CC BY
22
Корицкий А.В.
канд. экон. наук, доцент кафедры «Экономическая теория» Сибирского университета потребительской кооперации, г. Новосибирск
рассвет Европы
опыт оценки влияния накопления
человеческого капитала на экономический рост
в регионах Европы
Окончание. Начало в «кэ» № 2/2008
Помимо влияния, вызываемого собственными НИОКР, на экономический рост, вторым важным источником технического прогресса для отстающих регионов, является заимствование (технологический перехват) достижений у технологических лидеров. Экономическое обоснование данного явления заключается в том, что большее технологическое отставание, при прочих равных условиях, ассоциируются с большими возможностями для заимствования технологий и, следовательно, с более высокими темпами роста А.
Поскольку уровень технологических достижений (А) не наблюдается непосредственно Г. Бадингер и Г. Тондл используют уровень производительности труда (У*) как переменную, характеризующую данный уровень1. Процесс перехвата технологий поэтому может быть специфицирован следующим образом:
(5а)
где Y* max, t - уровень производительности труда технологического лидера, параметр п характеризу-
ет скорость преодоления отставания от лидера.
Как показали Р. Нельсон и Е. Фелпс, для заимствования, приспособления и применения новых технологий, требуется человеческий капитал2. Они доказывали, что параметр перехвата (п1) является не снижающейся функцией человеческого капитала. И. Бенхабиб
Там же
2Nelson, R. and Phelps, E. (1966), Investment in humans, technological diffusion, and economic growth, American Economic Review, Papers and Proceedings, 61, pp. 69-75.
и М. Шпигель использовали эту идею и специфицировали процесс перехвата следующим образом3:
= //, - Л, -G.JP, (5b).
Данное уравнение показывает, что при постоянном человеческом капитале регионы с низкой начальной производительностью труда имеют более высокие темпы роста. И, соответственно, при данном уровне отставания от технологического лидера регионы с более высоким уровнем человеческого капитала имеют более высокие темпы ликвидации технологического отставания, т.е. более быстрый рост А.
Как отмечают Д. Бен-Давид и А. Кимхи, Р. Гриффит, Ст. Реддинг и И. Ван Реенен4 международная торговля также считается важным фактором конвергенции разных стран и регионов,. Г. Бадингер и Г. Тондл следующим образом модифицируют предыдущее уравнение, заменяя человеческий капитал (Н) показателем внешней торговли:
3 Benhabib I. and Spiegel M. (1994). Указ. соч.
4 Ben-David D. and Kimhi, A. (2000), Trade
and the rate of income convergence. NBER working paper, no. 7642, Cambridge, Ma: National Bureau of Research. Griffith, R., Redding St. and Van Reenen, I (2000), Mapping the two faces of R&D: Productivity growth in a panel of OECD industries CEPR discussion paper no. 2457, London: Centre for economic policy research.
= ПгТг1-СЛР , (5с)
Торговля в данной модели может быть представлена либо долей импорта либо долей экспорта в ВВП. Высокая доля импорта позволяет больше заимствовать технологий из-за границы, т.е. способствовать перехвату технологий у более передовых, в технологическом плане, стран. С другой стороны, высокая доля экспорта в валовом внутреннем продукте связана с эффектом конкуренции на внешних рынках, которая стимулирует активное заимствование технологий у мировых лидеров. Наконец, активное развитие собственных НИОКР в странах и регионах может рассматриваться как важная предпосылка сокращения технологического отставания. Как показали Д. Куар, Р. Гриффит и другие, в экономике под влиянием собственных НИОКР возникают специфические знания, которые способствуют более легкой адап-
при постоянном человеческом капитале регионы с низкой начальной производительностью труда имеют более высокие темпы роста
креативная экономика, 2008, № 3
Определения и источники переменных
Переменные Определения Единицы
AinYj Средний темп роста валовой добавленной стоимости на душу % на душу
Ainkj Средний темп роста физического капитала на душу % на душу
hi Средняя норма достижений - высшее образование (третичное) %
h-mj Средняя норма достижений - среднее образование (вторичное) %
Hi Среднее число человек с высшим образованием (третичное) 1000 человек
H-mi Среднее число человек со средним образованием (вторичное) 1000 человек
Patt Среднее число применений патентов на занятость число на 1000 чел.
Xj (m^ Экспорт (импорт) квота в процентах от валовой добавленной стоимости %
GAPi В 1993 (начальный уровень) —
тации новых технологий, заимствованных за рубежом5. Данное логическое обоснование Г. Бадингер и Г. Тондл формализуют следующим образом:
= // Pat GAP , (5d)
Результаты тестирования модели Бадингера-Тондл.
Г. Бадингер и Г. Тондл провели тестирование модели G на основе статистических данных по 128
5 Quar, D. (1999), Gross-country growth comparison: Theory to empirics, CEPR discussion paper, no. 2294, London:Centre for economic policy research.; Griffith, R., Redding, St. and Van Reenen, I. Указ. соч.
регионам Европы за период 19932000 гг. Выбор определялся, главным образом, доступностью данных. При этом были исключены Австрия и Греция, а также специфические по своим характеристикам регионы, такие как Ирландия, Французские заморские департаменты и т.п. Авторы применили показатели в расчете на душу населения (табл. 1)6. Авторы выражают надежду, что структурный анализ регрессий может давать достаточно реалистичные результаты, поскольку в них используются данные довольно высокого уровня агрегирования, как, например, для регионов ЕС. В короткой модели с накапливае-
6 Badinger H., Tondl G., Указ. соч. с.19.
высокая доля импорта позволяет больше заимствовать технологий из-за границы, т.е. способствовать перехвату технологий у более передовых, в технологическом плане, стран
мыми факторами (табл. 2, колонка 1) статистически значимые оценки показывают, что рост доходов на душу населения положительно связан с накоплением как физического, так и человеческого капитала.
t - values (в скобках) основаны на White - Heteroscedasitcity consistent standard errors (White, 1980). AIC -Akaike info criterion. Данные оценки дают результаты, аналогичные полученным недавно на межстрановом уровне А. Бассанини, С. Скарпеттой и П. Хеммингом, а также А. де ла Фуэнте и Р. Доменехом7.
