CC BY
24
Методологические вопросы регрессионного анализа экономического роста в регионе
Кадочникова Е. И.
Кадочникова Екатерина Ивановна / Kadochnikova Ekaterina Ivanovna - кандидат экономических наук, доцент, кафедра экономико-математического моделирования,
Институт управления, экономики и финансов Казанский федеральный университет, г. Казань
Аннотация: в статье исследована эндогенная природа знания, подчеркнута необходимость моделирования знаниевых ресурсов экономического роста. Автором выделены преимущества регрессионных моделей по сравнению с балансовыми и предложены предикторы для измерения когнитивных факторов экономического роста.
Ключевые слова: экономический рост, регион, управление знаниями, регрессионный анализ.
Важно отметить, что современные модели экономического роста должны учитывать возможность инвестирования не только в физический капитал, но и в интеллектуальный капитал. Это связано с признанием того, что росту эффективности использования производственных ресурсов способствует большое число технологических, организационных и когнитивных факторов. В настоящее время в Республике Татарстан реализуется комплекс мер, направленный на создание благоприятных условий для активизации инновационной и инвестиционной деятельности в целях подъема экономики, повышения эффективности производства и решения социальных задач. Доля инновационно-активных предприятий в республике составляет 12,5 % (в среднем по Российской Федерации — 9,0 %), действует 14 технопарков, 1 технополис, 5 бизнес-инкубаторов, 6 инвестиционных и венчурных фондов [1]. Следует отметить, что эндогенная природа знания обусловливает целесообразность определения отдельной классификационной группы факторов экономического роста — когнитивных факторов.
В настоящее время вопрос эндогенных механизмов роста является одним из ключевых в углублении теорий роста [2; 3; 4]. В современной экономической литературе, согласно неоклассической
производственной функции, выделяют три основные группы ресурсов экономического роста: физические ресурсы, труд, знания и технологии [5]. Подчеркивается, что если первые два ресурса являются конкурентными, то важная отличительная особенность знания — то, что оно является неконкурентным товаром, поскольку два и более производителя могут использовать одну и ту же технологию одновременно. Данная ключевая характеристика знания приводит к важному следствию взаимосвязи между технологией и экономическим ростом — выравниванию цен на факторы производства, отмеченному Р. Гордоном [6]: низкие заработные платы и высокие темпы технологического роста в развивающихся экономиках при негативном влиянии на экономики с высоким уровнем заработной платы. Роль знания как эндогенного фактора экономического роста показана в исследовании мезоэкономического и институционального аспектов научно-технического прогресса при углублении модели Солоу-Свэна [7]: неконкурентность и неисключимость знания оказывается стимулом для формирования монополистических структур в экономике путем патентной защиты с целью поддержания свойства исключимости знаний, способных приносить доход. Еще одним из вариантов усовершенствования модели Солоу-Свэна является макродинамическая модель эндогенного экономического роста с учетом процессов насыщения, смены технологий и передачи экономического потенциала [8]. Отличием данной модели является снятие допущения о постоянном уровне технологии, исследование технологического аспекта роста через включение нелинейных функций научно-технического прогресса в модель экономического роста. Эндогенная природа знания в достижении экономического роста подчеркивает необходимость улучшения количественной оценки и прикладного анализа инноваций, прежде всего путем совершенствования мезоэкономических измерений. Заметим, что в середине прошлого века Ф. Махлупом были исследованы экономические аспекты производства и распространения знаний, измерены затраты и численность занятых в пяти группах видов экономической деятельности (научные исследования и разработки, образование, средства массового общения, информационная техника, информационные услуги), названных «сферой производства и распространения знаний» [9].
