44
E
Производство и распределение
электроэнергии, газа и воды
-0,027
-0,044
0,993
F
Строительство
-0,225
-0,152
0,940
G
Оптовая и розничная торговля; ремонт
-0,012
0,01
0,999
H
Гостиницы и рестораны
-0,376
-0,177
0,909
I
Транспорт и связь
-0,159
-0,078
0,978
J
Финансовая деятельность
0,022
0,107
0,994
K
Операции с недвижимым имуществом, аренда
0,017
0,004
0,999
L
Государственное управление и обеспечение
военной безопасности; социальное
страхование
-0,058
-0,022
0,993
M
Образование
-0,097
-0,227
0,968
N
Здравоохранение и предоставление
социальных услуг
-0,101
-0,226
0,968
O
Предоставление прочих коммунальных,
социальных и персональных услуг
-0,079
-0,061
0,994
В каждой строке определено наибольшее значение факторной нагрузки
для каждого раздела (в таблице 2 — это ячейки, в которых значения
выделены полужирным шрифтом). Оказалось, что первый эксплораторный
фактор в наибольшей степени нагружает первые три раздела, то есть
благоприятствует использованию природных ресурсов для формирования
регионального продукта. Третий фактор, напротив, благоприятствует
деятельности, напрямую не связанной с природной средой.
Второй фактор оказался «вырожденным», то есть существенно
не нагружающим какой- либо вид деятельности, и, к тому же, имеющим
преимущественно отрицательные нагрузки. Таким образом, второй фактор
может быть интерпретирован как фактор, не благоприятствующий развитию
регионов.
В итоге факторный анализ позволил выделить следующие
эксплораторные факторы:
F
1
— природный фактор;
F
2
— фактор сдерживания развития экономики региона;
F
3
— производственный фактор.
Оценки значений самих эксплораторных факторов приведены
в таблице 3.
45
Таблица 3
Величины эксплораторных факторов субъектов трех
федеральных округов, 2017 г.
Знак величины фактора определяет характер влияния данного фактора
на экономику региона. Для первого и третьего факторов знак «плюс»
означает положительное влияние, но знак минус второго фактора говорит
46
о том, что в данном регионе преобладают позитивные тенденции в развитии
экономики региона.
Число кластеров определяется по выражению (11), то есть число
возможных кластеров составляет 2
3
= 8.
В таблице 4 представлены возможные кластеры и их интерпретация.
Таблица 4
Возможные экономические кластеры субъектов трех
федеральных округов
Для 38 субъектов трех федеральных округов была выявлена
принадлежность к семи из восьми возможных кластеров, указанных
в таблице 4. Ранжирование кластеров выполнено в соответствии
с позитивностью сочетания эксплораторных факторов на экономическое
47
состояние региона от самого успешного до самого депрессивного.
По итогам 2017 г. в самом благоприятном положении — Санкт-
Петербург. У Москвы самое высокое значение производственного фактора
(0,949), по этому значению можно утверждать, что экономика Москвы опре-
деляет производственный потенциал в трех федеральных округах. Однако
в столице имеет место сдерживание общего развития экономики.
Таблица 5
Состав региональных экономических кластеров,2017 г.
Кластер (уровни
3 факторов)
Регион
К1(+ - +)
г. Санкт-Петербург
К2(- - +)
Краснодарский край
Московская область
К3(+ + +)
г. Москва
К4(+ - -)
Астраханская область
Республика Коми
Архангельская область
Ненецкий автономный округ
Мурманская область
К5(- - -)
Волгоградская область
Ростовская область
Ленинградская область
Белгородская область
К6(+ + -)
Республика Адыгея
Республика Калмыкия
г. Севастополь
Республика Карелия
Архангельская область без авт. округа
Вологодская область
Калининградская область
Новгородская область
Псковская область
Владимирская область
Ивановская область
Калужская область
Костромская область
Рязанская область
Смоленская область
Тверская область
Тульская область
Ярославская область
К7(- + -)
Республика Крым
Брянская область
Воронежская область
Курская область
48
Липецкая область
Орловская область
Тамбовская область
В 2017 г. Севастополь вошел в самый большой по численности кластер,
но этот кластер составляют не самые успешные регионы. Республика Крым
оказалась среди самых депрессивных регионов в трех федеральных округах.
