Logo Международный форум «Евразийская экономическая перспектива»
На главную страницу
Новости
Информация о журнале
О главном редакторе
Подписка
Контакты
ЕВРАЗИЙСКИЙ МЕЖДУНАРОДНЫЙ НАУЧНО-АНАЛИТИЧЕСКИЙ ЖУРНАЛ English
Тематика журнала
Текущий номер
Анонс
Список номеров
Найти
Редакционный совет
Редакционная коллегия
Представи- тельства журнала
Правила направления, рецензирования и опубликования
Научные дискуссии
Семинары, конференции
 
 
 
 
Проблемы современной экономики, N 2 (50), 2014
ЭКОНОМИЧЕСКИЕ ПРОБЛЕМЫ РЕГИОНОВ И ОТРАСЛЕВЫХ КОМПЛЕКСОВ
Кадочникова Е. И.
доцент кафедры статистики, эконометрики и естествознания
Института экономики и финансов Казанского (Приволжского) федерального университета,
кандидат экономических наук


О моделировании роста региональной экономики, основанной на знаниях
В статье показаны преимущества моделирования экономического роста на основе региональных счетов как инструмента управления мезоэкономическими знаниями. Доказана необходимость совершенствования мезоэкономических измерений путем выделения сферы производства и распространения знаний. Предложены предикторы прикладного анализа когнитивных факторов экономического роста. Сформулированы принципы управления знаниями в экономике региона
Ключевые слова: экономический рост, система региональных счетов, управление знаниями, инновации, региональная экономика, эконометрическая модель
УДК 330.35:330.4; ББК У051.110.3   Стр: 247 - 251

Исключительная важность причин, порождающих экономический рост в условиях экономики, основанной на знаниях, обусловлена необходимостью повышения конкурентоспособности и формированием инновационной экономики. На фоне замедления развития мировой экономики в настоящее время в Республике Татарстан наблюдается уменьшение темпов роста валового регионального продукта (до 102% к уровню 2012 года), рост добывающего сектора промышленного производства (на 0,6%), торговли (на 0,8%), транспорта и связи (на 0,5%), сельского хозяйства (на 0,2%) [1]. При этом 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 [2]. В настоящее время в республике 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. Основным вектором работы становится привлечение крупнейших мировых лидеров во всех приоритетных направлениях деятельности в качестве якорных резидентов создаваемых и уже действующих в республике техно — и индустриальных парков. В связи с этим первостепенное значение приобретает проблема информационной прозрачности, мониторинга и априорной имитации результатов применения мер государственной поддержки региональной экономики. В этих целях ключевым направлением выступает анализ результатов производственной деятельности и моделирование экономического роста на основе системы региональных счетов. Отметим, что в современной инновационной экономике информация и знания являются наиболее значимым стратегическим ресурсом, задают общие рамки для оценки и инкорпорирования нового опыта и информации [3] и представляют собой то, что многие корпорации в большей мере производят, продают и приобретают [4]. Поэтому для управления устойчивым экономическим развитием региона особенно важно совершенствование классификации и методов прикладного анализа факторов экономического роста в экономике, основанной на знаниях. Для постановки данной проблемы использовано обобщение материалов научных публикаций, анализ и синтез положений системы национальных счетов ООН (стандарт 2008 года), неоклассической производственной функции, теоретических положений управления знаниями.
