Моделирование процессов формирования и развития региональных промышленных кластеров тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Моделирование процессов формирования и развития региональных промышленных кластеров"

На правах рукописи

(гр^—

Михалев Дмитрий Александрович

МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ФОРМИРОВАНИЯ И РАЗВИТИЯ РЕГИОНАЛЬНЫХ ПРОМЫШЛЕННЫХ КЛАСТЕРОВ

08.00.13 - Математические и инструментальные методы экономики

Автореферат диссертации на соискание ученой степени кандидата экономических наук

1 6 ПЕН 2015

Волгоград - 2015

005562381

005562381

Работа выполнена на кафедре «Управления и экономико-математического моделирования» в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Ивановский государственный химико-технологический университет».

Научный руководитель

доктор экономических наук, профессор, Ильченко Ангелина Николаевна.

Официальные оппоненты:

Ведущая организация

Коровин Дмитрий Игоревич, доктор экономических наук, доцент, ФГБОУ ВПО «Ивановский государственный энергетический университет им. В. И. Ленина», кафедра Высшей математики, заведующий;

Гущина Людмила Степановна, кандидат экономических наук, ФГБОУ ДПО «Государственная академия промышленного менеджмента имени Н.П. Пастухова», кафедра Интегрированных систем менеджмента, доцент.

ФГБОУ ВПО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых».

Защита состоится «14» октября 2015 года в 14 часов 30 минут на заседании диссертационного совета ДМ 212.028.07, созданного на базе Волгоградского государственного технического университета, по адресу: 400005, г. Волгоград, проспект Ленина, 28, ауд. В-1001.

С диссертацией можно ознакомиться в библиотеке Волгоградского государственного технического университета и на сайте www.vstu.ru по ссылке http://www.vstu.гu/nauka/dissertatsionnye-sovety/dш-21202807.htшl.

Автореферат разослан «27» августа 2015 г.

Ученый секретарь

диссертационного совета /с, Морозова Ирина Анатольевна

I. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Кластерный подход в управлении экономикой занимает значимое место как в Концепции долгосрочного социально-экономического развития Российской Федерации на период до 2020 года, так и в стратегиях социально-экономического развития различных регионов, в том числе Ивановской области. Опыт свидетельствует о том, что регионы, на территории которых складываются кластеры, как правило, становятся лидерами экономического развития. В связи с этим теория кластеров стала широко востребована в государственной политике, в научный оборот вошел термин «кластерная экономическая политика», а также понимание того, что промышленная и кластерная политики должны органически дополнять друг друга.

Преимущество кластерного подхода к региональному развитию заключается в комплексном и системном рассмотрении микроэкономических объектов, входящих в хозяйственную агломерацию, с учетом имеющейся социальной и территориальной специфики. В рамках этого подхода реализуются эффективные инструменты стимулирования региона, что обусловливает увеличение в нем занятости, повышение конкурентоспособности производственных систем, рост бюджетных доходов и т.д.

Однако, к настоящему времени примерно четверть всех регионов РФ имеет преимущественно монопрофильную экономику, в которой роль бюджетных доноров выполняют лишь несколько крупных предприятий (корпораций). Имеющаяся односторонность и несбалансированность такого регионального развития, сопровождающаяся наличием серьезных социально-демографических и экономических проблем, свидетельствует о востребованности обоснованной кластерной политики.

Несмотря на то, что кластерному подходу в современных научных исследованиях уделяется большое внимание, многие вопросы обоснования кластерной политики остаются нерешёнными. Большинство имеющихся исследований опирается преимущественно на качественные методы кластерного анализа (аналоговые методы сопоставления различных кластеров, ретроспективный анализ данных до и после формирования кластера и т.д.). В то же время процессы серьезной трансформации регионального развития (к числу которых относится реализация стратегии кластерного развития территории) требуют количественных, и в первую очередь - экономико-математических методов анализа. В настоящее время арсенал таких методов относительно невелик. В частности, отсутствуют (как в отечественной, так и зарубежной научной литературе) экономико-математические модели, углубленно и унифицированно описывающие процессы кластеризации, а также экономико-математический инструментарий поддержки стратегических решений по формированию региональных класте-

ров. Это обусловлено как сложностью изучаемых процессов (значительное разнообразие видов кластеров и специфики их деятельности), так и имеющимися информационными трудностями (короткие временные ряды и неполнота официальных статистических данных).

Указанные проблемы определяют актуальность выбранной темы исследования.

Степень научной разработанности проблемы. Теоретической и методической основой диссертации послужили фундаментальные исследования ведущих отечественных и зарубежных ученых по рассматриваемой тематике. Анализ имеющейся литературы свидетельствует о том, что рассматриваемая проблема находится в контексте различных научных направлений:

■ значительное число работ посвящено общим вопросам кластерной теории и кластерного анализа, в том числе исследования следующих отечественных и зарубежных авторов: П.А. Аркин, A.B. Барышева, В.А. Беспалов, Д.А. Галимов, А.И. Кибиткин, Н.И. Пшиканокова, К.А. Соловейчик, вопросам экономического кластерного подхода в региональном аспекте, кластерному анализу, его специфике и современным условиям развития посвящено значительное число работ следующих авторов: Е. Бергман, Б. Гаррет, Е. Дахмен, С. Дэвис, Д. М. Кастелс, П. Кругман, К. Морган, М. Портер, Б. Харрисон и др.;

■ отдельные вопросы, связанные с механизмами, инструментами создания и функционирования промышленных кластеров в регионе, рассмотрены в трудах

A.Ю. Александровой, Ю.А. Арутюнова, Л.Г. Ахтариевой, М.К. Бадмана,

B.А. Беспалова, В.М. Вазагова, Г.А. Власкина, H.H. Волковой, В. Гурвич,

B.А. Королева, Е.Б. Ленчук, Л.Г. Матвеевой, С.Г. Полякова, Т.В. Сахно,

C.С. Слепакова и др.;

■ большой пласт исследований по экономико-математическому моделированию и прогнозированию экономических процессов (в том числе - по региональной проблематике) представлен работами С.А. Айвазяна, Т. Андерсона, К.А. Багриновского, Дж. Бокса, A.M. Гатаулина, Г. Дженкинса, К. Доугерти, А.Н. Ильченко, B.C. Мхитаряна;

■ специальные методы исследования сложных систем (применение нейронных сетей и методов имитационного моделирования) отражены в трудах A.B. Андрейчикова, А.Н. Горбань, Г. Дебок, Н.Е. Егоровой, A.A. Емельянова, Т. Кохонена, Д.А. Россиева, A.A. Питенко.

