Название: Актуальные проблемы развития социально-экономических систем в современных условиях - Научное пособие (М. Н. Кондратьева, Е. В. Баландина, С. А. Глухова)

Жанр: Экономико-математический

Просмотров: 1298


5.4. кластерный анализ

 

Кластерный анализ занимает место между двумя формами эко- номического анализа. С одной стороны, кластерный анализ не фоку- сируется на системных проблемах мезоэкономического уровня, где взаимосвязь между изменениями в региональной экономике в целом и деятельностью отдельных хозяйствующих субъектов не всегда пол- ностью ясна. С другой стороны, кластерный анализ не направлен на изучение отдельных компаний (если это не ключевые фирмы). Компании не рассматриваются как отдельные единицы, взаимодейст- вующие с недифференцированным экономическим окружением; они помещаются в контекст рынков поставщиков и потребителей, часто как часть производственной цепочки, которая не ограничивается од- ной отраслью. Кластерная политика, базирующаяся на преимущест- вах кластерного анализа, не является традиционной отраслевой поли-

тикой, так как инструменты кластерного анализа определяют класте-

 

ры не только в рамках отраслей.

 

Таким  образом,  кластерный  анализ  проводится  в  два  этапа. На первом этапе региональная экономика изучается на предмет суще- ствования работающих или потенциальных кластеров. На втором эта- пе  осуществляется  детальное  обследование  выявленных  кластеров, для которых затем будет разрабатываться политика их поддержки. Рассматривая региональную экономику через призму различных ме- стных производств и инновационных систем, региональные власти точнее могут определить меры равномерного воздействия и поддерж- ки своих кластеров.

Для идентификации региональных кластеров часто используется двухступенчатый анализ. На первой ступени проводится «внутрен- ний» анализ экономики: оценка сильных и слабых сторон, проблем и возможностей  для  всей  региональной  экономики  (SWOT-анализ). Для определения важности кластера для экономики региона исполь- зуется набор количественных характеристик, включающих числен- ность занятых в кластере, а также ее динамика за исследуемый период времени, доля экспорта кластера в экономике региона и темп возник- новения новых компаний. На второй ступени осуществляется «внеш- ний» анализ. Суть его заключается в том, что путем сравнительного анализа определяется межрегиональная и национальная (а в некото- рых случаях и международная) значимость кластера. Этот тип анали- за имеет ряд преимуществ, таких, как акцентирование роли неком- мерческих образований, например, научно-исследовательских орга- низаций, 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-

ние на внешних рынках. Таким образом, качественный анализ очень важен для идентификации потенциальных и возникающих кластеров, когда появляющиеся новые области компетенций невозможно изме- рить 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 между- народное положение кластера.

Существует целый набор методов идентификации и анализа ре- гиональных 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 кла- стеров и дана их оценка посредством выявления преимуществ и не-

достатков каждого из указанных методов.

 

 

Аналитические методы исследования кластеров

 

Таблица 5.1

 

Методы

Преимущества

Недостатки

Экспертные оценки

Относительно низкие из-

держки, детальная инфор-

мация

Отсутствие систематическо-

го сбора информации, от- сутствие обобщенных дан- ных

Коэффициенты локализации

Простота расчетов, могут дополнять другие методы

Акцент на отрасли и секто-

ре, а не на кластеры

Производственные межот-

раслевые балансы

Являются часто главным

источником показателей взаимозависимости отрас- лей и компаний, детальная и комплексная информация

Данные могут устаревать, не

отражают роли сопутст- вующих институциональных структур

Инновационные межотрас-

левые балансы

Являются часто главным

источником показателей взаимозависимости отрас- лей и компаний

Такие балансы редко публи-

куются

Теория графов/сетевой ана-

лиз

Визуальный анализ взаимо-

связей

Набор компьютерных тех-

нологий ограничен

Специальные обследования

Гибкость в сборе необходи-

мых данных

Высокие издержки проведе-

ния

Исследование возможностей формирования кластеров на терри- тории региона требует определения потенциала кластеризации, кото- рый представляет собой наличие конкурентных преимуществ у отрас- лей, 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 исследо- вания данной проблемы уже имеются. Они базируются, как правило, на определении коэффициентов локализации, душевого производства, специализации отраслей промышленности и др.50

В конечном счете, кластерный анализ, в начале в математиче-

 

ской, а затем и в аналитической части становится обоснованием кла-

 

стерной политики.

