Abstract: The article proposes an approach to identifying promising clusters and potential cluster cores in the regions of the Republic of Belarus. The Location Quotient (LQ) is used as the main quantitative indicator of regional industrial specialization. Based on statistical data for 2020, the LQ of food, beverage and tobacco production was calculated for the regions of Belarus. The highest values were obtained for Brest and Grodno regions. Foreign trade and industrial innovation activity were additionally considered to assess cluster development prospects. Brest region combines a high degree of specialization with significant foreign trade potential and a high level of innovation activity. A system of criteria for identifying a potential cluster core is proposed, including its position in the value chain and the strength of production, export and innovation linkages. The food industry of Brest region is identified as a promising direction for further cluster development.
Keywords: cluster, cluster core, regional specialization, location quotient, food industry, innovation activity, regional development, Belarus.
Введение.
Кластерный подход рассматривается как инструмент повышения конкурентоспособности территорий за счет концентрации взаимосвязанных предприятий, поставщиков, инфраструктурных, научных и образовательных организаций. М. Портер связывает кластер с географической концентрацией взаимосвязанных компаний и организаций, деятельность которых относится к определенной сфере конкуренции [1]. Современный подход дополняет это определение учетом связей между отраслями, знаниями, компетенциями, ресурсами и спросом [2].
При этом высокая территориальная концентрация производства еще не означает наличие сформированного кластера. Кластер представляет собой динамическую систему, которая может находиться на разных стадиях развития [3]. Поэтому при исследовании регионов необходимо разграничивать отраслевую специализацию, потенциальную кластеризацию и сформированный кластер.
Цель исследования – выявить регионы и виды деятельности Республики Беларусь, обладающие наиболее выраженной специализацией и совокупностью предпосылок для формирования перспективных кластеров и кластерных ядер.
Основная часть
Региональная специализация определяется с помощью коэффициента локализации:
где Qir – объем производства вида деятельности i в регионе r;
Qᵣ – общий объем промышленного производства региона;
Qᵢ – национальный объем производства вида деятельности i;
Q – общий объем промышленного производства Республики Беларусь.
При Kл > 1 доля рассматриваемого вида деятельности в регионе выше национального уровня; при Kл < 1 – ниже.
LQ целесообразно использовать именно как первоначальный фильтр. Исследования П. Гимарайнша, О. Фигейредо и Д. Вудворда показывают, что коэффициент локализации позволяет оценивать территориальную концентрацию, но не идентифицирует кластер непосредственно [4]. Биллингс и Джонсон также отмечают зависимость результатов оценки концентрации от уровня пространственной и отраслевой агрегации [5]. Поэтому нами предлагается использовать двухэтапную процедуру:
1-й этап – выявление отраслевой специализации: расчет Kл;
2-й этап – оценка кластерного потенциала: анализ производственных, экспортных, инновационных, кадровых и инфраструктурных связей.
Такой подход соответствует представлению о кластере как о системе взаимосвязанных участников, а не простой совокупности предприятий одной отрасли [2].
Для выявления перспективных направлений нами рассчитан коэффициент локализации производства пищевых продуктов, напитков и табачных изделий по регионам Беларуси за 2020 г. Объем производства данной группы в стране составил 30 723 766 тыс. руб., общий объем промышленного производства – 118 407 741 тыс. руб. [13]. Следовательно, национальная доля рассматриваемого вида деятельности составляла 25,95 %.
Таблица 1
Коэффициент локализации производства пищевых продуктов, напитков и табачных изделий в регионах Республики Беларусь в 2020 г.
| Регион | Производство, тыс. руб. | Промышленное производство, тыс. руб. | Доля, % | Kл |
| Брестская область | 7 018 302 | 14 060 589 | 49,91 | 1,924 |
| Витебская область | 2 840 153 | 15 801 877 | 17,97 | 0,693 |
| Гомельская область | 3 102 411 | 22 191 768 | 13,98 | 0,539 |
| Гродненская область | 6 071 918 | 13 108 178 | 46,32 | 1,785 |
| г. Минск | 2 912 440 | 19 074 701 | 15,27 | 0,588 |
| Минская область | 6 328 975 | 23 436 940 | 27,00 | 1,041 |
| Могилевская область | 2 449 567 | 10 733 688 | 22,82 | 0,880 |
| Республика Беларусь | 30 723 766 | 118 407 741 | 25,95 | 1,000 |
Наиболее высокая специализация выявлена в Брестской области – Kл = 1,924, в Гродненской области – 1,785. В Минской области значение лишь незначительно превышает единицу – 1,041. В остальных регионах коэффициент ниже единицы. Следовательно, для дальнейшего анализа кластерного потенциала целесообразно выделить прежде всего Брестскую и Гродненскую области.
Одного показателя специализации недостаточно для выбора территории, на которой целесообразно инициировать кластерное развитие. Поэтому дополнительно сопоставлены внешнеторговая и инновационная характеристики Брестской и Гродненской областей.
