АШПИ 
Данные об авторе. Михайлов Андрей Сергеевич, кандидат географических наук, начальник отдела маркетинга и аналитики Управления развития и стратегического планирования ФГАОУ ВПО «Балтийский федеральный университет имени Иммануила Канта», г. Калининград. Сфера научных интересов: международные (трансграничные и транснациональные) кластеры, межорганизационные взаимодействия, конперация, трансграничная регионализация, методы идентификации кластеров, Балтийский регион.
Аннотация. В докладе обсуждается актуальная проблема эквивокальности в идентификации кластеров в современном геоэкономическом пространстве. Дан критический анализ существующих методов идентификации кластеров с позиции выделения количественного, качественного и комплексного подходов. Рассмотрена применимость представленных методов в отношении трансграничных кластеров, представляющих собой результат процесса трансграничной регионализации.
Методологические особенности идентификации трансграничных кластеров *
За последние четверть века изучение пространственно-сетевых форм взаимодействий в рамках усиливающихся процессов трансграничной регионализации во всем мире стало актуальной научно-исследовательской задачей прикладного характера. Начиная с 1960–70-х гг. ХХ века ученые фиксируют формирование межотраслевых сетевых взаимодействий хозяйствующих субъектов, участники которых взаимосвязаны как в рамках цепочки добавленной стоимости, так и в коллаборационных процессах генерации и коммерциализации нового знания с акторами, расположенными за пределами административно-территориальных границ региона (-ов) одной страны. Среди наиболее интересных форм международной экономической кооперации и интеграции в отношении перспектив развития приграничных регионов России является трансграничный кластер (ТК).
Трансграничный кластер, как разновидность международного кластера, представляет собой «устойчивое взаимодействие широкого круга взаимосвязанных, взаимозависимых, взаимодополняющих и конкурирующих стейкхолдеров, локализованных в приграничных территориях соседних стран, функционирующих в смежных отраслях и обладающих сходным уровнем развития навыков и технологий, занимающихся совместным созданием товаров и/или услуг в процессе со-созидания ценности, что обеспечивает синергетический эффект в развитии соответствующих территорий и диффузии инноваций между ними» [1, с. 66]. Одним из первых, эмпирический пример феномена трансграничного кластерообразования привел М. Портер, отметивший существование ТК химической промышленности между Германией и Швейцарией [2]. Позднее было выявлено и изучено значительное количество ТК в трансграничных регионах стран Северной Америки и Западной Европы (см.: [3–7]). В то время как в странах Юго-Восточной Азии, по мнению автора, аналогичной формой взаимодействий можно считать концепцию «треугольников роста» (см.: [8]), более четко отражающих аспекты трансграничной кластеризации морехозяйственных комплексов приморских территорий.
Положительные внешние эффекты от деятельности ТК на уровень социально-экономического и инновационного развития приграничных периферийных территорий обусловили заинтересованность органов государственной власти не только содействовать формированию ТК в рамках государственно-частного партнерства (организованные, дирижерские, спланированные кластеры), но и оказывать адресную поддержку действующих ТК, функционирующих в приоритетных направлениях экономики. Программы господдержки, как правило, разрабатываются на национальном и наднациональном (например, панъвропейском – ЕС) уровнях и предполагают финансовую поддержку кластера в форме гранта после его «легализации», т.е. после образования формальной некоммерческой структуры – ассоциации членов кластера в том или ином виде. Результатом формализации кластера является кластерная организация (КО) с советом правления и ее членами, что обеспечивает не только репрезентативность кластера, как хозяйствующего субъекта во взаимоотношениях с органами власти и прочими структурами (например, вузами, ТПП и др.), но и относительную ясность в отношении географических границ его пространственно-сетевых взаимодействий.