 

Кластерный анализ это часть экономического анализа, являю- щаяся значительной статистической основой, базирующейся на груп- пировке данных по определенным значениям наиболее важного при- знака или признаков. При многомерности данных, сначала произво- дится группировка по важности: первый, второй и т.д.

Механизм кластерного анализа опирается на два предположе- ния:  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 анали- за. В соответствии с этим выделяют шесть этапов кластерного анализа.

1. Получение матрицы данных

 

50   Дырдонова  А.Н.,  Методические  подходы  к  выявлению  и  оценке  кластеров  в экономике региона / А.Н. Дырдонова // Региональная экономика: теория и практика. –

2010. - № 28(163). – С. 25-32

2. Приведение матрицу данных к стандартному виду

 

3. Вычисление матрицы сходств

 

4. Применение метода кластеризации

 

5. Сортировка данных и матрицы сходств

 

6. Вычисление коэффициент близости

 

Здесь перечислены основополагающие этапы, все остальные этапы сопутствуют им.

Постановка задачи в кластерном анализе осуществляется сле- дующим образом. Существует определенная совокупность признаков X размерностью k. Цель – разбить ее на определенные однородные группы (кластеры). Важно, что при решении задачи классификации необходимо определиться – нужна ли  обычная типизация с опреде- лением интервального расстояния и разбиения на приблизительно од- нородные группы, либо же задача кластеризации с постановкой во- проса о естественном расслоении и получении кластеров. При пред- ставлении кластеров чаще всего пользуются матрицами:

𝑥ଵ௜   𝑥௜௝   𝑥௜௞

⎛         …        …        …        ⎞

X =⎜ 𝑥௜ଵ     𝑥௜௝   𝑥௜௞  ⎟,

…        …        …

⎝𝑥௡ଵ            𝑥௡௝   𝑥௡௞ ⎠

где k – количество признаков, рассматриваемых при измерении объ-

 

екта. Интерес может представлять как группировка самих объектов,

так и группировка признаков.51

 

Особый интерес представляет определение однородности. Однородность характеризуется выделением расстояния между объек- тами, либо функцией близости пары объектов.

При определении меры близости или расстояния, пожалуй, важ-

 

но уделить внимание центру группы кластера. Несмотря на то, что

 

51   Кластерный  анализ  в  задачах  социально-экономического  прогнозирования  (URL:

http://student.km.ru/ref_show_frame.asp?id=3D6F2F6E614C4845882FCD3DE7F37D29

дата проверки: 31.01.11 г

кластер может оказаться весьма неоднородным, это позволит не толь-

 

ко сравнивать между собой кластеры, но и определять их абсолютный

 

«вес» путем вычисления расстояния от центра до всех точек про- странства  кластера.  При  рассмотрении  в  экономической  плоскости мы сможем определить такие показатели как связи между предпри- ятиями в кластере, а также без погрешностей сравнивать между собой различные региональные кластеры благодаря неизменным показате- лям денежного и натурального значения.

При этом используемые параметры необязательно носят линей- ный, а также метрический характер. Отсюда кластер предстает мно- гомерной структурой. Располагаясь на какой-либо территории, кла- стер определяется не только географической мерой близости между предприятиями, но и множеством других факторов: ценовым, вре- менным и возможно некоторыми другими.

Таким образом, можно придти к выводу, что включение пред- приятия в кластер на основании географического признака не являет- ся определяющим. А конечная сумма «расстояния» определяется по- добно среднему арифметическому, но с учетом множества характери- стик измерения кластера. При этом возможно изменить вес какого-то определенного фактора в общей сумме в ущерб остальным, но это не- обходимо 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 не- стабильность структуры кластера. Это ставит дополнительную про- блему определения достаточности количества предприятий в класте- ре. Так называемой «критической массы».

Узловым моментом в кластерном анализе считается выбор мет- рики (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

этот выбор производится по-своему, с учетом главных целей исследо- вания, физической и статистической природы используемой инфор- мации и т. п.52

 

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

 

52  Кластерный анализ данных (URL: http://www.dea-analysis.ru/clustering-4.htm дата проверки: 31.01.12 г.