Оценка состояния инфраструктуры экономики знаний на основе развития кластеров в регионе Текст научной статьи по специальности «Экономика и бизнес»

ИННОВАЦИИ И ИНВЕСТИЦИИ

УДК 332.1

оценка состояния инфраструктуры экономики знаний на основе развития кластеров в регионе

О. а. дОнИЧЕВ, доктор экономических наук, профессор, заведующий кафедрой экономики и управления инвестициями и инновациями E-mail: odonichev@vlsu. ru

с. А. ГРАЧЕВ, ассистент кафедры экономики и управления инвестициями и инновациями E-mail: grachev-sa@yandex. ru Владимирский государственный университет имени А. Г. и н. Г. столетовых

В статье на основании идентификации и классификации различных видов кластеров установлено, что фирмы, входящие в кластер, в ходе своего взаимодействия и конкурентной борьбы формируют ярко выраженную инновационную направленность своей деятельности, в результате чего одновременно развивается инфраструктура экономики знаний. На основе использования агломерационного индекса Эллисона-Глейзера предложена методика оценки развития инновационной инфраструктуры в регионах. С использованием методики произведено ранжирование территорий в федеральном округе по степени развития подобной инфраструктуры.

Ключевые слова: экономика знаний, инновационная инфраструктура, экономический кластер, метод Эллисона-Глейзера, агломерационный эффект.

Осуществление инновационной модернизации социально-экономической системы России объективно потребует внедрения и развития перспективных форм участия предприятий в процессах научно-технического обновления существующего производства, наращивания воспроизводственной

динамики усовершенствований и перспективной замены применяемых технологических процессов. одной из наиболее перспективных форм такого участия являются инновационные экономические кластеры.

Следует подчеркнуть, что мировой опыт формирования и развития кластеров в регионах свидетельствует о необходимости активного участия в этой деятельности и поддержки кластерных инициатив бизнеса региональных властей. Считается, что формирование и развитие кластеров в регионе - это управляемый процесс, в котором главным субъектом управления, безусловно, является региональное правительство. Поэтому на региональном уровне возникает потребность в разработке и реализации стратегических планов социально-экономического развития, основанных на кластерном подходе, а регулирование деятельности кластеров должно быть встроено в стратегические планы социально-экономического развития территорий.

Между тем, по существующим оценкам экспертов, несмотря на значительное внимание к данной

теме, которое отмечено в нашей стране, идентификация кластеров в том виде, в каком это происходит за рубежом, у нас практически не осуществляется. В то же время в развитых странах регулирование деятельности кластеров принято начитать с их выделения, классификации и изучения в отдельных регионах, поскольку это важнейшее условие, обеспечивающее эффективность целевого управляющего воздействия органов государственной власти территории на развитие этого вида региональных объединений предприятий [4].

Выполненная авторами классификация, в которой проанализированы более 30 видов кластеров, позволяет утверждать, что фирмы, входящие в кластеры, связаны между собой не только технологическим процессом и общностью финансового, ресурсного, потребительского и инвестиционного рынков, но и единством обслуживающей их инфраструктуры, которую они и формируют в ходе взаимодействия и конкурентной борьбы, группируясь в единую систему (аналогичным образом формируется и ярко выраженная инновационная направленность их деятельности).

Исходя из этого, можно выделить, что именно инновационность, как одна из характерных особенностей экономики знаний, становится определяющей чертой кластеров, поскольку она в наибольшей степени повышает конкурентоспособность фирм-компаньонов, а разработка и коммерциализация нового знания в этих условиях осуществляются быстрее и эффективнее.

По мнению ученых, качество инновационности настолько имманентно категории кластера вообще, что неинновационного кластера в природе существовать не может, а потому никакое образование не имеет права претендовать на статус кластера, если его участники не являются инновационно активными [3].

Анализ показывает, что кластер как объединение различных организаций (промышленных компаний, высших учебных заведений, технопарков и бизнес-инкубаторов, научно-исследовательских центров и лабораторий, банковских и небанковских кредитных организаций, инвестиционно-инновационных компаний, венчурных фондов, отдельных бизнес-ангелов, органов государственного управления, общественных организаций и т. д.) позволяет использовать преимущества внутрифирменной иерархии и рыночного механизма для более быстрого и эффективного распределения и

распространения новых знаний, научных открытий и изобретений [1].

