Везде
Компьютерное моделирование вариантов распределения инновационной активности по регионам России
Оглавление
Аннотация Оценить Содержание публикации
Библиография Комментарии
Поделиться
QR
Метрика
Компьютерное моделирование вариантов распределения инновационной активности по регионам России
Аннотация
Код статьи
S111111110000105-8-1
DOI
10.33276/S0000105-8-1
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Хачатрян Нерсес Карленович 
Должность: Ведущий научный сотрудник
Аффилиация: Центральный экономико-математический институт РАН
Адрес: Российская Федерация, Москва
Кузнецова Ольга Игоревна
ORCID: 0000-0001-8565-2857
Должность: Младший научный сотрудник
Аффилиация: Центральный экономико-математический институт РАН
Адрес: Российская Федерация, Москва
Выпуск
Том 1 Выпуск 1
Аннотация
Данная статья посвящена исследованию влияния инноваций в России на ее экономический рост как в целом по стране, так и по регионам. Построена и исследована агент-ориентированная модель, позволяющая прогнозировать основные показатели социально-экономического развития регионов России, где в качестве одного из факторов экономического развития рассматривается инновационная активность. Результаты проведенного исследования указывают на необходимость стимулирования научно-технического развития страны, а также равномерного распределения центров развития образования, фундаментальной и прикладной науки по всей стране.
Ключевые слова
агент-ориентированное моделирование, научно-технический прогресс, валовый внутренний продукт, валовый региональный продукт, производственная функция, результаты экспериментов.
Классификатор
Получено
04.10.2018
Дата публикации
20.11.2018
Всего подписок
14
Всего просмотров
2726
Оценка читателей
0.0 (0 голосов)
Цитировать Скачать pdf
1 Введение
2 В современный период политической нестабильности обеспечение безопасности страны становится все более актуальной задачей. Под безопасностью страны, подразумевается не военная или геополитическая безопасность, а технико-экономическая независимость страны и возможность при необходимости самостоятельно полностью обеспечить собственные экономические и социальные потребности.
3 В настоящей статье изучается роль уровня научно-технического развития страны в обеспечении её безопасности на примере Российской Федерации. Низкий по сравнению с ведущими странами уровень научно-технического прогресса значительно снижает возможность страны обезопасить себя от внешнего воздействия.
4 Основа технико-экономической безопасности страны – стабильный рост, независимый от влияния внешних факторов. Поэтому исследуется влияние уровня научно-технического развития страны на уровень ее экономического роста. Кроме того делается попытка выявить риски, ставящие под угрозу безопасность страны.
5 Одним из ранних примеров макроэкономической модели, учитывающей вклад технического прогресса в экономический рост, является модель известного американского экономиста лауреата Нобелевской премии Роберта Солоу [1]-[4]. Среди многочисленных классических работ по данной тематике можно также отметить труды другого американского экономиста Давида Касса [5], [6].
6 В последнее время в связи с ростом вычислительных мощностей все чаще экономические задачи стали решаться с помощью имитационного моделирования. Выбор данного метода объясняется желанием смоделировать систему, максимально приближенную к реальности, а также возможностью проведения большого количества экспериментов, позволяющих выявлять закономерности, ранее неизвестные исследователю. В данной работе в качестве метода исследования используется один из методов имитационного моделирования, а именно - агент-ориентированное моделирование (АОМ). Детально с АОМ можно познакомиться в книге Макарова В. Л., Бахтизина А. Р. «Социальное моделирование - новый компьютерный прорыв (агент-ориентированные модели)» [7]. Описание модели
7 Модель построена на базе AnyLogic. Это лидирующее программное обеспечение, разработанное российской компанией The AnyLogic Company для имитационного моделирования, которое обладает всеми необходимыми современными инструментами для создания АОМ [8].
8 Цель построения модели – оценка влияния научно-технического прогресса на основные показатели социально-экономического развития страны, как в целом, так и по регионам. Исходные данные по субъектам Российской Федерации (РФ) взяты за 2016 год и представлены Федеральной службой государственной статистики (Росстат) [9].
9 Агенты и их характеристики
10 В данной АОМ представлены два типа агентов: люди и регионы РФ.
11 Регионы. Каждый регион характеризуется рядом социально-экономических показателей, таких как:
  • среднегодовая численность населения (P);
  • число родившихся на 1000 человек населения (NB);
  • ожидаемая продолжительность жизни при рождении (AGEWAITING);
  • среднегодовая численность занятых в экономике (L);
  • численность персонала, занятого исследованиями и разработками (LS);
  • численность персонала, занятого в отрасли "Образование" (LT);
  • валовой региональный продукт по субъектам Российской Федерации (GDP).
12 Люди. Агенты-люди, имитируя поведение жителей России, обладают характеристиками, которые определяют их поведение в каждый момент модельного времени:
  • принадлежность к региону;
  • способность к науке (есть или нет);
  • продолжительность жизни (изначально задается в модели с помощью функции triangular(.), задающей случайную величину, имеющую треугольное распределение с тремя численными аргументами: минимумом, максимумом и модой, которая равна ожидаемой продолжительности жизни в регионе (AGEWAITING));
  • возраст (распределение по возрасту изначально задается с помощью функции uniform(.), генерирующей случайное значение, равномерно распределенное в интервале (0, AGEWAITING));
  • вид деятельности агентов занятых в экономике (все занятые в экономике агенты-люди подразделяются на три вида деятельности: ученые-теоретики; ученые, занятые прикладными исследованиями и разработками; остальное население, занятое в любой другой сфере.
13 Описание динамики социально-экономических показателей регионов
14 В начальный момент времени распределение агентов-людей по регионам РФ и присвоение им личностных характеристик происходит согласно имеющейся статистике за 2016 год. Всем субъектам РФ присваиваются показатели, равные статистическим данным по каждому региону за 2016 год. Стоит уточнить, что переменные NB и AGEWAITING являются экзогенными, остальные (P, L, LS, LT и GDP) – эндогенны.
15