Большинство западноевропейских организаций, оказывающих содействие кластеризации, в качестве основного критерия в идентификации и картографировании ТК используют данные КО, т.е. подход «самопровозглашенного членства» (self-proclaimed membership). В частности исследование [9] по идентификации трансграничных взаимодействий КО всецело основано на комплексном анализе данных, представленных организациями в Европейскую кластерную обсерваторию; программ и мероприятий, проводимых Европейской Комиссией (например, Europe INNOVA или Европейская кластерная конференция); опросов формальных кластерных инициатив (как правило, финансируемых в рамках программы Interact / Interreg); открытой информации Интернет сайтов. Данный метод позволяет получить детальное представление о структуре и особенностях ТК, однако практически полностью игнорирует существование самофинансируемых кластерных образований, а также обладает высокой зависимостью от компетентности экспертов. В этой связи рассмотрим ряд методов идентификации латентных кластеров и их применимость в отношении ТК.
Отечественными и зарубежными учеными выделяются множество подобных методов, отличающихся своими подходами к сбору и анализу данных, а также к виду используемой статистической, аналитической, исторической и прочей информации, которые условно можно разделить на количественные, качественные и комплексные (см.: [1]).
Первая группа методов – количественные, включает в себя:
– Метод, основанный на коэффициенте локализации (КЛ), то есть на уровне специализации изучаемого региона в рамках определенного вида экономической деятельности (ВЭД). Наиболее часто применяемый пороговый коэффициент равен 1,5, что означает более высокую (на 50%) специализацию данного ВЭД в регионе по сравнению со средним показателем по стране (иной генеральной совокупности). В рамках идентификации ТК, предлагается провести корреляцию КЛ соседствующих регионов с сопоставимым уровнем специализации в одинаковых или смежных ВЭД. Несмотря на достоинства данного метода (доступность данных, простота расчетов, возможность проведения сравнительного анализа и комбинирования с другими методами), выделим ряд существенных недостатков: не учитываются межотраслевые связи, отсутствует консенсус в выборе порогового значения коэффициента, высокая степень зависимости результатов исследования от выбора границ региона и области сравнения, игнорируются кластеры высокопроизводительных отраслей.
– Метод, основанный на данных по экспорту, который также формирует лишь вероятностные представления о ключевых ВЭД региона и не отображает взаимодействия в рамках кластерных образований. Кроме того, доступность необходимых для расчетов статистических данных в разрезе отдельных регионов и ВЭД ограничена.
– Метод межотраслевых балансов, основанный на таблицах «затраты – выпуск», который получил широкое распространение в мировой практике из-за использования в анализе данных по конечному выпуску продукции, позволяет определить наличие реальных взаимодействий отраслей и размер транзакций. Однако метод не ориентирован на определение локализации промышленности, и учитывает лишь движение товарных потоков, что не отражает роли сопутствующих институциональных структур, присущих кластеру. То есть, его узконаправленность на отношения «покупатель – продавец» не позволяет учитывать коллективные межорганизационные взаимодействия и связи с другими стейкхолдерами (органы власти, вузы, НКО и др.), характерные для кластерного образования. Кроме того, данные таблицы составляются для относительно агрегированных отраслей, что не позволяет выявлять узкоспециализированные кластеры. Возможность выявления ТК затрудняется самим фактом принадлежности отраслей двух регионов к единому кластеру. Результаты, полученные в рамках данного анализа, позволяют выявить «якорные» ВЭД в определенном регионе. При анализе показателей продаж и грузопотока между компаниями различных ВЭД с целью выявления доли выпускаемой продукции и услуг, которые используются одним ВЭД и приобретаются у представителей всех остальных ВЭД, не позволяет определить взаимодействия предприятий смежных регионов, задействованных в единой цепочке добавленной стоимости.
– Новый географический метод или Ripley-K метод (в т.ч. его различные модификации: L-функция Дж. Бегаса, М-функция Е. Маркона и Q-функция Г. Линквиста и др.) решает одну из методологических проблем, присущих методу КЛ, путем использования более гибкого подхода к определению границ взаимодействий хозяйствующих субъектов. Результаты подобного исследования позволяют выявить наличие или отсутствие локальной сверхконцентрации в рамках глобально-ориентированной промышленности. К недостаткам метода в идентификации ТК могут быть отнесены необходимость составления детализированной карты с указанием расположения большинства фирм анализируемых регионов, а также потребность в специализированном программном обеспечении для проведения расчетов. Более того, как и все количественные подходы, основанные на статистических данных, метод способен выявить лишь степень географической концентрации предприятий, но не степень взаимодействия между ними.
