Содержание к диссертации
Введение
ГЛАВА 1. Кластеризация в региональной экономике: теория формирования и количественный анализ 12
1.1. Сущность и особенности кластеризации как инструмента повышения эффективности экономики региона 12
1.2. Анализ зарубежного опыта кластеризации промышленных отраслей .35
1.3. Методологические подходы к анализу и параметризации кластерного развития региональных экономик 44
1.4. Обзор экономико-математических методов моделирования процессов кластеризации для совершенствования управления социально-экономическим ростом регионов 55
ГЛАВА 2. Модельный инструментарий анализа и прогнозирования процессов промышленной кластеризации в регионах 65
2.1. Концептуальная схема комплекса моделей: индикаторы, параметры, математический аппарат реализации 65
2.2. Модель определения степени промышленной кластеризации регионов 74
2.3. Применение нейросетевого моделирования к типологизации регионов 83
2.4. Разработка прогнозных моделей параметров промышленного кластера 97
2.5. Информационные взаимосвязи комплекса моделей 110
ГЛАВА 3. Экспериментальное моделирование . процессов промышленной кластеризации регионов (на примере регионов ЦФО)
3.1. Сравнительный анализ регионов ЦФО 117
3.2. Адаптация разработанных моделей степени промышленной кластеризации и типологизации для различных регионов ЦФО 135
3.3. Практическая реализация прогнозных моделей параметров промышленного кластера 144
3.4. Экспериментальное моделирование развития предприятий ядра текстильно-промышленного кластера Ивановской области 165
Заключение 176
Список использованной литературы
- Анализ зарубежного опыта кластеризации промышленных отраслей
- Обзор экономико-математических методов моделирования процессов кластеризации для совершенствования управления социально-экономическим ростом регионов
- Применение нейросетевого моделирования к типологизации регионов
- Адаптация разработанных моделей степени промышленной кластеризации и типологизации для различных регионов ЦФО
Введение к работе
Актуальность темы исследования. Кластерный подход в управлении экономикой занимает значимое место как в Концепции долгосрочного социально-экономического развития Российской Федерации на период до 2020 года, так и в стратегиях социально-экономического развития различных регионов, в том числе Ивановской области. Опыт свидетельствует о том, что регионы, на территории которых складываются кластеры, как правило, становятся лидерами экономического развития. В связи с этим теория кластеров стала широко востребована в государственной политике, в научный оборот вошел термин «кластерная экономическая политика», а также понимание того, что промышленная и кластерная политики должны органически дополнять друг друга.
Преимущество кластерного подхода к региональному развитию заключается в комплексном и системном рассмотрении микроэкономических объектов, входящих в хозяйственную агломерацию, с учетом имеющейся социальной и территориальной специфики. В рамках этого подхода реализуются эффективные инструменты стимулирования региона, что обусловливает увеличение в нем занятости, повышение конкурентоспособности производственных систем, рост бюджетных доходов и т.д.
Однако, к настоящему времени примерно четверть всех регионов РФ имеет преимущественно монопрофильную экономику, в которой роль бюджетных доноров выполняют лишь несколько крупных предприятий (корпораций). Имеющаяся односторонность и несбалансированность такого регионального развития, сопровождающаяся наличием серьезных социально-демографических и экономических проблем, свидетельствует о востребованности обоснованной кластерной политики.
Несмотря на то, что кластерному подходу в современных научных исследованиях уделяется большое внимание, многие вопросы обоснования кластерной политики остаются нерешёнными. Большинство имеющихся исследований опирается преимущественно на качественные методы кластерного анализа (аналоговые методы сопоставления различных кластеров, ретроспективный анализ данных до и после формирования кластера и т.д.). В то же время процессы серьезной трансформации регионального развития (к числу которых относится реализация стратегии кластерного развития территории) требуют количественных, и в первую очередь - экономико-математических методов анализа. В настоящее время арсенал таких методов относительно невелик. В частности, отсутствуют (как в отечественной, так и зарубежной научной литературе) экономико-математические модели, углубленно и унифицированно описывающие процессы кластеризации, а также экономико-математический инструментарий поддержки стратегических решений по формированию региональных класте-
ров. Это обусловлено как сложностью изучаемых процессов (значительное разнообразие видов кластеров и специфики их деятельности), так и имеющимися информационными трудностями (короткие временные ряды и неполнота официальных статистических данных).
