Концепция и моделирование экономико – технологической реальности региона

О.А. Романова
А.В. Гребенкин
В.В. Акбердина
Статьяподготовлена при финансовой поддержке проекта «Экономика знания: институтырегионального развития»программы фундаментальных исследований Президиума РАН№28«Экономика и социология знания»
Вшироком проблемном поле экономики знаний ведется активный поиск реальныхособенностей проявления порожденных знанием инноваций на всех уровнях. При этомсправедливо отмечается, что наступила фаза непрерывных технологическихреволюций, изменяющих как производственную базу промышленности, так и«структурные характеристики всего комплекса социально-экономических отношений»[1, с. 119]. Ключевую роль в изменении производственной базы играет технология(точнее, ряд новых технологий), причем институциональная теория прямо увязываеттехнологию и институты, которые «рассматриваются как способ выбора междутехнологическими альтернативами» [2, с. 128]. Все больше внимания уделяетсяконвергентным технологиям (NBIC: nano-, bio-, info-, cognitive) [3, 4], в которыхполучение и реализация знаний вплетены в общий код технологического развития.
Взаимодействиеновых технологий с экономикой, выступающей в виде внешней среды, в наложении надействующую технологическую базу создает образ экономико-технологическойреальности — нового понятия экономики знаний. Это понятие есть развитие понятия«техническая реальность», причем признается, что «технологии техническойреальности специально и системно пока не исследовались» [5, с. 53; 6]. В узкомсмысле технология — это способ преобразования вещества, энергии, информации впроцессе изготовления продукции, обработки и переработки материалов, сборкигото-вьгх изделий, контроля качества, управления. Технология включает в себяметоды, приемы, режим работы, последовательность операций и процедур, она тесносвязана с применяемыми средствами, оборудованием, инструментами, используемымиматериалами. В процессе целенаправленной трудовой деятельности человек спомощью созданных им средств труда преобразует предмет труда в необходимый емупродукт. Таким образом, вычленяя из технической реальности технологию и продукт,накладывая на них экономические отношения и определяя их взаимосвязи ивзаи-мообусловность с институциональной сферой, получаем предметное полепонятия экономико-технологической реальности.
Экономико-технологическаяреальность может быть рассмотрена в контексте как экономики знаний, так исинергетики и созданной на ее основе концепции эволюционной экономики.
Экономико-технологическаяреальность в фокусе экономики знаний — это множество технологических решений ипродуктов, созданных посредством накопления человеческих знаний и существующихв одном информационном поле, включающем в себя экономические отношения иинституциональную среду.
Вместес тем экономико-технологическая реальность имеет тесную предметную связь ссинергетикой — междисциплинарным направлением научных исследований, изучающихпроцессы самоорганизации и возникновения, поддержания устойчивости и распадаструктур самой различной природы [7]. В контексте синергетическо-го подходаэкономико-технологическая реальность — это неравновесная, саморазвивающаяся, воспроизводящаясяцелостность иерархически структурированных элементов, способных самостоятельноэволюционировать на основе технологического отбора и по экономическим законам.Именно в контексте синергетического подхода в дальнейшем будет рассматриватьсяи моделироваться экономико-технологическая реальность региона.
Неравновесностьэкономико-технологической реальности является необходимым условием появленияновой организации, нового порядка, новых форм проявления, т.е. развития. Самымважным представляется то, что экономико-технологическая реальность наделяетсяпринципиальной самостоятельностью, самоцелью развития. Именно здесьзакладываются основы понимания техноэволюции, движущей силой которой выступаетинформационный отбор.
Внаучно-техническом прогрессе единицей отбора служит технология. Технология — это,в сущности, человеческое представление о способе использования ресурса. Кресурсу в обобщенном понимании можно относить сырье, труд, капитал и другиефакторы производства, а также соответствующий потребительский рынок — словом, все,за что в принципе могут конкурировать альтернативные инновационные типыпроизводства. Вокруг каждой из технологий формируется специфическаяинституциональная инфраструктура. Группа экономических агентов, объединеннаяконкретной технологией, обладает единым генотипом. Установившаяся в результатеокончательного отбора доминирующая технология становится новойтехнико-экономической парадигмой.
