Подходы к оценке эффективности стратегий мезо- и микроуровней на основе индекса экономической сложности

Автор: Васильев А.Н.

Журнал: Теория и практика общественного развития @teoria-practica

Рубрика: Экономика

Статья в выпуске: 12, 2023 года.

Бесплатный доступ

Мировая экономика находится в преддверии кардинальной трансформации секторальной структуры, модернизации, роботизации. Принципы ее существования значительно изменятся в ближайшее время (реиндустриализация, регионализация, роботизация, Интернет вещей, киберфизические комплексы и т.д.). Очевидно, что стратегии развития государств, имея значительный период реализации, уже должны учитывать новые тенденции, готовить свои экономики к новым реалиям. Важным аспектом является выстраивание согласованной иерархии стратегических планов по уровням управления (государственный макроуровень, региональный мезоуровень и уровень отдельных субъектов экономики - предприятий (микроуровень)). Для решения данной задачи нужны сквозные индикаторы стратегий. Очевидно, что они должны отражать эффективность таких стратегий, как степень сонаправленности идеям новой промышленной политики, актуальному технологическому укладу. В статье предпринята попытка проанализировать возможности применения инструментария оценки экономической сложности на субнациональном уровне и уровне отдельного предприятия.

Еще

Стратегическое планирование, стратегия, эффективность, индекс экономической сложности, субнациональный уровень исследования, микроэкономический уровень исследования, новая промышленная политика, технологический уклад

Короткий адрес: https://sciup.org/149144627

IDR: 149144627   |   DOI: 10.24158/tipor.2023.12.29

Текст научной статьи Подходы к оценке эффективности стратегий мезо- и микроуровней на основе индекса экономической сложности

Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации, Москва, Россия, ,

высокозатратный, длительный и социально значимый. Важно еще на этапе планирования и прогнозирования результатов дать предварительную оценку эффективности предлагаемых мер.

Категория эффективности является универсальной. Она используется во многих отраслях знания: в физике она применяется, например, к массе или силе тока; в управлении – к менеджменту; в математике – к функции и т.д. Эффективность ( efficiency ) трактуется как отношение между затратами редких факторов и выпуском товаров и услуг. Его можно измерить в физическом (технологическая эффективность) или стоимостном выражении (экономическая эффективность)1.

Рассматриваемая категория имеет сходство с характеристиками действенности, результативности, производительности. В ней воплощается обобщенный итог использования факторов производства, качества и результативности их соединения.

В современной науке есть два основных подхода к эффективности: как к соотношению результата и затрат, на его достижение понесенных, и как степень достижения цели. Первый подход базируется в отечественной науке на трудах В.В. Новожилова, который писал: «Методы измерения затрат и результатов – узловая проблема экономической науки и практики… общее понятие эффективности весьма широко употребляется в самых различных областях. Эффективность вообще есть отношение полезного эффекта, мы получим множество показателей эффективности: производительность труда… коэффициенты использования оборудования и т.д. Показатели эффективности часто выражаются в обратной форме, то есть как отношение затрат к эффекту» (Новожилов, 1967).

Далее подход продолжает свое развитие в трудах классиков макроэкономики Кэмпбелла Макконнелла и Стэнли Брю. Базируясь на постулате о главной проблеме мировой экономики – ограниченности ресурсов и единственно возможном частичном разрешении этой проблемы – ро-стересурсоотдачи, они пишут: «Экономическая эффективность – это получение максимума возможных благ от имеющихся ресурсов. Для этого нужно постоянно соотносить выгоды (блага) и затраты, или, говоря по-другому, вести себя рационально. Рациональное поведение заключается в том, что производитель и потребитель благ стремятся к наивысшей эффективности и для этого максимизируют выгоды и минимизируют затраты»2.

Второй подход проистекает из проблемы учета влияния внешней среды на оцениваемый объект. Например, определив эффективность как соотношение результата и затрат при производстве продукции, мы, с одной стороны, учитываем главную проблему экономики – отдачу ресурсов, однако, с другой стороны, – не учитываем ее. Как только мы вводим понятие «внешняя среда организации», мы сталкиваемся со спросом на готовую продукцию, и его (спроса) отсутствие может привести к полностью нерациональному использованию ресурсов – для рынка результат равен нулю.