Указанные проблемы определяют актуальность выбранной темы исследования.
Степень научной разработанности проблемы. Теоретической и методической основой диссертации послужили фундаментальные исследования ведущих отечественных и зарубежных ученых по рассматриваемой тематике. Анализ имеющейся литературы свидетельствует о том, что рассматриваемая проблема находится в контексте различных научных направлений:
значительное число работ посвящено общим вопросам кластерной теории и кластерного анализа, в том числе исследования следующих отечественных и зарубежных авторов: П.А. Аркин, А.В. Барышева, В.А. Беспалов, Д.А. Галимов, А.И. Кибиткин, Н.И. Пшиканокова, К.А. Соловейчик, вопросам экономического кластерного подхода в региональном аспекте, кластерному анализу, его специфике и современным условиям развития посвящено значительное число работ следующих авторов: Е. Бергман, Б. Гаррет, Е. Дахмен, С. Дэвис, Д. М. Кастелс, П. Кругман, К. Морган, М. Портер, Б. Харрисон и др.;
отдельные вопросы, связанные с механизмами, инструментами создания и функционирования промышленных кластеров в регионе, рассмотрены в трудах А.Ю. Александровой, Ю.А. Арутюнова, Л.Г. Ахтариевой, М.К. Бадмана, В.А. Беспалова, В.М. Вазагова, Г.А. Власкина, Н.Н. Волковой, В. Гурвич, В.А. Королева, Е.Б. Ленчук, Л.Г. Матвеевой, С.Г. Полякова, Т.В. Сахно, С.С. Слепакова и др.;
большой пласт исследований по экономико-математическому моделированию и прогнозированию экономических процессов (в том числе - по региональной проблематике) представлен работами С.А. Айвазяна, Т. Андерсона, К.А. Багриновского, Дж. Бокса, A.M. Гатаулина, Г. Дженкинса, К. Доугерти, А.Н. Ильченко, B.C. Мхитаряна;
специальные методы исследования сложных систем (применение нейронных сетей и методов имитационного моделирования) отражены в трудах А.В. Андрейчикова, А.Н. Горбань, Г. Дебок, Н.Е. Егоровой, А.А. Емельянова, Т. Кохонена, Д.А. Россиева, А.А. Питенко.
В связи с этим возникает проблема обобщения и синтеза результатов различных научных школ и направлений и применения на этой основе различных методов экономико-математического моделирования, отражающих процессы формирования и управления промышленными кластерами регионов. Это определяет цели и задачи диссертационного исследования.
Цель диссертационного исследования: разработка комплекса экономико-математических моделей, отражающих процессы формирования и управления промышленными кластерами на уровне регионов с использованием современных математико-статистических и инструментальных средств: нейросетевого моделирования, математического кластерного анализа, статистического, адаптивного прогнозирования.
Для достижения указанной цели поставлены и решены следующие теоретические и практические задачи:
формирование методологических основ моделирования процессов региональной кластеризации;
анализ уровня кластеризации регионов; разработка количественного индикатора, характеризующего этот уровень и базирующегося на официальных статистических данных;
разработка экономико-математических методов типологизации регионов и разделение их на моно- и полииндустриальные регионы;
создание модели, отражающей взаимосвязь важнейших экономических показателей регионального развития от уровня кластеризации региона;
разработка прогнозной модели динамики экономического состояния региона на краткосрочную перспективу при изменении уровня его кластеризации;
моделирование зависимости прибыли предприятий ядра кластера от величины индикатора, характеризующего уровень кластеризации региона.
Объект исследования - промышленные кластеры регионов центрального федерального округа (далее - ЦФО) Российской Федерации
Предмет исследования - процессы формирования и прогнозирования региональных кластеров.
Методы исследования. В процессе исследования применялись методы системного анализа, эконометрики, теории принятия решений и многомерной классификации многомерного статистического анализа, экспертные оценки, а также методы нейросетевого моделирования.