Поэтому в данном аспекте кластер можно рассматривать в определенной мере как своеобразный переходный элемент между научно-исследовательскими организациями, занимающимися фундаментальными исследованиями, и компаниями, преобразующими данное знание в конкретные промышленные технологии [2]. Исходя из этого, устойчивое развитие кластеров в решающей степени зависит от доступа к источникам научных знаний и современным технологиям, а также от возможностей привлечения необходимых объемов финансирования. Поэтому важную роль в процессе заданной инновационной ориентации кластера играет наличие гармонически развитой инфраструктуры экономики знаний.

Таким образом, для идентификации и оценки состояния развития инновационной инфраструктуры в регионе необходимо оценить состояние развития в нем экономических кластеров, которые, охватывая те или иные виды экономической деятельности, свидетельствуют о концентрации участвующих в них предприятий и формировании соответствующей инфраструктуры. Для этих целей предполагается использовать метод, который основан на установлении эффектов от расположения предприятий в тесной близости друг от друга, т. е. от их концентрации в том или ином регионе, что и является характерным признаком кластера. Это агломерационный индекс Эллисона-Глейзера, он демонстрирует оценку избыточной концентрации, т. е. является измерителем избыточной географической концентрации по отношению к промышленной концентрации, поэтому он позволяет установить эффект агломерации, который свидетельствует о наличии кластера, при этом подобные расчеты могут быть осуществлены на основании существующей официальной статистической информации [4].

В соответствии с установившимися представлениями индекс Эллисона-Глейзера рассчитывается в несколько этапов [5]:

1. Первоначально определяется индекс пространственной концентрации региона ОБОК

ОБОК

I, Б - Б )2

1 -I ^

(1)

где Б, - доля вида экономической деятельности к географического района , в общем объеме вида экономической деятельности к в регионе;

k - вид экономической деятельности (к = 1,..., к); I - географические районы региона ( = 1,., т); 8' - географическая доля района 1 в совокупном объеме региона.

Традиционно указанный индекс рассчитывался либо по показателю занятости, либо по объему производства. однако авторы полагают, что при определении качественных характеристик компонентов инфраструктуры экономики знаний не вполне корректно ограничиваться их оценкой только на основании одного из указанных показателей, поэтому считают, что для этих целей результативнее проводить анализ по нескольким индикаторам, например таким, как занятость населения, инвестиции в основной капитал, вновь созданная добавленная стоимость. Таким образом, появляется возможность получить 3 индекса, характеризующие все указанные сферы, а в целях определения комплексного показателя авторы предполагают использовать их усредненную величину, рассчитанную по формуле средней геометрической, поскольку данный способ дает более сглаженную размерность показателя и чаще используется при работе с индексами, а формула в этом случае принимает вид:

О = зЩхЦхоЗ.

2. После этого производится определение индекса промышленной концентрации вида экономической деятельности в регионе, это делается с помощью индекса Херфиндаля:

н=!х2, (2)

/к=1

где / - предприятие / относящееся к виду экономической деятельности к;

- доля объема производства предприятия / в виде экономической деятельности к в регионе.

3. Затем рассчитывается итоговый агломерационный индекс, который имеет вид:

О - Н

уЕО, = °ЕОк Нк к 1 - Н

(3)

мирования элементов инфраструктуры экономики знаний на данной территории.

Для определения степени концентрации ресурсов (кадровых, финансовых, материальных) в определенной подсистеме инфраструктуры экономики знаний по методу агломерационных индексов Эллисона-Глейзера необходимо сгруппировать виды экономической деятельности (согласно действующему классификатору ОКВЭД) и выделяемые компоненты инфраструктуры. Данное соотношение подсистем инфраструктур, отраслей и видов экономической деятельности будет иметь вид, представленный в табл. 1.

На основании указанной группировки предлагается использовать метод эллисона-глейзера в виде адаптированной, дополненной и усовершенс-

Таблица 1 Группировка видов экономической деятельности по подсистемам инфраструктуры экономики знаний

Данный индекс позволяет установить агломерационный эффект, заключающийся в повышении экономической эффективности от концентрации производств и других экономических объектов, а также всех видов ресурсов на определенной территории (агломерации).