Модель должна максимально точно, полно и адекватно ответить на вопрос, поставленный целью исследования. Балансовые модели, которые достаточно широко распространены в моделировании экономического роста, действуют так, как если бы на свете не было погрешностей измерения и вычисления. Этот недостаток успешно преодолевают эконометрические модели. Здесь на N неизвестных мы (как правило) имеем минимум lA (N2 - N) уравнений, и вместе с наилучшей аппроксимацией мы получаем приблизительный (стохастический) ответ на вопрос о том, с какой точностью найдена эта аппроксимация, что, разумеется, намного более ценно [11]. Моделирование и прогнозирование параметров экономической динамики при помощи эконометрических (главным образом, регрессионных) моделей позволяет определить, с какой точностью получен тот или иной результат, а в случае необходимости включать или исключать объясняющие переменные до тех пор, пока не получится приемлемая с точки зрения адекватности модель. Представляется необходимым подчеркнуть главные преимущества регрессионных моделей в сравнении с балансовыми:
- возможность ввести нужную поправку, зная точность, с которой получен результат, и ориентировать свои действия по данным, полученным с известной точностью;
- возможность проверить адекватность и значимость построенной модели;
- возможность хотя бы приблизительно оценить вклад каждого из рассматриваемых факторов модели в итоговый результат - вариацию объясняемой переменной;
- возможность прогнозировать изменение найденных зависимостей в будущем, отслеживать «поворотные» точки, в которых коренным образом изменяется динамика изучаемой системы.
Для эмпирического исследования и измерения показателей - индикаторов знаний, представляется возможным выполнение эконометрического анализа на основе регрессионных моделей с выделением следующих предикторов: численность занятых; обеспеченность информационно-коммуникационными технологиями; инвестиции в основной капитал; средства, израсходованные на повышение квалификации и переподготовку кадров; удельный вес организаций, осуществлявших технологические, организационные, маркетинговые инновации в отчетном году; объем инновационных товаров, работ, услуг; затраты на технологические инновации организаций; специальные затраты, связанные с экологическими инновациями; число организаций, выполнявших научные исследования и разработки; численность персонала, занятого научными исследованиями и разработками; внутренние затраты на научные исследования и разработки [10].
Таким образом, моделирование эндогенных механизмов роста на основе регрессионных моделей позволит анализировать тенденции экономического развития и эффективность инноваций в регионе.
Литература
1. Итоги развития промышленности, потребительского рынка и внешнеэкономической деятельности Республики Татарстан в 2013 году. Задачи на 2014 год. — Казань: Министерство промышленности и торговли Республики Татарстан, 2014. — C. 86.
2. Румянцева С. Ю. Экономический рост и экономический цикл: теория в поисках методологической базы для анализа нестабильной экономики // Проблемы современной экономики. — 2009. — № 3 (31). — С. 62-67.
3. Бородина Ю. Б. Факторы экономического роста: финансовый аспект // Проблемы современной науки и образования. 2014. № 9 (27). С. 46-48.
4. Ушакова Н. А. Финансовая устойчивость предприятия как компонента экономического роста // Проблемы современной науки и образования. 2012. № 13 (13). С. 52-53.
5. Барро Р. Дж., Сала-и-Мартин X Экономический рост. — М.: Бином, 2014.
6. Гордон Р. Дж. Закончен ли экономический рост? Шесть препятствий для инновационного развития // Вопросы экономики. — 2013. — № 4. — С. 49-67.
7. Aghion P., Howwit P. A model of growth through creative destruction // NBER 1050 Massachusetts. January 1990. URL: http://www.nber.org/.
8. Silverberg G., Lehnert D. Growth Fluctuations in an Evolutionary Model of Creative Destruction // The Economics of Growth and Technical Change. Ed. by G. Silverberg nad L. Soete. Cornwall, 1994.
9. Махлуп Ф. Производство и распространение знаний в США. — М.: Прогресс, 1966.
10. Кадочникова Е. И. О моделировании роста региональной экономики, основанной на знаниях // Проблемы современной экономики, № 2 (5), 2014, c. 247-251.
11. Горидько Н. П., Нижегородцев P. M. Современный экономический рост: теория и регрессионный анализ.
- Новочеркасск: НОК, 2011.