Информация и знания, воплощенные в продукты и услуги, представляют собой важнейший результат производственной деятельности, основной источник ценности [5], [6] и устойчивых конкурентных преимуществ [7] не только отдельно взятой корпорации, но и отдельного вида экономической деятельности, сектора экономики, региона и страны в целом. Несмотря на большое количество научных публикаций в области корпоративных знаний, вопросы управления знаниями и на основе знаний в мезоэкономике пока мало изучены [8], [9].Опираясь на классификационные признаки знаний [10], [11], [12], [13], [14], [15] и положения системы национальных счетов ООН (стандарт 2008 года) [16] можно утверждать, что система региональных счетов, предназначенная для количественного описания и анализа обобщающих результатов экономического развития является комплексной системой управления мезоэкономическими знаниями, представляет собой единое информационно-знаниевое пространство и обеспечивает средства анализа и принятия управленческих решений. Кроме того, система региональных счетов является непосредственным инструментом управления жизненным циклом мезо-экономических знаний: создание знаний — накопление знаний — передача знаний — распространение знаний — применение знаний — создание новых знаний и освобождение от устаревших знаний, и создает поле взаимодействия между видами деятельности, секторами и знаниями в инновационной экономике. Следует заметить, что представителем русской школы бухгалтерского учета И.Ф. Валицким в научном исследовании «Теория счетоводства в применении к народному хозяйству с приложением состояния счетов по экономике России» в 1877 году была предпринята попытка применить двойную запись и балансовое обобщение для отражения экономического оборота, национального богатства и взаимосвязей на этапах воспроизводственного процесса, различая потоки и запасы, классифицируя активы, пассивы и хозяйственные единицы [17]. В настоящее время региональные счета, как инструмент мезоэкономических измерений, формируют знания о ряде количественных (объем и качественный состав основного капитала, количество вовлекаемых в хозяйственный оборот ресурсов, стоимость трудовых ресурсов, рост предпринимательской активности) и качественных (степень монополизации рынков, цены на производственные ресурсы, налоги, кредитные ресурсы) факторов экономического роста. Поэтому моделирование экономического роста на основе показателей региональных счетов имеет ряд преимуществ. Во-первых, система региональных счетов, как система понятий и категорий, обеспечивает интерпретацию результатов расчетов, проведенных с помощью моделей. Во-вторых, в рамках системы региональных счетов определяются как эндогенные, так и экзогенные переменные моделей, что дает возможность априори регулировать параметры экономической политики и совершенствовать ее мероприятия. В-третьих, экономико-математические, статистические и эконометрические методы существенно дополняют инструментарий анализа региональных счетов и расширяют круг решаемых задач.
Подходы к макроэкономическому моделированию на основе национальных счетов были исследованы отечественными авторами в 1970–1980-е годы [18], [19]. Развитие методов анализа и прогнозирования региональной экономики на основе показателей системы региональных счетов выполнено в работах [20], [21], [22], [23], [24]. Анализ теории и практики прогнозирования экономического роста и программирования экономики позволяет выделить два основных направления моделирования экономического роста. Первое — связано с построением производственных функций, увязывающих экономический рост с динамикой факторов производства. Второе — предполагает моделирование производства и потребления на основе многосекторных моделей и межотраслевого баланса. В первом случае экономика рассматривается как целостная, неструктурированная единица. Ресурсы являются аргументами, а валовой выпуск или валовой внутренний (региональный) продукт — функцией. Во втором случае экономика структурирована и состоит из конечного числа секторов или «чистых» отраслей, производящих один или несколько продуктов. Экономический рост моделируется на основе баланса спроса и предложения факторов производства в секторах экономики. Переменные многосекторных моделей определяются в рамках системы национальных (региональных) счетов, а их взаимосвязи устанавливаются с помощью тождеств и функциональных уравнений. Статическая теория выводит изменения в переменных экономической системы из наблюдаемых изменений в основных структурных взаимоотношениях. Динамическая теория дает возможность вывести эмпирический закон изменения определенной экономики из данных, полученных в результате наблюдения за инвариантными структурными характеристиками в определенный момент времени и представляет собой динамическое продолжение статической картины затрат-выпуска. Основой динамического подхода является анализ потоков выпуска и затрат, подразделение переменных на экзогенные и эндогенные зависит не только от