- Код статьи
- S042473880023019-9-
- DOI
- 10.31857/S042473880023019-9
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том 58 / Номер 4
- Страницы
- 56-70
- Аннотация
-
В статье предложена и проанализирована динамическая модель региональной экономики, отражающая зависимость регионального выпуска от числа занятых и объема производственных фондов. Основное внимание уделено учету влияния на экономику таких различных факторов развития науки, как число докторов и исследователей, число разного типа патентов и новых технологий. Кроме того, учитывается отраслевая ориентация региональной экономики, в первую очередь определяемая уровнем развития добывающего и обрабатывающего сектора производств. Для построения моделей и проведения статистических расчетов использованы данные официальной статистики. Все основные параметры предложенной модели оцениваются с использованием современных вычислительных процедур оптимизации в условиях нелинейных зависимостей. Статистические расчеты показали, что полученные значения основных параметров моделей значимы, а сами модели могут быть использованы для отдельных частных оценок и прогнозов. Важная методологическая особенность нашего подхода состоит в том, что необходимые зависимости между переменными модели выявляются с использованием методов причинного анализа и техники проверки значимости семейства гипотез. Для этого общий вид производственной функции выявляется с помощью нахождение графа непосредственных связей всей системы основных переменных. Полученная модель является методической основой для построения краткосрочных прогнозов динамики региональной экономики, в которых учитывается вклад науки и роль ее отдельных составляющих в экономическом росте. Кроме того, динамическая модель позволяет визуализировать различные варианты сценарного анализа и позволяет оптимизировать траектории экономического роста. На отдельных компьютерных расчетах показано, как меняется качественный характер траекторий переменных науки и экономики.
- Ключевые слова
- показатели региональной науки, причинный анализ, непосредственные связи, структура связей, индекс развития науки, индекс отраслевой ориентации, динамическая модель, траектории экономического роста.
- Дата публикации
- 07.12.2022
- Год выхода
- 2022
- Всего подписок
- 11
- Всего просмотров
- 470
Библиография
- 1. Варшавский А. Е., Макаров В.Л. (2004). Стратегия устойчивого развития: необходи-мость инвестирования в будущее. В кн.: «Инновационный менеджмент в России: вопросы стратегического управления и научно-технологической безопасности» В.Л. Макаров, А.Е. Варшавский (рук. авт. кол.). М.: Наука.
- 2. Варшавский А.Е., Макаров В.Л. (2015) Наука, высокотехнологичные отрасли и инно-вации. В сб.: «Экономика России. Оксфордский Сборник». Кн. 2. М.: Изд-во Ин-ститута Гайдара.
- 3. Гаврилец Ю.Н. (1974).Социально-экономическое планирование. Системы и модели. – М.: Экономика.
- 4. Гаврилец Ю.Н., Кудров А.В., Тараканова И.В. (2018). Анализ внутренней структуры экономического потенциала роста // Электронный журнал Вестник ЦЭМИ РАН. Т. 1. № 1. Режим доступа: https://cemi.jes.su/s111111110000009-2-1/
- 5. Гаврилец Ю.Н., Лебедев К.В., Тараканова И.В. (2021). О статистической оценке уров-ня науки и образования в субъектах Российской Федерации в 2017–2019 гг. В сб.: «Сборник статей международной научно-практической конференции». Краснодар: Просвещение-Юг.
- 6. Глазьев С.Ю. (2019) Развитие российской экономики в условиях глобальных технологи-ческих сдвигов. Будущее России. Вызовы и проекты: Экономика. Техника. Инно-вации. М.: URSS
- 7. Голиченко О.Г. (2007) Национальная инновационная система России: состояние и пути развития //Вопросы экономики. № 7. С. 155–157.
- 8. Макаров В.Л. (2003). Контуры экономики знаний // Экономист. № 3. С. 3–15.
- 9. Макаров В.Л. (2013). Наука не может быть эффективной // Прямые инвестиции: журнал о реальной экономике. № 5. С. 21–23.
- 10. Хейс Д. (1981). Причинный анализ в статистических исследованиях. М.: Финансы и ста-тистика.
- 11. Boeing P., Eberle J., Howell A. (2022). The impact of China's R&D subsidies on R&D in-vestment, technological upgrading and economic growth. Technological Forecasting and Social Change. Vol. 174. DOI:10.1016/j.techfore.2021.121212
- 12. Bonferroni C. (1936).Teoria statistica delle classi e calcolo delle probabilità.Publicazioni del R. Istituto Superiore di Scienze Economiche e Commerciali di Firenze, 8, 1–62.
- 13. David P., Hall B., Toole A. (2000). Is public R&D a complement or substitute for private R&D? A Review of the Econometric Evidence. Research Policy, 29 (4–5),497–529.
- 14. Holm S. (1979). A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics, 6, 2, 65–70.
- 15. Lauritzen S. (1996). Graphical models. Oxford: Oxford University Press.
- 16. Liu F., Simon D., Sun Y., Cao C. (2011). China’s innovation policies: Evolution, institutional structure, and trajectory. Research Policy, 40, 917–931.
- 17. Mazzucato M. (2015).The entrepreneurial state: Debunking public vs. private sector myths. London: Anthem Press.
- 18. OECD (2022a). Gross domestic spending on R&D (indicator). DOI: 10.1787/d8b068b4-en
- 19. OECD (2022b). Researchers (indicator). DOI: 10.1787/20ddfb0f-en
- 20. Ratkowsky D. (1993). Principles of nonlinear regression modeling. Journal of Industrial Mi-crobiology, 12, 195–199.
- 21. Stiglitz J., Lin Y., Monga C. (2013). The rejuvenation of industrial policy. World Bank Policy, Res. Work. Pap. 6628.
- 22. Seber G., Wild C. (2003).Nonlinear Regression. N.Y.: Wiley.