В данной АОМ один шаг модельного времени равен одному году, а период моделирования – 10 годам. В каждый момент модельного времени происходит ряд событий, которые и определяют динамику эндогенных показателей:

Переменная P. На каждом шаге модельного времени происходит изменение количества людей в регионе. В зависимости от возраста и продолжительности жизни агента определяется остаток его жизни. Этот показатель в каждый момент модельного времени уменьшается на единицу. Гибель агента наступает, если остаток его жизни становится равным нулю. Рождение новых агентов происходит с интенсивностью, определяемой с помощью показателя NB. Таким образом, в течение всего периода моделирования количество агентов-людей в пределах каждого региона меняется в зависимости от количества родившихся и умерших агентов, что и определяет величину P.

Переменные L, LS, LT. В начальный момент времени данные переменные имеют значения, равные численности занятых в экономике; численности занятых в сфере исследований и разработок и численности занятых в сфере "Образование" соответственно за 2016 год. Далее переменная L меняется в соответствии со следующим предположением: доля среднегодовой численности занятых в экономике (L) от численности всего населения является величиной постоянной, а переменные LS и LT меняются в соответствие с диаграммой состояний (statechart), изображенной на Рис.1.
16

Рис.1. Диаграмма состояний агентов-людей.
17 На нем прямоугольниками (зеленым, красным, синим) изображены состояния агентов, а стрелками – переходы из одного состояния в другое. Напомним, что занятое население может относиться к одному из трёх видов деятельности: ученые-теоретики (на диаграмме обозначается в виде состояния «Scientist»); ученые, занятые прикладными исследованиями и разработками (на диаграмме обозначается в виде состояния «AppliedScientist») и остальное население, занятое в любой другой сфере. Последний вид занятого населения вместе с незанятым населением на диаграмме обозначается в виде состояния «Normal». В модели предусмотрен переход человека из одного состояния в другое. Таким образом, происходит изменение структуры занятости населения.
18 Рассмотрим все переходы, указанные на данной диаграмме:
19

1. Переход из состояния «Normal» в состояние «Scientist» осуществляется с некоторой заданной интенсивностью при выполнении определенных условий, связанных с ограничением по возрасту, способностью к науке и уровнем заработной платы в данной сфере. Предполагается, что в среднем определенная доля агентов-людей обладает способностью к науке. Данное предположение учитывается как при запуске модели (начальное распределение агентов по видам деятельности) так и при рождении новых агентов. Выбор агентов, обладающих способностью к науке, осуществляется с помощью стохастической функции randomTrue(.), которая генерирует истинное значение (true) с заданной вероятностью p (аргумент функции), а ложное значения (false), соответственно, с вероятностью (1 – p).  Аргументом данной функции является доля агентов, обладающих способностью к науке. Интенсивность данного перехода является одним из управляющих параметров модели. Обратный переход (из состояния «Scientist» в состояние «Normal») осуществляется в том случае если заработная плата в сфере научной деятельности меньше средней по региону.
20

2. Переход из состояния «Normal» в состояние «AppliedScientist» и обратно осуществляется аналогично переходу из состояния «Normal» в состояние «Scientist» и обратно. Способность к прикладной науке задается также с помощью функции randomTrue(.), со своим аргументом, определяющим данную способность.
21

3. Переход из состояния «Scientist» в состояние «AppliedScientist» и обратно осуществляется с некоторыми заданными интенсивностями, т.е. считаем, что в среднем каждый год определенное количество ученых начинают заниматься прикладными разработками и, наоборот, определенное количество людей, занимающихся прикладными разработками, начинают заниматься наукой.