В связи с этим возникает проблема обобщения и синтеза результатов различных научных школ и направлений и применения на этой основе различных методов экономико-математического моделирования, отражающих процессы формирования и управления промышленными кластерами регионов. Это определяет цели и задачи диссертационного исследования.

Цель диссертационного исследования: разработка комплекса экономико-математических моделей, отражающих процессы формирования и управления промышленными кластерами на уровне регионов с использованием современных математико-статистических и инструментальных средств: нейросетевого моделирования, математического кластерного анализа, статистического, адаптивного прогнозирования.

Для достижения указанной цели поставлены и решены следующие теоретические и практические задачи:

■ формирование методологических основ моделирования процессов региональной кластеризации;

■ анализ уровня кластеризации регионов; разработка количественного индикатора, характеризующего этот уровень и базирующегося на официальных статистических данных;

■ разработка экономико-математических методов типологизации регионов и разделение их на моно- и полииндустриальные регионы;

■ создание модели, отражающей взаимосвязь важнейших экономических показателей регионального развития от уровня кластеризации региона;

■ разработка прогнозной модели динамики экономического состояния региона на краткосрочную перспективу при изменении уровня его кластеризации;

■ моделирование зависимости прибыли предприятий ядра кластера от величины индикатора, характеризующего уровень кластеризации региона.

Объект исследования - промышленные кластеры регионов центрального федерального округа (далее - ЦФО) Российской Федерации

Предмет исследования - процессы формирования и прогнозирования региональных кластеров.

Методы исследования. В процессе исследования применялись методы системного анализа, эконометрики, теории принятия решений и многомерной классификации многомерного статистического анализа, экспертные оценки, а также методы нейросетевого моделирования.

Научную новизну содержат результаты исследования, полученные лично автором и выносимые на защиту.

Научная новизна исследования состоит в следующем: 1. Сформированы методологические основы моделирования процесса региональной промышленной кластеризации, отличительной особенностью которых (в сравнении с аналогичными разработками) является иерархический принцип построения системы моделей и методов на национальном, региональном и микроэкономическом уровнях; разработана концептуальная схема межу-ровневого информационного обмена, определены типы применяемых моделей и методов.

2. Введён индикатор степени кластеризации региона и предложен алгоритм его расчета на базе официальных статистических данных. В отличие от имеющихся показателей, характеризующих процессы кластеризации, данный индикатор не только учитывает отраслевую специфику региона (согласно ОКВЭД), но и задается в интервале своего возможного изменения, границы которого установлены аналитическим путем.

3. Разработана и реализована (на статистических данных регионов ЦФО) нейронная модель типологизации регионов (карты Кохонена), классифицирующая их как моно- или полииндустриальные. В отличие от традиционного способа применения методов нейросетевого моделирования в задачах региональной классификации, в предложенной модели наряду с объемными показателями выпускаемой различными отраслями продукции используются индикаторы классификации регионов, что обеспечивает большую точность поставленной задачи.

4. Предложен интервально-кластерный метод прогнозирования развития моноиндустриальных регионов на основе разработанной эконометрической модели, отражающей нелинейную связь (полином пятой степени) между удельным весом доминирующей отрасли в изучаемом виде деятельности (по России в целом) и индикатором степени кластеризации. По сравнению с имеющимися разработками данный метод не только дает оценку рекомендуемому уровню кластеризации, но и обосновывает целесообразность развития регионального кластера в установленном интервале значений индикатора кластеризации.

5. Разработаны и реализованы (на материале Ивановской области) мезо- и микроуровневые нейросетевые прогнозные модели. Отличительной особенностью этих моделей является учет влияния процессов кластеризации на состояние мезо- и микрообъектов. Мезоуровневая модель (многослойный персептрон с экспоненциальной активационной функцией скрытого слоя и логистической функцией выхода) в краткосрочной перспективе позволяет рассчитать ожидаемый ВРП на душу населения; микроуровневая нейросетевая модель позволяет определить зависимость прибыли предприятий ядра кластера от индикатора кластеризации региона.

Область исследования.

Диссертационное исследование проведено в соответствии с п. 1.5. -«Разработка и развитие математических методов и моделей глобальной экономики, межотраслевого, межрегионального и межстранового социально - экономического анализа, построение интегральных социально - экономических индикаторов» паспорта специальностей ВАК (08.00.13 - математические и инструментальные методы экономики).

Информационной базой исследования послужили опубликованные статистические данные Росстата территориального органа Федеральной службы государственной статистики по Ивановской области, нормативно-законодательные материалы по социально-экономическому развитию РФ и регионов ЦФО, материалы периодической печати и данные социально-экономических исследований автора.

Теоретическая и практическая значимость диссертационной работы.

Теоретическая значимость диссертационной работы заключается в разработке моделей и методов анализа и прогнозирования для совершенствования методологического подхода при управлении территориальной промышленной кластеризацией.

Практические результаты диссертационного исследования используются в текущей плановой деятельности Департаментом экономического развития и торговли Ивановской области. Результаты диссертационного исследования могут использоваться также исполнительными органами государственной власти и органами управления других субъектов РФ.

Отдельные положения исследования могут быть использованы в высших учебных заведениях при чтении лекций по дисциплинам «Методы оптимальных решений», «Методы принятия решений», «Экономико-математическое моделирование» студентам направлений «Экономика» и «Менеджмент».