Таким образом, с помощью приведенных расчетов становится возможным определение степени качественного развития кластеров в различных видах экономической деятельности и, соответственно, структурировать зависящий от них уровень фор-

Подсистема инфраструктуры Вид экономической деятельности (ОКВЭД)

Производственная Раздел А. Сельское хозяйство, охота и лесное хозяйство. Раздел В. Рыболовство, рыбоводство. Раздел С. Добыча полезных ископаемых. Раздел D. Обрабатывающие производства. Раздел Е. Производство и распределение электроэнергии, газа и воды. Раздел F. Строительство

Информационно-коммуникационная Раздел I. Транспорт и связь

Финансовая Раздел J. Финансовая деятельность

Кадровая Раздел М. Образование

Экспертно-консал-тинговая и лицензирующая Раздел К. Операции с недвижимым имуществом, аренда и предоставление услуг

Социальная Раздел Н. Гостиницы и рестораны. Раздел N. Здравоохранение и предоставление социальных услуг. Раздел О. Предоставление прочих коммунальных, социальных и персональных услуг

Нормативно-правовая Раздел L. Государственное управление и обеспечение военной безопасности; обязательное социальное обеспечение

Маркетинговая Раздел G. Оптовая и розничная торговля; ремонт автотранспортных средств, мотоциклов, бытовых изделий и предметов личного пользования

Рис. 1. Алгоритм методики оценки уровня развития инфраструктуры экономики знаний

Оценка состояния и развития инфраструктуры экономики знаний

Выбор анализируемых регионов

Сбор необходимых статистических данных

Оценка агломерационного эффекта по каждой подсистеме инфраструктуры

Л

Оценка географической концентрации занятого населения

Е, (V - Б, )2

G„ =

1-Е б,2

Оценка географической концентрации инвестиций

.ЕДБ/ - Б,)2

Gila =-

1 -z Б2

Оценка географической концентрации ВРП

- Б,)2

G„„ =-

1-Z Б2

Расчет среднего индекса совокупной географической концентрации

О = 3О^ X Ом

Оценка промышленной концентрации вида экономической деятельности в регионе ¥к

H.

ft=1

Оценка совокупного агломерационного эф

фекта по каждой подсистеме

=

" 1-н.

Нормализация полученных индексов по критерию Севиджа Z. = max z. - z.

Определение среднего агломерационного эффекта по всем подсистемам региона

1 = I., +. . .+ I. .

Оценка совокупного агломерационного эффекта выделяемых территорий и ранжирование региона

твованной методики оценки развития подсистем инфраструктуры экономики знаний, которую можно представить в виде алгоритма (рис. 1).

Предложенный алгоритм реализуется в виде следующих этапов:

1. Выбор анализируемых регионов - определение регионов, участвующих в исследовании ограничено тем, что они должны иметь социально-экономические взаимосвязи, т. е. сравнение географически отдаленных и не имеющих экономических связей территорий по данной методике будет некорректно.

Объектом исследования являются регионы Центрального федерального округа, поэтому расчет будет первоначально произведен на примере Владимирской области, являющейся типичным регионом для центра России.

2. Сбор необходимых статистических данных. Для количественной оценки указанных индикаторов

были выбраны следующие показатели, удовлетворяющие требованиям измеримости, динамичности, доступности, достоверности, репрезентативности, однозначности толкования:

- труд - количество занятого населения на предприятиях регионов по видам экономической деятельности;

- капитал - инвестиции в основной капитал в регионах по видам экономической деятельности;

- предпринимательская способность - оборот предприятий регионов по видам экономической деятельности.

исходные данные -всего 14 показателей по каждому региону ЦФО -не приводятся. В соответствии с предложенным соотношением была произведена группировка ресурсов по подсистемам в соответствии с видами экономической деятельности. В случае, если данные по конкретному виду деятельности отсутствовали, они были приняты равными 0. Соответственно, группировка занятого населения по подсистемам региональной социально-экономической системы за 2006 г. (первый год последнего рассчитываемого из 5-летнего срока) была произведена образом, представленным в табл. 2.

Аналогичным образом была произведена группировка по выделенным факторам производства за период с 2007 по 2010 г.