И.В. Федосеевым отмечается, что «методы, оценивающие эффективность как степень достижения цели деятельности социально-экономической системы могут быть названы “стратегическими”, а само понятие эффективности – “стратегическим”» (Федосеев, 2008).

В.В. Бузырев считает, что для социально-экономических систем управления характерна неопределенность причинно-следственных связей между решением, вырабатываемым системой, и конечным результатом производства, обусловленным его реализацией. В итоге выделить с требуемой точностью количественно и качественно ту долю в общей эффективности производства, которая зависит от совершенствования управления вообще и затрат в частности не представляется возможным (Бузырев, 1990).

Компромиссным является подход, в рамках которого учитывается эмерджентность как свойство большой системы (то есть разнообразные и разноплановые интересы стэйкхолдеров (помимо акционеров и менеджеров, к ним относят также работников и их семьи, поставщиков и покупателей продукции предприятия, органы власти и некоммерческих партнеров) – всех тех, кто так или иначе заинтересован в существовании системы). Такой подход практически означает принятие за основу стратегии ограниченной оптимизации, при которой достижение какой-либо одной цели лимитируется требованием выполнять и другие задачи на приемлемом уровне. Критерием эффективности управления при этом выступает способность поддерживать определенный баланс между такими разными целями, как объем продаж, прибыль, доходы, интересы персонала и покупателей, защита окружающей среды и т.п. Инструментарий для оценки эффективности дается в данном случае в рамках теории Парето-эффективности, описанной применительно к сфере стройиндустрии (Федосеев, 2008).

Привычным для научного инструментария оценки эффективности государственной политики подготовки к реалиям новой промышленной политики, перехода к новому технологическому укладу, который в мире называют «умная фабрика» (развитие киберфизических систем и Интернета вещей), является использование индекса экономической сложности. Например, заслужившая признание методика оценки текущего уровня готовности стран к реалиям новой промышленной политики (Индустрии 4.0), предложенная на Всемирном экономическом форуме в 2018 г., разработанная крупнейшей международной консалтинговой фирмой Kearney. Данная методика включает 59 показателей, разделенных на 2 группы, среди которых – структура и драйверы производства. Удельный вес показателей различен. Индекс экономической сложности – это один из двух показателей первой группы, структура1.

Однако все большее распространение в научном мире приобретает тезис о том, что индекс экономической сложности можно и должно определять на субнациональном уровне. Ряд ученых отмечает, что существует объективная связь между готовностью региона к реалиям нового технологического уклада и уровнем индекса экономической сложности, например, К.Ю. Волошенко, Т.Е. Дрок, Ю.Ю. Фарафонова (Волошенко и др., 2019); И.Л. Любимов М.А. Гвоздева, М.В.Казакова, К.В. Нестерова (Сложность экономики и возможность диверсификации экспорта в российских регионах …, 2017); Р. Хаусман, С.А. Хидальго2; С. Рейнольдс, М. Агравал, С. Джан, И. Ли, Дж. Ли, Р. Тейлор, Т. Марес, Дж. Морисон, Н. Ангелакис, Ж. Рус (Reynolds et al., 2018) доказали возможность и перспективность использования индекса экономической сложности не только на уровне государства, но и на субнациональном (региональном) уровне. В работе К.Ю. Волошенко, Т.Е. Дрока, Ю.Ю. Фарафоновой (Волошенко и др., 2019) дается анализ научных исследований в области экономической сложности на субнациональном уровне вплоть до 2019 г. В табл. 1 приводится описание проведенного автором продолжения данного исследования за период 2020–2022 гг.

Также учеными указывается на возможность оценивать эффективность стратегии развития в рамках трансформации экономики как степень достижения цели через индекс экономической сложности (Волошенко и др., 2019; Любимов, 2022; Моисеев, Бондаренко, 2020; Половян, Синицына, 2020; Шубин, 2021). Этот подход мы будем использовать для характеристики мезоуровня стратегического планирования (уровня либо региона, либо отрасли).

Действительно, смена технологического уклада, ключевой глобальной инновации, лежащей в его основе, приводит, как мы отмечали, к значительным трансформациям экономики – меняется сам способ создания ценности. Как следствие, приобретают иные значения: величина добавленной стоимости по отраслям; цена ресурсов в зависимости от использования в производстве конкретного конечного продукта; производительность труда в отраслях, использующих новую ключевую инновацию. Меняется и пространственная структура экономики.