Апробация работы. Основные научные и практические результаты диссертационной работы докладывались и обсуждались на международных, всероссийских конференциях и семинарах:

■ 15-й международной научной конференции «Роль финансово-кредитной системы в реализации решения задач развития экономики» (Санкт-Петербургский государственный университет экономики и финансов, г. Санкт-Петербург, 17-18 февраля 2011 г.);

■ межрегиональном семинаре в рамках IX областного фестиваля «Молодая наука - развитию Ивановской области» (Ивановский государственный политехнический университет, г. Иваново, 2013);

■ 4-й международной научно-практической конференции студентов и аспирантов «Статистические методы анализа экономики и общества» (Национальный исследовательский университет «Высшая Школа Экономики», г. Москва 14-16 мая 2013 г.);

■ 5-й международной научно-практической конференции студентов и аспирантов «Статистические методы анализа экономики и общества» (Национальный исследовательский университет «Высшая Школа Экономики», г. Москва 14-17 мая 2014 г.);

■ Всероссийской конференции с международным участием «Социально-экономический потенциал региона и перспективы его развития» (Ивановский государственный химико-технологический университет, г. Иваново, 19-20 ноября 2014 г.);

■ X Международной научно-техническая конференции студентов, аспирантов и молодых ученых «Энергия -2015» (Ивановский государственный энергетический университет, г. Иваново, 21-23 апреля 2015);

■ на заседаниях кафедры Управления и экономико-математического моделирования Ивановского государственного химико-технологического университета (2010 - 2015 г.г.).

Публикации. Основные положения и выводы диссертационного исследования нашли отражение в 12 научных работах общим объемом 3,4 п.л. (в т.ч. 3,4 п.л. - авторские), в том числе в б работах, опубликованных в изданиях, рекомендованных ВАК РФ.

Основное содержание работы

Диссертация состоит из введения, трех глав, заключения, списка литературы, состоящего из 188 источников. Работа изложена на 223 страницах машинописного текста, содержит 33 рисунка, 46 таблиц, 7 приложений.

Во введении обосновывается актуальность темы диссертационного исследования; определяется цель, задачи исследования, объект и предмет исследования; приводится краткая характеристика изучаемой проблемы, раскрывается степень ее научной разработанности; раскрывается научная новизна работы через результаты исследования, полученные лично автором и выносимые на защиту (научные результаты), приводится практическая значимость результатов исследования; также приводятся конференции и семинары, на которых обсуждались основные научные и практические результаты диссертационной работы.

В первой главе «Кластеризация в региональной экономике: теория формирования и количественный анализ» рассматриваются теоретические основы формирования кластеров в региональной экономике: рассматриваются различные трактовки понятия «кластер», приводится авторское уточненное определение понятия «кластер»; подробно описываются стадии развития кластера, дается наиболее распространенная классификация кластеров, которую автор дополняет видом «промышленный кластер». Дается обзор зарубежного опыта анализа кластерного развития промышленных отраслей. Автор приводит обзор экономико-математических методов моделирования процессов кластеризации для совершенствования управления социально-экономическим ростом регионов. Также автор предлагает методологические подходы к анализу и параметризации кластерного развития региональных экономик. Обосновывается примене-

ние аппарата экономико-математического моделирования с целью количественного анализа и прогнозирования процессов формирования и развития региональных промышленных кластеров.

Во второй главе «Модельный инструментарий анализа и прогнозирования процессов промышленной кластеризации в регионах» автор приводит содержательную формулировку прикладной задачи исследования процессов формирования и развития региональных промышленных кластеров, обосновывается применение экономико-математического моделирования к решению поставленной задачи. Для этого автор разбивает поставленную исходную задачу на подзадачи. В соответствии с таким подходом, разработан комплекс моделей промышленной кластеризации, который состоит из взаимосвязанных между собой подмоделей разных классов. Для разработанных моделей приводится их описание, математическая формализация, алгоритм реализации. Дается характеристика информационного обеспечения и информационных взаимосвязей комплекса построенных моделей.

В третьей главе «Экспериментальное моделирование процессов промышленной кластеризации регионов (на примере регионов ЦФО)» автор дает краткий обзор экономического положения ЦФО, Ивановской области, приводится экономико-промышленная специализация субъектов ЦФО. Численно реализованы, разработанные во второй главе, модели; приведена их численная апробация и оценка их практической применимости.

В заключении сформулированы основные результаты и выводы, полученные автором в процессе диссертационного исследования.

II. ОСНОВНЫЕ НАУЧНЫЕ РЕЗУЛЬТАТЫ, ВЫНОСИМЫЕ НА ЗАЩИТУ

1. Методологические основы моделирования процесса региональной промышленной кластеризации.

Оценить возможность создания и функционирования кластера, можно через наличие или отсутствие ориентированности региональной экономики на малое или большое число отраслей. Для этого целесообразно использовать методы экономико-математического моделирования.

В работе сформулирована следующая прикладная задача анализа и прогнозирования социально-экономического развития региона: на основе предложенной автором модели формирования показателя «степень кластеризации регионов» провести типологизацию регионов на моно- и полииндустриальные с целью дальнейшей оценки эффективности формирования промышленных кластеров в моноиндустриальном регионе на базе промышленных предприятий одной или смежных сфер деятельности.

Для решения поставленной экономической задачи, автором в диссертационном исследовании применяется комплексный модельный подход, при этом исходная задача разбивается на локальные подзадачи. На рисунке 1 представлена графическая схема комплекса моделей.

Рисунок 1. Концептуальная схема комплекса моделей промышленной кластеризации ((авторская разработка)

Практическая реализация разработанных моделей дает возможность:

1) модельно определить значения показателя степень кластеризации S для разных регионов;

2) произвести типологизацию регионов на моно- и полииндустриальные классы на основе нейросетевого моделирования;

3) численно определить индикативные значения показателей S по виду промышленной деятельности, доминирующему в рассматриваемых регионах, а также интервал индикативных значений 5 по каждому виду промышленной деятельности, с целью определения кластерной экономической политики региона;

4) на основе модели определить наличие зависимости и тип зависимости между степенью кластеризации и ВРП на душу населения для моноиндустриальных регионов;

5) определить прогнозные значение прибыли на краткосрочную перспективу предприятий кластера при изменении степени кластеризации региона.

Полученные результаты моделирования могут быть использованы в текущей деятельности исполнительных органов государственной власти регионов ЦФО для выстраивания стратегии социально-экономического развития: формировать промышленный кластер или принимать управленческие решения по уже созданным кластерам, быть готовым к положительным и отрицательным последствиям кластеризации.