экономического содержания, но и от временного лага модели. Поэтому обратим внимание на взаимосвязь долгосрочной, среднесрочной и межотраслевой макромоделей. При долгосрочном планировании и программировании экономики особенно важно знать поведение доли сбережений, показателей технического прогресса и определяемые ими возможности экономического роста. Поэтому инвестиции в жилищное строительство, государственные инвестиции в основные фонды, внутреннее потребление сельского хозяйства в среднесрочной модели рекомендуется трактовать как экзогенные переменные. Для того, чтобы установить изменение этих переменных в будущем, необходимо обратиться к долгосрочным моделям. Одним из простых подходов к прогнозированию экономического роста может стать построение двух видов долгосрочных моделей. В первой главную роль играют инвестиции в государственный сектор экономики и жилищное строительство, как индикаторы благосостояния на долгосрочную перспективу, а во второй экономика подразделяется на два сектора: сектор первичного производства и сектор переработки и выполняется сравнение различий в производительности труда и в распределении инвестиций между частным и государственным секторами. При построении трехсекторной модели в экономике выделяются энергосырьевой, капиталосоздающий (производство инвестиционных товаров и услуг), потребительский секторы. Платежеспособный спрос превращается в потоки соответствующих денежных средств: спрос на продукцию энергосырьевого сектора — в оплату промежуточного потребления других секторов, спрос на продукцию капиталосоздающего сектора — в инвестиции в основной капитал, спрос на труд в потребительском секторе — в оплату труда. Трехсекторная модель экономики воспроизводит процессы накопления и потребления и позволяет учесть последствия осуществления инвестиций. Прежде всего, в момент своего осуществления инвестиции повышают совокупный спрос и увеличивают выпуск капитального сектора экономики и смежных секторов в рамках потенциальных возможностей. А в последующие периоды инвестиции увеличивают совокупное предложение вследствие прироста производственного капитала. Поскольку в среднесрочной макромодели основное значение придается эффективному спросу, необходимо иметь модель, которая исследует возможности роста предложения и дает определенное указание о соответствующем уровне частных и государственных инвестиций в основные фонды. Среднесрочная модель включает тождества, заимствованные из счетов национального дохода, а также доходы и расходы государственного сектора, связанные с деятельностью корпораций, домашних хозяйств и иностранного капитала.
Величины, характеризующие конечный спрос и являющиеся эндогенными переменными, оцениваемыми с помощью среднесрочной модели, разбиваются по секторам при помощи межотраслевой модели. Величины производимой продукции и импорта по секторам рассчитываются на основе коэффициентов прямых затрат и функций импорта; затраты труда и капитала, необходимые для производства данного объема продукции, устанавливаются с помощью производственных функций. В межотраслевой модели общий объем капитала оценивается как сумма капиталов в отдельных секторах, для которых объемы также устанавливаются с помощью производственных функций. Взаимосвязь различных моделей показана на рис.1. Долгосрочные модели обеспечивают базу для оценки экзогенных переменных в среднесрочной модели, а среднесрочная модель и межотраслевая модель определяют значения эндогенных переменных, необходимых для среднесрочных прогнозов и программ развития экономики. Межотраслевая модель позволяет детализировать конечный спрос и создает полезное средство контроля показателей среднесрочной модели. Отдельным классом моделей являются эконометрические модели, представляющие собой регрессионные уравнения, связывающие экзогенные и эндогенные переменные. С точки зрения адаптации к особенностям мезоэкономических измерений представляет интерес предложенная А.Е. Косаревым методика анализа и прогнозирования месячной динамики валового внутреннего продукта, основанная на использовании регрессионных зависимостей официально публикуемых данных [23]. Автором подчеркивается, что валовой внутренний продукт представляет собой один из самых сложных статистических инструментов. Получение его оценки опирается на интеграцию большого числа данных и выполнение сводных расчетов. Сложность разработки показателя предопределяет запаздывание в получении надежных оценок. Поэтому наименьшим периодом, для которого рассчитывается показатель валового внутреннего продукта, является квартал.
В качестве инструмента краткосрочного прогнозирования месячной динамики валового внутреннего продукта предложен показатель сводного экономического темпа, являющийся эндогенным в линейной модели множественной регрессии с пятью регрессорами — реальные темпы месячного объема промышленного производства, сельскохозяйственного производства, подрядных работ, розничного товарооборота, месячных расходов консолидированного бюджета.