Научную новизну содержат результаты исследования, полученные лично автором и выносимые на защиту.
Научная новизна исследования состоит в следующем:
1. Сформированы методологические основы моделирования процесса региональной промышленной кластеризации, отличительной особенностью которых (в сравнении с аналогичными разработками) является иерархический принцип построения системы моделей и методов на национальном, региональном и микроэкономическом уровнях; разработана концептуальная схема межу-ровневого информационного обмена, определены типы применяемых моделей и методов.
-
Введён индикатор степени кластеризации региона и предложен алгоритм его расчета на базе официальных статистических данных. В отличие от имеющихся показателей, характеризующих процессы кластеризации, данный индикатор не только учитывает отраслевую специфику региона (согласно ОКВЭД), но и задается в интервале своего возможного изменения, границы которого установлены аналитическим путем.
-
Разработана и реализована (на статистических данных регионов ЦФО) нейронная модель типологизации регионов (карты Кохонена), классифицирующая их как моно- или полииндустриальные. В отличие от традиционного способа применения методов нейросетевого моделирования в задачах региональной классификации, в предложенной модели наряду с объемными показателями выпускаемой различными отраслями продукции используются индикаторы классификации регионов, что обеспечивает большую точность поставленной задачи.
-
Предложен интервально-кластерный метод прогнозирования развития моноиндустриальных регионов на основе разработанной эконометрической модели, отражающей нелинейную связь (полином пятой степени) между удельным весом доминирующей отрасли в изучаемом виде деятельности (по России в целом) и индикатором степени кластеризации. По сравнению с имеющимися разработками данный метод не только дает оценку рекомендуемому уровню кластеризации, но и обосновывает целесообразность развития регионального кластера в установленном интервале значений индикатора кластеризации.
-
Разработаны и реализованы (на материале Ивановской области) мезо- и микроуровневые нейросетевые прогнозные модели. Отличительной особенностью этих моделей является учет влияния процессов кластеризации на состояние мезо- и микрообъектов. Мезоуровневая модель (многослойный персептрон с экспоненциальной активационной функцией скрытого слоя и логистической функцией выхода) в краткосрочной перспективе позволяет рассчитать ожидаемый ВРП на душу населения; микроуровневая нейросетевая модель позволяет определить зависимость прибыли предприятий ядра кластера от индикатора кластеризации региона.
Область исследования.
Диссертационное исследование проведено в соответствии с п. 1.5. -«Разработка и развитие математических методов и моделей глобальной экономики, межотраслевого, межрегионального и межстранового социально - экономического анализа, построение интегральных социально - экономических индикаторов» паспорта специальностей ВАК (08.00.13 - математические и инструментальные методы экономики).
Информационной базой исследования послужили опубликованные статистические данные Росстата территориального органа Федеральной службы государственной статистики по Ивановской области, нормативно-законодательные материалы по социально-экономическому развитию РФ и регионов ЦФО, материалы периодической печати и данные социально-экономических исследований автора.
Теоретическая и практическая значимость диссертационной работы.
Теоретическая значимость диссертационной работы заключается в разработке моделей и методов анализа и прогнозирования для совершенствования методологического подхода при управлении территориальной промышленной кластеризацией.
Практические результаты диссертационного исследования используются в текущей плановой деятельности Департаментом экономического развития и торговли Ивановской области. Результаты диссертационного исследования могут использоваться также исполнительными органами государственной власти и органами управления других субъектов РФ.
Отдельные положения исследования могут быть использованы в высших учебных заведениях при чтении лекций по дисциплинам «Методы оптимальных решений», «Методы принятия решений», «Экономико-математическое моделирование» студентам направлений «Экономика» и «Менеджмент».