2. Индикатор степени кластеризации региона: алгоритм расчета и границы его изменения.

Применительно к региону, по мнению автора, степень кластеризации - это показатель, который позволяет количественно определить ориентированность региональной экономики на определенную подотрасль. Возникает вопрос о численной оценке данного показателя, а также о его применении при формировании промышленной политики государства.

Для расчета предложенного показателя предлагается следующий авторский алгоритм, реализующий статистическую модель определения индикатора степени кластеризации региона.

1 этап. Обоснование и определение вида экономической деятельности региона согласно методологии государственной статистики.

2 этап. Обоснование и выбор показателя, характеризующего выбранный вид экономической деятельности.

3 этап. Формирование и анализ первичной статистической информации: удельных весов подотраслей в экономике отдельных регионов и удельных весов этих же подотраслей по России в целом.

4 этап. Расчет относительного показателя ку как отношения удельных весов

подотраслей отдельных регионов к удельным весам этих же подотраслей России в целом:

к

у IV.' О)

где - удельный вес г-й подотрасли в общем объеме отгруженной продукции по виду экономической деятельности для /-го региона; Щ - удельный вес г-й подотрасли для России в целом;

индекс г е / - индекс подотрасли, / = {1,2,..., п), п - количество Подотраслей;

индекс jeJ - индекс региона, J = {\, 2,..., т),т- количество анализируемых регионов.

Коэффициент ки является долевым показателем г-й подотрасли дляу'-го региона.

5 этап. Расчет для каждого региона степени кластеризации S^ как стандартного отклонения величин , / е /, j е J :

п

Г \2

trsj'eJ, J = {l, 2,..., т}, т-количество анализируемых регионов, п - количество подотраслей; к j - среднее значение показателя ку.

6 этап. Определение диапазона возможных значений показателя степени кластеризации Sj(jeJ). Данный диапазон возможных значений был определен аналитическим путем: максимальное значение для всех отраслей, которое Sj может достигать математически, равно 134.

В соответствии с формулами (1) и (2) показатель Sj- рассчитан для исследуемых региональных объектов, - регионов ЦФО РФ, где типичным видом деятельности является (согласно классификации Росстата) «Обрабатывающие производства», включающим множество подотраслей.

В качестве подотраслей были выбраны следующие производства: 1) пищевые продукты, в том числе - напитки и табак, 2) текстильное и швейное, 3) кожевенное и обувное, 4) обработка древесины и изделия из дерева, 5) целлюлозно-бумажное, 6) издательское и полиграфическое, 7) кокс и нефтепродукты, 8) химическое, 9) резиновые и пластмассовые изделия, 10) прочие

неметаллические минеральные продукты, 11) металлургическое и готовые металлические изделия, 12) машины и оборудование; 13) транспортные средства, 14) прочая продукция, 15) прочие материалы и вещества, не включенные в другие группировки.

Расчет показателя степени кластеризации 5 ■ проводился за период 2005 -2012 г.г. по 17-ти регионам ЦФО РФ.

Результаты расчета SJ за 2007 г., 2009 г. и 2011 г. представлены в таблице 1.

Таблица 1

Степень кластеризации регионов ЦФО в 2007, 2009 и 2011 г.г.

Регион 2007 г. 2009 г. 2011 г.

1 2 3 4

Белгородская область 0,793 0,845 0,837

Брянская область 0,887 0,947 0,819

Владимирская область 1,326 1,089 0,977

Воронежская область 0,727 0,732 0,715

Ивановская область 7,698 8,256 10,567

Калужская область 0,968 0,725 0,996

Костромская область 4,647 4,227 4,824

Курская область 2,203 2,159 1,272

Липецкая область 0,866 0,839 0,932

Московская область 0,667 0,7 0,679

Орловская область 0,868 0,918 0,967

Рязанская область 5,752 5,115 3,582

Смоленская область 2,268 1,935 1,619

Тамбовская область 1,33 1,078 1

Тверская область 1,948 2,819 5,431

Тульская область 1,304 1,579 1,254

Ярославская область 1,456 1,215 1,289

Диапазон изменения указанного показателя от минимального до максимального варьировался от 0 до 20, поскольку исходя из реальных показателей об объеме отгруженной продукции по регионам РФ по виду экономической деятельности «Обрабатывающие производства», его значение не превзойдет 20.

Анализ результатов, приведенных в таблице 1, позволяет сделать следующие выводы:

1) для большинства регионов в рассматриваемых периодах степень кластеризации в целом изменяется незначительно. Это свидетельствует о том, что для каждой отрасли существует свой «коридор» степени кластеризации;

2) наибольшая степень кластеризации экономики в ЦФО наблюдается в Ивановской области, причем имеется тенденция к ее росту.

3. Типологизация регионов с использованием метода нейросетевой кластеризации Кохонена.

Под моноиндустриальным регионом в работе понимается регион, ориентированный на определенную подотрасль по рассматриваемому виду экономической деятельности (обрабатывающие производства). Соответственно, полииндустриальным регионом считается регион, ориентированный на несколько подотраслей по этому же виду экономической деятельности.

Целью моделирования в данном случае является выявление доминирующей подотрасли из данного вида экономической деятельности для моноиндустриальных регионов. Результаты моделирования имеют большое значение для формирования кластерной политики государства.

Автор предлагает проводить типологизацию регионов на моноиндустриальные и полииндустриальные, используя инструментарий экономико-математического моделирования. Для этого предполагается классифицировать регионы на основе результатов нейронной модели, используя представленный ниже алгоритм.

Предложенный алгоритм нейросетевого моделирования для типологизации регионов с помощью карт Кохонена реализуется с помощью четырех этапов.

1. Подготовка и сбор исходных данных.

Выбор исходных данных для моделирования: 1) статистических данных по показателю объема отгруженной продукции по выбранному виду экономической деятельности (обрабатывающее производство) по каждому региону, 2) показателей степени кластеризации , полученных ранее на основе реализации статистической модели.