При этом более широкая база возможностей и компетенций напрямую отражает поглощающую способность экономики3 (Анализ экономической сложности Калининградской области – выбор отраслевых приоритетов в новой парадигме создания ценности …, 2020; Roos, 2017). Многочисленными исследованиями доказано присутствие сильной корреляции и причинно-следственной связи между уровнем экономической сложности территории и ее процветанием4 (Афанасьев, Кудров, 2022; Евсеева, Раменская, 2020; Фарафонова, Новикова, 2021; Sciarr et al., 2020).

Одни из основоположников теории экономической сложности Р. Хаусман и С. Идальго отмечали, что суть данной категории состоит в учете капитала знаний. Действительно индекс отражает два аспекта: наличие инноваций (знаний) в стране (регионе) и их востребованность на рынке (через постулат: чем больше стран в мире потребляют инновационный продукт, тем глобальнее инновация). Количество экспортируемых товаров (по Р. Хаусману и С. Идальго – равнозначно количеству инновационного знания, невозможности производить в стране/регионе самостоятельно) отражает в теории понятие «диверсификация» ( diversity ). Количество стран-экспортеров репрезентирует востребованность или редкость инновационного знания ( ubiquity )5.

Экономическая сложность может быть определена через индекс экономической сложности ( Economic Complexity Index, ECI ) либо через индекс продуктовой сложности ( Product Complexity Index, PCI ).

Кроме этого, в последнее время используют производные от указанных индексов или сопряженные показатели:

  • •    диверсификации ( diversity ), распространенности ( ubiquity ), плотности ( density ) и расстояния ( distance ) как элементы расчета исходных двух индексов;

  • •    относительной потенциальной выгоды ( relative opportunity gain, OG ) и индекс выгоды производства новых более сложных продуктов ( Complexity Outlook Gain, COG );

  • •    выявленного сравнительного преимущества ( revealed comparative advantage, RCA );

  • •    потенциала усложнения экономики ( opportunity value, OV );

  • •    выгоды экономики страны/региона при переходе к производству более сложных продуктов ( Complexity Outlook Index COI ) (Анализ экономической сложности Калининградской области – выбор отраслевых приоритетов в новой парадигме создания ценности …, 2020).

База статистических наблюдений для расчета указанных индексов (по годам) размещается на двух электронных площадках: Центра международного развития при Гарвардском университете (ежегодно определяет, кроме того, экономическую сложность по странам и формирует «Атлас экономической сложности»); медиа-лаборатории Массачусетского технологического института (онлайн-мониторинг в рамках проекта «Обсерватория экономической сложности») (Анализ экономической сложности Калининградской области – выбор отраслевых приоритетов в новой парадигме создания ценности …, 2020).

Для целей нашего исследования следует использовать модифицированный индекс экономической сложности – выявленного сравнительного преимущества ( revealed comparative advantage, RCA )1.

Если значение RCA > 1 (по продукции сферы экономики p ), то регион обладает сравнительными преимуществами в выпуске продукции сферы экономики р2.

RC А ср = (Уф/^ р Уф) / (^ с Уф/^фУф),                           (1)

где р - индекс сферы экономики (отрасль);

  • с - индекс региона;

Уф - объем производства р -ой сферы экономики с -ного региона;

^ р Уф - объем производства всех секторов экономики с -ного региона;

Ъу ср - объем производства р -ой сферы экономики всех регионов;

^фУф - объем производства всех сфер (отраслей) всех регионов страны.

На основании расчета по р -ным сферам экономики с- ных регионов получается матрица А бинарных показателей а с , р , которая дает значение показателя равное 1 при RCAф > 1 и 0 в случае, если RCAф < 1.

Если значение RCAф > 1, то экономика с -го региона обладает выявленными сравнительными преимуществами в выпуске продукции р -ой сферы экономики (Афанасьев, Гусев, 2022).

Матрица А = ( а с , р ) содержит данные о сферах экономики, которые в разных регионах развиты на уровне выявленных сравнительных преимуществ (формула 1). Строки этой матрицы соответствуют регионам, столбцы - сферам экономики (отраслям). Вектор с , р 1 , ••• , а с , рт ) определяется как «структура сильных отраслей экономики региона с» (Афанасьев, Гусев, 2022).

