Modeling of influence of innovative processes on macroeconomic development
Автор: Petryakov A.A.
Журнал: Известия Санкт-Петербургского государственного экономического университета @izvestia-spgeu
Рубрика: Творчество молодых ученых
Статья в выпуске: 6 (102), 2016 года.
Бесплатный доступ
The article is devoted to the analysis of the influence of innovation processes at the macroeconomic level. The purpose of this work is to determine the relationship between technical and economic trends. The views of various economists on the problem of the relationship between technological progress and the macroeconomic situation are analyzed. The views of scientists are summarized in 3 hypotheses that determine the various relationships between the growth of the country's real GDP and the number of product innovations introduced in it. As a result of the research, a positive correlation between the growth rates of real GDP and the number of basic innovations was proved.
Короткий адрес: https://sciup.org/14876032
IDR: 14876032
Текст научной статьи Modeling of influence of innovative processes on macroeconomic development
Й. Шумпетер [10] приписывал технологические инновации к экономическому развитию, указывая на то, что инновации являются единственным фактором для увеличения добавленной стоимости экономики. Шумпетер пытался реконструировать свою теорию экономического развития на основе концепции цикла Кондратьева и связывал экономические циклы с технологическими инновациями. Он показал, что инновации происходят периодически, формируя кластеры и стимулируя экономику.
Г. Менш [8] попытался выяснить корреляцию между инновациями и экономическим развитием на основе бизнес-циклов Кузнеца. Ученый ввел понятие «базисная инновация» – нововведение, базирующееся на результатах научно-технических разработок, не имеющих аналогов в мировой практике, и направленное на освоение новых систем и технологий следующих поколений. Менш определил различные скорости перехода от изобретений к инновациям и предположил, что нововведения появляются группой на стадии экономической депрессии делового цикла, интерпретируя это явление как «триггерный эффект депрессии». Теория Менша, а также теория альтернативной стоимости его последователя А. Клейнехта [6] постулируют, что в периоды стагнации или рецессии стимул инвестировать в инновационные проекты может увеличиться из-за уменьшающейся альтернативной стоимости
ГРНТИ 06.35.51
Александр Александрович Петряков – аспирант Санкт-Петербургского государственного экономического университета.
отвлечения факторов производства. Так, мы приходим к первой гипотезе, сформулированной следующим образом: гипотеза 1 – между ростом реального ВВП и числом продуктовых инноваций существует отрицательное отношение.
В то же время, К. Фримен, Дж. Кларк и Л. Суте [1] для объяснения длинных экономических циклов в своих работах обобщили инновационные системы. В их концепции «новых технологических систем» базисные изобретения появляются в предыдущем цикле. Таким образом, инновации создают этапы восстановления и роста цикла, достигая своего застоя и, как следствие, экономической депрессии на спаде. Фримен и др. утверждали, что деятельность в сфере НИОКР уменьшается в период депрессии в связи со снижением инвестиций, а их исследование показывает, что существуют кластеры патентов во время бума длинной волны, а также в периоды экономического спада. Они утверждали, что наблюдается кластеризация процессов диффузии этих нововведений, но никак не кластеризация самих инноваций.
В 2006 г. японский экономист М. Хироока [4] предложил идею синтеза указанных выше представлений о характере влияния различных факторов на экономическое развитие. Ученый принимает расширительную трактовку инноваций Й. Шумпетера и соединяет ее с понятием организационных инноваций К. Фримена и концепцией технико-экономических парадигм К. Перес [9], что позволяет ему сформулировать концепцию магистральных инноваций (Trunk innovations). Также М. Хироока развивает концепцию диффузии. Японский ученый в своих исследованиях показывает, что имеет место кластеризация процесса диффузии, а не самих инноваций. Анализируя вопрос о том, где именно на шкале экономических циклов происходит кластеризация инноваций, Хироока приходит к выводу о том, что все инновации кластеризуются вдоль подъема длинной волны. Исходя из этого, сформулируем следующую гипотезу: гипотеза 2 – рост реального ВВП и число продуктовых инноваций демонстрируют положительную связь.
Наконец, макроэкономическая динамика на самом деле может не иметь никакого влияния на внедрение инноваций. Вполне возможно, что инновационные фирмы могут относиться к инновациям, как к постоянно продолжающемуся стратегическому процессу, результатом которого являются продуктовые и процессные инновации, не зависимые от макроэкономической динамики [3]. Существование такой независимости возможно по нескольким причинам. Во-первых, срок инновационного процесса часто превосходит длительность макроэкономической флуктуации. Во-вторых, в качестве альтернативной стратегии, фирма может относиться к инновационным процессам, как к средству повышения эффективности, таким образом, постоянно стремясь к ним в течение долгого времени. Наконец, фирмы могут рассматривать расходы на инновационные проекты, как «невозвратные издержки», фирмы в какой-то степени решают для себя, что приостановка или прекращение инновационных проектов во время макроэкономического снижения слишком дороги, по сравнению с их продолжением. Отсюда следует последняя гипотеза: гипотеза 3 – связь роста реального ВВП и числа продуктовых инноваций отсутствует.