Группировка

Таблица 2

Подсистема Результат

Производственная 57,6 + 1,7 + 217,1 + 20,5 + + 37,3 = 334,2

информационно- 47

коммуникационная

Финансовая 32,4

кадровая 52,5

Экспертно-консалтинговая 41,6

и лицензирующая

Социальная 16,9 + 38,4 + 22,7 = 78

нормативно-правовая 14,5

Маркетинговая 103,1

3. Оценка агломерационного эффекта по каждой подсистеме инфраструктуры экономики знаний - данный этап включает в себя расчет 2 видов концентрации: географической (по факторам «труд», «капитал») и пространственной (предпринимательская способность).

3.1 Определение географической концентрации (по факторам «труд», «капитал»).

Первоначально рассчитана концентрация занятого населении. За основу принята формула (1):

О.. =

1,(5,з -5)2 1 -15 2

По Владимирской области за 2006 г. она рассчитывается следующим образом:

/334,2/ _ 703,3/ \2 /6780 /18465

1 -

( 703,3 ^

■ = 0,000126.

18 465

Аналогичным образом были определены показатели за период с 2007 по 2010 г.

Затем была определена концентрация инвестиций в исследуемом территориальном образовании. По Владимирской области за 2006 г. она имеет вид:

(12385,8/

17745,3,

О™ =-

3491180

996206,4

(

1 -

17745,3

Л2

996206,4

ч * /

= 0,000312.

Аналогичным образом были определены показатели за период с 2007 по 2010 г.

Далее рассчитывается концентрация вновь созданной добавленной стоимости.

По Владимирской области за 2006 г. она имеет

вид:

16104736/ 166176,3 2

°ВРП

224592785

7965170

1 -

(166176,3^ ч7965170 ,

= 0,000169.

Аналогичным образом были определены показатели за период с 2007 по 2010 г.

После расчета географической концентрации кадровых и финансовых ресурсов и валового внутреннего продукта на определенной территории производится расчет сводного индекса концентрации всех указанных показателей по формуле средней геометрической.

По Владимирской области средний индекс концентрации ресурсов за 2006 г. по производственной подсистеме был рассчитан следующим образом: О = 30,000126 • 0,000312 • 0,000169 = 0,000188.

Аналогичным образом были определены показатели за период с 2007 по 2010 г.

3.2 Определение пространственной концентрации по фактору производства «предпринимательские способности» (вновь созданная добавленная стоимость). Для этого необходимо определить показатель промышленной концентрации вида экономической деятельности в регионе, что делается с помощью индекса Херфиндаля (2):

н=!х2.

/к=1

Данный индекс определяется по каждой подсистеме инфраструктуры экономики знаний.

Соответственно, по Владимирской области средний индекс концентрации ресурсов за 2007 г. по производственной подсистеме был рассчитан следующим образом:

Нк =

167,9 ч 5455,3 ,

= 0, 000947.

Аналогичным образом были определены показатели за период с 2008 по 2010 г. В силу того, что до 2007 г. выделения оборота предприятий по видам экономической деятельности не производилось, рассчитать индекс Херфиндаля за 2006 г. не представляется возможным.

4. Оценка совокупного агломерационного эффекта от концентрации всех факторов производства по каждой подсистеме инфраструктуры производится по формуле (3):

О - Нк

1Е0' = Т-НН"

Следует отметить, что с математической точки зрения значение итогового агломерационного индекса может быть отрицательным в случае превышения индекса промышленной концентрации над сводным индексом географической концентрации, т. е. в случае Нк > О. В данном случае можно констатировать недостаточность концентрации определенного фактора производства на территории определенного региона, но так как инфраструктура функционирует, то можно сделать вывод о принадлежности данного субъекта Федерации к классу реципиентных, т. е. регионов, использующих ресурсы других территорий.

2

2

По Владимирской области индекс агломерационного эффекта за 2007 г. по производственной подсистеме был рассчитан следующим образом:

jEGk =

0,000133 - 0,000947

= -0,000815.

1- 0,000947 Аналогичным образом были определены показатели по остальным подсистемам за период с 2008 по 2010 г.

5. Нормализация индексов агломерационного эффекта - как отмечалось ранее индексы агломерационного эффекта, рассчитанные по каждой подсистеме, могут быть разнонаправленными, что затруднит определение итогового интегрального индекса по региону. В этой связи представляется целесообразным использовать нормализацию полученных данных по критерию Севиджа согласно формуле

Z, = maxZ, - Z,, где max Z i - значение максимального индекса по данной подсистеме в выбранной совокупности регионов;

Z - значение индекса -го региона по данной подсистеме.