7 Bassanini A., Scarpetta, S. and Hempings, P. (2001) Economic Growth: The role of policies and instiiutions. Panel data evidence from OECD countries, OECD working paper, STI 2001/9; de la Fuente, A. and Domenich, R. (2000), Human capital in growth regressions: How much difference does data quality make? CEPR discussion paper, no. 2466, London: Centre for Economic Policy Research.
Как отмечают авторы, экономический рост в регионах ЕС является чувствительным только к приобретению высшего уровня образования, изменения в среднем уровне образования статистически незначимы (колонка 2).
Величины коэффициентов регрессии в колонке 1 являются статистически значимыми, показывая эластичность выпуска по физическому капиталу на уровне 0,20, а по человеческому капиталу - 0,10. Следует отметить, что рост доли занятых приводит к более высокому темпу роста - эластичность выпуска около 0,34.
Затем авторы расширяют оцениваемую модель, включая в нее инновационную активность (колонка 3-6). При спецификации усилий числом лиц с высшим или средним образованием, занятых в НИОКР, положительного влияния на рост не обнаруживается (колонка 3). Если же используется уровень образовательных достижений населения, то обнаруживается статистически значимая положительная взаимосвязь
активное развитие собственных НИОКР в странах и регионах может рассматриваться как важная предпосылка сокращения технологического отставания
креативная экономика, 2008, № 3
оо
Результаты для моделей с накоплением факторов и собственными усилиями в НИОКР
Зависимая переменная Л!пУ
1 2 3 4 5 6
константа Д!п к Д!п И 09674 (5,94)*** 0,2301 (4,74*** 1,5684 (11,58*** 0,1213 (2,41** 1,0199 (5,98*** 0,2366 (4,83*** 0,4860 (1,98** 0,1948 (4,08*** 1,1182 (6,39*** 0,2477 (5,39*** 0,5137 (1,47) 0,1973 (3,95***
Д!п И-т 0,1063 (4,48*** 0,1069 (4,53*** 0,1077 (4,66*** 0,1144 (5,07*** 0,1083 (4,70***
Н -0,0280 (-0,70 -0,0006 (-1,62
И !п Ра! Д!п РДРТ 0,0397 (2,63*** 0,1149 (2,29** 0,0383 (1,91* 0,0081 (0,13
0,3468 (4,26*** 0,5109 (6,19*** 0,3377 (4,18*** 0,3521 (4,22*** 0,3826 (4,60*** 0,3545 (4,10***
0,498 0,422 0,501 0,545 0,521 0,542
РЛвБ! Д1С N0 оГ оьб. *** 43,010 2,036 *** 31,870 2,177 *** 32,831 2,038 *** 39,091 1,944 *** 35,495*** 1,997 *** 31,023 1,960
128 128 128 128 128 128
(колонка 4). То есть регионы с более высоким уровнем образования населения являются претендентами на более высокие темпы роста.
В колонке 6 добавлены инновации, измеренные числом примененных патентов, причем коэффициент регрессии незначителен. Авторы отмечают, что если пока-
экономический рост в регионах ЕС является чувствительным только к приобретению высшего уровня образования, изменения в среднем уровне образования статистически незначимы
затель высшего уровня образовательных достижений не включен в уравнение регрессии, а включено только применение патентов, то коэффициент регрессии последнего получается положительным и значимым8. Они нашли, что два этих показателя сильно коррелированы, что и объясняет данный эффект, т.е. оба показателя не могут быть одновременно включены в оценку. Авторы сделали вывод, что уровень инноваций в регионах ЕС оказывает значимое положительное влияние на экономический рост. Поэтому значительные усилия стран и регионов ЕС по повышению образовательного уровня, очевидно, способствуют экономическому росту. По их мнению, высокая активность в региональных НИОКР не является предпосылкой, спо-
8 Badinger H., Tondl G., Указ. соч., с.22.
собствующей передаче технологий. Авторы считают, что нашли новые факты, подтверждающие международную передачу технологий посредством разных каналов, которые дополняют существующие свидетельства о международном переливе технологий, который либо является географически ограниченным (как у Р. Пачи и Ф. Пильяру), либо возникающим только между рав-норазвитыми регионами (как у П.Б. Маурсета)9. В целом, следует сказать, что базовые параметры модели Г. Бадингера и Г. Тондл, такие как рост физического и человеческого капитала, а также изменения доли трудового участия населения, дают устойчивые значения коэффициентов регрессии. Коэффициент у физического капитала оказался более высоким в инновационной спецификации с патентами и показывает эластичность выпуска около 0,20. Полный набор переменных модели становится вполне удовлетворительным в спецификации с технологическим перехватом и обеспечивает достижение 132 более, чем 0,50.
9 Paci R., Pigliary, F. (2001), Technological catch-up and regional convergence in Europe, University of Cagliari, CRENoS Working Paper, no. 01/01; Maurseth, P.B. (2001),Convergence, geography, and technology, Norwegian Institute of international affairs, mimeo.
^Креативная экономика, 2008, № 3