Рис.1. Взаимосвязь долгосрочных, среднесрочной и межотраслевой макромоделей
При моделировании процесса производства в регионе эконометрические модели применяются успешнее в тех ситуациях, когда динамика изучаемых процессов не претерпевает скачкообразных изменений. Наиболее известна региональная модель для экономики Филадельфии, содержащая 228 уравнений, из которых 105 являются стохастическими. В ней определено 30 экзогенных переменных национального уровня и 17 экзогенных переменных регионального уровня [25]. В отечественной практике широкую известность приобрела модель для прогнозирования развития экономики региона в краткосрочном периоде как система одновременных регрессионных уравнений, содержащая 17 эндогенных переменных реального сектора экономики, 10 эндогенных переменных финансового сектора и 8 эндогенных переменных конечного спроса [21]. Для получения поквартального прогноза предложено применять шесть опорных индикаторов развития экономики: соотношение средней заработной платы в промышленности и в экономике в целом, средняя заработная плата одного работника по экономике в целом, среднемесячные потребительские расходы на душу населения, производительность труда в промышленности, доля численности занятых в промышленности в общей численности занятых, доходы консолидированного бюджета. Заметим, что в современных исследованиях отмечена важность решения проблемы выбора разных экзогенных переменных для разных регионов с целью получения целостной картины регионального развития [26].
Изложенные выше модели опираются на анализ конкурентных долгосрочных и краткосрочных прямых экстенсивных ресурсных, либо структурных факторов экономического роста, не акцентируя внимание на технические и научные. Тем не менее, основными факторами развития экономики знаний становятся материальные и нематериальные интеллектуальные инвестиционные товары, производимые и эксплуатируемые человеческим капиталом инновационного характера [27], а инновативность населения завершает иерархию факторов регионального развития [26]. Как следствие, допущение постоянных уровней технологии в неоклассической производственной функции F(K,L,T) [28, c.40] в настоящее время ослабевает. Поэтому, согласно модели Солоу-Свэна [28, c. 43], изменения в уровне технологии в виде сдвигов производственной функции смещают кривую валового инвестирования и воздействуют на величину подушевого потребления, подчеркивая, тем самым, необходимость измерения и моделирования инноваций в секторах экономики и видах экономической деятельности.
В настоящее время вопрос эндогенных механизмов роста является одним из ключевых в углублении теорий роста [29]. В современной экономической литературе согласно неоклассической производственной функции выделяют три основные группы ресурсов экономического роста: физические ресурсы, труд, знания и технологии [28, c.36]. 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 [30]: 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 [31]: 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 [32]. 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» [33]. Однако по настоящее время данная дефиниция не имеет однозначного толкования, она не определена системой национальных (региональных) счетов. Общепринято в данную сферу объединять наукоемкие производства и услуги. Наряду с этим, основная функция корпораций в настоящее время — интегрировать знания в товары и услуги с целью получения конкурентного преимущества, значительно расширяет границы данной сферы. По нашему мнению, сфера производства и распространения знаний может быть агрегирована в разрезе каждого вида экономической деятельности, сектора экономики, в которых повсеместно осуществляется интеграция информационных ресурсов, идей и опыта персонала корпораций, социальное взаимодействие, внедрение инноваций — новых знаний. Тем самым подтверждается определение знания как «метаресурса» [34] и его важная роль в извлечении большей ценности, улучшении эффективности деятельности и поддержке конкурентного преимущества его владельца. Представляется необходимым отметить, что эндогенная природа знания обусловливает целесообразность определения отдельной классификационной группы факторов экономического роста — когнитивных факторов. Для измерения и моделирования взаимосвязей, качественных и количественных когнитивных факторов производственной деятельности с параметрами экономического роста и динамического равновесия социально-экономической системы региона можно применять систему «индикаторов знаний» для своевременной оценки изменений в инновационной экономике. Информационной базой стоимостных «индикаторов знаний» является система региональных счетов. Конструирование системы «индикаторов знаний» направлено на расчет трех интегральных индексов: интегральный лидирующий индекс (динамика индекса предшествует изменениям в экономическом развитии); интегральный совпадающий индекс (динамика индекса совпадает с изменениями в экономическом развитии); интегральный запаздывающий индекс (изменения индекса отстают от динамики экономического развития). Для эмпирического исследования и измерения весовых коэффициентов данных индексов представляется возможным выполнение эконометрического анализа 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. Для измерения и моделирования гетерогенности инноваций в разрезе видов экономической деятельности, секторов экономики, учета индивидуальных особенностей каждого региона можно воспользоваться моделью панельных данных с фиксированными эффектами.
