Сборник статей Отв ред. В. Л. Бабурин, М. С. Савоскул Москва 2019 ббк 65. 04 Т 33

Внешние эффекты: кластерные, агломерационные и перетоки 
знаний. 
В классической модели производственной функции предпола-
гается постоянная отдача от масштаба, а соответственно инновацион-
ные центры могут быть размещены в любом регионе с одинаковой эф-
фективностью. Но П. Кругман [34] и ряд других ученых
11
теоретически 
обосновали и показали на эмпирических примерах наличие возраста-
ющей отдачи от масштаба при концентрации производства. Указанные 
эффекты еще сильнее проявляются в инновационной сфере
12
. Источник 
возрастающей отдачи принято называть 
внешними эффектами
. На наш 
взгляд, среди них следует различать: эффекты кластеризации (локали-
зации), или эффекты Маршалла – Эрроу – Ромера [47] и урбанизации, 
или Джекобс-эффекты [33]. 
Влияние агломерационных и локализационных эффектов на иннова-
ционную активность объясняется также тем, что при высокой концен-
трации происходит активное взаимодействии контрагентов
13
, которое
в свою очередь способствуют появлению новых идей. Эта предпосылка
может быть описана зависимостью потенциального числа 
связей
11
В частности это отмечалось и в работах советских исследователей в 20–30-е гг. 
прошлого столетия.
12
Примером может служить так называемый «эффект Матфея», когда более опыт-
ные и известные ученые, изобретатели и т.д. имеют более высокую цитируемость, чем 
их более молодые коллеги, даже в том случае, если качество работ сопоставимо [38]. 
13
В рамках данной работы к контрагентам следует относить всю совокупность
организаций, участвующих в инновационном цикле.
Бабурин В.Л., Земцов С.П.

---

17
от числа контрагентов для не
ориентированных связей (1) и для ориен-
тированных связей (2):
где 
A
n
 –
число потенциальных связей, 
n 
– число взаимодействующих агентов.
Эффекты кластеризации возникают при совместной локализа-
ции фирм в общей сфере деятельности, то есть при специализации 
территории на отдельной отрасли. Они являются основой изучения 
промышленных районов, научно-производственных объединений
в СССР и современных кластеров [41]. Географическая близость фирм 
в близких отраслях (кластерных группах) может быть выгодна в связи 
с наличием доступа к специализированным факторам производства,
к специфическим и неявным знаниям и компетенциям. Члены кла-
стера могут взаимодействовать и перенимать разработки, происходит 
переток знаний, а поэтому наблюдается высокая интенсивность созда-
ния и распространения новых технологий
14
. Кластерная политика вы-
ступает одним из значимых инструментов инновационной политики
в Европейском Союзе (ЕС) [2].
Эффекты урбанизации проявляются при высокой концентрации 
(плотности) агентов и диверсификации их деятельности. При близости 
агентов происходит активный обмен и переток знаний. Формирование 
новых технологий за пределами городов возможно, но сильно ограни-
чено. Причем расстояние рассматривается как индикатор [16] познава-
тельной (степень близости в знаниях), организационной, социальной 
(степень доверия), институциональной и технологической близости.
В случае высокой специализации города или региона возможен «эффект 
блокировки», когда обмен между когнитивно и технологически близки-
ми агентами не происходит, а в обратном случае он будет отсутствовать 
из-за невозможности взаимодействия между «удаленными» агентами. 
Поэтому важно не просто разнообразие фирм в регионе, а разнообразие 
в смежных отраслях – так называемое «связанное разнообразие» (от 
англ. related variety) [16]. 
Р. Бошма оценивает отраслевое 
разнообразие 
с помощью формулы 
энтропии Шеннона:
,
14
Многие из перечисленного было стратегическим преимуществом территориально- 
производственных комплексов, но с учетом взаимодействия государственных предприятий.
Подходы к экономико-географическим исследованиям инновационных процессов
(2)
(1)
(3)
,
,

---

18
где 
E
– индекс энтропии Шеннона, 
s
i
– доля отдельной отрасли в регио-
не [16]
15
. Обладая данными о пятиуровневой классификации отраслей,
Р. Бошма предполагает, что разнообразие в рамках первых двух уров-
ней (например, разделение: тяжелая и легкая промышленность) может 
быть индикатором несвязанного разнообразия (4), так как разные от-
расли значительно отдалены друг от друга технологически. Доля каж-
дой отрасли 
(P
g
) при двухуровневом разбиении состоит из суммы долей 
подотраслей при большем уровне разбиения
 (p
i
): 
где
 g – 
это отрасль хозяйства,
 i – 
это подотрасль хозяйства. 
Тогда соотношение разнообразия на пятом уровне по отношению 
к первым двум уровням (например, разнообразие внутри легкой про-
мышленности: швейная, кожевенная, обувная и прочие подотрасли) 
является показателем связанного разнообразия, так как подотрасли, об-
ладая очень близкими компетенциями, значительно больше склонны к 
обмену знаниями. Связанное разнообразие (
RV
) – это сумма произведе-
ний доли отрасли (
P
g
) на энтропию подотраслей (
H
g
):
Связанное разнообразие оказывает положительное значимое влия-
ние на рост занятости, несвязанное разнообразие негативно влияет на 
рост безработицы, что подтверждает гипотезу о том, что диверсифика-
ция является источником устойчивого развития. Работы Р. Бошмы ука-
зывают на то, что разнообразие в регионе оказывает значимое влияние 
на инновационные процессы. 
При высокой концентрации и разнообразии инновационных аген-
тов происходит образование многочисленных