России в 2013 г. В отношении электроники наблюдается полное соответствие проектируемых кластеров потенциалу регионов их базирования (рисунок ниже). Развивается два кластера: в Москве – кластер «Зеленоград» (4500 предприятий) и в Санкт-Петербурге (1200 предприятий). Важнейшими участниками кластера «Зеленоград» являются: ОАО «НИИМЭ и Микрон; группа «Ангстрем»; ОАО НПЦ «ЭЛВИС»; Институт проблем проектирования в микроэлектронике РАН; «Зеленоградский нанотехнологический центр». 12 Также значительный кластерный потенциал приборостроения и электроники наблюдается в Калининградской, Калужской, Пензенской, Рязанской и Московской областях. Судостроение В данной отрасли формируется два ИТК: в Архангельской области (города локализации предприятий кластера - Архангельск и Северодвинск) и Хабаровском крае (города локализации предприятий кластера - Хабаровск и Комсомольск-на-Амуре). В каждом регионе насчитывается более 50 предприятий судостроительной отрасли (в Архангельской области – около 120). Наши расчеты показывают, что потенциал кластеризации в выбранных регионах ниже, чем в г. Санкт-Петербург, Астраханской области, Приморском крае, Мурманской области, что может служить основанием для проведения дополнительных исследований, а также для поддержки альтернативных судостроительных кластеров, если они успешно пройдут стадию организационного становления. Среди альтернативных регионов (рисунок ниже) гораздо более благоприятными условиями для формирования судостроительного кластера обладает г. Санкт-Петербург, для которого значение антимонопольного показателя составляет около 0,7, а число фирм превышает 600. Рисунок 9 – Интегральный индекс потенциальной кластеризации судостроительной промышленности в России в 2013 г. Примечание – звездами показаны действующие инновационно-территориальные кластеры 13 Экономическое лидерство здесь делят четыре крупнейшие компании, две из которых имеют особый экономический вес и значение не только для Санкт-Петербурга, но и для всей страны: «Адмиралтейские верфи», судостроительный завод «Северная верфь»; «СреднеНевский судостроительный завод»; судостроительная фирма «Алмаз». Среди других субъектов Российской Федерации, где высок потенциал кластеризация, стоит отметить Приморский край (420 предприятий, показатель диверсификации – 0,65); Астраханскую (247 предприятий показатель диверсификации – 0,77) и Нижегородскую области (178 предприятий; показатель диверсификации – 0,64). Автомобилестроение Автомобильная промышленность быстро развивалась в России в связи с увеличением объема иностранных инвестиций во второй половине 2000-х гг. от крупнейших иностранных корпораций: Volkswagen, Toyota, Nissan, Volvo, Hyundai и т.д. Кластеры, включающие значительно число малых и среднихпредприятий (в основном, поставщики автокомпонентов и других комплектующих), образуются вокруг крупных советских и новых заводов. Автомобилестроительные кластеры поддерживаются в двух регионах локализации этой отрасли – Нижегородской области и Республике Татарстан. Потенциальными регионами для развития автомобилестроительных кластеров являются главные автомобилестроительные центры страны, в которых размещаются советские предприятия-гиганты: Самарская область (421 предприятие, крупнейшее – ОАО «АвтоВАЗ»), Ульяновская область (153 предприятия, крупнейшее – ОАО «Ульяновский автомобильный завод»), г. Москва (431 предприятие, основные предприятия – Открытое акционерное московское общество «Завод имени И. А. Лихачёва», а также ЗАО «Рено Россия» (до 2014 г. – «Автофрамос»). При анализе локализации автопрома стоит также выделить следующие регионы: г. Санкт-Петербург (188 предприятий), где расположены сборочные заводы – Toyota, Nissan, General Motors, Hyundai, Scania (автобусы), Magna (завод автокомпонентов), а также Калужская и Калининградская области, где также расположены автосборочные производства. 