CC BY
64
УДК 332.012
АНАЛИЗ КЛАСТЕРНОГО ПОТЕНЦИАЛА ОТРАСЛЕЙ ЭКОНОМИКИ РЕГИОНОВ
ДАЛЬНЕГО ВОСТОКА РОССИИ
© 2016
Батурин Георгий Геннадьевич, аспирант кафедры математики и моделирования Первухин Михаил Александрович, кандидат физико-математических наук, доцент кафедры
математики и моделирования Титова Наталья Юрьевна, кандидат экономических наук, старший преподаватель кафедры экономики и менеджмента Владивостокский государственный университет экономики и сервиса, Владивосток (Россия)
Аннотация. В настоящее время кластеры позиционируются как эффективный способ повышения национальной, региональной и отраслевой конкурентоспособности, а формирование территориально-отраслевых кластеров является неотъемлемой частью региональных стратегий развития как за рубежом, так и в России. При этом особое значение приобретает выбор научно-обоснованных методов, позволяющих определить отрасли экономики, обладающих наибольшим потенциалом для создания кластера на определенной территории. Несмотря на разнообразие исследовательских подходов по данному вопросу, существует проблема выбора алгоритма, позволяющего точно определить наличие кластеров и его участников. В статье предложена авторская методика идентификации отраслей, перспективных для кластеризации, апробированная на примере Дальневосточного федерального округа. Определена обратная зависимость между количеством показателей, используемых в методиках идентификации, и количеством перспективных для кластеризации видов экономической деятельности, выявляемых в итоге анализа. В результате исследования выявлены перспективные виды экономической деятельности, имеющие наилучшие предпосылки к формированию и дальнейшему функционированию территориально-отраслевых кластеров Дальнего Востока России.
Ключевые слова: кластерный потенциал, территориально-отраслевой кластер, идентификация кластеров, метод структурных сдвигов, отрасли кластеризации, Дальневосточный федеральный округ.
ANALYSIS OF CLUSTER POTENTIAL IN INDUSTRIES OF THE RUSSIAN FAR EAST
© 2016
Baturin Georgij Gennadevich, postgraduate student of the chair «Mathematics and Modeling» Pervuhin Mihail Aleksandrovich, candidate of physical and mathematical sciences, associate professor of the chair «Mathematics and Modeling» Titova Natalia Yuryevna, candidate of economical science, assistant professor of the chair «Economics and Management» Vladivostok State University of Economics and Service, Vladivostok (Russia)
Abstract. Currently, clusters are positioned as an effective way of enhancing national, regional and industrial competitiveness. The formation of territorial-industrial clusters is an integral part of regional development strategies not only in Russia, but throughout the world. Particular importance is acquired for the selection of scientific methods to determine the economic sectors with the greatest potential to create a cluster in a particular area. Despite the diversity of research approaches on this issue, there is a problem of choosing the algorithm to accurately detect the presence of the cluster and its members. In the article the author's method of identification of clustering is represented and approved on the Far Eastern Federal District. An inverse relationship between the number of indicators used in the identification methods and the amount of advanced for clustering industries is determined. The study revealed perspective economic activities that have the best conditions for the formation and further functioning for clusters of the Russian Far East.
Keywords: cluster potential, territorial and industry cluster, the identification of clusters, the method of structural changes, clustering industries, Far Eastern Federal District.
Постановка проблемы в общем виде и ее связь с важными научными и практическими задачами. В настоящее время кластеры становятся ключевым направлением обсуждения и анализа в современных дебатах по городскому и региональному экономическому развитию [1, 2]. Кластерная концепция вызывает особый интерес у ученых, консультантов и политиков, заинтересованных в стимулировании городского и регионального роста в условиях растущей мировой экономики. Как отмечает М. Штайнер [3], благодаря широкому распространению мнения, что увеличение степени специализации приводит к увеличению уровня занятости и продуктивности, кластеры стали эффективным способом повышения конкурентоспособности для отраслей многих городов и регионов. Кластерные стратегии приняты в ряде организаций, работающих на различных географических уровнях, включая региональные агентства развития целого ряда европейских и североамериканских государств, а также правительственные подразделения, такие, как Министерство торговли и промышленности Великобритании, и наднациональные органы, такие, как Организация экономического сотрудничества и развития. При этом разработка стратегий развития территории наряду с использованием методов ресурсоориенти-рованного стратегического анализа требуют проведения кластерного анализа [4-7].