В заключение отметим, что специалистами выделено три драйвера роли управления знаниями в развитии инноваций [35]: возможность создания и поддержания конкурентного преимущества путем использования знаний — через сотрудничество и обмен знаниями; доступность знаний и существенное значение managing knowledge; интеграция внутренних и внешних знаний для улучшения их доступности и обмена. Данные драйверы применимы и к управлению знаниями в современной инновационной экономике региона. Знания, аккумулируемые корпорациями в системе региональных счетов, позволяют анализировать и прогнозировать экономическое развитие региона и рассматривать систему региональных счетов как систему управленческих знаний. Отметим ее особенности, ограничивающие доступность и обмен знаниями: разнообразие и большое количество корпораций, реализующих деятельность региона, сложность информационных потоков, ограниченность информационных ресурсов, в частности о межрегиональных потоках товаров и услуг, финансовых ресурсах, ряд методологических проблем на внутринациональном уровне. В целом, обобщая изложенные теоретические положения, можно сформулировать наиболее общие принципы управления знаниями в экономике региона:
— формализация знаний, то есть накопление и сохранение мезоэкономических знаний;
— полезность знаний, то есть возможность определить, какие знания необходимы, где они имеются, как их можно приобрести и передавать, чтобы обеспечить региону и корпорациям конкурентные преимущества;
— технологичность знаний, то есть применение современных информационных технологий для управления жизненным циклом знаний в системе региональных счетов;
— открытость знаний, то есть устранение барьеров, препятствующих обмену знаниями и доступности информации региональных счетов;
— социализация знаний, то есть для повышения профессионализма включать в работу обмен знаниями, приобретение знаний и его многократное использование;
— кооперация знаний, то есть передача лучшей практики — наиболее эффективная стратегия для обмена знаниями между видами деятельности и секторами экономики, регионами, с «остальным миром».
По мнению Томаса Джефферсона, идея в момент разглашения переходит во владение всех и каждого и получатель не может оградить себя от этого владения, никто не владеет идеей частично, из-за того, что любой другой владеет ею полностью [28]. Формирование инновационной экономики и решение задач по повышению конкурентоспособности, позволяющие обеспечить стабильное экономическое развитие, переносят акцент с анализа и прогнозирования ресурсных факторов экономического роста в производственной деятельности на моделирование развития наукоемких видов экономической деятельности, на управление жизненным циклом не только корпоративных, но и мезоэкономических знаний. В настоящее время точками роста региональной экономики, основанной на знаниях, являются территориально-производственные кластеры с инфраструктурными элементами хозяйственной и научной деятельности, различающиеся по видам деятельности, характеру и объему выполняемых функций, оказываемых услуг и способов поддержки инновационной деятельности. Поэтому актуальной становится задача информационного обеспечения моделирования региональной экономики на основе создания, обмена и использования знаний об инновациях в разрезе видов и секторов экономической деятельности. По нашему мнению, создание и непосредственное использование инструментов управления знаниями в мезоэкономике на основе вышеизложенных принципов и сетевое взаимодействие можно рассматривать как один из основополагающих элементов инновационной инфраструктуры и одно из ключевых условий развития инноваций — новых знаний. Выделение сферы производства и распространения знаний в качестве классификационного признака в методологии мезоэкономических измерений позволит моделировать тенденции экономического развития с учетом результатов инновационной деятельности и анализировать эффективность инноваций в регионе.


Литература
1. Итоги деятельности Министерства экономики Республики Татарстан. — Казань: Министерство экономики Республики Татарстан, 2014. — C. 9–10.
2. 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.
3. Гапоненко А.Л. Управление знаниями. Как превратить знания в капитал. — М.: Эксмо, 2008. — С.187.
4. Абдикеев Н.М. Управление знаниями корпорации и реинжиниринг бизнеса. — М.: ИНФРА-М, 2011. — C. 34.
5. Drucker P.F. The new society of organizations // Harvard Business Review. Vol. 22. — 1995. — № 5. — P. 95–104.
6. Grant R.M. Towards a knowledge-based theory of the firm // Strategic Management Journal. Winter Special Issue. — 1993 — № 17. — P. 109–122.