Чтобыполучить концептуальную картину эволюции экономико-технологической реальности, необходимо,как и в биологии, выделить две основные эволюционные стадии развития:дивергентную и конвергентную. Каждая из стадий самоорганизации подготавливаетусловия для другой. И на той, и на другой стадии вследствие эвристическойприроды инновационной деятельности постоянно возникают различные вариациидоминирующей технико-экономической парадигмы и происходит последующийконкурентный отбор одной технологии из нескольких альтернативных.
Главноеотличие эволюционных стадий друг от друга состоит в следующем. На дивергентнойстадии появляется технология, способная к освоению качественно иного ресурса.Обычно такие технологические вариации не дают селективных преимуществ в контекстесложившихся условий существования экономической системы. Они могут успешноучаствовать в отборе именно тогда, когда вследствие изменения условийсуществования прежний тип технологии становится функционально неадекватным.Причиной, как правило, служит истощение привычных источников используемогоресурса. При этом результатом отбора является утверждение новойтехнико-экономической парадигмы, что и составляет сущность дивергентной стадииэкономического развития на любом уровне — начиная от подотрасли и кончаямировым хозяйством в целом.
Наконвергентной стадии существующие и возникающие вновь технологии используютодин и тот же ресурс. Отбор приводит к увеличению эффективности ужеутвердившихся типов технологий или форм хозяйствования в рамках господствующейпарадигмы. Происходит совершенствование — адаптация парадигмы к даннымэкономическим условиям существования.
Конвергентныестадии сменяются дивергентными через промежуточные стационарные стадии.Последние соответствуют полностью оформившимся технико-экономическим парадигмам,потенциал которых находится в определенном балансе с потреблением ресурса. Видеализированной ситуации, когда ресурс практически неограничен, а прочиеокружающие условия постоянны, стационарная стадия может продолжаться сколь угоднодолго. Реально она сменяется дивергентной стадией после того, как ресурс, используемыйгосподствующим типом технологии, по тем или иным причинам истощается. Такимобразом, причиной угасания прежней парадигмы и перехода к новой служитисчерпание ресурса. Или, говоря традиционным экономическим языком, условия дляпоявления новой парадигмы созревают тогда, когда возможности дальнейшегоприбыльного инвестирования в расширение производства в рамках предыдущейисчерпываются. В новых условиях прежний технологический стереотип уже неявляется наиболее эффективным.
Инновационно-инвестиционнаядинамика рассматривается нами как суть изменчивости экономико-технологическойреальности.
Мировойопыт показывает, что в современной ситуации снижается возможность управленияинновационными процессами на национальном уровне. Это связано в первую очередьс тем, что национальные границы в инновационных процессах стираются, так кактранснациональные корпорации разбивают цепочки добавленной стоимости иразмещают их там, где находят локальные преимущества. Регион становитсяестественной инновационной областью в условиях глобализации. Географическаялокализация представляет собой большое преимущество при развитии инновационнойсистемы, так как это упрощает коммуникации и обмен неявными знаниями междуспециализированными организациями. В этой связи региональный аспект анализаэкономико-технологической реальности, изучение ее динамических характеристикможет подсказать многое для формирования региональной научно-техническойполитики.
Изучениевзаимодействия конвергентных технологий с экономическими показателямиотдельного региона пока представляет значительные трудности, поэтому дальнейшийанализ проводился по доступным инновационным экономическим параметрам.Значительная часть инновационных показателей не охвачена официальнойстатистикой. Сами технологические изменения приобретают все более размытый итрудноуловимый характер, не вписываясь в известные ритмынаучно-производственных и технологических циклов. Если раньше обновлениеосновных фондов занимало десятилетия, то сегодня на передовых рубежах НТПоборудование меняется в течение нескольких лет. Многие виды интеллектуальнойдеятельности, вносящие весомый вклад в прирост ВВП, вообще не требуютоборудования. По свидетельству экспертов, сегодня в США примерно 45 млн. чел.используют в качестве средства производства только свой интеллект, подкрепленныйперсональным компьютером [8]. Происходит резкое сокращение срока реализациинаучных открытий: средний период освоения нововведений с 1885 по 1919 г. составил 37 лет, с 1920 по 1944 г. — 24 года, с 1945 по 1964 г. — 14 лет, а в 90-е годы ХХ в. для наиболее перспективных открытий (электроника, атомная энергетика,лазеры) — 3-4 года [9].
