Повышение экономической сложности региона может способствовать повышению уровня материального благосостояния населения, поэтому ее рост следует рассматривать как один из критериев оценки решений, способствующих диверсификации. Увеличение объема производства одного сектора в регионе может приводить к изменению структуры сильных секторов его экономики и оценки его экономической сложности. Важно учитывать, что при этом могут изменяться структуры сильных секторов других регионов. В работе представлены условия, при выполнении которых происходят такие изменения. Проведен сравнительный анализ траекторий оценок экономической сложности регионов, построенных на основе двух подходов: 1) выбор сектора или вида экономической деятельности в регионе для развития до уровня сильного, который обеспечивает максимальный рост экономической сложности региона; 2) выбор сектора или вида экономической деятельности, который имеет самую высокую оценку экономической сложности. Траектории оценок экономической сложности регионов, построенные двумя разными способами, целесообразно рассматривать в качестве альтернатив для сравнения с траекториями, полученными на основе экспертного выбора направления диверсификации. Представлены результаты регрессионного анализа, указывающие на возможность прогнозирования оценок экономической сложности регионов по секторам с использованием оценок экономической сложности регионов по видам экономической деятельности, первой и второй главных компонент структуры экономики по видам экономической деятельности.
Идентификаторы и классификаторы
Одним из инструментов сопротивления к внешним вызовам, а также повышения экономической безопасности в целом является диверсификация экономики. Для современных сложных экономик умение адаптироваться к быстроменяющимся условиям на основе диверсификации создает возможности для устойчивого развития. «Недостаточная диверсификация экономики ограничивает возможности производить более технологичную продукцию, что может быть одной из причин длительной экономической отсталости» (Любимов и др., 2017).
Одним из современных способов отражения диверсификации является концепция экономической сложности. Относительно недавно в работах (Hausmann, Rodrik, 2003; Hausmann, Hwang, Rodrik, 2006; Hidalgo, Hausmann, 2009; Hartmann, 2017) был разработан подход к измерению экономической сложности с использованием данных о структуре экспорта по странам. В работе (Любимов и др., 2017) данная концепция была применена к данным о структуре экспорта по регионам России. В статье (Афанасьев, Кудров, 2021) авторы получили оценки экономической сложности российских регионов по данным о налоговых поступлениях, отражающих объемы производства секторов.
Список литературы
1. Айвазян С.А., Афанасьев М.Ю., Кудров А.В. (2016). Метод кластеризации регионов РФ с учетом отраслевой структуры ВРП // Прикладная эконометрика. № 1 (41). С. 24-46. EDN: VSELOB
2. Афанасьев М.Ю. (2022). Новые ориентиры цифровой экономики: о взаимосвязи экономической сложности и материального благосостояния // Вестник ЦЭМИ РАН. Т. 5. Вып 1. DOI: 10.33276/S265838870019868-7 EDN: KQGMKN
3. Афанасьев М.Ю., Гусев А.А. (2022). Аппроксимация оценок экономической сложности при выборе приоритетных направлений диверсификации // Цифровая экономика. № 1 (17). С. 52-59. DOI: 10.34706/DE-2022-01-05 EDN: ZAUOWH
4. Афанасьев М.Ю., Гусев А.А. (2023). Экономическая сложность и ее взаимосвязь с индикаторами социально-экономического развития // Региональная экономика и управление: электронный научный журнал. № 2 (74). Номер статьи: 7410. Режим доступа: https://eee-region.ru/article/7410. EDN: XNLFVK
5. Афанасьев М.Ю., Ильин Н.И. (2022). Новые ориентиры для выбора приоритетных направлений диверсификации экономики на базе системы ситуационных центров // Экономика и математические методы. Том 58. № 4. С. 29-44. DOI: 10.31857/S042473880023017-7 EDN: WBYTBK
6. Афанасьев М.Ю., Кудров А.В. (2021). Экономическая сложность и вложенность структур региональных экономик // Экономика и математические методы. T. 57. № 3. C. 67-78. DOI: 10.31857/S042473880016410-0 EDN: RKEULL
7. Волошенко Е.В., Волошенко К.Ю. (2018). Оценка и измерение экономической безопасности приграничных регионов России: теория и практика // Балтийский регион. Т. 10, № 3. С. 96-118. EDN: YAACBV
8. Волошенко К.Ю. (2021). Экономическая безопасность в границах экономической сложности // Регионология. Т. 29. № 2 (115). С. 401-426. DOI: 10.15507/2413-1407.115.029.202102.401-426 EDN: MMJYOB
9. Кадочников С.М., Федюнина А.А. (2013). Динамика экспортной диверсификации в условиях экономического роста: эмпирический анализ для российских регионов 2003-2010 гг. // Вестник Уральского федерального университета. Серия: экономика и управление. № 5. С. 73-89. EDN: RDKSOR
10. Караев А.К. (2022). Экономическая сложность и выбор направления диверсификации региональной экономики России // Финансовая жизнь. № 3. С. 69-71. EDN: EESKVN
11. Клыков Ю.И. (1974). Ситуационное управление большими системами. М.: Энергия.