14 Примечание – звездами показаны действующие инновационно-территориальные кластеры Рисунок 10 – Интегральный индекс потенциальной кластеризации автомобильной промышленности в России в 2013 г. Три типа пилотных инновационных кластеров Российской Федерации Все проанализированные отрасли можно условно разделить на три группы, различающиеся по условиям кластеризации от благоприятных к условно благоприятным. Среди отраслей, имеющих наибольший индекс потенциальной кластеризации, можно выделить следующие: фармацевтика, производство медицинско-технологической продукции и биотехнологии; информационно-коммуникационные технологии; приборостроение (производство электрических машин) и электроника. В рамках этих отраслей развивается большая часть утвержденных Министерством экономического развития Российской Федерации пилотных инновационных территориальных кластеров. Далее следует группа важных для отечественной экономики производственных отраслей, отличающихся устоявшейся структурой размещения производительных сил, высокой степенью монополизации в лице крупнейших предприятий-гигантов. Этими отраслями являются: нефтехимия; судостроение; угольная промышленность; производство летательных аппаратов; двигателестроение и автомобилестроение. Отдельные поддерживаемые Минэкономразвития России кластеры данных отраслей представляют собой инструмент поддержки базовых перерабатывающих отраслей России. К отраслям третьей группы можно отнести производство новых материалов (титановый кластер в Свердловской области); ядерные и радиационные технологии, в отношении которых на данный момент мы имеем закрытую статистику и не располагаем какой-либо объективной информацией. Данные сферы деятельности являются наиболее 15 сложными для вхождения новых компаний на рынок и их свободного функционирования. Предприятия этих отраслей контролируются и управляются государственными структурами, следовательно, самостоятельный и несогласованный вход частных компаний в данных сферах оказывается невозможен. Проектирование кластеров в данных отраслях также представляет собой своеобразную форму государственной поддержки. Отдельной важной темой, выходящей за рамки настоящей статьи, является дифференциация подходов к поддержке кластеров этих типов, включая различия в целеполагании, мерах, показателях мониторинга. Заключение Новизна предлагаемого в настоящей статье подхода к определению отраслевых направлений с высоким потенциалом развития кластеров заключается в учете уровня внутрирегиональной монополизации отраслей, что позволило уменьшить влияние крупных предприятий на рассчитываемый индекс. Кроме того авторы включили в число характеристик, по которым ведутся расчеты, показатель числа фирм, что позволило выявить малые и микропредприятия, по которым нет информации о выручке и занятости. Значение обоснованной проведенного оценки инновационных исследования соответствия территориальных заключается поддерживаемых кластеров реальным в проведении государством условиям научно пилотных региональной предпринимательской и конкурентной среды. В целом можно отметить, что подавляющее большинство отобранных Министерством экономического развития Российской Федерации кластеров соответствует кластерному потенциалу тех регионов, в которых происходит формирование ИТК. В то же время, в результате проведенных расчетных исследований были выявлены регионы, обладающие более благоприятными условиями для проведения проактивной кластерной политики. В частности, кластеры судостроения поддерживаются в Архангельской области и Хабаровском крае (не вошел в число лидеров по рассчитанному нами индексу). Расчеты же свидетельствуют о более высоком потенциале кластеризации судостроительных предприятий в Санкт-Петербурге, Астраханской области, Приморском и Камчатском крае. Фармацевтические кластеры, созданные в г. Санкт-Петербург, Московской, Томской, Калужской, Новосибирской областях и Алтайском крае, имеют потенциальных конкурентов в г. Москве, Нижегородской области и Республике Татарстан. Нефтехимические кластеры поддерживаются в Республиках Татарстан, Башкортостан и Нижегородской области, однако для Самарской области и Краснодарского края потенциала кластеризации выше, чем в Нижегородской области. На индекс примере нефтехимической отрасли особенно хорошо видна зависимость предлагаемой методики от 16 