Для новых субъектов Российской Федерации 2017 г. является наиболее
показательным, поскольку до конца ноября 2017 г. экономическая ситуация
характеризовалась относительной стабильностью и отсутствием внешних
потрясений. В 2016 г. Республика Крым и город Севастополь входили
в законодательное поле РФ, а также устанавливались новые правила
в предпринимательстве (для указанных субъектов), что нашло свое отра-
жение в экономических показателях.
В конце 2017 г., благодаря экстремистским действиям со стороны
Украины, Республика Крым и город Севастополь испытывали серьезные пе-
ребои электроснабжения, только к середине мая 2018 г. энергообеспечение
было полностью восстановлено, то есть практически полгода экономика
новых субъектов Федерации работала в условиях дефицита электроэнергии.
Но несмотря на дефицит одного из самых важных ресурсов, валовой
региональный продукт вырос: в Республике Крым с 265 970,6 млн руб. в 2017
г. до 315 918,5 млн руб. в 2018 г.; в городе Севастополе с 48 663,3 млн руб.
в 2017 г. до 64 163,2 млн руб. в 2018 г. То есть на 18,8 % в Республике Крым,
и на 32,9 % — в городе Севастополе.
Эксплораторный факторный анализ данных Федеральной службы
государственной статистики за 2016 и 2018 гг. о внутреннем региональном
продукте по трем федеральным округам — Южному, Северо-Западному
и Центральному
32
— дал аналогичные результаты. Выявлены три
эксплораторных фактора и установлены экономические кластеры, как и для
32
Федеральная служба государственной статистики. Национальные счета [Электронный ресурс]. URL: http://
www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/ statistics/accounts/# (дата обращения: 05.03.2018).
49
2017 г. Оценки значений эксплораторных факторов приведены в таблице 6.
Таблица 6
Величины эксплораторных факторов субъектов трех
федеральных округов, 2016 и 2018 гг.
50
По итогам трех лет можно указать динамику переходов субъектов трех
федеральных округов из кластера в кластер. Принадлежность субъектов
к различным экономическим кластерам отражена в таблице 7.
На протяжении трех лет стабильность в развитии показывают
субъекты, принадлежащие к первым двум кластерам К1 и К2. Это Санкт-
Петербург, Московская область и Краснодарский край. Москва стабильно
сохраняет приоритет в экономическом доминировании, но на протяжении
трех лет сохраняются тенденции в сдерживании развития.
Таблица 7
Принадлежность субъектов трех федеральных округов к
экономическим кластерам, 2016-2018 гг.
Регион
Кластер, по годам
2016
2017
2018
Южный федеральный округ
Республика Адыгея
К5
К6
К4
Республика Калмыкия
К5
К6
К6
Республика Крым
К5
К7
К6
Краснодарский край
К2
К2
К2
Астраханская область
К7
К4
К6
Волгоградская область
К7
К5
К7
Ростовская область
К2
К5
К8
г. Севастополь
К5
К6
К4
Северо-ЗапаДный федеральный округ
Республика Карелия
К4
К6
К6
Республика Коми
К7
К4
К6
Архангельская область
К6
К4
К8
в т. ч. Ненецкий АО
К7
К4
К6
Архангельская область без АО
К4
К6
К4
Вологодская область
К5
К6
К4
Калининградская область
К4
К6
К4
51
Ленинградская область
К5
К5
К5
Мурманская область
К4
К4
К3
Новгородская область
К5
К6
К4
Псковская область
К5
К6
К4
г. Санкт-Петербург
К2
К1
К2
Центральный федеральный округ
Белгородская область
К7
К5
К7
Брянская область
К5
К7
К6
Владимирская область
К5
К6
К4
Воронежская область
К5
К7
К7
Ивановская область
К5
К6
К4
Калужская область
К5
К6
К4
Костромская область
К5
К6
К4
Курская область
К7
К7
К7
Липецкая область
К5
К7
К5
Московская область
К2
К2
К2
Орловская область
К5
К7
К6
Рязанская область
К5
К6
К4
Смоленская область
К5
К6
К4
Тамбовская область
К5
К7
К7
Тверская область
К5
К6
К4
Тульская область
К5
К6
К4
Ярославская область
К5
К6
К4
г. Москва
К3
К3
К3
Что касается новых субъектов Российской Федерации, то город
Севастополь в 2018 г. из кластера К6 перешел в кластер К4, а Республика
Крым — из К7 в К6, показав тем самым позитивную динамику на фоне
остальных субъектов Российской Федерации.