Следует отметить, что в данном случае все индексы становятся неотрицательными, а также меняется их направленность, т. е. после нормализации наиболее оптимальными будут являться наименьшие значения показателей.

Соответственно, по Владимирской области нормализация за 2007 г. по производственной подсистеме была рассчитана следующим образом. За максимальную величину был принят аналогичный показатель по одному из лидирующих субъектов среди регионов Центрального федерального округа -Тамбовской области:

Z = -0,000105 - (-0,000815) = 0,000710. Аналогичным образом были определены показатели за период с 2008 по 2010 г.

6. Определение среднего агломерационного эффекта по всем подсистемам региона, которое произведено при помощи аддитивной свертки.

Для этого используем следующую формулу:

1 = hi + - + h*-По Владимирской области средний агломерационный эффект за 2007 г. по производственной подсистеме был рассчитан следующим образом: 0,000710 + 0,000109 + 0,06235 + 0,000208 + + 0,000329 + 0,000076 + 0,004881 + 0,017386 = = 0,029934.

7. Оценка полученных результатов и ранжирование выбранных для анализа регионов.

При построении шкалы оценок выбирается интервальная шкала. Так как была проведена нормализация показателей, то наилучшим будет тот индекс, который демонстрирует наименьшее отклонение от лидера. исходя из этого, необходимо провести оценку отклонения всех регионов от лидера. Соответственно, по выявленному отклонению и будут сформированы интервалы значений (табл. 3).

Таким образом, существует возможность про-ранжировать всю совокупность выбранных для исследования регионов по степени развития инфраструктуры экономики знаний на данном этапе.

При этом следует отметить, что явного лидера по общему развитию региональной инновационной инфраструктуры, за исключением Москвы и Московской области, в регионе нет. В течение всего анализируемого периода первые места занимают ивановская, курская, Владимирская и Брянская области соответственно (табл. 4).

Также необходимо подчеркнуть растущий разрыв в инфраструктурном развитии регионов, отражающийся в росте среднего значения откло-

Таблица 3 Интервалы значений отклонения агломерационного эффекта /-го региона от лидера

Величина отклонения, % Степень развития инфраструктуры

Менее 25 Высокая - регион имеет развитую инфраструктуру, отставая по одной или двум подсистемам, что дает возможность сделать предположение выхода данной территории на значения текущего лидера в будущем периоде

25-75 Достаточная - регион имеет достаточно развитую инфраструктуру, однако имеется ряд нерешенных серьезных проблем или существуют проблемы с внутритерриториальными связями между подсистемами

75-100 Средняя - сформированы не все инфраструктурные подсистемы либо не все из них расположены на территории данного региона, относимого к классу реципиентов

От 100 и более Слабая - инфраструктура находится на начальной стадии формирования, присутствуют лишь ее отдельные элементы, связи между подсистемами отсутствуют, необходимы крупные инвестиционные вливания

Таблица 4

Итоговый агломерационный индекс развития инновационной инфраструктуры по регионам

Центрального < >едерального округа*

Регион 2007 г. 2008 г. 2009 г. 2010 г.

Белгородская область 0,004081 0,003976 0,004363 0,004633

Брянская область 0,003213 0,003941 0,003797 0,003868

Владимирская область 0,005811 0,004001 0,002732 0,004271

Воронежская область 0,009879 0,003374 0,020560 0,036013

Ивановская область 0,002820 0,003993 0,003199 0,004304

Калужская область 0,003363 0,003681 0,004388 0,005108

Костромская область 0,004584 0,003899 0,003497 0,004457

Курская область 0,004883 0,003221 0,002751 0,004021

Липецкая область 0,008895 0,003512 0,020330 0,037425

Орловская область 0,003400 0,003961 0,003324 0,004235

Рязанская область 0,003710 0,003407 0,002784 0,003962

Смоленская область 0,003767 0,003703 0,003263 0,004003

Тамбовская область 0,003373 0,003864 0,003446 0,004446

Тверская область 0,007866 0,003455 0,043773 0,037150

Тульская область 0,004610 0,004529 0,021885 0,038491

Ярославская область 0,004017 0,004380 0,003327 0,004257

Примечание: цветом выделены лучшие значения индексов.

нения от лидирующего значения. Если в 2007 г. среднее отклонение составляло всего 73 %, то к 2010 г. данный индикатор возрос до 242 %, т. е. более чем в 3 раза.