7. Nonaka I. The knowledge-creating company // Harvard Business Review. Vol. 69. — 1991. — № 6. — P. 96–105.
8. Ашмарина С.И., Татарских Б.Я. Региональные проблемы информатизации Самарской области // Экономика региона. — 2007. — № 1. — С. 111–121.
9. Ковалевский В.П., Буреш О.В., Жук М.А., Калиева О.М. Аккумуляция знаний в информационном пространстве предприятий региона. — М.: Финансы и статистика, 2011.
10. Polanyi M. The Tacit Dimension. — London: Routledge&Kegan Paul, 1966.
11. Экк K. Знание как новая парадигма управления // Проблемы теории и практики управления. –1998. — № 2. — С. 68–73.
12. Мильнер Б.З. Управление знаниями. — М.: Инфра — М, 2003.
13. Боункен Р.Б. Строение организационного знания на виртуальных предприятиях // Проблемы теории и практики управления. — 2004. — № 6. — С. 77–84.
14. Дресвянников В.А.Управление знаниями организации. — М.: КНОРУС, 2010.
15. Нонака И., Такеучи Х. Компания — создатель знания. Зарождение и развитие инноваций в японских фирмах. — М.: ЗАО «Олимп — Бизнес», 2011.
16. Тhе System of National Accounts 2008. URL: http://unstats.un.org/unsd/nationalaccount/docs/SNA2008Russian.pdf
17. Валицкий И.Ф. Теория счетоводства в применении к народному хозяйству с приложением состояния счетов по экономике России. — CПб: Тип. В.С. Балашева, 1877. — С.3–14.
18. Ершов Э.Б. Макроэкономические модели планирования и прогнозирования / Под ред. Э.Б. Ершова. — М.: Статистика, 1970.
19. Зайцев В.К. Система национальных счетов и государственное программирование в Японии. — М.: Наука, 1984.
20. Стрельцов А.В. Экономический рост промышленности региона и его инновационно-инвестиционное обеспечение. — Самара: Изд-во Самар. гос. экон. ун-та, 2007.
21. Зарова Е.В, Хасаев Г.Р. Эконометрическое моделирование и прогнозирование развития региона в краткосрочном периоде. — М.: Экономика, 2004.
22. Зарова Е.В. Статистические индикаторы краткосрочных экономических циклов в развитии региона. — Самара: Изд-во Самар. гос. экон. ун-та, 2010.
23. Косарев А.Е. Анализ и прогнозирование на основе национальных счетов и платежного баланса: развитие методов. — М.: Статистика России, 2005.
24. Цыбатов В.А. Моделирование экономического роста. — Самара: Изд-во Самар. гос. экон. ун-та, 2006.
25. Гликман Н. Эконометрический анализ региональных систем. — М.: Прогресс, 1980.
26. Кузнецова О. Пирамида факторов социально-экономического развития регионов // Вопросы экономики. — 2013. — № 2. — С. 121–131.
27. Иншаков О.В. Коллаборация как глобальная форма организации экономики знаний // Экономика региона. — 2013. — №3. С. 38–45.
28. Барро Р. Дж., Сала-и-Мартин X. Экономический рост. — М.: Бином, 2014.
29. 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.
30. Гордон Р. Дж. Закончен ли экономический рост? Шесть препятствий для инновационного развития // Вопросы экономики. — 2013. — № 4. — С. 49–67.
31. Aghion P., Howwit P. A model of growth through creative destruction // NBER 1050 Massachusetts. January 1990. URL: http://www.nber.org/
32. 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.
33. Махлуп Ф. Производство и распространение знаний в США. — М.: Прогресс, 1966.
34. Berg H.A. Three shapes of organizational knowledge // Journal of Knowledge Management. — Vol. 17. — 2013. — № 2. — P. 159–174.
35. Plessis M. The role of knowledge management in innovation // Journal of Knowledge Management. Vol. 11. — 2007. — № 4. — P. 20–29.

Вернуться к содержанию номера

Copyright © Проблемы современной экономики 2002 - 2020
ISSN 1818-3395 - печатная версия, ISSN 1818-3409 - электронная (онлайновая) версия