Начальной стадией кластерного анализа является идентификация отраслей региона, обладающих наи-
большим кластерным потенциалом. Задача идентификации кластеров довольно сложная и на сегодняшний день не существует алгоритмов, позволяющих точно определить наличие кластеров и его участников.
Анализ последних исследований и публикаций, в которых рассматривались аспекты этой проблемы и на которых обосновывается автор; выделение неразрешенных раньше частей общей проблемы. Анализ трудов ведущих отечественных и зарубежных ученых позволил выявить, что подходы к выявлению потенциальных кластеров и их возможных участников можно условно разделить на две группы. Так, первая группа ученых предлагает выявлять межотраслевые (полиотраслевые) кластеры [8-13], в то время как вторая группа ориентируется на идентификацию моноотраслевых кластеров. В основании абсолютного большинства подходов к изучению пространственной близости межотраслевых кластеров лежит расчет коэффициента парной корреляции между выбранными показателями функционирования отраслей. Методы идентификации моноотраслевых кластеров на определенной территории в большинстве своем осуществляются на основании расчета коэффициента локализации, что свидетельствует о специализации региона, и, как подразумевается, относительной конкурентоспособности местной отрасли.
При этом для выявления значимых кластерных секторов различными исследователями используются его разные пороговые значения, а также базы расчета.
Основополагающей методикой в данной группе признается методология Европейской кластерной обсерватории [14]. Она предполагает расчет 3 показателей «специализация», «размер» и «фокус» кластерной группы. За соответствие каждому из трех критериев исследуемый регион получает одну «звезду». Таким образом, на карту наносятся значимые кластерные сектора, проранжи-рованные по количеству звезд от 1 до 3. Несмотря на успешное применение данной методики по всему миру, она подвергается активной критике со стороны ученых-экономистов. Основным недостатком европейской методологии, по мнению многих авторов, является то, что она базируется лишь на одном показателе - анализе трудовых ресурсов, потенциально вовлеченных в промышленный кластер. При этом прочие важные для эффективного экономического развития показатели в расчет не берутся. В этой связи существует обширное количество исследований отечественных ученых, направленных на дополнение показателей, лежащих в основе расчета коэффициента локализации [15-27].
Кроме того, ее существенным недостатком является статичность. По нашему мнению, как и любой экономический процесс, кластеризация в отрасли региона имеет место в случае ее устойчивого развития. Поэтому важно анализировать показатели в динамике, за несколько отчетных периодов. В этой связи наиболее совершенным нам представляется алгоритм, предложенный Т.Ю. Ковалевой [28], используемый нами в качестве отправной точки разработки методики идентификации моноотраслевых кластеров.
Формирование целей статьи (постановка задания). Таким образом, целью данной статьи является разработка методики идентификации моноотраслевых кластеров и ее апробация на примере Дальневосточного Федерального Округа на основе изучения методов, предлагаемых современными исследователями [29].
В связи с обозначенной выше авторской позицией, нами была дополнена расчетная база показателей Т.Ю. Ковалевой. Расчеты проводились по следующим показателям: «среднегодовая численность занятых в экономике», «инвестиции в основной капитал» и «валовая добавленная стоимость». Также, полученные результаты проверялись на соответствие показателю «производительность труда». Все это позволило точнее определить отрасли с потенциалом к кластеризации и установить стадию развития потенциального кластера.