12. Коцофана Т.В., Стажкова П.С. (2011). Сравнительный анализ применения показателей концентрации на примере банковского сектора РФ // Вестник Санкт-Петербургского университета. Экономика. № 4. С. 30-40. EDN: OIVTIT
13. Кравченко Н.А., Агеева С.Д. (2017). Диверсификация экономики: институциональные аспекты // Журнал институциональных исследований. № 4. С. 52-67. EDN: YMUSPK
14. Любимов И.Л., Гвоздева М.А., Казакова М.В., Нестерова К.В. (2017). Сложность экономики и возможность диверсификации экспорта в российских регионах // Журнал Новой экономической ассоциации. № 2 (34). С. 94-123. DOI: 10.31737/2221-2264-2017-34-2-4 EDN: YTSZVH
15. Половян А.В., Синицына К.И. (2020). Экономическая сложность как инструмент определения стратегических направлений развития экономики // Новое в экономической кибернетике. № 1. С. 123-140. EDN: YYGJVH
16. Поспелов Д.А. (1986). Ситуационное управление: теория и практика. М.: Наука.
17. Руус Й., Волошенко К. Ю., Дрок Т. Е., Фарафонова Ю. Ю. (2020). Анализ экономической сложности Калининградской области - выбор отраслевых приоритетов в новой парадигме создания ценности // Балтийский регион. Т. 12. № 1. С. 156-180. EDN: XFJJST
18. Antonis A., Antonios G., Athanasios L. (2019). Economic complexity and jobs: an empirical analysis. MPRA. Working Paper no. 92401. Germany: University Library of Munich. 27 p.
19. Balassa B. (1965). Lafayrade liberalization and “revealed” comparative advantage. The Manchester School, 33, 99-123.
20. Farra F., Klos N., Schober U., Sigalova O., Zhukov A. (2013). Improving regional performance in Russia: A capability-based approach. European Bank for Reconstruction and Development. Working Paper no. 155. 46 p.
21. Hartmann D. (2017). Linking economic complexity, institutions, and income inequality. World Development, 93, 75-93.
22. Hartmann D. (2019). International trade, development traps, and the core-periphery structure of income inequality. Stuttgart: University of Hohenheim. 37 p.
23. Hausmann R., Hwang J., Rodrik D. (2006). What you export matters. Journal of Economic Growth, 12 (1), 1-25.
24. Hausmann R., Klinger B. (2006). Structural transformation and patterns of comparative advantage in the product space. CID Working Paper no. 128.
25. Hausmann R., Rodrik D. (2003). Economic development as selfdiscovery. Journal of Development Economics, 72 (2), 603-633. EDN: DZXEXT
26. Hidalgo C.A. (2018). The principle of relatedness. Unifying themes in complex systems IX. ICCS. Springer Proceedings in Complexity. Springer, Cham. Р. 451-457.
27. Hidalgo C.A., Hausmann R. (2009). The building blocks of economic complexity. Proceedings of the National Academy of Sciences, 106 (26), 10570-10575.
28. Morais M.B., Swart J., Jordaan J.A. (2021). Economic complexity and inequality: Does regional productive structure affect income inequality in Brazilian states? Sustainability, 13, 2, 1006. DOI: 10.3390/su13021006 EDN: UBGEGZ
29. Reynolds C.A. (2018). Sub-national economic complexity analysis of Australia’s states and territories. Regional Studies, 52 (5), 715-726.
30. Roos G. (2017). What will happen to the jobs? Technology enabled productivity improvement - good for some, bad for others. Labour & Industry: A Journal of the Social and Economic Relations of Work, 27 (3), 165-192.
31. Roos G., Shroff Z., Gamble H. et al. (2018). Smart specialisation - insights for a future industry policy. Economic Development Board of South Australia - Main Report. Government of South Australia. Adelaide, South Australia. 68 p.