2. Инициализация данных для нейронной модели. В качестве объектов на входе модели рассматриваются: и е ^) - показатель степени кластеризации по каждому региону;

Объем отгруженной продукции по виду экономической деятельности «Обрабатывающее производство» в разрезе подотрасли г для каждого региона_/; Sj - степень кластеризации для регионау}> ' = I" > ] = Ьт ■ индекс / е I - индекс подотрасли, / = {1,2,..,, п), п - количество подотраслей; индекс j - индекс региона, = {1,2,..., т), т - количество анализируемых регионов.

Для каждого региона формируется (м+1) переменная, т регионов; с учетом числа регионов на входе имеется (п+\)*т переменных.

3. Реализация алгоритма самоорганизующихся карт Кохонена в ППП 81а-йвйса.

4. Анализ и интерпретация полученных результатов моделирования.

На выходе получена топологическая типологизация регионов на моноиндустриальные и полииндустриальные в виде географической карты.

На рисунке 2 представлен результат типологизации регионов ЦФО, где моноиндустриальные регионы выделены темным цветом (Белгородская (1), Воронежская (4), Ивановская (5), Костромская (7), Липецкая (9), Тульская (17) области). Остальные регионы - Брянская (2), Владимирская (3), Калужская (6), Курская (8), Московская (11), Орловская (12), Рязанская (13), Смоленская (14), Тамбовская (15), Тверская (16), Ярославская (18) области являются полииндустриальными.

Полученные результаты соответствуют материалам и нормативно-правовым актам, в которых определены потенциально кластерные отрасли моноиндустриальных регионов (таблица 2). Это свидетельствует как об адекватности результатов данного исследования, так и о государственной промышленной политике, ориентированной на вертикальный способ формирования кластеров. Кластерные структуры, инициированные государством, позволят улучшить качество жизни на основе усиления конкурентоспособности территории, усилить конкурентные преимущества региона, его экономический рост, выход на мировые рынки, повысить доходные части бюджета.

Рисунок 2. Результат типологизации регионов ЦФО на моно- и полииндустриальные

Таблица 2

Потенциально кластерные отрасли моноиндустриальных регионов

Регион Доминирующая подотрасль кластера

Белгородская область (1) Металлургическое производство и производство готовых металлических изделий

Воронежская область (4) Химическое производство

Ивановская область (5) Текстильное и швейное производство

Костромская область (7) Обработка древесины и производство изделий из дерева

Липецкая область (9) Металлургическое производство и производство готовых металлических изделий

Тульская область (17) Химическое производство

Полученные результаты можно использовать как выходную информацию для обучения нейронной сети и классифицировать любые регионы Российской Федерации.

4. Эконометрическая модель степени региональной кластеризации в зависимости от удельного веса доминирующей отрасли и интервально-кластерный метод прогнозирования развития моноиндустриальных регионов.

Важным вопросом региональной промышленной политики, ориентированной на кластерный подход, является обоснование целесообразности формирования кластера и выделения в нем доминирующей подотрасли. Решение данного вопроса для /-го региона может быть получено на основе анализа значений индикатора степени кластеризации 8], который может быть интерпретирован

как показатель массы ядра кластера. В целях такого анализа автором вводится понятие допустимого интервала или коридора степени кластеризации, индивидуализированного для различных видов деятельности (далее - коридор индикативных значений кластеризации). Считается, что при значениях 5., попадающих в этот коридор для доминирующей подотрасли моноиндустриального региона/, в нем имеются благоприятные предпосылки для создания кластера. Границы данного коридора определяются на основе алгоритма, разработанного автором и основанного на выявленной статистическими методами зависимости между уровнем кластеризации и удельным весом доминирующей отрасли.

Алгоритм предполагает реализацию нескольких шагов.

Шаг 1 состоит из 9 этапов.

1. Создание нейронной модели для классификации (типологизации) на моноиндустриальные и полииндустриальные регионы по всей России, исполь-

зуя результат типологизации картами Кохонена как выходное значение для обучения сети, Это реализуется в ППП Statistica.

2. Группировка регионов, относящихся к моноиндустриальным, по признаку доминирующего вида деятельности. На основе анализа статистических данных автором выделены 6 видов деятельности, как наиболее часто являющихся доминирующими (представлены в таблице 3).

Таким образом, в результате 2-го этапа получены 6 групп моноиндустриальных регионов. Далее для каждой группы регионов и для каждого из 6 видов деятельности выполняются этапы 3-9.

3. Подготовка исходных статистических данных по показателю ВРП на душу населения для групп регионов с одинаковой отраслью. Исходными данными являются официальные данные Росстата.

4. Для каждого вида деятельности рассчитываются весовые коэффициенты weight rt, представляющие собой долю доминирующей отрасли в ВРП r-го региона в году t.

Пусть VRP '-значение показателя ВРП на душу населения в году t для

региона г , г = \, R, t = \,T ,R - количество регионов рассматриваемой группы, имеющих одинаковую доминирующую отрасль, Т - горизонт моделирования (годы).

Тогда может быть рассчитана величина ВРП по всем регионам:

VRPf = ±VRP[. (3)

Далее для каждого года определяется показатель weight:

. , г VRP.r

(4)

где weight г, - весовые коэффициенты для г -го региона в году t.

5. Осуществляется расчет по формулам (1)-(2) показателя S- степени кластеризации по рассматриваемой группе регионов с одинаковой доминирующей отраслью.

6. Производится расчет значения S, как средневзвешенной величины по всем регионам для года t:

я

-weight;. (5)

/•-I

7. Рассчитываются весовые коэффициенты показателя ВРП на душу населения w, :

=

УЯР,

1 г л (=1 >•=]

8. Определяется показатель с учетом годовых, коэффициентов :

Я, ■>*>,. (7)

9. Вычисляется центральная точка коридора индикативных значений степени кластеризации:

индикат

/=1

(8)

Таким образом, для каждого из шести видов деятельности в работе получен свой центр кластера. Каждая из этих точек является центром ядра кластера.

Шаг 2 - определение границ коридора индикативных значений кластера для каждого вида деятельности.