Присетевой организации современного бизнеса, перешедшего к непрерывномуинновационному процессу и использующего CALS-технологии (непрерывноесовершенствование и поддержка жизненного цикла продукции) в глобальныхмасштабах, размывается физическая основа привычных ритмов экономического роста,замедляется его цикличность. Вместо последовательного прохождениянаучно-производственного цикла по фазам НИР, ОКР, проектирования и освоениямассового производства происходит совмещение этих стадий. Производствостановится сферой реализации научных достижений [10]. В экономике знанийнепрерывный поток нововведений ускоряет процесс обновленияматериально-технологической основы производственной деятельности, котораястановится все более разнообразной и все менее уловимой в традиционныхагрегатных показателях. Все это, разумеется, не означает невозможностипроведения корректных измерений. Требуется правильное понимание содержанияизмеряемых процессов.
Вэтой связи основой моделирования технико-экономического развития должна статьэкономико-технологическая реальность, понимаемая в категориях синергетическогоподхода и включающая нелинейные взаимосвязи неравновесных процессов обновлениякапитала, технологических изменений и социально-экономического роста в открытыхэкономических системах.
Исследованиясинергетических моделей управления социально-экономическими системамистановятся в последнее время особенно востребованными. В рамках синергетическихпредставлений развитие экономической системы представляет собой качественноеизменение ее структуры и функционирования за счет кооперативного взаимодействияее компонентов. В известных книгах по синергетике и теории катастроф Г. Хакена[11], Ф. Муна [12], В. Арнольда [13], Г. Гилмора [14] можно найти достаточномного ссылок на возможность применения методов этого зарождающегося направленияв теории управления, экономике, социологии.
Вданной работе реализован метод квазистатических неравновесных потенциальныхфункций [15], в качестве которых для региона выступают максимизируемые валоваядобавленная стоимость (валовой региональный продукт) и денежные доходынаселения региона. Применение данного метода позволяет описать их нелинейноевзаимодействие с другими показателями.
Работызарубежных и российских авторов показали, что исследование устойчивостистационарных состояний эффективно осуществляется методами теории катастроф [14],которая позволяет в результате обработки исторических (статистических) данных осоциально-экономическом положении региона дать оценку текущего состояния сточки зрения локальной или глобальной устойчивости в наглядном графическом виде,определить точки равновесия и исследовать временную деформацию потенциальныхфункций, а значит и формализовать на мезоуровне задачи так называемого устойчивогоразвития объектов и управления ими [15].
Вцелях проверки моделей экономико-технологической реальности были обработаныстатистические данные по Свердловской области за период 1994-2007 гг.Статистические данные, участвовавшие в процессе анализа, исследовались как вполном объеме, так и по частям. Декомпозиция производилась в соответствии спринципом поиска локальных максимумов и минимумов, суть которого заключается визучении изменения тенденции поведения системы на небольших интервальныхучастках. В связи с этим фиксируется момент изменения тенденции, который иявляется началом нового интервала. В результате получаются интервалы данныхразличной продолжительности. Таким образом, обеспечивается более точнаяаппроксимация моделью экспериментальных данных на каждом из участков разбиения.
Большоевнимание уделено определению устойчивости текущего социально-экономическогоположения Свердловской области, описанию бистабильных и хаотических режимов впредкризисном периоде 1995-1997 гг., в период кризиса 1998 г., в период последующего восстановительного роста 1999-2003 гг. и в период стабилизацииразвития до 2008 г.
Вданной работе использован метод диаграммного анализа текущих состояний объектаисследования, который позволяет по диаграммам идентифицировать текущиесостояния экономики Свердловской области, определять их устойчивость, локальнуюили глобальную, области метастабильных состояний и особых (критических) точек, атакже отслеживать их изменение.
Числоанализируемых показателей является ограниченным: V — валовой региональныйпродукт, M — денежные доходы населения, I — инвестиции в основной капитал, R — внутренниезатраты на исследования и разработки, P — численность постоянного населения.
Вматематических моделях использовались относительные величины, имеющиеопределенный экономический смысл:
Показателина 1 руб. затрат на исследования и разработки:
e- экономическая эффективность затрат на исследования и разработки (V/R);
s- социальная эффективность затрат на исследования и разработки (M/R);
c- обеспеченность инновационных процессов необходимым приростом основных фондов(I/R).
Показателина душу населения:
v- валовой региональный продукт (V/P);
m- денежные доходы (M/P);
i- инвестиции в основной капитал (I/P);
r- внутренние затраты на исследования и разработки (R/P).