региона регистрации юридического лица, так как высокие значения индекса также оказались характерны для Москвы и Московской области. Кластеры информационно-коммуникационных технологий, кроме поддержанных регионов (г. Москва, г. Санкт-Петербург, Томская, Московская, Новосибирская, Нижегородская области) имеют сравнимый потенциал кластеризации в следующих субъектах Федерации: Ростовская и Свердловская области, Пермский край. Они характеризуются сравнимым числом компаний и объемами выручки по отрасли в целом. Авиационные кластеры в Пермском крае и Ульяновской области имеют меньший потенциал кластеризации, чем в столичных регионах (г. Москва, г. Санкт-Петербург, Московская область). Среди кластеров электроники не учтены создаваемый в Калининградской области Технополис GS, а также фирмы Пензенской области. Стоит отметить, что условием отбора в перечень пилотных инновационных территориальных кластеров являлось наличие организации-координатора, которая бы сформировала заявку в довольно сжатые сроки, поэтому отсутствие более перспективных, на наш взгляд, кластеров, в перечне кластеров, поддерживаемых Минэкономразвития России, может свидетельствовать не столько о недостатках федеральной методики отбора, сколько о недостаточной организованности членов кластера либо недостаточной активности региональных властей. Ограничения предлагаемой методики связаны с недостаточным качеством статистических данных, которое сильно зависит от отрасли и размера компании. Чем больше размер компании, при прочих равных условиях, тем больший объем данных о ней содержится в официальной отчетности. Данные о многих малых и микропредприятиях не содержат информации по выручке и численности занятых, а в высокотехнологичных и зарождающихся отраслях инновационной экономики таких предприятий большинство. Поэтому мы вынуждены были применять в наших расчетах данные обо всех фирмах, а не только о малых и средних, полагая, что наличие в регионе крупных фирм также предоставляет возможности для формирования кластеров путем образования спин-оффов, а также обеспечивая спрос на продукцию МСБ. Кроме того, определенная погрешность возникает и при соотнесении ИТК с видами экономической деятельности по ОКВЭД. Многие предприятия относятся к традиционным отраслям, хотя по факту производят инновационную продукцию, в частности, можно привести пример биотехнологических компаний, занимающихся генной инженерией, но относящихся по классификации к производителям сельскохозяйственной продукции. Возможна и обратная ситуация, например, в фармацевтической отрасли многие предприятия, занятые фасовкой лекарств, формально классифицируются как высокотехнологичные, хотя и не производят 17 инновационной продукции. Для отраслей, связанных с военно-промышленным комплексом – судостроение, атомная промышленность, средства связи т. д., - информация также отсутствует, что приводит к невозможности исследования кластерных процессов предложенным нами методом в этих отраслях. При расчетах учитывалось место регистрации юридических лиц, а не реальная локализация предприятий, поэтому лидерство Москвы как ведущего региона с высоким потенциалом кластеризации большинства отраслей достаточно условно. В будущем методику необходимо дополнить анализом образовательных и научноисследовательских организаций в отраслях специализации кластеров, а также оценками связей между организациями. Для этого необходимо проведение дополнительных исследований кластерных инициатив, в том числе с использованием результатов проекта «Карта кластеров России». Список литературы 1. Бортник И.М., Земцов С.П., Иванова О.В., Куценко Е.С., Павлов П.Н., Сорокина А.В. (2015). Становление инновационных кластеров в России: итоги первых лет поддержки // Инновации. № 7. P. 26-36/. 2. Данько Т. П., Куценко Е. С. Основные подходы к выявлению кластеров в экономике региона // Проблемы современной экономики. 2012. № 1. С. 248–254. 3. Куценко Е. С. Рациональная кластерная стратегия: маневрируя между провалами рынка и государства // Форсайт. 2012. Т. 6. № 3. С. 6-15. 4. Куценко Е. С. Кластеры в экономике: практика выявления. Обобщение зарубежного опыта // Обозреватель. 