Апробация работы. Основные научные и практические результаты диссертационной работы докладывались и обсуждались на международных, всероссийских конференциях и семинарах:
15-й международной научной конференции «Роль финансово-кредитной системы в реализации решения задач развития экономики» (Санкт-Петербургский государственный университет экономики и финансов, г. Санкт-Петербург, 17-18 февраля 2011 г.);
межрегиональном семинаре в рамках IX областного фестиваля «Молодая наука - развитию Ивановской области» (Ивановский государственный политехнический университет, г. Иваново, 2013);
4-й международной научно-практической конференции студентов и аспирантов «Статистические методы анализа экономики и общества» (Национальный исследовательский университет «Высшая Школа Экономики», г. Москва 14-16 мая 2013 г.);
5-й международной научно-практической конференции студентов и аспирантов «Статистические методы анализа экономики и общества» (Национальный исследовательский университет «Высшая Школа Экономики», г. Москва 14-17 мая 2014 г.);
Всероссийской конференции с международным участием «Социально-экономический потенциал региона и перспективы его развития» (Ивановский государственный химико-технологический университет, г. Иваново, 19-20 ноября 2014 г.);
X Международной научно-техническая конференции студентов, аспирантов и молодых ученых «Энергия -2015» (Ивановский государственный энергетический университет, г. Иваново, 21-23 апреля 2015);
на заседаниях кафедры Управления и экономико-математического моделирования Ивановского государственного химико-технологического университета (2010 - 2015 г.г.).
Публикации. Основные положения и выводы диссертационного исследования нашли отражение в 12 научных работах общим объемом 3,4 п.л. (в т.ч. 3,4 п.л. - авторские), в том числе в 6 работах, опубликованных в изданиях, рекомендованных ВАК РФ.
Анализ зарубежного опыта кластеризации промышленных отраслей
В Концепции долгосрочного социально-экономического развития РФ указывается, что главная стратегическая цель нашей страны в ближайшее десятилетие -достижение уровня экономического и социального развития, соответствующего статусу ведущей мировой державы XXI века, с привлекательными условиями жизни, занимающей передовые позиции в глобальной экономической конкуренции и надежно обеспечивающей национальную безопасность реализацию конституционных прав граждан [8, 15]. В связи с этим, возникает необходимость активизации существующих и поиска новых источников и факторов положительной динамики экономического развития.
Решению данной проблемы будет способствовать рост конкурентоспособности на всех уровнях экономики, в т.ч. на уровне региона. Конкурентоспособность и эффективность сложных систем в современной экономике определяются не только конкуренцией и размерами производства, но и, в первую очередь, взаимовыгодным сотрудничеством, знаниями, технологиями, квалификацией. Именно эти факторы сочетаются в феномене «кластер».
Отечественные и зарубежные экономисты в России и за рубежом придерживаются точки зрения, что регионы, на территории которых складываются кластеры, становятся лидерами экономического развития, что определяет конкурентоспособность региональных экономик [140]. В них кластеры создают своеобразный каркас, который определяет направления развития
Новые институты управления развитием региональной экономики находятся в стадии становления, а старые продолжают функционировать. Необходим поиск и обоснование новых подходов к управлению развитием региональных экономи 13 ческих систем, отвечающих современным условиям. Актуальность анализа основных подходов к управлению развитием региональной экономики, а также кластерной концепции как новой теории организации экономической деятельности не вызывает сомнений.
Кластерный подход в управлении регионом - это, несомненно, новая управленческая технология. Она даст возможность повысить конкурентоспособность конкретного региона или отрасли и государства в целом.
Бесспорное влияние на возникновение, формирование и развитие теории кластеров оказали работы множества ученых, работавших в разнообразных областях экономической науки.
К классическим работам, посвященным пространственной организации экономической деятельности, можно отнести: теории размещения производства Й. Тюнена, А. Вебера, А. Лёша, В. Лаундхардта, В. Кристаллера, а также теории специализации Э. Хекшера и Б. Олина. К этим теориям относятся [63]: теория регионального воспроизводства (А. С. Маршалова, А. С. Новоселов), теория «полюсов роста» (Ф. Пер), теория диффузии инноваций (Т. Хегерстранд), теория местного роста (Ю. В. Филипов, Т. Т. Авдеева, Т. Г. Лаврова), теория адаптивности к условиям постиндустриального общества [63].
Анализ экономической литературы позволил автору сделать вывод, что представленные теории обладают общими ограничениями их апробации:
1) фрагментарный взгляд на процессы развития региональной экономики, что не соответствует ее современному качественному состоянию как сложной, многоаспектной динамической системы,
2) данные теории не отвечают на вопрос о структуре региональной экономической системы, что является особенно актуальным в условиях ликвидации института отраслевого управления промышленностью.