Темповыепоказатели:
tV- среднегодовой темп роста валового регионального продукта;
tM- среднегодовой темп роста денежных доходов на душу населения;
tI- среднегодовой темп роста инвестиций в основной капитал;
tR- среднегодовой темп роста внутренних затрат на исследования и разработки.
Частьотносительных показателей в зависимости от конкретных тактических истратегических задач, стоящих перед органами управления, могут выступать вкачестве критериев управления.
Врамках исследования были выдвинуты и проверены некоторые гипотезы.
Анализлитературы показал, что наиболее распространенный способ моделированияэкономических систем — построение модели типа «тренд + циклическая составляющая+ случайная компонента». В реальности данная модель является достаточно жесткойи не отражает особенностей поведения экономической системы.
Главнаяидея нелинейной динамики состоит в том, что многие сложные системы могут бытьпросто описаны с помощью нескольких переменных — параметров порядка. В наиболееважных областях пространства параметров, где меняется число или устойчивостьрешений, систему можно описывать с помощью одних и тех же соотношений. Этотребует локального анализа поведения системы [16].
Вданном исследовании выдвигались к рассмотрению следующие виды нелинейныхмоделей:
экспоненциальнаяфункция: y = aebx (1)
логарифмическаяфункция: y = a + b 1n x (2)
степеннаяфункция: y = axb (3)
полиномиальнаяфункция: y = a + b1x + b2x2 +… + bnxn (4)
Указанныевиды нелинейных функций использовались для аппроксимации потенциальных функцийк фактическим статистическим данным для следующих зависимостей:
e= ƒ (c) (5)
v= ƒ (c) (6)
v= ƒ (r) (7)
Первымэтапом нелинейного моделирования ЭТР является выбор аппроксимирующей функции(1)-(4) для ограниченного числа взаимосвязанных показателей (5)-(7). Обработкаэкспериментальных данных в каждом случае проводилась методом наименьшихквадратов. Во всех случаях опытным путем было доказано, что наилучшей аппроксимирующейфункцией является полиномиальная функция различных степеней вида (4). Вдальнейшем сравнение прогностических качеств моделей проводилось только почислу степеней полинома.
Длядальнейшего моделирования зависимостей были составлены корреляционные матрицы(табл. 1-3) с целью отбора тех показателей, между которыми наблюдается сильнаятеснота связи.
Естественнымобразом подтвердилось наличие тесной связи между среднедушевым ВРП и такимипоказателями, как инвестиции и затраты на исследования и разработки, приведенныена душу населения. Значимая корреляция наблюдается между денежными доходами иинвестициями на душу населения, а также затратами на исследования и разработки(табл. 1).
Таблица1
Корреляционнаяматрица для среднедушевых показателей ВРП на душу населения Инвестиции на душу населения Затраты на исследования и разработки на душу населения Денежные доходы на душу населения ВРП на душу населения 1, 00 0, 99 0, 81 0, 93 Инвестиции на душу населения 0, 99 1, 00 0, 82 0, 94 Затраты на исследования и разработки на душу населения 0, 81 0, 82 1, 00 0, 95 Денежные доходы на душу населения 0, 93 0, 94 0, 95 1, 00
Установленоналичие тесной связи между показателями, приведенными на 1 руб. затрат наисследования и разработки. В частности, это связи по парам «экономическаяэффективность инноваций и обеспеченность инноваций приростом основных фондов», «социальнаяэффективность инноваций и обеспеченность инноваций приростом основных фондов»(табл. 2).
Таблица2
Корреляционнаяматрица для показателей, приведенных на 1 руб. затрат на исследования иразработки Экономическая эффективность затрат на исследования и разработки Обеспеченность инновационных процессов необходимым приростом основных фондов Социальная эффективность затрат на исследования и разработки Экономическая эффективность затрат на исследования и разработки 1, 00 0, 88 0, 65 Обеспеченность инновационных процессов приростом основных фондов 0, 88 1, 00 0, 82 Социальная эффективность затрат на исследования и разработки 0, 65 0, 82 1, 00
Покорреляции темповых показателей выяснено, что существует прямая достаточнозначимая связь темпов роста ВРП и темпов роста инвестиций. Теснота связи темповроста ВРП и темпов роста затрат на исследования и разработки — средняя, чтоможет свидетельствовать о наличии временного лага между вложениями висследования и производством добавленной стоимости (табл. 3).