32. Sciarra C., Chiarotti G., Ridolfi L. et al. (2020). Reconciling contrasting views on economic complexity. Nature Communications, 11, 3352. DOI: 10.1038/s41467-020-16992-1 EDN: AQMAUX
Выпуск
Другие статьи выпуска
Авторы анализируют основные положения книги «Мезоэкономика России: стратегия разбега» (М., 2022, под редакцией Г. Б. Клейнера). Книга, подготовленная коллективом известных ученых ЦЭМИ РАН и их коллегами, является третьей в цикле книг, опубликованных под редакцией Г. Б. Клейнера, и продолжает размышления, начатые в монографиях «Мезоэкономика переходного периода: рынки, отрасли, предприятия» (М., 2001) и «Мезоэкономика развития» (М., 2011). Эти книги, объединенные целостным замыслом, дают системное видение особого, мезоэкономического уровня современной экономики вообще и российской экономики, в особенности. В статье позитивно оцениваются аргументы авторов новой книги, доказывающих обоснованность выделения мезоэкономики - особого экономического подпространства, лежащего между микро- и макроэкономическими уровнями. Особое внимание авторы «размышлений» уделяют методологическим и теоретическим вопросам рецензируемой монографии. В частности, подчеркивается, что современный уровень развития технологий, характеризующийся господством 4 и 5 укладов и начавшегося перехода к 6 технологическому укладу, а также система отношений позднего капитализма, предполагающая появление пострыночных и посткапиталистических отношений, объективно формируют особые воспроизводственные отношения на уровне отраслевых, межотраслевых и региональных комплексов. В статье выделяются значимые результаты анализа авторами монографии отраслевых и региональных комплексов России, в частности, таких как сфера высоких технологий, нефтегазовый комплекс, электроэнергетика, аграрный сектор и другие. Авторы рецензии, высоко оценивая книгу, вместе с тем отмечают спорные и дискуссионные вопросы монографии, указывая, в частности, на то, что при анализе ряда вопросов в ней утрачивается акцент на собственно мезоэкономическом подпространстве экономики.
Метод пометок (метод Дейкстры) предназначен для решения задачи поиска кратчайшего пути между двумя вершинами в графе с заданными длинами ребер. Если каждое ребро графа характеризуется не одной, а несколькими характеристиками, например, временем и стоимостью проезда по ребру, возникает задача многокритериальной оптимизации, в которой требуется построить оптимальный по Парето путь с учетом предпочтений лица, принимающего решения (ЛПР). В 2020 г. А. М. Беловой и А. А. Заславским был предложен один из возможных способов к решению этой задачи, основанный на оптимизации одного из критериев при заданных ЛПР ограничениях на остальные критерии. В данной работе описывваются результаты вычислительных экспериментов, проведенных для проверки эффективности предложенного алгоритма.
Рассматривается алгоритм для реализации адаптивного поведения агентов в агент-ориентированных моделях (АОМ). Предполагается, что агент обладает некоторой внутренней параметрической моделью окружающего мира, которая порождает функцию правдоподобия для получаемой агентом информации об окружающем мире. Процесс адаптивного обучения агента за счет изменения параметров представлен в виде фильтрации в общей модели пространства состояний. В статье описан алгоритм SQ-фильтра, в котором используется линейная гауссовская плотность перехода и квадратичное по параметрам приближение для логарифмической функции правдоподобия. Данный алгоритм является модификацией классического фильтра Калмана. Он приложен к линейной регрессии с меняющимися параметрами. При поступлении агенту новой информации оценки параметров, в число которых входят как коэффициенты регрессии, так и дисперсия ошибки, корректируются оценки параметровадаптивным образом с учетом возможных выбросов. Работоспособность предложенной адаптивной регрессии проверена на двух экономических АОМ. Алгоритм показал хорошие результаты как в модели искусственного фондового рынка при предсказании агентами-трейдерами рыночной цены, так и в модели российской экономики при предсказании фирмами спроса на свою продукцию. С его помощью можно наделять агентов правдоподобным поведением без использования чрезмерно сложных расчетов.