В связи с этим, на наш взгляд, кластерный подход способен в определенной степени снять существующие ограничения. Он представляет собой синтез положений вышеизложенных теорий и может стать основой повышения эффективности региональных воспроизводственных циклов, формирования полюсов роста, диффузии инноваций, активизации местного роста и адаптации к условиям постиндустриального общества. Кластерный подход позволяет унифицировано подойти к определению структуры управления развитием региональных экономических систем, имеющих свои специфические особенности.
Отметим, что идея кластера в целом не нова, и появилась в научных трудах задолго до Портера. Она восходит корнями к теории размещения И. фон Тюнена (его известный научный труд - «Изолированное государство в его отношении к сельскому хозяйству и национальной экономии», 1826 г.). Суть предложенной им абстрактной географической модели была такова, что существование транспортных издержек приводит к тому, что производство размещается кольцами вокруг некоего центра [188].
Также предпосылки понятия «кластер» можно найти в трудах А. Маршалла (конец 19 века, «Принципы экономической науки»). Из описания термина «локализованная промышленность» - производство, сосредоточенное в определенных местностях - можно понять, что речь идет о кластерах с достаточно глубоким межфирменным разделением труда [29, 98].
В книге Альфреда Маршалла «Принципы экономической науки» речь идет «...об индустриальном дистрикте (районе), который общепризнанно считается прототипом кластера». Важным в экономике локализации А. Маршалла является то, что все формы и виды коммерческой деятельности принадлежат к одному сектору промышленности и близость фирм увеличивает инновационные возможности всех индустрии данной местности, что лишь подтверждает необходимость концентрации промышленности для возникновения кластера.
Так же предшественником понятия «кластер» служит французское понятие «фильер», обозначающий семейство технологически взаимосвязанных секторов. Также прообразы понятия «кластер» имеют место в трудах ученых, посвященных анализу деятельности крупных шведских корпораций, где вводится понятие «блоки развития» [158].
Обзор экономико-математических методов моделирования процессов кластеризации для совершенствования управления социально-экономическим ростом регионов
Исходные данные представляются в виде матрицы размером (т + 1) х п, причем п строк характеризуют п объектов. Первые m столбцов - это значения т переменных для п объектов, а (т + 1)-й столбец для каждого объекта - это номер его класса. Классы нумеруются натуральными числами от 1 до к, где к - число классов. Объекты, характеризуемые строками в матрице, могут располагаться произвольно относительно номеров классов. Метод дискриминантного анализа позволяет получить вероятностное обоснование результатов кластеризации [113, 162]. 3) Метод объемно-календарного планирования является одним из способов мо делирования кластерной экономики. Каждый шаг (производство) составляет от дельный элемент экономико-математических соотношений, связывающих пере менные величины: объемы перерабатываемых продуктов, коэффициенты или тех нологические параметры, удельные показатели по затратам. Критерием является максимимум готовой продукции как результат последней стадии переработки. Пусть заданы ценовые характеристики готовой и промежуточной продукции. Ограничивающими условиями являются производственные запасы затрачиваемых ресурсов (финансовых, трудовых и т.д.), а также производственно-технологические возможности каждого этапа. Решением являются объемы перерабатываемого сырья и материалов на каждой стадии.
Для детального составления календарного плана производственных процессов в региональных кластерах предлагается использовать модели сетевого планирования на сети сложной структуры. При этом каждая стадия производства представляется как инвестиционный (инновационный) проект. Тогда все стадии образуют последовательность отдельных взаимосвязанных проектов. Как известно, сетевая модель на основе сети сложной структуры выражает свыше 50 разнородных взаимосвязей между отдельными операциями (работами) сети, что позволяет представить в сетевой модели кластера все технологические, ресурсные и временные ограничения между работами [30]. 4) Имитационное моделирование. При разработке моделей сложных экономических систем необходимо определить и отобразить прямые и обратные связи, которые присутствуют в любой сложной системе, в том числе и в региональных кластерах. Благодаря наличию обратных связей в моделях результаты моделирования, анализа и прогноза оказываются более достоверными, чем при использовании структурных уравнений, в которых отражение этих обратных связей может вызвать большие затруднения [30].