Таблица3
Корреляционнаяматрица для темповых показателей Темп роста ВРП Темп роста инвестиций Темп роста затрат на исследования и разработки Темп роста денежных доходов Темп роста ВРП 1, 00 0, 90 0, 67 0, 73 Темп роста инвестиций 0, 90 1, 00 0, 64 0, 68 Темп роста затрат на исследования и разработки 0, 67 0, 64 1, 00 0, 79 Темп роста денежных доходов 0, 73 0, 68 0, 79 1, 00
Парызависимостей, по которым наблюдалась тесная связь (коэффициент корреляции 0, 70-0,99), обработаны полиномами различных степеней. Так, например, в большинствеслучаев экспериментальные данные обрабатывались полиномом 4-й степени:
y = b0 + b1x + b2x2 + b3x3 + b4x4. (8)
Параметрыb0, b1, b2, b3, b4 определялись для функции y=ƒ (x) на основаниистатистических данных.
Оценкамодели e = ƒ (c). В исследовании было рассмотрено обособленное влияниеинвестиций — модель v=ƒ (i) — и затрат на исследования и разработки — модельv=ƒ (r) — на ВРП. Вместе с тем необходимо понимать, что эти процессыпроисходят одновременно. Рост валовой добавленной стоимости, а соответственно идоходов населения, приводит к росту валовых сбережений, что в свою очередьувеличивает валовые инвестиции. Исследования и разработки, воплощенные вконечной продукции, увеличивают валовую добавленную стоимость и предъявляютбольшой спрос на инвестиционные ресурсы для обновления основного капиталапредприятий. При этом потенциал использования как старого, так и нового знаниязависит от имеющегося запаса основного (физического) капитала и от темпа егонакопления. В то же время само накопление физического капитала представляетсобой не что иное, как воплощаемое в экономике новое знание.
Ключевойхарактеристикой экономически растущего общества является «технологическийдинамизм»; чем он больше, тем выше расположена выпуклая кривая техническогопрогресса в осях координат «темп роста выпуска (добавленной стоимости) — темпнакопления капитала (инвестиций)» — рис. 1. При этом выпуклость отражаетизвестное свойство убывающей производительности капитала.
Такимобразом, экономическое развитие определяется как капиталовооруженностью и еединамикой, обусловленной, прежде всего, инвестициями, так и затратами на НИОКР.Кроме того, при моделировании инвестиционно-инновационной динамики важноучитывать определенный лаг (временное запаздывание) в изменении роста валовойдобавленной стоимости от прироста инвестиций и затрат на исследования иразработки. На рис. 2 показана динамика ВРП текущего года на рубль затрат наНИОКР предыдущего года и динамика инвестиций на рубль затрат на НИОКР с лагом водин год.
/>
Нарис. 2 отчетливо видно, что в кризисный 1998 г. экономическая эффективность затрат на исследования и разработки, хотя и существенно уменьшилась, но не достигламинимального значения. Минимальные значения ВРП на рубль затрат на НИОКР иобеспеченность НИОКР инвестиционными ресурсами приходятся на началостабилизации экономического роста — 2002 г.
/>
Этоможет быть объяснено тем, что в момент завершения периода восстановительногороста небольшой прирост затрат на НИОКР резко увеличивает полезностьинновационной продукции. При этом существующий спрос начинает удовлетворятьсяпутем выпуска меньшего числа продуктов и за достаточно короткое время.
Темне менее спад 1998 г. был достаточно резким. К этому привела аморфностьнаучно-промышленной политики в течение всего периода радикальных экономическихпреобразований, проявившаяся в слабой стуктурированности целей инедостаточности мер прямой и косвенной поддержки инновационной деятельности.
Своевременногои адекватного возмещения финансово-ресурсной базы для инновационнойдеятельности за счет собственных (внутренних) источников предприятий илизаемных средств не произошло, да и не могло произойти в силу того, что высокаяактивность в высокозатратной инновационной сфере может быть обеспечена толькопри условии доминирующей роли государства и его финансовой поддержке.
После 2002 г. начинается период стабилизации роста, когда ежегодное приращениеобеспеченности НИОКР инвестиционными ресурсами в свою очередь вызывает ростэкономической эффективности затрат на исследования и разработки. Впредкризисный 2007 г. инвестиции на рубль затрат на НИОКР продолжают расти, ноэкономическая эффективность этих затрат начинает снижаться.