Определяется ТУ отр как центральная точка среди множества всех ТУ, за ряд лет по России в целом:

(9)

1=1

где ТУ, - это доля, которую имеет подотрасль обрабатывающего производства по России в целом в Г-ый год.

Таблица 3 иллюстрирует соотношение ТУ отр и Биидтат для каждого из видов деятельности.

Таблица 3

Индикативные показатели степени кластеризации для некоторых подотраслей

Вид деятельности ЦТ гг отр

Металлургическое производство 20,75741 0,926708

Химическое производство 7,312965 1,636862

Производство транспортных средств 9,169308 1,704592

Производство кокса и нефтепродуктов 16,95907 1,057807

Производство прочих неметаллических минеральных продуктов 5,41864 1,934634

Целлюлозно-бумажное производство 3,48387 3,725647

Полученные значения представляют собой эмпирическую базу предполагаемой зависимости степени кластеризации от доли доминирующей подотрасли

в ВВП России. Анализ данных таблицы 3 свидетельствует о том, что с ростом 1¥отр происходит нелинейное уменьшение 5 „«л«ат-

С целью уточнения функционального выражения, была проведена серия экспериментов, которая продемонстрировала наилучшую аппроксимацию данных полиномом 5-го порядка. По объективным причинам рассматриваемый временной ряд ретроспективных исходных данных недостаточно длинный, в связи с чем, в дальнейшем, при продолжении накопления ретроспективных данных функциональная зависимость подлежит уточнению.

Эконометрическая модель для эмпирических данных таблицы 3 имеет следующий вид:

5= 0,000063 2 ^+0,00421052 Й^-0,10707661 ^+1,2895632^-

-7,3608036296^+17,6577456126. (10)

Модель (10) значима по критериям Фишера и Стьюдента. Рисунок 3 иллюстрирует зависимость, представленную моделью (10).

0 5 10 15 20 25

те

Рисунок 3. График зависимости 5 от Ж

Каждая точка с координатами 5 и Ж на рисунке 3 представляет собой центральную точку коридора индикативных значений для каждого вида деятельности.

Данный график и эконометрическая модель позволяют определить интервал (коридор) значений индикатора степени кластеризации для каждой отрасли.

На основе уравнения модели (10), а также с использованием допустимых значений показателей удельных весов различных подотраслей, полученных статистическим путем, вычисляется интервал индикативных значений их кластеризации.

Анализ официальных данных Росстата за 2005 - 2012 г.г. позволил определить допустимые интервалы значений по всем подотраслям по виду экономической деятельности обрабатывающие производства, которые приведены в таблице 4.

Таблица 4

Допустимые значения показателей удельных весов отраслей IV в Российской Федерации обрабатывающих производств

Наименование подотрасли Допустимые показатели удельных весов отраслей

Производство пищевых продуктов, включая напитков и табака [15,3; 19,7]

Текстильное и швейное производство ГО,9; 1,21

Производство кожи, изделий из кожи и производство обуви [0,2; 0,2]

Обработка древесины и производство изделий из дерева [1,3; 1,6]

Целлюлозно-бумажное производство, издательская и полиграфическая деятельность [3,0; 3,6]

Производство кокса и нефтепродуктов [16,2; 19,91

Химическое производство [6,8; 7,91

Производство резиновых и пластмассовых изделий [2,2; 2,61

Производство прочих неметаллических минеральных продуктов [4,4; 6,1]

Металлургическое производство и производство готовых металлических изделий [16,7; 21,7]

Производство машин и оборудования [5,1; 5,91

Производство электрооборудования, электронного оптического оборудования [5,1; 5,9]

Производство транспортных средств и оборудования [7,8; 10,3]

Прочие производства [2,0; 2,71

Производство прочих материалов и веществ, не включенных в другие группировки [1,9; 2,9]

На основе данных таблицы 4 рассчитываются для коридора Жданные коридора значений 51. Например, для подотрасли текстильного и швейного производства, характеризующейся интервалом удельных весов 0,8<\У<1,2, коридор степени кластеризации соответственно составит [10,5053; 12,5413].

Точно также определяются интервалы показателя Б и для других подотраслей; результаты расчетов представлены в таблице 5.

Таким образом, на основе модели (10) автором предложены коридоры индикативных показателей 5. Если степень кластеризации в моноиндустриальном регионе входит в рассчитанный коридор по доминирующей подотрасли из

таблицы 5, то это свидетельствует о благоприятных условиях создания отраслевого регионального кластера.

Таблица 5

Индикативные значения (коридор) показателей степени кластеризации 5 для подотраслей по виду деятельности обрабатывающих производств

Наименование подотрасли Коридор индикативных значений степени кластеризации S

Производство пищевых продуктов, включая напитков и табака [1,087; 1,140]

Текстильное и швейное производство [10,505; 12,0021

Производство кожи, изделий из кожи и производство обуви [16,236; 16,934]

Обработка древесины и производство изделий из дерева [8,770; 9,602]

Целлюлозно-бумажное производство, издательская и полиграфическая деятельность [3,545; 4,220]

Производство кокса и нефтепродуктов [1,077; 1,1011

Химическое производство [1,647; 1,6491

Производство резиновых и пластмассовых изделий [5,540; 6,6611

Производство прочих неметаллических минеральных продуктов [1,733; 2,589]

Металлургическое производство и производство готовых металлических изделий [0,509; 1,061]

Производство машин и оборудования П,778; 2,0861

Производство электрооборудования, электронного оптического оборудования [1,778; 2,086]

Производство транспортных средств и оборудования Г1,647; 1,710]

Прочие производства [5,296; 7,303]

Производство прочих материалов и веществ, не включенных в другие группировки [4,830;7,646]

5.Экспериментальные расчеты по прогнозированию развития текстильно-промышленного кластера Ивановской области на основе разработанных методов нейросетевого моделирования: мезо- и микроуров-невый аспекты.

Центральным вопросом региональной промышленной политики является оценка эффекта планируемых процессов кластеризации. В работе обосновывается выбор интегрального показателя, наиболее полно и агрегированно отражает экономическое состояние региона. По мнению автора, таким показателем является ВРП на душу населения. Таким образом, возникает задача определения

взаимосвязи этого показателя и степени кластеризации в моноиндустриальных регионах. Автором для решения этой задачи выбран аппарат нейросетевого моделирования и предложен следующий алгоритм моделирования ВРП на душу населения с применением нейросетевой модели многослойного персептрона.