Эти затруднения наталкивают на использование имитационного моделирования для анализа создания и развития региональных кластеров. Оно реализуется по следующим этапам: 1. сначала определяются важные вопросы о поведении сложной системы, ответы на которые требуется получить; 2. применяется декомпозиция системы на более простые части-блоки; 3. описываются законы и «правдоподобные» гипотезы относительно поведения как системы в целом, так и отдельных ее частей; 4. в зависимости от поставленных перед ученым вопросов задается так называемое время системы, которое и моделирует ход времени в реальной системе; 5. заранее заданным образом задаются необходимые феноменологические характеристики системы и отдельных ее частей; 6. случайным параметрам, используемым в модели, сопоставляются некоторые их реализации, сохраняющиеся постоянными в течение одного или нескольких тактов системного времени. Далее отыскиваются новые реализации.
Модель представляется в виде алгоритма, в котором определяются все наиболее существенные элементы, связи в кластере и задаются начальные значения параметров, соответствующие «нулевому» моменту времени. Все последующие изменения, происходящие в системе по закону причин и следствий, вычисляются с помощью средств логической обработки данных при выполнении данного алгоритма. Такой метод не требует составления уравнений и не требует их решения. В ходе имитационного эксперимента компьютер имитирует функционирование кластера и вычисляет характеристики свойств, проявляемых системой.
С точки зрения компьютерной реализации имитационное моделирование сложных экономических систем кластерного типа - это комплексный метод исследования, включающий построение концептуальных, математических и программных моделей создания и функционирования региональных кластеров, выполнение широкого спектра целенаправленных имитационных экспериментов, связанных со стратегией регионального развития, обработку и интерпретацию результатов этих экспериментов [54].
Искусственные нейронные сети. Для получения открытой, достоверной, своевременной и систематизированной по заданным критериям информации в настоящее время применяются информационные технологии получения, обработки, анализа и прогнозирования информации. Современные информационные технологии можно разделить на классические - они ориентированы в основном на решение вычислительных задач, и интеллектуальные - они при работе с информацией используют приемы, лежащие в основе функционирования человеческого мозга.
Классические информационные технологии эффективны при обработке и анализе формализованной информации, между компонентами которой есть четкие зависимости. Но они оказываются неэффективными при решении трудно формализуемых задач, при обработке больших массивов неструктурированной, противоречивой, неполной информации, возникающей, например, в процессе функционирования стратегических альянсов и региональных кластеров при взаимодействии их участников. Поэтому в настоящее время для решения задач, имеющих дело с такой трудно формализуемой информацией, применяются интеллектуальные информационные технологии.
Выделяют следующие основные типы интеллектуальных информационных технологий [54]: искусственные нейронные сети, нечеткая логика, генетические алгоритмы, нелинейная динамика (теория хаоса).
Оптимальным из перечисленных методов представляется применение искусственных нейронных сетей, так как эти сети в принципе не нуждаются в построении модели, а строят ее сами только на основе предъявляемой информации. Именно поэтому нейронные сети входят в практику управления сложными экономическими системами кластерного типа, где ставятся трудно формализуемые задачи, для решения которых необходимы либо постоянная работа группы квалифицированных экспертов, либо адаптивные системы автоматизации.
Применение нейросетевого моделирования к типологизации регионов
На следующем этапе авторского комплексного моделирования промышленной кластеризации автором были разработаны взаимосвязанные прогнозные модели параметров промышленного кластера, которые имеют разный экономико-математический инструментарий.
Для определения стратегии развития промышленного кластера в регионе можно применять методы прогнозирования [60]. Выделяют такие подходы к разработке прогнозов: 1)экспертный опрос, 2)экстраполирование, 3Моделирование. Их сочетание приводит к комбинированным методам прогнозирования, которые отличаются большей объективностью.
Известно более ста пятидесяти разнообразных методов и приемов прогнозирования. Они отличаются: 1)по своему инструментарию, 2)области применения, 3)научной обоснованности [32, 75, 90, 91]. При практической реализации моделей, в качестве ведущих, используют не более двадцати. Развитие информационных технологий, пакетов прикладных программ дает возможность расширить круга применения методов прогнозирования и планирования и их совершенствования.