В отечественной и зарубежной научной литературе существует
52
достаточное количество публикаций в области оценки экономического
развития регионов Российской Федерации, учитывающих процессы
сбалансированности, дивергенции и конвергенции, поляризации.
При этом широко используются методы экономико-математического
моделирования с целью кластеризации регионов по уровню инновационно-
инвестиционного потенциала — методы кластерного анализа, по уровню
развития производства, внутреннего рынка, финансовой сферы, качества
жизни населения, формирования приоритетов инвестиционных проектов —
метод аддитивной свертки, по степени бюджетной устойчивости — методы
факторного и дискриминантного анализа, по уровню инновационного
потенциала, выявления факторов роста — методы расщепления смеси
вероятностных распределений, по экономической активности, концентрации
капитала в банковском секторе, выявлению дисбалансов в развитии
реального и финансового секторов экономики региона — методы
кластерного анализа, по межрегиональной социально-экономической
дифференциации — рейтинговые и ранговые методы комплексных оценок.
В данном исследовании используется достаточно новый метод
факторно-кластерного анализа — эксплораторный, который позволяет
провести кластеризацию, когда число объектов классификации велико
и каждый из них описывается десятками переменных, что облегчает
процедуру идентификации классификационных структур.
В работе проведен факторный анализ структуры ВРП по отраслям
экономики в разрезе отдельных федеральных округов по данным Росстата
за 2016-2018 гг. Посредством эксплораторного факторного анализа выделены
факторы, формирующие ВРП каждого из анализируемых субъектов,
а субъекты исследуемых федеральных округов сгруппированы в конкретные
кластеры. Выделены три экплораторных фактора — природный,
производственный и фактор сдерживания развития экономики региона. Такое
разделение является правдоподобным, служит основой для дальнейшей кла-
53
стеризации и экономической интерпретации полученных кластеров.
Определяется не только фактор, который будет обеспечивать экономический
рост или деструктивное развитие региона, но и отрасли экономики, которые
необходимо развивать, а также отслеживается динамика перехода региона
из одного кластера в другой.
При этом регион может в последующем периоде оказаться в более
неблагоприятном кластере, что служит сигналом к изменению
экономической политики в регионе. Так, по результатам анализа ЮФО,
город Севастополь за три года из депрессивного перешел в более
благоприятное состояние, имеет тенденции к развитию при активизации
производственных предприятий и сферы услуг. Подобная ситуация
в Республике Адыгея, Волгоградская область стабильно находится
в депрессивном положении.
Представленный метод анализа и полученные данные могут быть
использованы органами государственной власти при проведении
сравнительного анализа экономического развития субъектов РФ,
определении отраслей экономики, которые будут обеспечивать социально-
экономический рост конкретного региона. Это позволит повысить
обоснованность принятия управленческих решений на региональном уровне,
будет способствовать разработке ФЦП, действенности их реализации,
формировании стратегий развития как страны в целом, так и отдельных
ее субъектов.