Прежде чем перейти к проверке выдвинутых гипотез, отметим важное условие анализа рассматриваемых процессов, обозначенное Ц. Марчетти [7]. Исследователь переработал данные Менша, используя идею, что изобретения и инновации – это культурные импульсы, они должны анализироваться с использованием динамики численности населения, закодированной в уравнениях Лотки-Вольтерры. Он успешно продемонстрировал, что график кумулятивного числа изобретений и инноваций может быть выражен логистическим уравнением. Для исследования кумулятивного числа базисных инноваций используем их агрегированный временной ряд, приведенный Дж. Сильвербергом и Б. Верспагеном [11], составленный путем слияния данных Клейнехта, Ха-устейна-Неувиртса [2] и Ван Дейна [12]. В итоге ученые получили совокупность из 248 инноваций за период с 1764 по 1976 год. Аналогично терминологии Клейнехта, ряд получил название «сверхтиповой временной ряд».
В своем исследовании мы располагаем данными по реальному ВВП США с 1790 по 2015 годы – ряд частично сконструирован Л. Джонстоном и С. Уильямсоном (1790-1929 гг.), частично предоставлен Бюро экономического анализа США (1929-2015 гг.) [5].
Для описания динамики числа базисных инноваций, а также роста ВВП используем дифференциальную форму логистического уравнения. Составим систему дифференциальных уравнений для числа базисных инноваций ( I ) и реального ВВП США ( G ):
( — = a - I -£ - I2
at p
I°l = yG-5-G2 I at '
Данная система описывает лишь динамику показателей во времени. В то же время целью данного исследования является определение взаимосвязей между переменными, что необходимо учесть. Расширенная система будет иметь вид:
(°I = a-I-p-I2+ ш-I-G
Lot (2)
°^ = yG-5-G2+A-I-G at '
Здесь параметры ω и λ определяют, как один темп роста одной величины зависит от наличия другой. Получившаяся система есть не что иное, как модель Лотки-Вольтерры с логистической поправкой. Данная модель обычно используется для описания взаимодействия двух видов типа «жертва-хищник». В зависимости от знаков параметров ω и λ возможны 3 случая:
-
1. Параметры разных знаков. Этот случай описывает систему «жертва-хищник», в которой рост популяции жертв ведет к увеличению числа хищников, что негативным образом сказывается на количестве добычи. Такой результат свидетельствует о наличии отрицательной связи между рассматриваемыми величинами и подтверждении гипотезы 1.
-
2. Оба параметра положительны. Такой вариант соответствует симбиотической модели взаимодействия, где популяции благоприятствуют взаимному росту. В этом случае подтверждается гипотеза 2.
-
3. Оба параметра отрицательны. Этот вариант ведет к постепенному вымиранию обоих видов. Данный случай соответствует деградации экономики с параллельным снижением инновационной дея-
- тельности и в рамках исследования не рассматривается.
В случае если оба параметра равны нулю, то система (2) сводится к виду (1) и нет оснований отвергать гипотезу 3. Однако при этом необходимо учитывать размерность исходных данных, либо оперировать с нормированными величинами. Таким образом, конечная модель (2) связывает число базисных инноваций и реальный ВВП страны, при этом учитывая S-образный характер их роста во времени. Для расчета параметров дифференциальные уравнения системы (2) заменим на дискретные уравнения:
^ k-k -i = a * k-i —p -It -i + ^ -Gt-i -It-i
I G t -G t-i = Y - G t-i — 5 -Gt -i + A -I t-i -G t-i
-
и применим метод наименьших квадратов. Конечная система имеет вид:
( It-It-i = 0,031781 • It-i - 0,000134 • It2-i + 0,000002 • Gt-i -It-i
(Gt -Gt-i = 0,025876 • Gt-i - 0,000002 • Gt2-i + 0,000088 • It-i -Gt-i
Результаты приближения представлены на рисунках 1 и 2.

Рис. 1. Фактическое и смоделированное накопленное число базисных инноваций
По результатам расчетов значения параметров ω и λ больше нуля. Таким образом, полученные результаты позволяют утверждать, что верна гипотеза 2 о положительной связи между числом базисных инноваций и ВВП.
млрд. долл. США

V г G G (модель)
Рис. 2. Фактические и смоделированные значения реального ВВП США
Таким образом, в данной статье рассмотрены основные положения теории экономического развития, представленные различными учеными-экономистами. На основе анализа теоретической составляющей нами были выделены 3 гипотезы о взаимозависимости макроэкономических и технологических трендов. В результате исследования была доказана положительная корреляция между темпами роста реального ВВП и числом базисных инноваций. Таким образом, подтверждается утверждение М. Хироока о кластеризации инноваций вдоль повышательной фазы длинной экономической волны. Проведенное исследование можно назвать объективным, поскольку в нем использовались наработки многих авторов и различные методы анализа. Качество анализа подтверждается математически, а именно близостью прогнозных значений, полученных с помощью модели, к реальным данным по ВВП.
Работа выполнена на средства гранта 14-28-00065 Российского научного фонда «Структурноциклическая парадигма экономического и технологического обновления макросоциальных систем (Мир и Россия в первой половине XXI века)»