5.4. Кластерный анализ
Кластерный анализ занимает место между двумя формами экономического анализа. С одной стороны, кластерный анализ не фокусируется на системных проблемах мезоэкономического уровня, где взаимосвязь между изменениями в региональной экономике в целом и деятельностью отдельных хозяйствующих субъектов не всегда полностью ясна.
С другой стороны, кластерный анализ не направлен на изучение отдельных компаний (если это не ключевые фирмы). Компании не рассматриваются как отдельные единицы, взаимодействующие с недифференцированным экономическим окружением; они помещаются в контекст рынков поставщиков и потребителей, часто как часть производственной цепочки, которая не ограничивается одной отраслью. Кластерная политика, базирующаяся на преимуществах кластерного анализа, не является традиционной отраслевой политикой, так как инструменты кластерного анализа определяют кластеры не только в рамках отраслей.Таким образом, кластерный анализ проводится в два этапа. На первом этапе региональная экономика изучается на предмет существования работающих или потенциальных кластеров. На втором этапе осуществляется детальное обследование выявленных кластеров, для которых затем будет разрабатываться политика их поддержки. Рассматривая региональную экономику через призму различных местных производств и инновационных систем, региональные власти точнее могут определить меры равномерного воздействия и поддержки своих кластеров.
Для идентификации региональных кластеров часто используется двухступенчатый анализ. На первой ступени проводится «внутренний» анализ экономики: оценка сильных и слабых сторон, проблем и возможностей для всей региональной экономики (SWOT-анализ). Для определения важности кластера для экономики региона используется набор количественных характеристик, включающих численность занятых в кластере, а также ее динамика за исследуемый период времени, доля экспорта кластера в экономике региона и темп возникновения новых компаний.
На второй ступени осуществляется «внешний» анализ. Суть его заключается в том, что путем сравнительного анализа определяется межрегиональная и национальная (а в некоторых случаях и международная) значимость кластера. Этот тип анализа имеет ряд преимуществ, таких, как акцентирование роли некоммерческих образований, например, научно-исследовательских организаций, в экономике региона.Наиболее эффективный анализ включает набор качественных методов (в частности, экспертную оценку кластеров) в сочетании с набором количественных методов. Индикаторы, применяемые для анализа, должны отражать не только внутреннюю мощность кластера по отношению к остальной экономике региона, но также его положе-
121
ние на внешних рынках. Таким образом, качественный анализ очень важен для идентификации потенциальных и возникающих кластеров, когда появляющиеся новые области компетенций невозможно измерить как экономическую деятельность. Такой анализ также важен для оценки будущего рынка и технологических трендов, которые могут повлиять не только на региональное, но и на национальное, и международное положение кластера.
Существует целый набор методов идентификации и анализа региональных кластеров, начиная от простых, позволяющих определять уровни специализации (коэффициенты локализации), до технологии межотраслевых балансов. Ниже, в таблице 5.1, представлены шесть основных аналитических методов исследования региональных кластеров и дана их оценка посредством выявления преимуществ и недостатков каждого из указанных методов.
Таблица 5.1
Аналитические методы исследования кластеров
| Методы | Преимущества | Недостатки |
| Экспертные оценки | Относительно низкие издержки, детальная информация | Отсутствие систематического сбора информации, отсутствие обобщенных данных |
| Коэффициенты локализации | Простота расчетов, могут дополнять другие методы | Акцент на отрасли и секторе, а не на кластеры |
| Производственные межотраслевые балансы | Являются часто главным источником показателей взаимозависимости отраслей и компаний, детальная и комплексная информация | Данные могут устаревать, не отражают роли сопутствующих институциональных структур |
| Инновационные межотраслевые балансы | Являются часто главным источником показателей взаимозависимости отраслей и компаний | Такие балансы редко публикуются |
| Теория графов/сетевой анализ | Визуальный анализ взаимосвязей | Набор компьютерных технологий ограничен |
| Специальные обследования | Гибкость в сборе необходимых данных | Высокие издержки проведения |
Исследование возможностей формирования кластеров на территории региона требует определения потенциала кластеризации, который представляет собой наличие конкурентных преимуществ у отраслей, предприятий и инфраструктурных организаций, находящихся на территории региона, возможности объединения данных преимуществ и их использования для повышения конкурентоспособности региона. Следует отметить, что до сих пор не выработана единая методика оценки потенциала кластеризации.