2009. № 10(237). С. 109-126. 5. Куценко Е. С., Киселев А. Н., Карнаух А. П. Определение приоритетных направлений для формирования и развития кластеров малых и средних предприятий в региональной экономике (на примере города Москвы) // Сетевой бизнес и кластерные технологии. М.: НИУ ВШЭ, 2011. С. 279–302. 6. Маршалл А. Принципы экономической науки. 8-е изд. 1920. Пер. с англ. Глава X: http://www.gumfak.ru/econom_html/marshall/marsh31.shtml 7. Методика расчета показателей "Доля продукции высокотехнологичных и наукоемких отраслей в валовом внутреннем продукте" и "Доля продукции высокотехнологичных и наукоемких отраслей в валовом региональном продукте субъекта Российской Федерации". URL: http://www.gks.ru/free_doc/new_site/effect/met_pr21.docx 8. Пилипенко И.В. Принципиальные различия в концепции промышленных кластеров и территориально-производственных комплексов // Вестник Московского Университета. Серия 5. География. – 2004, №5. – С. 3-9. 9. Пилотные инновационные территориальные кластеры в Российской Федерации. Выпуск 2. Направления реализации программ развития / под ред. Л.М. Гохберга, А.Е. Шадрина. – Москва: Национальный исследовательский университет «Высшая школа экономики», 2015. С. 41. 10. Портер М. Кетелс К. Конкурентоспособность на распутье: направления развития российской экономики, 2007. URL: http://spved.narod.ru/MATERS/PORTER_RFstrategy.pdf 11. Портер М. Конкуренция. : Пер. с англ. – М.: Издательский дом «Вильямс», 2005 18 12. Abashkin V., Boyarov A., Kutsenko E. (2012) Klasternaya politika v Rossii: ot teorii k praktike [Cluster Policy in Russia: From Theory to Practice]. Foresight-Russia, vol. 6, no 3, pp. 16-27 (in Russian). 13. Bair, J., Gereffi, G. (2001). Local clusters in global chains: the causes and consequences of export dynamism in Torreon's blue jeans industry // World development, 29(11), 1885-1903. 14. Bresnahan, T., Gambardella, A., Saxenian, A. (2001). ‘Old economy’ inputs for ‘new economy’ outcomes: cluster formation in the new Silicon Valleys // Industrial and corporate change, 10(4), 835-860. 15. Christensen T.A., Lämmer-Gamp T., Meier zu Kôcker G. (2012) Let’s make a perfect cluster policy and cluster programme. Smart recommendations for policy makers, Berlin: VDI/VDE Innovation + Technik GmbH (VDI/VDE-IT) 16. Cooke, P., Schwarz, D. (2007). Creative regions: technology, culture and knowledge entrepreneurship. – Routledge. 17. Delgado, M., Porter, M. E., & Stern, S. (2014). Defining clusters of related industries (No. w20375). National Bureau of Economic Research. Available at: http://www.nber.org/papers/w20375, accessed 17.01.2016 18. DGCIS (2009) Competitiveness Clusters in France. General Directorate for Competitiveness, Industry and Services. http://www.industrie.gouv.fr/poles-competitivite/brochureen.html (accessed 10 July 2012). 19. Dohse D., Staehler T. (2008) BioRegio, BioProfile and the Rise of the German Biotech Industry (Working Paper № 1456). Kiel, Germany. http://www.ifw-members.ifwkiel.de/publications/bioregio-bioprofile-and-the-growth-of-the-german-biotechindustry/KWP_1456.pdf (accessed 16 August 2012). 20. Duranton G. (2011) California Dreamin’: The Feeble Case for Cluster Policies. Review of Economic Analysis, no 3, pp. 3–45. 21. Eickelpasch A. (2008) The Promotion of Regional Innovative Networks — Lessons from the German InnoRegio-Programme. Paper presented at the Final DISTRICT Conference «Innovation Pathways and Knowledge Economy», 16 April 2008, Brussels. 22. Feldman, M., Francis, J., Bercovitz, J. (2005). Creating a cluster while building a firm: Entrepreneurs and the formation of industrial clusters // Regional Studies, 39(1), 129-141. 23. Fritsch, M., Brixy, U., Falck, O. (2006). The effect of industry, region, and time on new business survival–A multi-dimensional analysis // Review of industrial organization, 28(3), 285-306. 24. Fritsch, M., Mueller, P. (2007). The persistence of regional new business formationactivity over time–assessing the potential of policy promotion programs // Journal of Evolutionary Economics, 17(3), 299-315. 