Экономическая сложность региона (ЕС/ с ) пропорциональна среднему уровню экономической сложности сильных отраслей в структуре его экономики (Афанасьев, Гусев, 2022):

ЕС/ с = а^г^ЕС/ р ,

Т с,р = а с,р / к с,о , к с,о = Е р а ср где   a i - положительная константа.

Экономическая сложность сферы экономики ( ЕС/р ) пропорциональна среднему уровню экономической сложности регионов, в структуре экономик которых эта отрасль является сильной (Афанасьев, Гусев, 2022):

ЕС/ р = аД/ р.с ЕС/ с , г р = а с,р / к р,о , к р,о = Е с а с , р где   а 2 - положительная константа.

Показатель к с , равный числу сильных отраслей в с -ном регионе, определен М.Ю. Афанасьевым, А.А. Гусевым как «диверсификация структуры экономики с -ного региона» (Афанасьев, Гусев, 2022).

Матрица А = ( ас , р ) построена указанными исследователями на 01.01.2020 г. (Афанасьев, Гусев, 2022) на основе «Отчета по форме 1-НОМ» Федеральной налоговой службы РФ1 и содержит данные по 82 сферам (отраслям) экономики в регионах РФ2.

Для проверки предположений о возможности оценивать эффективность стратегии с позиции учета в ней идей новой промышленной политики, используем данные о Московской области, которые имеют документы стратегического планирования, ориентированные на идеи новой промышленной политики, развития отраслей нового технологического уклада.

Московская область имеет 39 сфер экономики из 82, которые по методике могут быть отнесены к сильным отраслям. Экономическая сложность региона ЕС1 мо = 0,4696. Это 34 место в совокупности регионов РФ.

Теперь рассмотрим экономическую сложность сфер экономики (ЕС1р) Московской области, которые имеют явную тенденцию к росту.

Максимальную или близкую к таковой степень позитивности выявленной сонаправленно-сти с позиции новой промышленной революции дают ключевые для новой промышленной революции сферы экономики Московской области, представленные в табл. 1.

Экономическая сложность отраслей высока – среднее значение 28,45. Очевидно, что и в стратегическом периоде экономическая сложность растет и продолжит расти при переходе к новому технологическому укладу.

Эффективность стратегии на мезоуровне оценена. Методика апробирована. Результаты положительные.

Таблица 1 – Экономическая сложность ключевых для новой промышленной политики сфер экономической деятельности Москвы и Московской области и их место в общей совокупности отраслей (по индексу экономической сложности)

Table 1 – Economic Complexity of the Key Spheres of Economic Activity in Moscow and the Moscow Region and Their Place in the Total Set of Industries for the New Industrial Policy (According to the Economic Complexity Index)

Сфера экономики

Экономическая сложность сфер экономики ( БС1р )

Место в общей совокупности отраслей по рейтингу

Деятельность профессиональная, научно-техническая

0,4108

35

Деятельность административная

–0,4013

64

Деятельность в области здравоохранения и социальных услуг

0,4287

32

Обрабатывающие производства

0,7267* 0,6830 0,5641 0,7870 0,4223 0,6641 0,8830 0,9496 0,1569 0,2530

7

12 18 5

33 14 2

1

53 47

Деятельность в области информации и связи

0,2952

44

Торговля оптовая и розничная; ремонт автотранспортных средств

0,3620

0,6368

38

16

Транспортировка и хранение

0,2627

0,4665

46

25

Обеспечение электрической энергией, газом и паром; кондиционирование воздуха

0,0214

0,5224

57

20

Примечание: * – несколько значений, если в целях налогового учета производится более глубокая детализация сфер экономики

Одним из направлений развития методики можно предложить использование основ другого алгоритма определения текущего уровня готовности стран к потенциальным возможностям и вызовам в рамках перехода к «Индустрии 4.0» и трансформации ее принципов и показателей на мезоуровень.

Перейдем к оценке эффективности стратегии на микроуровне.

Можно выделить несколько вариантов оценки эффективности стратегии на микроуровне. В любом случае перспективнее использовать подход к эффективности как к степени достижения цели.

