Типология региональных рынков государственных закупок для субъектов МСП: подход на основе комбинированной кластеризации

Цель: кластеризация регионов России на основе двух независимых типологий (по характеру участия малого и среднего предпринимательства в государственных закупках и по макроэкономическому профилю) для выявления региональной неоднородности и обоснования необходимости дифференцированной политики поддержки МСП.

Методы: для типологизации регионов по показателям участия МСП в закупках применен метод кластеризации на основе правил (rule-based clustering) и модернизированного варианта агломеративной кластеризации, подобной CHAMELEON. Для кластеризации по макроэкономическим условиям использован алгоритм k-средних с последующей экспертной коррекцией. Анализ основан на данных Единой информационной системы государственных закупок и Федеральной службы государственной статистики за 2023 г. по 85 субъектам РФ.

Результаты: выявлено пять устойчивых региональных кластеров закупочной активности МСП и пять кластеров по макроэкономическому профилю. Установлено, что экономическая структура региона задает фундаментальные рамки, но не предопределяет модель закупочной активности. Регионы со схожим экономическим профилем демонстрируют противоположные модели закупочной активности, что доказывает существенную самостоятельную роль региональной институциональной среды и политики управления закупками.

Научная новизна: впервые в российском контексте объектом кластерного анализа стали не общие показатели развития МСП или социально-экономического состояния региона, а специфические показатели участия МСП в государственных закупках. Предложена методика раздельного анализа закупочной активности МСП и макроэкономического контекста, что позволяет отличить влияние экономической структуры от влияния региональной политики и выявить регионы, где потенциал привлечения МСП к госзакупкам реализован высокоэффективно, рационально или с низкой эффективностью.

Практическая значимость: полученная типология служит основой для разработки дифференцированной политики государственных закупок, адаптированной к специфике каждого кластера закупочной активности и предпринимательской среды. Результаты исследования могут использоваться при проектировании целевых мер поддержки МСП и оценке эффективности существующих преференций.

1. Азарова, Н. А. (2024) Агломеративная иерархическая кластеризация региональных социально-экономических систем по уровню управления инновационным потенциалом. Регион: Системы, Экономика, Управление, 4(67), 125–133. EDN: ECYNVT. DOI: 10.22394/1997-4469-2024-67-4-125-133

2. Блануца, В. И. (2025). Дискриминация отдельных российских регионов в социально-экономической кластеризации на основе нейросети Кохонена. Экономика. Информатика, 52(1). EDN: GZHWAV. DOI: 10.52575/2687-0932-2025-52-1-5-18

3. Бородин, С. Н. (2023). Прогнозирование направлений государственной политики региона на основе кластерного анализа показателей социально-экономического развития его муниципальных образований. Управленческое консультирование, 10, 157–178. EDN: ZVQZIP. DOI: 10.22394/1726-1139-2023-10-157-178

4. Булыга, Ф. С., Курейчик, В. М. (2021). Алгоритмы агломеративной кластеризации применительно к задачам анализа лингвистической экспертной информации. Известия ЮФУ. Технические науки, 6(223), 73–88. EDN: UVKNNZ. DOI: 10.18522/2311-3103-2021-6-73-88

5. Быкова, М. Л. (2023). Кластеризация как инструмент управления экономической безопасностью регионов Российской Федерации. Beneficium, 4(49), 6–12. EDN: NUSNXR. DOI: 10.34680/BENEFICIUM.2023.4(49).6-12

6. Валиуллина, С. З., Гафурова, Г. Т., Шевченко, Д. В. (2025). Участие субъектов малого и среднего предпринимательства в государственных закупках как фактор устойчивого развития региона. Экономика региона, 21(4). EDN: AFEJHA. DOI: 10.17059/ekon.reg.2025-4-X

7. Гамидуллаева, Л. А., Рослякова Н. А. (2025). Кластерно-эконометрический анализ российских регионов: выводы для дифференцированной экономической политики. Экономика региона, 21(2). EDN: ZWOIUQ. DOI: 10.17059/ekon.reg.2025-2-3

8. Гичиев, Н. С. (2021). Анализ кластеризации социально-экономического развития регионов юга России до и после введения международных санкций. Наука Красноярья, 10(1). EDN: ILFRJZ. DOI: 10.12731/2070-7568-2021-10-1-23-37

9. Гордополов, Ю. В., Лукашевич, Н. С. (2010). Применение нейросетей в решении задачи формирования кластеров регионов РФ. Экономика промышленности, 3, 24–29. EDN: MVLOLP. DOI: 10.17073/2072-1633-2010-3-24-29