Изложение основного материала исследования с полным обоснованием полученных научных результатов. Авторская методика предполагает, что на первом этапе для идентификации потенциальных кластеров проводится оценка индекса локализации, позволяющего сравнить значения характеристики для регионального и национального уровня. Индекс локализации рассчитывается по следующей формуле:
V?
*4 = 1П->
(1)
ской деятельности Хабаровского края.
Таблица 1 - Индекс локализации видов экономической деятельности Хабаровского края
Индекс локализации
Отрасли по ОКБЭД Занятость Ишесшшв ЕДС
Годы о 2009 2010 1 1 % ъ Я i 1 о Я i %
8? Я к к 3 % g я 3 3 3. s S 3 q
рыболовство, рыбоводство Я 3 1 5 3 § £ s S Я g 1 -
добыча полезных 2 S. э § 1 -i; 5 3 1 5 | ¡Я si. 3 3
обрабатывающие производства 5 5 5 5 5 s- 5 3 R s- i 3
производство и распределение электроэнергии, газа и Щ. Щ. 3 1 1 § § 1 3 s S »
строительство s^ —^ r\ —^ —n " ¡2 i ■T Г.! к — —
торговля и др. 7: - R. л = Z- 2- S- 1 s ? £- ¡2 S- s
транспорт и связь <4 ii 3 s s ^ 5 г w
деятельность 1 1 1 3 1 | 5 3 1 S 1 i 1 5 1 1
операшш с имуществом 88 s. I § 3 I 5 я 8>. 5 8 I i g S 8 3
государственное обеспечение военной безопасности « s 3 3 3 5 g s 8 S Й s 3. # 3 3 3
образование 3 1 | 1 | | § I ™ 9 1 1 3 g з 3 g
здравоохранение и предостав денне социальных услуг s
где - численность занятых (объем инвестиций в основной капитал, валовая добавленная стоимость) в отрасли ; в регионе^ - численность занятых (объем инвестиций в основной капитал, валовая добавленная стоимость) в регионе;!1 - численность занятых (объем инвестиций в основной капитал, валовая добавленная стоимость) в отрасли ; в стране;! - численность занятых (объем инвестиций в основной капитал, валовая добавленная стоимость) в стране.
Если значение индекса локализации превышает единицу как мининмум в течение четырех временных периодов, то удельный вес данной отрасли в отраслевой структуре региона превышает аналогичный показатель в стране, и поэтому отрасль может обладать кластерными признаками [30, 31]. В таблице 1 приведены значения индекса локализации для отдельных видов экономиче-
Рассчитав и проанализировав индекс локализации отраслей экономики регионов Дальнего Востока за период 2008-2013 г., получено, что кластерным потенциалом обладают следующие отрасли:
- в Амурской области: производство и распределение электроэнергии газа и воды; транспорт и связь; здравоохранение и предоставление социальных услуг.
- в Камчатском крае: рыболовство, рыбоводство; государственное управление и обеспечение военной безопасности; образование; здравоохранение и предоставление социальных услуг.
- в Магаданской области: рыболовство, рыбоводство; добыча полезных ископаемых; производство и распределение электроэнергии газа и воды; здравоохранение и предоставление социальных услуг.
- в Приморском крае: рыболовство, рыбоводство; производство и распределение электроэнергии, газа и воды; транспорт и связь; государственное управление и обеспечение военной безопасности.
- в Республике Саха (Якутия): добыча полезных ископаемых; производство и распределение электроэнергии, газа и воды; транспорт и связь; образование.
- в Сахалинской области: рыболовство, рыбоводство; добыча полезных ископаемых.
- в Хабаровском крае: рыболовство, рыбоводство; транспорт и связь; государственное управление и обеспечение военной безопасности.
- в Чукотском автономном округе: добыча полезных ископаемых; производство и распределение электроэнергии газа и воды.