Для микроуровня планирования (отдельной компании) эффективность стратегии также можно оценивать через трансформацию индекса экономической сложности в рамках ресурсной теории Дэвида Дж. Тиса в модифицированный коэффициент динамических способностей предприятия (Берг ван ден, 2019; Клейнер, 2011; Стратегический менеджмент: создание конкурентного преимущества …, 2016; Teece, 2007, 2014).

Ресурсный подход в стратегическом менеджменте – это прежде всего отход от классических основ макроэкономики с ее базовым элементом – фирмой и понятием устойчивости. Принцип похожести как залог успеха меняется на принцип непохожести, уникальности. Носителем этих характеристик становится внутренний потенциал компании, ее ресурсы. Вторым базовым элементом выступает понятие «динамических способностей» – потенциала к изменениям. Успешно функционировать может только компания, скорость преобразований в которой равна быстроте изменения внешней среды.

В основе анализа успешности компаний в рамках данной теории становится метод VRIO , разработанный Джеем Барни в 2007 г. (Barney, 2007). Анализ основывается на оценке имеющихся у компании ресурсов с позиций их:

  • •    ценности ( value ) – насколько ресурс оценен внешней средой и востребован ею;

  • •    редкости ( rarity ) – насколько данный ресурс сложно получить из внешней среды;

  • •    имитируемости/воспроизводимости ( imitability ) – насколько ресурс может быть заменен доступными и дешевыми аналогами, существуют ли они;

  • •    используемости в компании ( organization ) – насколько может быть достигнут конечный результат при отсутствии данного ресурса; насколько его доля высока во всей совокупности используемых компанией ресурсов;

Value, rarity, imitability, organization – так расшифровывается аббревиатура VRIO .

Суть классической методики заключается в дроблении перечня имеющихся ресурсов до необходимого уровня детализации с условием, что сумма долей каждого ресурса в общей их совокупности будет равна 1 (все ресурсы должны быть учтены). Затем экспертно (на основе ответа по каждому ресурсу на 4 вопроса) определяется значение коэффициента динамических способностей ресурса (табл. 2).

Таблица 2 – Методика проведения VRIO-анализа

Table 2 – VRIO Analysis Methodology

Является ли ресурс или способность …

Стратегические последствия

Сила или слабость

Е х >s С S ф Ф S х |-S $ о о z S ф о ф 5 5 Z со ■& S о Z <0 о ° S °

° Ct о

ф ZT

5

ф о.

к

о i

2 i

J) ф II со .0 s с; ш h

Нет

Нет

Конкурентная слабость

Слабость

0–0,09

Да

Нет

Конкурентный паритет

Сила

0,10–0,24

Да

Да

Нет

Временное конкурентное преимущество

Сила и отличительная компетенция

0,25–0,50

Да

Да

Да

Да

Устойчивое конкурентное преимущество

Сила и устойчивая отличительная компетенция

0,5–1,0

Затем рассчитывается коэффициент динамических способностей компании:

Кдс =S '= 1K g cxdi,                                     (2)

  • где   К Д с - коэффициент динамических способностей i -го ресурса;

  • dt - удельный вес i -го ресурса в общей совокупности ресурсов компании;

  • N – общее количество разных ресурсов.

На основании значения коэффициента динамических способностей компании в классической методике делается вывод о конкурентных силах компании.

Очевиден статический, а не динамический характер методики в таком виде. Следовательно, она хорошо делает срез состояния компании на определенном моменте времени. Так же она позволяет полностью учесть основные цели новой промышленной политики и сонаправлен-ность им. Это инструмент, который может позволить оценить «непохожесть» компании – ее ключевые компетенции (отличительные сильные стороны/факторы).

Для оценки «динамических способностей» введем понятие темпа прироста коэффициента динамических способностей компании в стратегическом периоде. Для этого эксперты должны оценить К Дс каждого ресурса с условием, что внешняя среда меняется в рамках новой промышленной политики. По формуле (2) рассчитывается коэффициент динамических способностей компании на конец стратегического периода – Кд2с036 .1

Тогда соотношение текущего коэффициента и коэффициента на конец стратегического периода даст нам темп прироста коэффициента динамических способностей компании в стратеги- ческом периоде:

∆К ДС =

2036   2022

дс - К дс

2022 Кдс

Коэффициент оценивается в долях единицы и имеет диапазон оценки от 0 до 1. Соответственно, темп прироста будет иметь значения в таком же диапазоне, за исключением минимального значения (0).