В статье рассматриваются подходы к оптимизации запасов в цепях поставок крупных промышленных компаний. Актуальность данного вопроса касается в первую очередь поставок наиболее дорогих категорий материальных ресурсов, при расчете размера заказа которых необходимо дополнительно учитывать потери от иммобилизации оборотного капитала (альтернативные издержки). В практике отечественных и зарубежных компаний получили широкое применение модификации формулы оптимального размера заказа, с помощью которых компании достигают экономического компромисса между уровнем доступности запасов на складе и затратами на их закупку и содержание. При этом величина потерь от иммобилизации в некоторых случаях может существенно влиять на уровни складских запасов компании, а значит — и на потребность в таких объектах логистической инфраструктуры, как складские помещения, подъемно-транспортное оборудование и пр. На сегодняшний день единая методика оценки потерь от иммобилизации оборотного капитала в запасах отсутствует, что обусловлено спецификой деятельности компаний, относящихся к разным отраслям промышленности и видам бизнеса. В связи с чем существенно отличаются подходы к выбору ставок для определения суммы таких потерь и оценки их влияния на эффективность деятельности компаний. Корректный учет альтернативных издержек может быть использован при разработке диверсифицированных подходов к планированию потребности в складских запасах, который позволит, с одной стороны, максимально удовлетворять заказы внутренних и внешних клиентов, а с другой — не допускать формирования избыточных запасов. Поэтому вопрос разработки отраслевых методик оценки финансовых потерь при работе с запасами материальных ресурсов является актуальным.
При оценке нефинансовых активов обычно не учитывается возможность их досрочной продажи (до окончания срока службы). Такая продажа актива предусматривает определенное время на его экспозицию. Предлагается модель для оценки рыночной стоимости актива с учетом указанных обстоятельств, основанная на методе дисконтирования денежных потоков. Выгоды (денежные потоки), генерируемые активом при использовании его по назначению в предстоящий период, предполагаются известными. В модели принимается, что досрочная продажа обусловлена выявлением (реальных или предполагаемых) угроз локального характера, т. е. относящихся только к конкретному активу и его владельцу. Момент выявления угрозы и длительность последующей экспозиции актива рассматриваются как случайные величины. Полученные формулы позволяют учесть также влияние инфляции, устранимых отказов актива и изменение его стоимости в период экспозиции
В работе предлагаются специальные методы статистического подхода к анализу региональных межотраслевых взаимосвязей. В качестве реальной системы, по статистическим данным которой проводятся все количественные расчеты, рассматривается Российская Федерация без трех самых больших административных единиц (Москвы, Санкт-Петербурга, Московской области). В отличие от материальных связей модели Леонтьева анализируются информационно-статистические связи между отраслями. Для этого используются понятия энтропии и информации с целью выявления особенностей взаимодействия между шестью производственными отраслями и шестью информационными секторами экономики. Эти взаимодействия рассматриваются с позиций закона необходимого разнообразия, а сложность по Колмогорову, которой в работе придается особое значение и которая оценивается энтропией распределения показателей выпуска региональных подсистем. Вводятся понятия и произведена количественная оценка сложности регионов и отраслей. Структура информационных связей между показателями экономической системы находится как с помощью регрессионного анализа, так и на основе предлагаемых коэффициентов информативности. Особенно подчеркивается роль условных энтропий при статистическом анализе межотраслевых взаимодействий. Структуры взаимодействия представлены в виде соответствующих графов связи. Обосновывается, что рассчитанные коэффициенты информативности и условные энтропии дают возможность сделать качественный анализ и прогноз. Произведенные расчеты по статистическим данным показали, что в регионах с преобладанием энтропии управления над энтропией производства выпуск на одного занятого существенно выше. На основании общего рассмотрения региональных энтропий представляется целесообразным рекомендовать регионам России повысить сложность отраслей связи и научно-профессиональной деятельности хотя бы до уровня сложности отрасли обрабатывающего производства.
Цель предлагаемой статьи — обосновать применение авторского подхода и методологии, основанных на сочетании технологий машинного обучения и построения направленных графов с их последующей кластеризацией для системного изучения количественных и качественных характеристик рынка государственных закупок и поведения агентов этого рынка. В результате проведенного исследования выделены благодаря инновационному подходу к исследованию, основанному на сочетании технологий машинного обучения и теории сетей и графов, ранее неучтенные региональные и отраслевые факторы, влияющие на взаимоотношения агентов рынка государственных закупок. Систематизированы модели взаимоотношений на этом рынке в авторской трактовке, интегрирующей макроэкономическую ситуацию на рынке и маркетинговые стратегии игроков рынка. Выявлены такие устойчивые шаблоны поведения агентов рынка государственных закупок, как «изоляция», «консерватизм», «мобильность», и обосновано, что изолированное или консервативное поведение игроков рынка повышает вероятность возникновения коррупционных сговоров. Все вышеперечисленное не было системно изучено ранее и имеет научную новизну и высокую практическую значимость. Проведенные исследования способствовали приращению научного знания в прикладном применении теории сетей и графов, в вопросах государственного регулирования экономики, противодействия монополизации рынков и повышении конкуренции. Практические результаты работы связаны с формированием рекомендаций российским органам власти – регуляторам рынка государственных закупок и участникам торгов по выбору эффективных стратегий поведения на рынке.