Стоит отметить, что проведение расчетов индекса локализации по трем показателям дает возможность более точно определить набор отраслей для дальнейшего исследования в каждом из регионов. Например, если бы расчеты индекса локализации проводились по двум показателям: «среднегодовая численность занятых» и «инвестиции в основной капитал» - то в Магаданской области, в перечень отраслей для исследования, вошла бы еще отрасль «финансовая деятельность», а в Еврейской автономной области и вовсе, вошли бы две отрасли: «производство и распределение электроэнергии газа и воды» и «транспорт и связь». Таким образом, увеличение количества показателей для расчета LQ ведет к уменьшению, внутри каждого региона, количества отраслей, требующих проверки кластерного потенциала.
На втором этапе, для выбранных отраслей региона, применяется метод анализа структурных сдвигов (Shift-Share Analysis, таблица 2). Целью данного анализа явля-
ется выявление взаимосвязи экономического роста отраслей региона с национальными тенденциями и определение региональных преимуществ. Анализ позволяет определить, обусловлен ли рост/спад отрасли региона за счет национальных трендов. Для этого производится оценка вклада национального, отраслевого и регионального факторов в изменение значения параметра.
Таблица 2 - Составные элементы факторного анализа
Наименование факторов Формула расчета Обозначения
1. NS (National Share) - фактор. тэтпрнттчй роста. it_i — численность занятых (объем инвестиций i основной капитал, валовая добавленная стоимость) в
2. Ш (Industry Mis) фактор. отражающий влияние отраслевых тенденций роста. L(,Lt_l - численность занятых (объем инвестиций в основной капитал, валовая добавленная стоимость) в стране за периоды г и t -1, £р if_! - -численность занятых (объем инвестиций в основной капитал, валовая добавленная стоимость) в отрасли г в регионе за периоды t и £ — 1
3. RS (Regional Stift) - фактор, отражающий влияние региональных
Отрасли по ОКВЭД Занятость Итв ВДС
Годы 1 1 я 1 1 1 1 я 1 1 1 1 я 1 1
добыча полезных ископаемых I е R § | з 1 -5002,44 1 1 -2117,44
производств О и распределение .электроэнергии, газ а и воды 1- S § 1 К I 1 1 1 1 429,14 S-
транспорт и связь s а S Е 'Г; S- 1 § 1 1 1
образование а. Щ. е 1 3 § 1 s | 1
Параметр Показатель расчета Вид экономической деятельности
рыболовство, рыбоводство транспорт и государственное управление и обеспечение военной безопасности;
Индекс Занятость 2008 3,22 1Д6 1.46
20L3 4,15 1Д9 1.51
Инвесгапии 200S 2,07 1,04 2,74
20L3 1.04 0,93 3,39
ВДС 200S 6,04 1,97 1.76
2013 7,45 2,49 1.61
NS Занятость средние -0.01 -0,12 -0.09
Инвестиции средние 29,53 S037,17 373,63
ВДС средние 491.99 6396,41 367629
IM Занятость средние -0,017 0,04 0,05
Инвесгапии средние 27,14 328,42 15,S0
ВДС средние -47,92 -1211 ДО 1616,92
RS Занятость средние 0ДЗ 0.4037041 0,37
Инвесгапии средние -49,97 -5453Д5 421,39
ВДС средние 303,3S 5066Д7 -139Д0
например, параметр RS, рассчитанный по показателям «среднегодовая численность занятых», «инвестиции в основной капитал» и «валовая добавленная стоимость», для отрасли «транспорт и связь» Амурской области демонстрирует, что в этом регионе, не смотря на устойчивые, хотя и снижающиеся, показатели индекса локализации, данная отрасль не обладает кластерным потенциалом. Полученные результаты представлены в таблице 5.
Таблица 5- Индексы локализации и структурных сдвигов для Амурской области
Для видов экономической деятельности регионов ДВФО, отобранных на первом этапе, были рассчитаны факторы 1М, RS. В таблице 3 приведены значения регионального фактора RS для республики Саха (Якутия).