Как видно из табл. 3, первый переход из одной группы в другую происходит при увеличении коэффициента ресурса на 0,1. Очевидно, что минимальный темп прироста более 0,1 означает как минимум переход всех ресурсов во вторую из четырех групп по уровню динамических способностей (в группу конкурентного паритета). Темп прироста в 0,25 означает, что либо 50 % ресурсов перешли в группу «Сила и устойчивая отличительная компетенция», дающую стабильное конкурентное преимущество; либо все 100 % ресурсов перешли в группу «Временное конкурент- ное преимущество», дающую им соответствующую характеристику.

Для детализации возможных оценок эффективности компании построим модифицированный «Архетип компании» а основе идей методики компании Kearney , описанной для уровня государства (рис. 1).

∆К ДС

1,0

0,25

Высокий потенциал Ограниченная текущая база. Хорошо позиционируется на будущее.

Достаточная эффективность стратегии

Лидирующий потенциал

Сильная текущая база.

Хорошо позиционируется на будущее.

Высокая эффективность стратегии

Зарождающийся потенциал Ограниченная текущая база. Высокий риск ухудшения ситуации в будущем.

Низкая эффективность стратегии

«Наследие»

Сильная текущая база.

Высокий риск ухудшения ситуации в будущем.

Низкая эффективность стратегии

0,1

«Аутсайдер»

Недостаточная для развития текущая база. Высокий риск ухудшения ситуации в будущем. Неэффективная стратегия

1,0

0,5

Рисунок 1 – «Архетип компании» по эффективности стратегии в рамках новой промышленной политики 2

Figure 1 – “Company Archetype” by Strategy Effectiveness under the New Industrial Policy

Для апробации методики мы использовали данные крупнейшего производителя бетона и смесей в регионе – компании «ЦЕМРОС» – стратегия развития, оценки экспертов по основным группам ресурсов: трудовые, сырьевая база, технологии и оборудование, машины и механизмы, наличие групп инноваций по ресурсам (от технических до организационных и маркетинговых (единая программа обследования – EU CIS )). В результате оценки Кд2с022 = 0,54 ; ∆КДС = 0,24.

Соответственно, «Архетип компании» по эффективности стратегии в рамках новой промышленной политики к 2036 г. – «Наследие»: сильная текущая база, высокий риск ухудшения ситуации в будущем, низкая эффективность стратегии. Очевидно, что последняя характеристика проистекает из довольно высокого коэффициента динамических способностей на начало планового стратегического периода.

Данная методика может быть также признана позволяющей оценивать эффективность стратегии с позиций сонаправленности новой промышленной политики. Ее результаты более достоверны. Они учитывают как текущий уровень динамических способностей, так и эффективность стратегии именно в ее сонаправленности новой промышленной политике.

Предложенный подход к оценке эффективности с использованием инструментария определения уровня экономической сложности на субнациональном уровне (мезо-) и уровне отдельного предприятия (микро-), дает простой универсальный инструментарий, позволяющий учитывать как основные тенденции новой промышленной политики (реиндустриализация, регионализация промышленности, акцент на промышленное производство и развитие материально-технической базы отраслей экономики), так и учет в стратегии новых реалий перехода к шестому технологическому укладу.

Список литературы Подходы к оценке эффективности стратегий мезо- и микроуровней на основе индекса экономической сложности