10. Давлетшина, Л. А. (2014). Классификация регионов Российской Федерации в зависимости от особенности социально-демографической ситуации. Учет и статистика, 1(33), 57–63. EDN: SEKEXF

11. Дубравская, Э. И. (2020). Классификации регионов России с учетом структуры неформальной занятости и уровня социально-экономического развития. Статистика и экономика, 17(6). EDN: NDIZYG. DOI: 10.21686/2500-3925-2020-6-31-43

12. Дуброва, Т. А., Агекян, Э., Клочко, Ю. (2014). Многомерная классификация регионов России по степени развития малого предпринимательства: методика и результаты. Проблемы экономики, 4, 49–55. EDN: SYPBHJ

13. Заварухин, В. П., Чинаева, Т. И., Чурилова, Э. Ю. (2022). Регионы России: результаты кластеризации на основе экономических и инновационных показателей. Статистика и экономика, 19(5). EDN: THDRUV. DOI: 10.21686/2500-3925-2022-5-35-47

14. Зарецкая, В. Г., Титкова, И. К. (2017). Диверсификация экономики российских регионов: измерения и тенденции, Национальные интересы: приоритеты и безопасность, 13(12(357)), 2236–2255. EDN: XICZFX. DOI: 10.24891/ni.13.12.2236

15. Захарова, К. А., Бабурина, Н. А. (2023). Развитие организаций малого и среднего предпринимательства в регионах России: кластерный анализ с учетом экономического развития территории. Экономические и социальные перемены: факты, тенденции, прогноз, 16(4). https://doi.org/10.15838/esc.2023.4.88.6

16. Иванов, Х. М., Сибирская, Е. В., Шеремет, Н. Г. (2016). Кластерный анализ состояния малого и среднего предпринимательства в регионах России. Среднерусский вестник общественных наук, 11(4), 127–135. EDN: WRQLAX. DOI: 10.12737/21327

17. Кетова, К. В., Касаткина, Е. В., Вавилова, Д. Д. (2021). Кластеризация регионов Российской Федерации по уровню социально-экономического развития с использованием методов машинного обучения, Экономические и социальные перемены: факты, тенденции, прогноз, 14(6), 70–85. EDN: DZHETJ. DOI: 10.15838/esc.2021.6.78.4

18. Кузнецов, Ю. А., Перова, В. И. (2020). Динамика развития малого предпринимательства России в контексте гармонизации стратегий государства и бизнеса. Вестник Нижегородского университета им. Н. И. Лобачевского. Серия: Социальные науки, 1(57), 28–36. EDN: FDSUCA

19. Латанова, М. В. (2014). Типологизация субъектов ПФО по инвестиционной привлекательности. Вестник магистратуры, 2(29), 99–103. EDN: QBYKBL

20. Левушкина, С. В. (2015). Методический подход к осуществлению хронотопического кластерного анализа развития системы малого и среднего предпринимательства. Фундаментальные исследования, 5–4, 753-757. EDN: UBGDYP

21. Леденева, М. В., Шамрай-Курбатова, Л. В., Столярова, А. Н., Чумакова, Е. А. (2022). Кластерный анализ регионов России по демографическим показателям. Креативная экономика, 16(4), 1621–1636. EDN: JCLRAW

22. Леонидова, Г. В., Басова, Е. А., Рассадина, М. Н. (2022). Кластерный анализ доходного неравенства населения российских регионов. Проблемы развития территории, 26(6), 94–114. EDN: TBUCYT. DOI: 10.15838/ptd.2022.6.122.6

23. Локосов, В. В., Рюмина, Е. В., Ульянов, В. В. (2019). Кластеризация регионов России по показателям качества жизни и качества населения. Народонаселение, 22(4). EDN: GKCMLZ. DOI: 10.24411/1561-7785-2019-00035

24. Пиньковецкая, Ю. С. (2014). Малое и среднее предпринимательство в Российской Федерации: закономерности пространственного распределения. Вестник УрФУ. Серия: Экономика и управление, 1, 27–36. EDN: RXMPFR

25. Пискун, Е. И., Хохлов В. В. (2019). Экономическое развитие регионов Российской Федерации. Факторно-кластерный анализ. Экономика региона, 15(2), 363–376. EDN: LQIOBH. DOI: 10.17059/2019-2-5