Таблица 3 - Показатель RS для Республики Саха (Якутия)
Параметр Показатель База расчета Вид экономической деятельности
производство и распределение электроэнергии. транспорт и здравоохранение и предоставление социальных услуг
Индекс Занятость 200S 1.69 1,34 1,03
2013 L6S 1Д7 1.03
и— 200S 2,33 2,60 0,61
2013 1.42 2,15 2,02
ВДС 200S 2,09 2,55 1.6S
2013 -0,03 -0,07 -fl,05
NS Занятость средние 992,79 4660,06 217.69
Инвестиции средние 1243,47 4266,26 966.30
ВДС средние 0,15 0.02 -0,15
IM Занятость средние 354.95 503 ДО -99,87
Инвестиции средние 31Д4 -811,13 13420
ВДС средние -0,02 -0,51 0,32
RS Занятость средние -751.96 -1475.96 345.14
Инвестиции средние 330.11 -1076,68 113Д2
ВДС средние 0.12 -0.05 -0.20
Дальнейший анализ видов экономической деятельности регионов ДВФО дал возможность определить, на какой стадии развития находятся отрасли регионов имеющие кластерный потенциал. Так, например, в Хабаровском крае (таблица 4), в отраслях «рыболовство, рыбоводство» и «транспорт и связь» значение параметра RS, рассчитанного по показателю «инвестиции в основной капитал» было меньше среднего значения по стране. А значение этого же параметра рассчитанного по показателям «среднегодовая численность занятых» и «валовая добавленная стоимость» - больше среднего значения по стране. Поскольку RS измеряет локальные изменения в отрасли региона и на уровне страны, указывая региональные сравнительные преимущества, то можно сделать вывод, что, скорее всего, отрасли «рыболовство, рыбоводство» и «транспорт и связь» в Хабаровском крае находятся на стадии развитых кластеров, когда поток инвестиций уже ниже среднего, а прирост занятости и ВДС происходит за счет кластерных эффектов. Аналогично рассматривая отрасль «государственное управление и обеспечение военной безопасности» в Хабаровском крае, можно сделать вывод, что отрасль находится на стадии кластерного роста.
Таблица 4 - Индексы локализации и структурных сдвигов для Хабаровского края
После проведения аналогичного анализа для всех регионов ДВФО удалось исключить отрасли, потенциал кластеризации которых, в регионе, очень не высок. Так,
Затем, наличие или отсутствие явного потенциала к кластеризации в отрасли можно уточнить с помощью показателя сравнения производительности труда отрасли с потенциалом к кластеризации и средней производительности труда в данной отрасли в России.
Проведя подобные уточнения, получим, что отраслями, с потенциалом к кластеризации и производительностью труда, выше средней по РФ, на Дальнем Востоке являются: в Камчатском крае - «рыболовство, рыбоводство» и «здравоохранение и предоставление социальных услуг»; в Магаданской области - «здравоохранение и предоставление социальных услуг» и «производство и распределение электроэнергии, газа и воды»; в Приморском крае - «транспорт и связь»; в Республике Саха (Якутия) - «транспорт и связь» и «образование»; в Сахалинской области: - «рыболовство, рыбоводство» и «добыча полезных ископаемых»; в Хабаровском крае: -«рыболовство, рыбоводство» и «транспорт и связь».
Стоит отметить, что в данном списке представлены не все регионы, ввиду того факта, что на стадии анализа индекса локализации, ни один вид экономической деятельности Еврейской автономной области не показал результатов, достойных дальнейшего анализа. А на стадии анализа методом Shift-Share, были исключены из дальнейшего рассмотрения отрасли экономики Чукотского автономного округа.