Экономисты-аналитики, такие как Кузин Б.И., Юрьев В.Н., Шахдинаров Г.М. в своих трудах предлагают следующие методы прогнозирования. По мнению автора, их можно применить и для прогнозирования промышленного кластера (таблица 2.6) [82, стр.120-121].
Метод Дельфи Форма опроса экспертов, при которой их анонимные ответы обрабатываются в течение нескольких этапов и после ознакомления всех участников экспертизы с промежуточными результатами получают усреднен-ную(групповую) количественную оценку исследуемого вопроса.
Метод коллективных оценок руководства и специалистов предприятий (метод «мозговой» атаки) Метод основан на гипотезе, что среди большого числа идей, суждений имеется, по меньшей мере, несколько, которые отвечают наиболее вероятному ходу будущего развития спроса. Опирается на неформальный анализ. Применяется в форме обмена мнениями экспертами-специалистов.
Сценарного развития Подготовка и согласование представления о тенденциях изменения показателей с учетом влияющих на нее факторов. Сценарии пишутся специалистами-экспертами вначале индивидуально, а затем формируется согласованный единый текст. Сценарий предусматривает не только содержательные рассуждения, но и включает, как правило, результаты технико-экономического или статистического анализа с соответствующими выводами.
Количественные (экстраполирование) Количественная оценка будущих показателей на основе данных прошлых лет и действующих в настоящее время и в будущем факторов с помощью методов математической экономики.
Экстраполяция временного ряда Проекция временного ряда на будущие временные периоды, то есть продление тенденций, установленных в прошлых периодах, на будущий период.
Прогноз по среднему проценту прироста показателя цены В основу метода положена посылка, что прогнозируемый показатель увеличивается (уменьшается) на уровне постоянного прироста (уменьшения).
Прогнозирование на базе скользящего среднего Метод базируется на вычислениях среднего значения прогнозируемой величины показателя за конечное количество периодов. Продолжение таблицы 2. 1 2
Экспоненциально взвешенное среднее Метод основывается на последовательности весов (весовых коэффициентов), которые убывают со временем по законам, в данном случае экспоненциальному. Дальним наблюдениям придается наибольший вес. Метод Холта Основавается на оценке степени линейного роста (или снижения) некого показателя во времени. Метод двойного сглаживания Брауна Предназначается для прогнозирования нестационарных рядов в случае линейно - адаптивного тренда с использованием двойного экспоненциального взвешенного среднего.
Корреляционно- регрессионный анализ Определяются направления и сипы связи между независимыми переменными и зависимой переменной. Строятся однофакторная, либо и многофакторная регрессионная модель.
Комбинированные методы Предполагается сочетание перечисленных выше методов, рассчитывается интегрированный прогноз показателя точечно или интервально.
Методы качественного анализа применяют в ситуациях, когда отсутствуют необходимые количественные данные, на основе которых, собственно, и осуществляется прогнозирование. Диапазон прогноза, как правило, колеблется от среднесрочного до долгосрочного. При применении экспертных методов часто используется процедура разработки сценария, которая позволяет выделить характерные события, факторы, признаки и тенденции в структуре рынка и процессе опроса и анализа мнений экспертов. К недостаткам качественных методов можно отнести ограниченную объективность и слабую надежность.
С точки зрения убедительной обоснованности прогнозов преимущественно должны применяться количественные и комбинированные методы.
Задача прогнозирования состоит в том, чтобы на базе настоящего с учетом прошлого, исследуя действующие тенденции, дать наиболее вероятную картину развития данного явления на перспективу.
Адаптация разработанных моделей степени промышленной кластеризации и типологизации для различных регионов ЦФО
Перейдем к практической реализации разработанного во второй главе комплекса моделей промышленной кластеризации.
На первом этапе адаптируем первую модель - статистическую модель определения показателя «степень кластеризации региона», которая реализуется на национальном уровне (мезоуровне).
Реализуем авторскую методику модельного определения показателя «степень кластеризации региона».