1. Подготовка и сбор исходных данных. На данном этапе выбираются исходные данные для моделирования: показатель степень кластеризации по каждому , региону и ВРП.

2. Инициализация данных. В качестве объектов на входе инициируются данные из пункта 1.

3. Реализация алгоритма многослойного персептрона: на вход подаются Х=(Х]У~ степень кластеризации региона на выходе имеется показатель

- ВРП на душу населения по региону. Данный алгоритм реализован в ШШ 81айзйса на базе данных по Ивановской области, характеризующуюся преобладанием текстильного производства.

4. Анализ и интерпретация полученных результатов моделирования.

Предлагаемая программой сеть - многослойный персептрон с 4 нейронами на внутреннем слое и экспоненциальной функцией активации на нем. Функция активации скрытого слоя - логистическая. Результаты прогнозирования приведены в таблице 6.

Таблица 6

Результат прогноза ВРП на душу населения Ивановской области

(в ценах 2014 года)

Показатель степени кластеризации Результат прогноза ВРП многослойным персептроном, руб.

11,49 129912,6

11,75 213870,5

12 249314,0

Обученная сеть дала 6,7% ошибки на тестовой выборке, что позволяет составить прогноз для плановых значений показателя степени кластеризации по рассматриваемому региону.

Данные таблицы 6 свидетельствуют о том, что продолжая концентрировать текстильную промышленность в Ивановском регионе, возможно добиться повышения показателя валового регионального продукта на душу населения в два раза.

В работе изложена также нелинейная математическая модель, отражающая зависимость прибыли предприятий ядра кластера от показателя степени кластеризации региона. Данная модель имеет тип нейросетевой модели, она учитывает найденный ранее коридор степени кластеризации и позволяет исследо-

вать вопросы влияния процессов кластеризации на эффективность работы предприятий, составляющих ядро регионального кластера. Данный аспект проблемы рассмотрен на примере ядра текстильно-промышленного кластера Ивановской области.

В 2010 году было подписано соглашение о развитии текстильно-промышленного кластера региона. В его состав вошли 26 крупных и средних текстильных предприятий.

Для анализа были выбраны несколько предприятий ядра кластера: ОАО ХБК «Шуйские ситцы», Ассоциация предприятий «ТДЛ», ЗАО «Кинешемская ПТФ», доля которых в общем объеме выручки всех предприятий ядра кластера составляет соответственно 19,6%, 33,8% и 6,9%.

На рисунке 4 графически представлена динамика прибыли этих предприятий за период 2005-2012 г.г.

Рисунок 4. Динамика прибыли трех предприятий Ивановского текстильно-промышленного кластера за 2005 - 2012 г.г., тыс.руб.

В качестве примера далее рассматривается Ассоциация предприятий «ТДЛ».

На рисунке 5 графически представлено соотношение прибыли Ассоциации предприятий «ТДЛ» и степени кластеризации Ивановской области.

♦

♦_______________________

I_____________________________♦ *____________

о 2 4 6 8 10 12

Степень кластеризации. $

Рисунок 5. Зависимость прибыли Ассоциации предприятий «ТДЛ» и степени кластеризации Ивановской области

На основе нейросетевой модели получен прогноз динамики прибыли Ассоциации предприятий «ТДЛ» при росте степени кластеризации, который представлен в таблице 7.

Таблица 7

Прогноз динамики прибыли Ассоциация предприятий ТДЛ при росте степени кластеризации Б

Год 5 Прогноз прибыли, тыс.руб. Реальные показатели прибыли, тыс. руб. Ошибка прогноза, %

2005 7,6976 8605,108 8493,0 1,32

2006 6,9374 23015,0 22812,0 0,89

2007 8,2558 115769,1 118325,0 2,16

2008 10,1323 232264,3 231847,0 0,18

2009 10,5665 279532,8 282442,0 1,03

2010 10,9571 427492,8 425239,0 0,53

2011 11,0200 544778,3 528193,0 3,14

2012 11,4900 561128,2 534695,0 4,94

Данные таблицы 7 свидетельствуют о росте прибыли при повышении уровня кластеризации.

Дальнейшее прогнозирование с использованием нейросетевой модели дает следующие результаты: при степени кластеризации 11,75 прогнозное значение

I &

600000

500000

400000

300000

200000

100000

прибыли равно 63319,1 тыс.руб., при степени кластеризации 12 -720780,9 тыс.руб.

Аналогичные модельные расчеты проведены для ОАО ХБК «Шуйские ситцы», ЗАО «Кинешемская ПТФ».

На рисунке 6 представлены результаты модельного нейросетевого прогнозирования для рассматриваемых предприятий.

800000 1-----------------------------------------

Ассоциация предприятий «ТДЛ» ОАО ХБК «Шуйские силы» ЗАО «КинешемскаяПТФ»

Рисунок 6. Прогноз динамики прибыли предприятий ядра текстильно-промышленного кластера Ивановской области при изменении степени кластеризации, тыс.руб.

Результаты прогноза подтверждают гипотезу о целесообразности усиления доминирования текстильной отрасли в Ивановской области для предприятий ядра кластера. При этом регулирование в пределах допустимого коридора степени кластеризации как показателя критической массы ядра кластера, позволяет стимулировать развитие крупных предприятий и уберегать малые предприятия от банкротства.

По результатам апробации разработанных моделей были сделаны выводы о благоприятном воздействии кластеризации текстильной отрасли на экономическое состояние как для Ивановской области в целом, так и для предприятий, входящих в состав кластера, и даны рекомендации Правительству региона, в части концентрации, усиления и создания благоприятной среды для текстильной отрасли в регионе.

Ш. ЗАКЛЮЧЕНИЕ

В соответствии с поставленными задачами в работе были получены следующие результаты.

Степень кластеризации, 5

1. Осуществлено формирование методологических основ моделирования процессов региональной кластеризации; предложены модели и методы исследования; разработана иерархическая схема взаимодействия моделей, описывающих рассматриваемые процессы на макро, мезо и микроуровне.