В 2020–2025 гг. объем внешней торговли товарами Брестской области увеличился с 4 476,7 млн до 6 924,1 млн долл. США, или на 54,7 %. В Гродненской области рост составил с 4 394,1 млн до 4 741,4 млн долл. США, или 7,9 % [13].
В 2025 г. уровень инновационной активности промышленных организаций Брестской области составлял 45,9 %, Гродненской – 26,5 %, при среднем значении по Беларуси 26,4 %.
Таблица 2
Сравнительная оценка предпосылок формирования потенциального кластера
| Критерий | Брестская область | Гродненская область | Вывод |
| Kл пищевой промышленности, 2020 г. | 1,924 | 1,785 | преимущество Брестской области |
| Внешняя торговля товарами, 2025 г., млн долл. США | 6 924,1 | 4 741,4 | преимущество Брестской области |
| Рост внешней торговли, 2020–2025 гг. | 54,7 % | 7,9 % | преимущество Брестской области |
| Инновационная активность промышленных организаций, 2025 г. | 45,9 % | 26,5 % | преимущество Брестской области |
| Региональная специализация | высокая | высокая | обе области |
| Экспортный потенциал | высокий | высокий | преимущество Брестской области |
| Инновационный потенциал | высокий | средний | преимущество Брестской области |
| Итоговая перспектива дальнейшего анализа | высокая | высокая | приоритет Брестской области |
Результаты показывают, что Брестская область имеет преимущество по всем количественно сопоставимым дополнительным показателям. Особенно существенным является сочетание высокого Kл с инновационной активностью, значительно превышающей среднереспубликанский уровень.
При этом таблица характеризует предпосылки, а не факт существования кластера. Для окончательной идентификации необходимо установить, существуют ли между конкретными организациями устойчивые производственные, технологические, кадровые и инновационные связи.
Исследования показывают, что кластерная концентрация может способствовать росту производительности и более эффективному перераспределению ресурсов между предприятиями [6]. Поэтому дальнейшее исследование должно быть направлено на выявление именно тех связей, которые превращают отраслевую концентрацию в функционирующую систему.
Наиболее существенным методическим дополнением исследования является переход от определения перспективной отрасли к выявлению потенциального кластерного ядра. Под кластерным ядром предлагается понимать предприятие или группу взаимосвязанных организаций, которые занимают центральное положение в цепочке создания стоимости и способны инициировать или поддерживать кооперационные, инновационные и экспортные связи.
Размер предприятия не является самостоятельным критерием. Крупное предприятие может иметь значительный объем производства, но ограниченные связи с региональными поставщиками, научными организациями и другими участниками [7]. Поэтому нами предлагается использовать многофакторный отбор.
Таблица 3
Критерии идентификации потенциального кластерного ядра
| Критерий | Что оценивается | Признак потенциального ядра |
| Положение в цепочке создания стоимости | роль предприятия в формировании конечного продукта | центральное или системообразующее положение |
| Производственная кооперация | поставщики сырья, материалов, оборудования, услуг | развитая сеть устойчивых связей |
| Рыночная устойчивость | спрос и масштабы реализации | устойчивый рынок сбыта |
| Экспортная ориентация | экспорт продукции и внешние рынки | наличие устойчивых экспортных каналов |
| Инновационная активность | новые продукты, технологии, НИОКР | регулярное освоение инноваций |
| Научно-образовательные связи | сотрудничество с вузами и НИИ | совместные исследования, подготовка кадров |
| Кадровый потенциал | наличие специализированных компетенций | возможность привлечения и развития кадров |
| Инфраструктурная связанность | логистика, сервис, финансовая и деловая инфраструктура | доступность специализированной инфраструктуры |
| Координационная способность | возможность инициировать совместные проекты | наличие лидерских и организационных возможностей |
Для практического применения критерии могут быть преобразованы в балльную оценку. Предлагается использовать шкалу 0–2 балла:
0 баллов – признак отсутствует или не подтвержден;
1 балл – признак выражен частично;
2 балла – признак выражен явно.
Тогда интегральная оценка потенциального кластерного ядра может определяться как:
Однако на данном этапе исследования расчет интегрального показателя для конкретных предприятий не проводится, поскольку имеющиеся статистические данные позволяют определить перспективный регион и отрасль, но не дают достаточной информации о фактических кооперационных связях отдельных организаций. Это принципиальное методическое ограничение, которое необходимо учитывать при интерпретации результатов.
Таким образом, следующий этап исследования должен включать идентификацию конкретных предприятий Брестской области, формирующих основные звенья пищевой цепочки, и анализ их взаимосвязей.
Предлагаемый алгоритм представлен на рисунке 1.
Рисунок 1. Алгоритм выявления потенциального кластерного ядра
Предложенный алгоритм позволяет избежать распространенной методической ошибки, когда наличие высокой концентрации производства автоматически трактуется как существование кластера. Региональная специализация является лишь исходным условием дальнейшего анализа. Для перехода к кластерной модели необходимо подтвердить наличие устойчивых взаимосвязей между организациями.