С учетом полученных значений итогового агломерационного индекса была построены матрица соотнесения регионов по уровню развития инфраструктуры экономики знаний (на рис. 2 представлена матрица за 2010 г.).

Анализируя полученные результаты, можно сделать вывод об улучшении общей ситуации в Центральном федеральном округе. Если в 2007 г. в квадрант «Высокое развитие» попадало лишь 5 регионов, то в 2010 г. -уже 11. Однако перечень отстающих территорий практически неизменен (квадрант «Слабое развитие»): Воронежская, Липецкая, Тверская области, исключение составляет лишь Владимирская область, переместившаяся в квадрант «Высокое развитие».

Следует также отметить, что пустой квадрант «Среднее

развитие», который характеризуется отклонением от лидирующего индекса на 75-100 %, свидетельствует о довольно резких перегибах в развитии субъектов Федерации в составе Центрального федерального округа, которые остаются неизменными на протяжении 4 лет.

Подводя итоги проведенного исследования, можно высказать несколько рекомендаций. Прежде всего следует отметить, что существующих темпов роста рассмотренных показателей недостаточно для выравнивания ситуации по регионам Центрального федерального округа. Поскольку ключевым фактором производства является капитал, т. е. инвестиции

Высокое развитие Достаточное развитие

(отклонение от лидера менее 25%) (отклонение от лидера составляет 25-75 %)

1. Белгородская область. 1. Калужская область

2. Брянская область.

3. Владимирская область.

4. Ивановская область.

5. Костромская область.

6. Курская область.

7. Орловская область.

8. Рязанская область.

9. Смоленская область.

10. Тамбовская область.

11. Ярославская область

Среднее развитие Слабое развитие

(отклонение от лидера составляет 75-100%) (отклонение от лидера более 100%)

1. Воронежская область.

2. Липецкая область.

3. Тверская область.

4. Тульская область

Рис. 2. Матрица развития инфраструктуры экономки знаний в регионах Центрального федерального округа в 2010 г.

в развитие экономик регионов, то необходимо в первую очередь решать эту проблему. В этом случае, субъект Федерации сможет привлекать на свою территорию гораздо больше остальных факторов, что, безусловно, повлечет за собой развитие всех подсистем инфраструктуры экономики знаний, а также послужит налаживанию связей между ее отдельными элементами.

кроме того, необходимо совершенствовать существующую нормативно-правовую базу для ликвидации барьеров входа на рынок инновационно-активных предприятий во всех видах экономической деятельности; обеспечить разработку и внедрение системы кредитных и налоговых льгот (в первую очередь для инновационных предприятий малого и среднего бизнеса как на региональном, так и на федеральном уровнях).

Нужно отметить, что разработанная методика является универсальной, поскольку опирается на существующую базу статистических данных, и может применяться как на уровне региона, так и на уровне федерального округа и страны в целом.

Представленная методика позволяет оценить развитие всей инфраструктуры региона в целом в динамике за ряд лет и сопоставить полученные итоги с другими территориями; выделить развитие каждой отдельной подсистемы инновационной инфраструктуры в целях отнесения субъекта к классу

доноров или реципиентов, а также осуществить разработку механизмов развития и улучшения функционирования существующих инфраструктурных элементов.

Список литературы

1. Бирюков А. В. Преимущества современных инновационных кластеров. URL http:/ / morvesti. ru /archive TDR /element. php? IBLOCK _ ID=66&SECTION_ID=13 90&ELEMENT_ID=4118.

2. Громыко Ю. В. Что такое кластеры и как их создавать? / Официальный сайт Института региональных инновационных систем. URL http://www. innosys. spb. ru/?id=791.

3. Данько Т. П. Кластеры в субъектах Российской Федерации: инновационный путь развития // Вестник российской экономической академии. 2011. № 5. С. 109.

4. Миролюбова Т. Региональные экономические кластеры в системе стратегического планирования: методы идентификации // Проблемы теории и практики управления. 2011. № 11. С. 43-44.

5. Ellison G., Glaeser E. Geographic concentration US Manufacturing industries: A Dartboard Approach. URL http://athens. src. uchicago.edu/ jenni/atbarbar/indis/ellison_glaeser_JPE97_geographic %20concentration %20US %20manifacturing %-0industries. pdf.