26. Протасов, Ю. М., Юров В. М. (2022). Кластеризация регионов РФ по уровню их социально-экономического развития. Вестник Государственного университета просвещения. Серия: Экономика, 2, 95–103. EDN: OOEAYE. DOI: 10.18384/2310-6646-2022-2-95-103

27. Прохоренков, П. А., Регер, Т. В., Гудкова, Н. В. (2022). Методы кластерного анализа в региональных исследованиях. Фундаментальные исследования, 3, 100–106. EDN: KOVJWZ. DOI: 10.17513/fr.43221

28. Реброва, Т. А. (2023). Региональные особенности развития малого предпринимательства в России. Цивилизационные перемены в России: материалы XIII Всероссийской научно-практической конференции. Екатеринбург, 2023 (c. 268–275). EDN: HFWBCM

29. Сафиуллин, М. Р., Гатауллина, А. А., Ильдарханова, А. К., Кузьмишин, И. А. (2023). Кластеризация регионов Российской Федерации по уровню развития высшей школы и конкурентоспособности экономики. Университетское управление: практика и анализ, 27(4), 23–42. EDN: QEFRVG. DOI: 10.15826/umpa.2023.04.031

30. Сафиуллина, Г. Г. (2019). Влияние конкурентной политики на социально-экономическое развитие региона через совершенствование системы государственных закупок: на примере Республики Татарстан: дис. … канд. экон. наук. Казань: Казанский (Приволжский) федеральный университет. EDN: KAIWUX

31. Толстова, М. Л. (2011). Оценка инвестиционного потенциала регионов Приволжского федерального округа на основе метода кластеризации. Актуальные Проблемы Экономики и Права, 4(20), 218–221. EDN: OJQFRN

32. Шамрай-Курбатова, Л. В., Леденева, М. В. (2021). Кластерный анализ субъектов РФ по уровню инновационной активности. Бизнес. Образование. Право, 1(54), 88–97. EDN: JUDWJI. DOI: 10.25683/VOLBI.2021.54.174

33. Шеховцева, Л. С., Грушников, В. В. (2013). Влияние инновационных факторов на развитие регионов России. Вестник Балтийского федерального университета им. И. Канта. Серия: Гуманитарные и общественные науки, 3. EDN: PYBZYF.

34. Щукина, Н. А., Сибирская Е. В., Овешникова Л. В., Тенетова Е. П. (2020). Стратификация субъектов Российской Федерации по уровню жизни населения. Регион: системы, экономика, управление, 2(49), 44–56. EDN: LZENZF

35. Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage.

36. Halkidi, M., Batistakis, Y., & Vazirgiannis, M. (2001). On Clustering Validation Techniques. Journal of Intelligent Information Systems, 17, 107–145. https://doi.org/10.1023/A:1012801612483

37. Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques. https://doi.org/10.1016/c2009-0-61819-5

38. Hoekman, B., & Taş, B. K. O. (2022). Procurement policy and SME participation in public purchasing. Small Business Economics, 58(1), 383–402. EDN: WPULBY. DOI: 10.1007/s11187-020-00414-z

39. Karypis, G., Han, E., & Kumar, V. (1999). Chameleon: hierarchical clustering algorithm using dynamic modeling. Computer, 32(8), 68–75. https://doi.org/10.1109/2.781637

40. Müllner, D. (2013). fastcluster: Fast Hierarchical, Agglomerative Clustering Routines for R and Python. Journal of Statistical Software, 53(9), 1–18. https://doi.org/10.18637/jss.v053.i09

41. Nowak-Brzezińska, A., & Wakulicz-Deja, A. (2019). Exploration of rule-based knowledge bases: A knowledge engineer’s support. Information Sciences, 485, 301–318. https://doi.org/10.1016/j.ins.2019.02.019

42. Rodrigues, C., Veloso, M., Alves, A., & Bento, C. L. (2025). Socioeconomic and functional zoning characterization in a city: a clustering approach. Cities, 163, 106023. https://doi.org/10.1016/j.cities.2025.106023

43. Rokach, L., & Maimon, O. (2005). Clustering Methods. In O. Maimon, L. Rokach (Eds.), Data Mining and Knowledge Discovery Handbook. Springer, Boston, MA. https://doi.org/10.1007/0-387-25465-X_15

44. Tan, P.-N., Steinbach, M., & Kumar, V. (2005). Introduction to Data Mining. Pearson.

45. Williams, P. K., Soares, C. V., & Gilbert, J. E. (2012). A clustering rule-based approach for classification problems. International Journal of Data Warehousing and Mining (IJDWM), 8(1), 1–23. https://doi.org/10.4018/jdwm.2012010101