Как отмечалось во второй главе, целесообразно рассматривать промышленную кластеризацию не ко всей региональной экономике, а применительно к каким-либо отраслям, где существуют производственные процессы, имеются поставщики оборудования, инфраструктура и прочее.
Для регионов центральной России таким типичным видом деятельности является вид, обозначенный Росстатом как «Обрабатывающие производства», включающего множество подотраслей (в том числе и текстильную промышленность).
Расчет показателя «степень кластеризации» проводился за период 2005 - 2012 г.г. по 17-ти регионам ЦФО РФ. Пример расчета представлен в приложении 5.
Именно эти показатели и отражают степень кластеризации - показатель, характеризующий уровень ориентированности региональной экономики на определенное, достаточно малое, число отраслей.
Показатель степени кластеризации индивидуализируется применительно к конкретной доминирующей отрасли (сфере деятельности). Диапазон изменения указанного показателя от минимального до максимального может варьировать от 0 до 20. Анализируя результаты, приведенные в таблице 3.6, можно сделать следующие выводы: 1) в целом, для большинства регионов в рассматриваемых периодах степень кластеризации изменяется незначительно. Это свидетельствует о том, что для каждой отрасли существует свой «коридор» степени кластеризации; 2) наибольшая степень кластеризации экономики в ЦФО наблюдается в Ивановской области, причем имеется тенденция к ее росту.
Далее необходимо оценить воздействия процесса кластеризации на эффективность региональной экономики. Адекватным показателем эффективности может служить производительность труда, но не во всей экономике, а в отрасли «Обрабатывающие производства».
Влияние степени кластеризации на эффективность региональной экономики возможно оценить с помощью эконометрических моделей. Таким образом, задача сводится к рассмотрению регрессионной зависимости, в которой в качестве результирующей переменной у выступает производительность труда (таблица 3.7), а в качестве факторной х - степень кластеризации (таблица 3.6).
На рисунке 3.1 (а,б,в) представлены исходные данные таблиц 3.3 и 3.4 за 2007 г., 2009 г., 2011 г. По оси абсцисс - степень кластеризации, по оси ординат S, ед. производительность труда.
Графическое представление зависимости степени кластеризации регионов ЦФО и производительности труда (2007 г., 2009 г., 2011 г.)
Учитывая нелинейный характер взаимосвязи, автором было рассмотрено четыре вида регрессионных моделей: экспоненциальная модель; линейная модель, логарифмическая модель; степенная модель.
В таблице 3.8 представлены результаты построения соответствующих эко-нометрических моделей отдельно по 2007, 2009 и 2011 годам. В таблице указаны также значения коэффициента детерминации как показателя их качества.
Таким образом, для 2007 года наилучшим статистическим качеством обладает степенная модель, а для 2009 и 2011 годов - экспоненциальные модели. Во всех трех случаях, коэффициент детерминации близок к 0,25, т.е. вариация у примерно на четверть обусловлена влиянием степени кластеризации в рамках построенных моделей. Как видно из таблицы 3.8, все рассмотренные модели имеют малое значение R2. Отсюда, стандартные эконометрические модели не дают желаемого результата. Поэтому воспользуемся методами, описанными во второй главе.
Практическая реализация нейросетевого моделирования для типологизации регионов 1. Подготовка и сбор исходных данных. На данном этапе выбираем исходные данные для моделирования - это статистические данные по показателю «Объем отгруженной продукции по виду экономической деятельности «Обрабатывающее производство» по каждому региону и данные - по показателю «степень кластеризации» по каждому региону. 2. Инициализация данных. 141 xtj - рассматриваемые объекты, которые подаются на входе в сеть; индекс і є І - индекс подотрасли, / = {[,2,...,п = 15), п - количество подотраслей; индекс j eJ - индекс региона, J = {[,2,...,т = ll], т - количество анализируемых регионов; Sj (j є J ) - показатель степени кластеризации по каждому региону. X=(xi-)={Объем отгруженной продукции по виду экономической деятельности «Обрабатывающее производство» в разрезе подотрасли / для каждого ре гионау; Sj - степень кластеризации для регионау}, / = 1,15, j = 1,17 .