Особое внимание следует уделять инновационным и научно-образовательным связям. Взаимодействие предприятий с научными организациями и университетами способно создавать условия для формирования новых технологических компетенций и диверсификации региональной экономики [9]. Развитие инновационной инфраструктуры также является важным условием формирования механизмов взаимодействия между субъектами инновационной деятельности [11].
Для Беларуси дополнительное значение имеет производственная интеграция. Формы кооперационного взаимодействия предприятий и интеграционных структур могут способствовать концентрации ресурсов, расширению производственных связей и повышению эффективности взаимодействия участников [12].
Заключение
Проведенное исследование показало, что коэффициент локализации может использоваться как эффективный первоначальный инструмент отбора регионов для последующего кластерного анализа. По производству пищевых продуктов, напитков и табачных изделий наиболее высокие значения Kл в 2020 г. получены в Брестской (1,924) и Гродненской (1,785) областях.
Дополнительное сопоставление показало преимущество Брестской области по внешнеторговой и инновационной характеристикам. В 2025 г. объем внешней торговли товарами региона составил 6 924,1 млн долл. США, а уровень инновационной активности промышленных организаций – 45,9 %.
На основании совокупности показателей пищевую промышленность Брестской области целесообразно рассматривать как приоритетное направление для дальнейшего исследования возможностей кластеризации.
Вместе с тем полученные результаты не позволяют утверждать о наличии уже сформированного кластера. Для этого необходимо подтвердить существование устойчивых связей между предприятиями, поставщиками, научными и образовательными организациями и другими участниками цепочки создания стоимости.
Предложенная методика позволяет последовательно перейти от количественной оценки региональной специализации к выявлению потенциального кластерного ядра: специализация → концентрация → цепочка создания стоимости → кооперация → инновации → экспорт → кластерное ядро.
Практическим продолжением исследования должно стать картирование участников потенциального пищевого кластера Брестской области и балльная оценка организаций по предложенным критериям. Это позволит перейти от оценки общих предпосылок к обоснованному выбору конкретного кластерного ядра и разработке направлений кластерной политики региона.
Библиографический список
1. Porter M. E. Clusters and the New Economics of Competition // Harvard Business Review. 1998. Vol. 76, No. 6. P. 77–90.2. Delgado M., Porter M. E., Stern S. Defining clusters of related industries // Journal of Economic Geography. 2016. Vol. 16, No. 1. P. 1–38. DOI: 10.1093/jeg/lbv017.
3. Menzel M.-P., Fornahl D. Cluster life cycles—dimensions and rationales of cluster evolution // Industrial and Corporate Change. 2010. Vol. 19, No. 1. P. 205–238. DOI: 10.1093/icc/dtp036.
4. Guimarães P., Figueiredo O., Woodward D. Dartboard Tests for the Location Quotient // Regional Science and Urban Economics. 2009. Vol. 39, No. 3. P. 360–364. DOI: 10.1016/j.regsciurbeco.2008.12.003.
5. Billings S. B., Johnson E. B. The Location Quotient as an Estimator of Industrial Concentration // Regional Science and Urban Economics. 2012. Vol. 42, No. 4. P. 642–647. DOI: 10.1016/j.regsciurbeco.2012.03.003.
6. Guo D., Jiang K., Xu C., Yang X. Geographic clusters, regional productivity and resource reallocation across firms: Evidence from China // Research Policy. 2023. Vol. 52, No. 2. 104691. DOI: 10.1016/j.respol.2022.104691.
7. Быкова Т. П., Истомина Л. А., Крупский Д. М. [и др.]. Потенциал развития кластеров в регионах Беларуси. Минск : Колорград, 2019. 100 с.
8. Grashof N. Putting the watering can away – Towards a targeted (problem-oriented) cluster policy framework // Research Policy. 2021. Vol. 50, No. 9. 104335. DOI: 10.1016/j.respol.2021.104335.
9. Balland P.-A., Boschma R. Do scientific capabilities in specific domains matter for technological diversification in European regions? // Research Policy. 2022. Vol. 51, No. 10. 104594. DOI: 10.1016/j.respol.2022.104594.
10. Boschma R. Proximity and Innovation: A Critical Assessment // Regional Studies. 2005. Vol. 39, No. 1. P. 61–74. DOI: 10.1080/0034340052000320887.
11. Карпович В. Ф., Олесюк В. А. К вопросу о развитии инновационной инфраструктуры в Республике Беларусь // Актуальные исследования. 2021. № 18 (45). С. 65–69.
12. Карпович В. Ф., Карпович Н. В. Формы и мотивы создания интеграционных корпоративных структур в АПК Беларуси // Актуальные проблемы инновационного развития агропромышленного комплекса Беларуси : материалы междунар. науч.-практ. конф., Горки, 11–12 сент. 2008 г. Минск : Институт системных исследований в АПК НАН Беларуси, 2009. Ч. 1. С. 156–158.
13. Национальный статистический комитет Республики Беларусь. Интерактивная информационно-аналитическая система распространения официальной статистической информации. Минск, 2026.