  • Анализ экономической сложности Калининградской области - выбор отраслевых приоритетов в новой парадигме создания ценности / Н.Й.А. Руус [и др.] // Балтийский регион. 2020. Т. 12, № 1. С. 156-180. https://doi.org/10.5922/2079-8555-2020-1-9.
  • Афанасьев М.Ю., Гусев А.А. Аппроксимация оценок экономической сложности при выборе приоритетных направлений диверсификации // Цифровая экономика. 2022. № 1 (17). С. 52-59. https://doi.org/10.34706/DE-2022-01-05.
  • Афанасьев М.Ю., Кудров А.В. Экономическая сложность и вложенность структур региональных экономик // Экономика и математические методы. 2021. Т. 57, № 3. С. 67-78. https://doi.org/10.31857/S042473880016410-0.
  • Берг ван ден Г. Ключевые модели менеджмента. 77 моделей, которые должен знать каждый менеджер. М., 2019. 400 с.
  • Бузырев В.В. Противозатратный механизм в строительстве. Л., 1990. 144 с.
  • Волошенко К.Ю., Дрок Т.Е., Фарафонова Ю.Ю. Экономическая сложность на субнациональном уровне инновационная парадигма регионального развития // Вопросы инновационной экономики. 2019. Т. 9, № 3. С. 735-752.
  • Евсеева М.В., Раменская Л.А. Анализ функциональной сложности как фактора устойчивости региональной экономики на основе экосистемного подхода // Фундаментальные исследования. 2020. № 9. С. 25-30. https://doi.org/10.17513/fr.42838.
  • Клейнер Г.Б. Ресурсная теория системной организации экономики // Российский журнал менеджмента. 2011. Т. 9, № 3. С. 3-28.
  • Любимов И.Л. Возможности механизмов восстановления российского импорта // Экономическое развитие России. 2022. Т. 29, № 10. С. 41-51.
  • Моисеев А.К., Бондаренко П.А. Применение индекса экономической сложности в макрофинансовых моделях // Проблемы прогнозирования. 2020. № 3 (180). С. 101-112.
  • Новожилов В.В. Проблемы измерения затрат и результатов при оптимальном планировании. М., 1967. 376 с.
  • Половян А.В., Синицына К.И. Экономическая сложность как инструмент определения стратегических направлений развития экономики // Новое в экономической кибернетике. 2020. № 1. С. 123-140.
  • Сложность экономики и возможность диверсификации экспорта в российских регионах / И.Л. Любимов [и др.] // Журнал Новой экономической ассоциации. 2017. № 2 (34). С. 94-122. https://doi.org/10.31737/2221-2264-2017-34-2-4.
  • Стратегический менеджмент: создание конкурентного преимущества / А.А. Томпсон мл. [и др.]. СПб., 2016. 800 с.
  • Фарафонова Ю.Ю., Новикова А.А. Экономическая сложность и поиск путей развития экономики региона // Цифровая экономика, умные инновации и технологии. СПб., 2021. С. 235-237. https://doi.org/10.18720/IEP/2021.1/72.
  • Федосеев И.В. Совершенствование управления инновационно-инвестиционной деятельностью строительного предприятия в регионе. СПб., 2008. 211 с.
  • Шубин И.А. Взаимосвязь между сложностью экспорта и уровнем экономического развития в разных типах регионов России // Журнал Новой экономической ассоциации. 2021. № 3 (51). С. 144-161. https://doi.org/10.31737/2221-2264-2021-51-3-7.
  • Barney J.B. Gaining and Sustaining Competitive Advantage. Pearson Prentice Hall, 2007. 555 р.
  • Reynolds C., Agrawal M., Lee I., Zhan C., Li J., Taylor P., Mares T., Morison J., Angelakis N., Roos G. A Sub-National Economic Complexity Analysis of Australia's States and Territories // Regional Studies. 2018. № 52. Р. 715-726. https://doi.org/10.1080/00343404.2017.1283012.
  • Roos G. Technology-Driven Productivity Improvements and the Future of Work: Emerging Research and Opportunities. Hershey, 2017. 255 р.
  • Sciarra C., Chiarotti G., Ridolfi L., Laio F. Reconciling Contrasting Views on Economic Complexity // Nature Communications. 2020. № 11. Р. 3352. https://doi.org/10.1038/s41467-020-16992-1.
  • Teece D.J. Explicating Dynamic Capabilities: the Nature and Microfoundations of (Sustainable) Enterprise Performance // Strategic Management Journal. 2007. № 28. Р. 1319-1350. https://doi.org/10.1002/smj.640.
  • Teece D.J. The Foundations of Enterprise Performance: Dynamic and Ordinary Capabilities in an (Economic) Theory of Firms // The Academy of Management Perspectives. 2014. Vol. 28, iss. 4. P. 328-352. https://doi.org/10.5465/amp.2013.0116.
Еще
Статья научная