Вместе с тем отдельные исследования данной проблемы уже имеются. Они базируются, как правило, на определении коэффициентов локализации, душевого производства,50
специализации отраслей промышленности и др.
В конечном счете, кластерный анализ, в начале в математической, а затем и в аналитической части становится обоснованием кластерной политики.
Кластерный анализ это часть экономического анализа, являющаяся значительной статистической основой, базирующейся на группировке данных по определенным значениям наиболее важного признака или признаков. При многомерности данных, сначала производится группировка по важности: первый, второй и т.д.
Механизм кластерного анализа опирается на два предположения: Первое предположение - рассматриваемые признаки объекта дают принципиальную возможность разбить совокупность объектов на кластеры. Второе предположение - правильность выбора масштаба (единиц измерения признаков).
Наличие же не одного, а нескольких признаков приводит к тому, что классификация может быть проведена методом кластерного анализа. В соответствии с этим выделяют шесть этапов кластерного анализа.
- Получение матрицы данных
- Приведение матрицу данных к стандартному виду
- Вычисление матрицы сходств
- Применение метода кластеризации
- Сортировка данных и матрицы сходств
- Вычисление коэффициент близости
Здесь перечислены основополагающие этапы, все остальные этапы сопутствуют им.
Постановка задачи в кластерном анализе осуществляется следующим образом. Существует определенная совокупность признаков X размерностью к. Цель - разбить ее на определенные однородные группы (кластеры). Важно, что при решении задачи классификации необходимо определиться - нужна ли обычная типизация с определением интервального расстояния и разбиения на приблизительно однородные группы, либо же задача кластеризации с постановкой вопроса о естественном расслоении и получении кластеров.
При представлении кластеров чаще всего пользуются матрицами:/ Хц Xij Xik \
X =
%И %ij %ik
yXni Xnj Xnk j
где к - количество признаков, рассматриваемых при измерении объекта. Интерес может представлять как группировка самих объектов, так и группировка признаков.[17]
Особый интерес представляет определение однородности. Однородность характеризуется выделением расстояния между объектами, либо функцией близости пары объектов.
При определении меры близости или расстояния, пожалуй, важно уделить внимание центру группы кластера. Несмотря на то, что кластер может оказаться весьма неоднородным, это позволит не только сравнивать между собой кластеры, но и определять их абсолютный «вес» путем вычисления расстояния от центра до всех точек пространства кластера. При рассмотрении в экономической плоскости мы сможем определить такие показатели как связи между предприятиями в кластере, а также без погрешностей сравнивать между собой различные региональные кластеры благодаря неизменным показателям денежного и натурального значения.
При этом используемые параметры необязательно носят линейный, а также метрический характер. Отсюда кластер предстает многомерной структурой. Располагаясь на какой-либо территории, кластер определяется не только географической мерой близости между предприятиями, но и множеством других факторов: ценовым, временным и возможно некоторыми другими.
Таким образом, можно придти к выводу, что включение предприятия в кластер на основании географического признака не является определяющим. А конечная сумма «расстояния» определяется подобно среднему арифметическому, но с учетом множества характеристик измерения кластера. При этом возможно изменить вес какого-то определенного фактора в общей сумме в ущерб остальным, но это необходимо будет учесть в общей модели с количеством объектов больше 2 (само собой разумеющееся). В противном случае кластер будет нести в себе элемент неоптимальности, а предложенная модель громоздкая в аналитическом плане будет отражать внутреннюю нестабильность структуры кластера. Это ставит дополнительную проблему определения достаточности количества предприятий в кластере. Так называемой «критической массы».
Узловым моментом в кластерном анализе считается выбор метрики (или меры близости объектов), от которого решающим образом зависит окончательный вариант разбиения объектов на группы при заданном алгоритме разбиения (рис. 5.2). В каждой конкретной задаче
125
этот выбор производится по-своему, с учетом главных целей исследования, физической и статистической природы используемой информации и т. п.[18]
Рис. 5.2. Различные способы определения расстояния между кластерами wl и wm:
1 - по центрам тяжести, 2 - по ближайшим объектам, 3 - по самым далеким объектам