25. Hagenauer S., Kergel H., Stürzebecher D. (2012) European Cluster Excellence BASELINE — Minimum Requirements for Cluster Organisations, European Cluster Excellence Initiative. Available at: http://www.cluster-excellence.eu/fileadmin/clusterexcellence/grafiken/20111128_European_Cluster_Excellence_BASELINE_web.pdf, accessed 15.01.2015 26. INNO Germany AG (2010) Clusters and clustering policy: A guide for regional and local policy makers, Brussels: European Commission. Available at: http://cor.europa.eu/en/Archived/Documents/59e772fa-4526-45c1-b679-1da3bae37f72.pdf, accessed 24.01.2014 27. Karlsson, C. Handbook of Research on Cluster Theory. Cheltenham: Edward Elgar 2008. 28. Ketels C., Lindqvist G., Sölvell Ö. (2012). Strengthening Clusters and Competitiveness in Europe. The Role of Cluster Organisations. The Cluster Observatory. 29. Ketels C., Protsiv S. (2014a). European Cluster Panorama 2014 // European Cluster Observatory REPORT. Available at: 19 http://antonioviader.com/pdfs_preview/userupload/toni/Innovation_Policies/Metrics_Monitoring/E C%20Cluster%20Panorama%202014.pdf, accessed 17.01.2016 30. Ketels C., Protsiv S. (2014b). Methodology and Findings Report for a Cluster Mapping of Related Sectors // European Cluster Observatory REPORT. Available at: http://ec. europa. eu/enterprise/initiatives/cluster/observatory/d1, accessed 17.01.2016 31. Ketels, C. (2003). The Development of the cluster concept–present experiences and further developments. In NRW conference on clusters, Duisburg, Germany (Vol. 5) 32. Kutsenko E. (2015) Pilot Innovative Territorial Clusters in Russia: A Sustainable Development Model. Foresight-Russia, vol. 9, no 1, pp. 32–55.: http://foresightjournal.hse.ru/2015-9-1/146975221.html 33. Lindqvist G., Ketels C., Sölvell Ö. (2013) The Cluster Initiative Greenbook 2.0, Stockholm: Ivory Tower Publishers 34. Martin P., Mayer T., Mayneris F. (2008) Spatial concentration and firm-level productivity in France (discussion paper № 6858), CEPR 35. Pamminger W. (2014) Cluster Academy Workshop: Learning from a ‘cluster region’. Presentation at the 17th TCI Global Conference ‘Creating shared value through clusters for a sustainable future’, 10–13 November 2014, Monterrey, Mexico. Available at: http://www.slideshare.net/TCINetwork/tci2014-11-novclusterlabswerner-pamminger, accessed 17.01.2016 36. Porter, M.E. (1998) Cluster and the new economics of competition. Harvard Business Review. 76(6), 77-90. 37. Porter, M.E. (2003) The economic performance of regions. Regional studies.37 (67), 545-546. 38. Pro Inno Europe (2009) INNO-PolicyTrendChart. http://proinno.intrasoft.be/index.cfm?fuseaction=wiw.measures&page=detail&ID=8922 (accessed 26 July 2012). 39. Sörvik J., Midtkandal I. (2013) Smart Specialisation in the Baltic Sea Region. S3 Platform, DG JRC – IPTS. Malmö, 7 November 2013 40. Staber, U. (2001). Spatial Proximity and Firm Survival in a Declining Industrial District: The Case of Knitwear Firms in Baden-Wurttemberg // Regional Studies, 35(4), 329-341. 41. van der Linde C. (2003) The Demography of Clusters — Findings from the Cluster Metastudy. Innovation Clusters and Interregional Competition (eds. J. Bröcker, D. Dohse, R. Soltwedel), Berlin: Springer Verlag, pp. 130–149 42. Wennberg, K., Lindqvist, G. (2010). The effect of clusters on the survival and performance of new firms // Small Business Economics, 34(3), 221-241. 43. Zemtsov S.P., Pavlov P.N., Sorokina, A.V. (2015). Specifics of Cluster Policy in Russia // Institute of Economic Research Working Papers. No. 105/2015. Available at: http://www.badania-gospodarcze.pl/images/Working_Papers/2015_No_105.pdf, accessed 17.01.2016 44. Zemtsov, S. P., Barinova, V. A., Bukov, D. V., & Eremkin, V. A. (2015). Uncovering Regional Clustering of High Technology SMEs: Russian Case // Mediterranean Journal of Social Sciences. №6(6 S7). P. 309-320. 45. Zhang, S., Li, X. (2008). Managerial ties, firm resources, and performance of cluster firms // Asia pacific journal of management, 25(4), 615-633. 20