Вторая группа методов – качественные, включает в себя:
– Метод экспертных оценок, в том числе его вариации (например, метод «снежный ком»), позволяет выявить и систематизировать кластеры путем использования различных инструментов: фокус-группы, анкетирование, интервью как сторонних экспертов, так и ключевых представителей компаний КО. Метод позволяет получить детальную информацию об изучаемых объектах, однако обладает рядом недостатков в изучении ТК: при недостаточном количестве экспертов существует риск получения субъективного мнения; зачастую методика не поддается стандартизации и сравнительному анализу регионов; ограниченность обобщающих данных изучаемых приграничных территорий препятствует выявлению взаимосвязей; отсутствие единой аргументированной формы интервьюирования.
– Метод генеалогического древа (в т.ч. метод кейсов) является одним из наиболее эффективных в изучении этапов развития кластера и служит инструментом ретроспективного анализа отдельных кластеров. Составление генеалогии кластера представляет собой трудоемкий и время затратный процесс, который требует труднодоступной специфической информации экономического и исторического характера, зачастую имеющейся в ограниченном количестве и печатном формате. Последующий сравнительный анализ затрудняется индивидуальностью каждого исследования, субъективностью как самой информации, так и ее трактовки.
Третья группа методов – комплексные, включает в себя совокупность количественных и качественных методов. Примером может служить мета-метод «кейс-стади», направленный на воспроизводство изучаемых событий, не отделяя их от контекста, что позволяет учесть значимые факторы формирования и развития кластера используя поэтапный подход в выборе исследовательского инструментария.
Приведенные выше примеры отражают актуальную проблему эквивокальности в идентификации границ пространственно-сетевых форм взаимодействия акторов в современном геоэкономическом контексте. Формирование ТК ставит под сомнение отчуждение ресурсозависимых и местных ВЭД, а также формирует задачу по выработке соответствующего методологического подхода к идентификации и последующей оценке взаимодействий между участниками ТК. Существующие методы идентификации кластеров на уровне региона носят по большей степени вероятностный характер, поэтому вопрос их применимости в контексте выявления ТК представляется важной методологической проблемой, требующей всестороннего изучения с последующей апробацией в ходе научных исследований.
Литература
1. Михайлов А.С., Михайлова А.А. Межстрановые кластерные взаимодействия: теория вопроса // Регион сотрудничества. 2012. № 1(56). С. 52–87.
2. Porter M.E. On Competition. Boston, 1998.
3. Brunet-Jailly E. Cascadia in comparative perspectives: Canada-U.S. relations and the emergence of cross-border regions // Canadian Political Science Review, 2008. 2. P. 104–124.
4. Johnson C. Cross-border regions and territorial restructuring in Central Europe: Room for more transboundary space // European Urban and Regional Studies. 2009. 16. P. 177–191.
5. Mikhaylov A.S., Mikhaylova A.А. Spatial and Sectoral Distribution of International // European Journal of Scientific Research. 2014. 121 (2). P. 122–137.
6. Scott A.J. European and North American Contexts for Cross-border Regionalism // Regional Studies. 1999. 33. P. 605–617.
7. Trippl M. Economic linkages and innovation networks in the Centrope area // Wirtschaft und Management. 2008. 9. P. 29–48.
8. Kettunen E. ASEAN, AFTA and the SIJORI Growth Triangle: regional and sub-regional economic integration. Licentiate thesis, Hels., 1998.
9. Walerud С., Viachka A. Transnational networks of cluster organisations. Stockh., 2007.
* Исследование выполнено при поддержке РНФ (проект 15-18-10000 «Трансграничное кластерообразование в динамике экономических и селитебных систем приморских территорий европейской России»).