Выводы исследования и перспективы дальнейших изысканий данного направления. Таким образом, на основе анализа и синтеза передового опыта исследователей, авторами разработана и апробирована методика анализа кластерного потенциала отраслей экономики региона. В отличие от существующих, авторский подход предполагает идентификацию территориально-отраслевых кластеров не только по анализу локализации среднегодовой численности занятых в регионе, но и по объёму валовой добавленной стоимости, инвестициям в основной капитал и производительности труда. Расчет показателей за несколько лет позволяет выявить динамику процессов кластеризации отрасли региона, а применение метода анализа структурных сдвигов дает возможность определить тип идентифицируемого кластера. Предметом дальнейших изысканий авторов является апробация данной методики на примере рыбохозяй-ственной отрасли Российской Федерации и ее дальнейшее совершенствование.
СПИСОК ЛИТЕРАТУРЫ:
1. Feldman, M. Location and innovation: the new economic geography of innovation, spillovers and agglomeration, in: G.L. // Clark, M. Feldman and M. Gertler (Eds) . Oxford: Oxford University Press. Oxford Handbook
of Economic Geography, 2000. pp.373-394.
2. Porter, M. E. The Competitive Advantage of Nations. New York : The Free Press, 1990. 580 p.
3. Steiner, M. The discreet charm of clusters: an introduction // M. Steiner (Ed.) . Clusters and Regional Specialization, pp.1-18. 1998. London: Pion.
4. Лавренюк, К.И. Анализ конкурентного потенциала региона на основе количественной модели VRIO (на примере Камчатского края) / К.И. Лавренюк, М.С. Рахманова, К.С. Солодухин // Современные проблемы науки и образования. 2014. № 6. Режим доступа: http:// www.science-education.ru/120-16481
5. Мазелис, Л.С. Методика SWOT-анализа рисков региона в разрезе основных макроэкономических показателей социально-экономического развития (на примере Камчатского края) / Л.С. Мазелис, В.О. Морозов // Современные проблемы науки и образования. 2014. № 6. Режим доступа: http://www.science-education.ru/120-16329.
6. Рахманова, М.С. Методика SWOT-анализа муниципального образования на основе теории заинтересованных сторон / М. С. Рахманова, К.И. Лавренюк // Территория новых возможностей. Вестник Владивостокского государственного университета экономики и сервиса. - 2012. - № 5. С. 200-211.
7. Солодухин, К.С. Анализ стратегического потенциала территории на основе нечеткого SWOT-анализа / К.С. Солодухин, В.О. Морозов // Современные вызовы контроллингу и требования к контроллеру: сборник научных трудов VI международного конгресса по контроллингу. 2015. С. 245-252. Режим доступа: http://www. controlling.ru/symposium/
8. Isard W., Schooler E.W. Industrial Complex Analysis, Agglomeration Economies and Regional Development // Journal of Regional Science. 1959. Vol.1. Issue 2. pp. 19-33.
9. Roepke Roepke H., Adams D., and Wiseman R. A New Approach to the Identification of Industrial Complexes Using Input-Output Data // Journal of Regional Science. 1974. Vol. 14, Issue 1. pp. 15-29.
10. Campbell Campbell J. Selected aspects of the interindustry structure of the state of Washington, 1967 // Economic Geography. 1974. Vol.50, No.1. pp. 35-46.
11. Аганбегян Оптимальное территориально-производственное планирование. // под. ред. Аганбегяна А.Г., Казакевича Д.М. / Новосибирск: Наука, 1969. 348 с.
12. Гранберг А.Г., Проценко О.Д. Структурный анализ межотраслевых связей. // Экономико-математический анализ производства и потребления / М.: Экономика, 1969. 183 c.
13. Лавровский Б.Л. Анализ сбалансированности производственных мощностей в промышленности СССР / отв. ред. Н.Н. Барышников, К.К. Вальтух ; ИЭОПП СО АН СССР. - Новосибирск : Наука. Сиб. отд-е, 1983. - 207 с.