Приведенныевыше выкладки позволяют экономически интерпретировать модель e=ƒ (c).Модель описывает зависимость экономической эффективности инноваций (ВРП на 1руб. затрат на исследования и разработки предыдущего года) от показателя с — обеспеченностиНИОКР необходимым притоком инвестиций за предыдущий период (рис. 3).
/>
Рис.3. Потенциальная функция для зависимости экономической эффективности НИОКР отобеспеченности НИОКР инвестиционными ресурсами за предыдущий период поСвердловской области за 1995-2007 гг.: аппроксимирующая функция — полином 6-йстепени
Следуетзаметить, что с точки зрения общей теории система, в которой может успешнопроисходить возникновение и распространение новшеств, должна обладатьопределенными структурными свойствами. Основное свойство с позиции объясненияэволюции системы связано с понятием структурной устойчивости. Под этим обычноподразумевается реакция рассматриваемой системы на введение в нее новыхэлементов (технологий, продуктов, организационно-управленческих решений и т.п.), способных увеличивать поле своей активности и вовлекать во взаимодействиедругие элементы и процессы, происходящие в системе. По-видимому, в достаточнообщей ситуации успешное внедрение новшеств связано с «расшатыванием»структурной устойчивости системы путем создания для нее сильно неравновесныхусловий. Таким образом, система, в которой новшества успешно применяются имогут перестроить систему на новый режим работы, должна обладать некоторойструктурной неустойчивостью в смысле неспособности противостоять возникающимструктурным флуктуациям.
Нарис. 3 показаны достаточно существенные флуктуации региональнойсоциально-экономической системы. Учитывая большое число колебаний фактическихданных, в качестве аппроксимирующей функции был использован полином 6-йстепени. Динамика фактических показателей может при этом рассматриваться какхаотическая [15].
Нарис. 3 три минимума и два максимума функции e=ƒ (c). Крайний левый минимумописывает ситуацию 2002 г., рассмотренную выше. Два других минимума позволяютсделать достаточно убедительный вывод о наличии бифуркации винвестиционно-инновационной сфере в преддверии системных кризисов. Два устойчивыхминимума экономической эффективности НИОКР, примерно равных по величине, возникаютпри разных значениях параметра «с».
Правыйминимум соответствует низкому значению затрат на НИОКР в предкризисные1996-1997 гг. В те годы действительно имело место недофинансирование сферыНИОКР со стороны государства, а у частных предприятий не было средств напроведение исследований и разработок. Это привело к тому, что в этот периодпараметр с был один из самых больших за весь анализируемый период. Среднийминимум соответствует ситуации 2006-2007 гг. В этот период и затраты на НИОКР, иинвестиции прирастали достаточно высокими темпами, что привело к относительномуснижению параметра с. Таким образом, экономическая эффективность инновацийможет достичь минимума при различных значениях обеспеченности НИОКРинвестиционными ресурсами.
Согласноэкспериментальным данным, максимальное значение экономической эффективностиНИОКР наблюдается при больших значениях параметра с, что соответствует ситуации,когда инвестиции прирастают большими темпами, чем прирастают затраты наисследования и разработки. Однако может наблюдаться и иная ситуация, когдавысоким значениям экономической эффективности НИОКР соответствуют малыевеличины затрат на исследования и разработки. При этом важно отслеживать«качество» этих затрат и направленность применения результатов НИОКР (нано- ибиотехнологии, информационные технологии, эффективная энергетика, высокотехнологичноездравоохранение и др.). Относительно небольшие затраты на исследования в этих отрасляхэкономики дадут колоссальный экономический эффект.
Говоряо «качестве» затрат на исследования и разработки, необходимо остановиться на«инновационных ловушках развития». Для понимания сути этого явлениявоспользуемся терминологией Д. Норта [17]. Как отмечает Д. Норт, «приращениеизменений в технологической сфере, однажды принявшее определенное направление, можетпривести к победе одного технологического решения над другими даже тогда, когдапервое технологическое направление, в конце концов, оказывается менееэффективным по сравнению с отвергнутой альтернативой».