Несмотря на высокую степень разработанности математического аппарата микроэкономической теории, недостаточное внимание в литературе уделено моделированию поведения экономических секторов под воздействием внешних шоков с учетом их межсекторальных связей. В частности, речь идет об исследовании ценовой политики отраслей, которая оказывает непосредственное влияние на величину спроса, выпуск и маржинальность. В связи с этим целью данной работы является анализ изменения величин добавленной стоимости отраслей в условиях экономических шоков. Для достижения поставленной цели авторами разработана методика моделирования поведения экономических агентов в части их ценовой политики. Эта методика основана на введении функций спроса на конечное потребление в методологию межотраслевого баланса. С помощью предложенной методики исследуется динамика цен на продукцию с учетом межсекторальной зависимости, а также ее влияние на объем производства, добавленную стоимость, маржинальность и объем выпуска каждого сектора. В модель ценообразования также были включены отрасли, не производящие продукцию для конечного потребителя. Предлагаемая методика апробировалась на примере трех секторов и дала следующие ключевые результаты. Маржинальность отраслей, не производящих продукцию для конечного потребителя, не зависит от параметров функций спроса на конечную продукцию. На маржинальность таких отраслей влияет только структура промежуточного потребления. Слишком высокий уровень технологической зависимости отраслей от промежуточной отрасли так же невыгоден для нее, как и слишком низкий. Результаты данной работы могут быть полезны для планирования государственных инвестиций и оценки их влияния на ключевые отрасли экономики.
В статье рассматриваются последние тенденции в динамике доли оплаты труда в ВВП в странах с высоким и средним уровнем дохода, а также взаимосвязь с неравенством в распределении доходов. Растущее беспокойство по поводу роста неравенства из-за COVID-19 во всем мире объясняет необходимость исследований в этой области. В работе исследуются глобальные статистические свойства (стационарность, наличие детерминированного или стохастического тренда) панельных данных, а также отдельных временных рядов, отражающих долю оплаты труда в ВВП для ряда стран. Для оценки параметров тренда использована модель авторегрессии со структурным сдвигом и фиксированными индивидуальными эффектами для панельных данных. Выявлено, что для стран с высокой долей оплаты труда в ВВП характерен негативный тренд в период 1990–2010 гг., который сменился слабым положительным трендом. Вместе с тем для отдельных стран с низкой долей оплаты труда в ВВП негативные тенденции усилились после глобального экономического кризиса 2008–2009 гг. Для группы стран, где доля оплаты труда составляет в среднем от 42 до 56% ВВП, гипотеза о наличии тренда не подтвердилась. Наши результаты подтверждают актуальность негативных тенденций, вызванных в период 1990–2010 гг. такими общими факторами, как технологические изменения и глобализация, и указывают на разнонаправленные тенденции в последующее за глобальным кризисом десятилетие.
Статья посвящена оценке уровня различных видов доверия в современном российском обществе. Исследование проведено на основе социологического опроса. Актуальность работы обусловлена значительной ролью доверия в определении потенциала устойчивости и адаптивности социально-экономической системы к шокам. Целью исследования является анализ уровня четырех видов доверия: межличностного, генерализированного, институционального и политического - в современном российском обществе и изучение взаимосвязей между ними. Авторами были проанализированы ответы респондентов на четыре группы вопросов и проведены измерения соответствующих видов доверия; сделаны выводы о наличии или отсутствии общей тенденции в распределении ответов. Было выявлено, что в рамках исследуемой выборки высокий уровень межличностного доверия, продемонстрированный респондентами, сочетается со сравнительно низким уровнем генерализированного доверия и низким уровнем политического и институционального доверия. Также были сделаны предположения относительно факторов, оказавших влияние на восприятие респондентами вопросов разного типа и, соответственно, на распределение полученных ответов. Наконец, авторами были сделаны выводы содержательного и технического рода о результатах проведенного социологического опроса. Проведенное исследование не дает оснований для формулировки окончательных выводов об уровне различных видов доверия в российском обществе. Однако оно наглядно демонстрирует значимую дифференциацию этих уровней, а также противоречия в оценке респондентами гипотетических и реальных жизненных ситуаций.
Издательство
- Издательство
- ЦЭМИ РАН
- Регион
- Россия, Москва
- Почтовый адрес
- 117418, Москва, Нахимовский пр, 47
- Юр. адрес
- 117418, Москва, Нахимовский пр, 47
- ФИО
- Альберт Рауфович БАХТИЗИН (Директор)
- E-mail адрес
- albert.bakhtizin@gmail.com
- Контактный телефон
- +7 (499) 1290822