14. European Cluster Observatory (Европейская кластерная обсерватория) [Электронный ресурс]: Режим доступа: http://www.clusterobservatory.eu
15. 15Афонина, А. Г. Кластерные инициативы и проекты // Вестн. Алтайск. акад. экономики и права. 2012. № 4. С. 35 39.
16. Григорьева О.В., Григорьева Н.С. Исследование структуры и признаков кластера на примере строительного кластера республики Татарстан // Балтийский гуманитарный журнал. 2013. № 4. С. 72-75.
17. Кукольникова Е.А. Модель управления конкурентоспособностью функционального промышленного кластера // Актуальные проблемы экономики и права. 2013. № 1 (25). С. 195-202.
18. Кудрявцева, В. А. Специфика развития и функционирования промышленности строительных материалов в регионе / В. А. Кудрявцева, И. В. Ямщикова // Вестник ИНЖЭКОНа. Сер. : Экономика. 2012. № 6. С. 261 264.
19. Комиссарова Л.А. Кластерный подход к развитию сферы жилищно-коммунальных услуг на региональном
уровне // Вестник НГИЭИ. 2014. № 3 (34). С. 76-84.
20. Козина Е.В. Модель оценки синергетического эффекта территориального кластера // XXI век: итоги прошлого и проблемы настоящего плюс. 2014. № 4. С. 413-417.
21. Великая Е.Г., Папян А.Г. Предпринимательский кластер как форма эффективного взаимодействия предприятий // Карельский научный журнал. 2015. № 1 (10). С. 105-110.
22. Марков, Л.С., Маркова В.М. Выявление эталонных кластеров: методические вопросы и практическое приложение к отечественной промышленности // Вестник Новосибирского государственного университета. Серия: Социально-экономические науки. - 2012. - Т. 12, вып. 1. - С. 95-108.
23. Садекова Н.Х. Место кластера в структуре региональной экономики: сравнительная характеристика Нижегородской области и республики Татарстан // Актуальные проблемы экономики и права. 2014. № 4 (32). С. 183-189.
24. Печаткин, В. В. Формирование и развитие кластеров в регионах России: ключевые проблемы и пути их решения (на примере республики Башкортостан) // Экономические и социальные перемены : факты, тенденции, прогноз. 2012. № 1 (19). С. 68 76.
25. Шанцев В.П. Нижегородская область: опыт прошлого и перспективы развития // Вестник НГИЭИ. 2014. № 9 (40). С. 125-134.
26. Растворцева, С. Н. Идентификация и оценка региональных кластеров / С. Н. Растворцева, Н. А. Череповская // Экономика региона. 2013. № 4. С. 123 133.
27. Филиппова, И. А. Активизация инновационной и инвестиционной деятельности Ульяновской области на основе формирования кластеров // Региональная экономика: теория и практика. 2011. № 14 (197). С. 15 22.
28. Ковалева, Т. Ю. Алгоритм идентификации и оценки кластеров в экономике региона // Вестник Пермского университета. 2011. - № 4. С. 30-39.
29. Purdue Univ. Center for Regional Development, Indiana Business Research Center, and Strategic Development Group, Inc. "Unlocking Rural Competitiveness: The Role of Regional Clusters [Электронный ресурс]: Режим доступа: http://www.ibrc.indiana.edu/innovation/reports.html
30. Титова, Н.Ю. Идентификация промышленных кластеров, среда и факторы их формирования // Экономика и предпринимательство. 2015. № 2. С. 58-66.
31. Батурин Г.Г., Короткова Д.Д., Первухин М.А. Идентификация отраслевых кластеров в Приморском крае // Фундаментальные исследования. 2015. № 11-6. С. 1145-1148.
Статья публикуется при поддержке гранта РФФИ №16-36-00104 мол а «Разработка и апробация методов идентификации кластеров на макро- и микроуровнях с применением теорий графов и заинтересованных сторон»