Вэтой связи, рассматривая два максимума функции e=ƒ (c), мы можем отнестиих к «инновационным ловушкам». Формирование инновационной ловушки происходит заменее короткий срок, чем выход из нее. Выход из инновационной ловушки длителени достаточно труден (бифуркационная точка — новый экономический кризис).Эволюционный путь возможен, но только с помощью государства. Пока оно само неизменит свою политику с краткосрочной модели на долгосрочную и не начнетвкладывать в свой капитал (в большей степени в человеческий, поскольку вложенияв производственный капитал могут быть осуществлены и частным сектором), показывая,таким образом, серьезность своих намерений, экономические
агентыбудут чувствовать себя неуверенно и не будут осуществлять долгосрочныхинвестиций и затрат на исследования и разработки, т. е. менять своюповеденческую модель с краткосрочной на долгосрочную. Только тогда, когдаэкономические агенты-резиденты начнут получать выгоды от следованиядолгосрочной модели, можно ожидать перехода системы в точку устойчивогомаксимума.
Функцияe=ƒ (c) является максимизируемой по определению. Соответственно движение кточке глобального максимума — есть процесс самоорганизации региональнойсоциально-экономической системы, а все остальные точки являются неустойчивыми.В целом же моделирование экономико-технологической реальности региона позволяетнайти «точки роста» эффективности НИОКР при резонансном воздействии наконвергентные технологии.
Следуетотметить, что экономико-технологическая реальность региона формируется привзаимопроникновении разных технологий, это в каком-то смысле усредненнаяэкономико-технологическая база устойчивого роста, элементы которой отвечаютситуации, предсказанной Ю.В. Яременко: «Ставка только на высокопродуктивныеотрасли может привести к тому, что экономика в целом будет низкопродуктивна, маломасштабна…Страна с полной занятостью, ориентированная на средние технологии, в целом дастгораздо более высокую производительность труда» [17]. Концепцияэкономико-технологической реальности позволяет анализировать, предвидеть иуправлять синергетическими процессами и эффектами коэволюции сложившихся ивозникающих технологических укладов, избежать перекосов в структурной политикеи способствовать успешному развитию региональных социально-экономическихсистем.
Список литературы
1.Миндели Л.Э., Пипия Л.К. Концептуальные аспекты формирования экономики знаний// Проблемы прогнозирования. 2007. №3.
2.Сэмюэлс У.Дж.Институциональная экономическая теория //Панорама экономическоймысли конца XX столетия. В 2х томах. СПб.: Экономическая школа, 2002. Т. 1.
3.Мейер К., Дэвис С. Живая организация. М.: Добрая книга, 2007.
4.Фостер Л. Нанотехнологии. Наука, инновации и возможности. М.: Техносфера, 2008.
5.Котенко В.П. История и философия технической реальности: Учеб. пособие длявузов. М.: Академический проект; Трикста, 2009.
6.Кудрин Б.И. Онтология и гносеология технической реальности // Доклад на XXIIВсемирном философском Конгрессе, 31 июля 2008 г., Сеул.
7.Данилов Ю. А., Кадомцев Б. Б. Что такое синергетика? // Нелинейные волны.Самоорганизация. М.: Наука, 1983.
8.Мясникова Л. Смена парадигмы. Новый глобальный проект // Мировая экономика имеждународные отношения. 2006. №6.
9.Информационная экономика и концепции современного менеджмента: Материалы ПервыхДрукеров-ских чтений /Под ред. Р.М. Нижегородцева. М.: Доброе слово, 2006.
10.Стратегия научно-технологического прорыва // Сборник научных трудов под ред. Ю.В.Яковца, ОМ. Юня. М.: МФК, 2001.
11.Хакен Г. Синергетика. М.: Мир, 1985.
12.Мун Ф. Хаотические колебания. М.: Мир, 1990.
13.Арнольд В. И. Теория катастроф. М.: Наука, 1983.
14.Гилмор Р. Прикладная теория катастроф. М.: Мир, 1984. T. 1, 2.
15.Быстрай Г.П. Методы синергетики в анализе структурных сдвигов в промышленности:Разработка унифицированных моделей и алгоритмов анализа устойчивости текущихсостояний в условиях внешнего и внутреннего управления // Вестн. Кибернетики.Тюмень: Изд-во ИПОС СО РАН, 2003, в. 2, c. 71-88.
16.Братченко Н.Ю. Разработка схемы исследования нелинейных динамических систем //Вестник ТИСБИ. 2005 г. Вып. № 2.
17.Яременко Ю.В. Экономические беседы. Запись С.А. Белановского. М.: Центрисследований и статистики науки. 1999.
Дляподготовки данной работы были использованы материалы с сайта institutiones.com/