2. Проведен анализ уровня кластеризации российских регионов и предложен количественный индикатор, характеризующий этот уровень и базирующийся на официальной статистической информации.

3. Получена типологизация регионов ЦФО с использованием нейросетевого подхода и карт Кохонена; определены регионы с моно- и полииндустриальным развитием.

4. Выявлена и математически описана (как полином пятой степени) зависимость между удельным весом доминирующих отраслей и уровнем региональной кластеризации.

5. Разработан алгоритм использования этой зависимости для интервального прогнозирования уровня кластеризации региона. Обоснована целесообразность кластерного варианта развития региона при попадании уровня его кластеризации в коридор индикативных значений.

6. Осуществлены с применением разработанного экономико-математического инструментария экспериментальные расчеты по прогнозированию экономического состояния Ивановской области и оценке динамики прибыли предприятий, составляющих ядро ее текстильно-промышленного кластера.

IV. ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИОННОГО

ИССЛЕДОВАНИЯ ОПУБЛИКОВАНЫ В СЛЕДУЮЩИХ РАБОТАХ:

Публикации в изданиях, рекомендованных ВАК РФ

1. Михалев, Д.А. Экономико-математическое моделирование промышленной кластеризации регионов / Д.А. Михалев // Современные наукоемкие технологии. Региональное приложение. - Иваново. - 2014. - № 2 (38). - С.68-75. -0,5 п.л., в т.ч. вклад соискателя 0,5 п.л.

2. Михалев, Д.А. Анализ степени кластеризации и экономического потенциала моноиндустриальных регионов / Д.А. Михалев // Современные наукоемкие технологии. Региональное приложение. - Иваново. - 2013. - № 4 (36). -С.87-91.-0,313 п.л., в т.ч. вклад соискателя 0,313 п.л.

3. Михалев, Д.А. Использование иейросстепых методов для анализа степени кластеризации регионов / Д.А. Михалев // Современные наукоемкие техноло-

гии. Региональное приложение. - Иваново. - 2013. -3(35). - С.65 - 69. -0,313 п.л., в т.ч. вклад соискателя 0,313 п.л.

4. Михалев, Д.А. О перспективах развития экономики Ивановской области при усилении кластеризации / Д.А. Михалев // Современные наукоемкие технологии. Региональное приложение. - Иваново. - 2013. - № 1 (33). - С.54-58. -0,313 п.л., в т.ч. вклад соискателя 0,313 п.л.

5. Михалев, Д.А. О различии понятия региональной кластеризации в широком и узком смыслах / Д.А. Михалев // Современные наукоемкие технологии. Региональное приложение. - Иваново. - 2012. - № 3 (31). - С.45-48. - 0,25 п.л., в т.ч. вклад соискателя 0,25 п.л.

6. Михалев, Д.А. О введении понятия «степень кластеризации» в мезоэконо-мический анализ / Д.А. Михалев // Современные наукоемкие технологии. Региональное приложение. - Иваново - 2012. - № 1 (29). - С.45-48. - 0,25 п.л., в т.ч. вклад соискателя 0,25 п.л.

Прочие публикации

7. Михалев, Д.А. Анализ состояния кластеризации Ивановской области / Д.А. Михалев // Социально-экономический потенциал региона и перспективы его развития: сб.тр. по материалам Всероссийской конференции с международным участием, 19-20 ноября 2014 г., г. Иваново. - Иваново: ФГБОУ ВПО Иван.гос.хим. - технол.ун-т, 2014. - С. 91 - 94. - 0,25 п.л., в т.ч. вклад соискателя 0,25 п.л.

8. Михалев, Д.А. Анализ статистических данных при кластеризации регионов ЦФО / Д.А. Михалев // Тезисы докладов 5-ой Международной научно-практической конференции студентов и аспирантов «Статистические методы анализа экономики и общества» (14-17 мая 2014 г.) - Национальный исследовательский институт «Высшая школа экономики». - Москва, 2014. - С.151-152. -0,13 п.л., в т.ч. вклад соискателя 0,13 п.л.

9. Михалев, Д.А. Применение нейросетевых алгоритмов при анализе статистических показателей регионов России / Д.А. Михалев // Тезисы докладов международной научно-практической конференции «Статистика как средство международных коммуникаций» (28-30 января 2014 г.). - Санкт-Петербург, 2014. - С.128-130. - 0,19 п.л., в т.ч. вклад соискателя 0,19 п.л.

10. Михалев, Д.А. О роли государства в развитии текстильно-промышленного кластера Ивановской области / Д.М. Михалев // Межрегиональный семинар в рамках IX областного фестиваля «Молодая наука - развитию Ивановской области» «Генезис экономических и социальных проблем субъектов рыночного хозяйства в России». - Иваново: ФГБОУ ВПО, «Ивановский государственный

политехнический университет», 2013.-Выпуск VII. - С. 155-164. -0,63 пл., в т.ч. вклад соискателя 0,63 п.л.

11. Михалев, Д.А. Статистический анализ степени кластеризации российских регионов / Д.А. Михалев // Тезисы докладов 4-й Международной научно-практической конференции студентов и аспирантов «Статистические методы анализа экономики и общества» (14-16 мая 2013 г.) - М.: Национальный исследовательский университет «Высшая школа экономики». - Москва. - 2013, С. 133-135.-0,19 п.л, в т.ч. вклад соискателя 0,19 п.л.

12. Михалев, Д.А. Проблемы развития текстильного кластера Ивановской области / Д.А. Михалев// 15-я международной научной конференции «Роль финансово-кредитной системы в реализации решения задач развития экономики». СПб: 2011.- С.106-107. - 0,13 п.л., в т.ч. вклад соискателя 0,13 п.л.

Подписано в печать 13.08.2015 г. Формат 60x84 1/16. Бумага офсетная. Печать трафаретная. Печ. л. 1,0. Тираж 100 экз. Заказ № 537.

Типография ИУНЛ Волгоградского государственного технического университета. 400005, г. Волгоград, просп. им. В.И. Ленина, 28, корп. №7.