Переменная GDP. В начальный момент времени она имеет значение, равное валовому региональному продукту (ВРП) в каждом регионе РФ в 2016 году. Далее она описывается с помощью мультипликативной производственной функции, где в качестве факторов выступают среднегодовая численность занятых в экономике (L) и численность персонала, занятого исследованиями и разработками (LS). Выбор второго фактора, т.е. LS диктуется одной из основных целей построения данной АОМ - исследовать влияние новых технологий и разработок на динамику ВРП. Данное обстоятельство также повлияло на решение не включать капитал в производственную функцию в качестве одного из факторов. Дело в том, инвестиционная привлекательность регионов России достаточно сильно дифференцирована, и некоторые регионы могут демонстрировать уверенный рост ВРП связанный исключительно с сильным положительным трендом в динамике капитала. В связи с этим в модели не производится дифференциации регионов по уровню инвестиционной привлекательности. Кроме того, предполагаем, что в каждом регионе инвестиции привлекаются в минимальном объеме, позволяющем покрывать убывающие фонды. Указанные предположения позволяют считать капитал неизменным и не включать его в производственную функцию. Эластичность переменной L будем считать постоянной, а эластичность переменной LS зависящей от времени. Это объясняется тем, что вклад новых технологий в рост ВРП растет из года в год [10]. Таким образом, производственная функция, описывающая ВРП имеет следующий вид:

, где N - число регионов РФ. Параметры Аi, αi и βi, (i = 1…, N) производственной функции оценены на основе калибровки, использующей данные по показателям GDP, LS и LT в период с 2010 по 2016 годы.
22 Ограничения модели
23 Стоит отметить, что, как и любая модель, данная АОМ, имеет определенный ряд ограничений. Во-первых, модель не учитывает внезапную гибель агента-человека от различных факторов (тяжелая болезнь, несчастный случай и т.д.). Во-вторых, агенты-люди не делятся по половому признаку. В-третьих, каждый из агентов привязан к определенному региону, т.е. модель не учитывают ни внутреннюю (между регионами России) ни внешнюю (между странами) миграцию.
24 Интерфейс модели
25 Интерфейс АОМ представляет собой карту РФ с разделением на территории субъектов РФ (Рис.2).
26

Рис.2. Интерфейс АОМ, начальный момент времени.
27 С помощью данной карты можно посмотреть значения ВРП, ВРП на душу населения, численность всего населения и численность ученых, занятых прикладными исследованиями и разработками (прикладников) любого региона. Для этого достаточно выделить соответствующий регион на карте. Помимо этого на карте можно увидеть распределение регионов по уровню ВРП и ВРП на душу населения. Наконец можно посмотреть распределение людей по роду деятельности в целом по России и график ВВП страны. В модели предусмотрены управляемые параметры, такие как уровень заработной платы, как ученых, так и прикладников. Считаем, что увеличение заработной платы как одних, так и других ведет к пропорциональному увеличению интенсивности перехода в эти сферы деятельности.
28 Результаты экспериментов
29 В представленной модели популяция агентов-людей составляет 20 000 единиц. Распределение агентов-людей по регионам, а также по видам деятельности в пределах каждого региона при запуске модели производится пропорционально количеству жителей регионов и доле вида деятельности агента в регионе с использованием статистических данных за 2016г. Стоит отметить, что при наличии достаточных электронно-вычислительных мощностей количество агентов можно увеличить вплоть до реального количества человек в РФ, что максимально повысит точность работы модели.
30 Показатели рассчитываются на 10 шагов модельного времени, то есть на 10 лет вперед.
31 АОМ позволяет описать совокупность вариантов взаимодействия агентов, число возможных комбинаций может быть большим. В силу этого каждый раз при запуске модели её результаты будут в той или иной мере отличаться друг от друга. Поэтому именно общая тенденция и «коридор» получаемых на выходе данных являются одним из основных результатов проведения экспериментов над моделью. Другим не менее важным результатом проведения экспериментов является исследование зависимости выходных данных от параметров модели. В связи с этим было проведено две серии экспериментов. В каждой из серий проведено пять экспериментов с одинаковыми входными данными. Отличие второй серии экспериментов от первой – увеличенное в два раза значение заработной плата прикладников.
32 Напомним, что объясняющими факторами производственных функций, описывающих валовые региональные продукты (переменная GDP), являются число занятых в экономике (переменная L) и численность персонала, занятого исследованиями и разработками (переменная LS). Еще раз отметим, что указанные переменные в начальный момент времени задаются согласно статистическим данным за 2016 год.
33 Первая серия экспериментов.
34 Для начала продемонстрируем результаты экспериментов по стране в целом. Они отражены в таблице 1. В ней приведены прогнозные значения за 2026 год как объясняющих факторов L и LS, так и зависимой переменной GDP. В первом столбце таблицы указан номер эксперимента.
35 Таблица 1. Показатели по России (первая серия экспериментов)
№ L, тыс. чел. LS, тыс. чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 72 392,6 75 031,3 3,64% 722,1 929,4 28,70% 69 254 134,300 95 526 738,203 37,94%
2 72 392,6 75 965,2 4,93% 722,1 995,5 37,86% 69 254 134,300 97 717 803,247 41,10%
3 72 392,6 75 168,9 3,83% 722,1 984,1 36,27% 69 254 134,300 95 478 252,801 37,87%
4 72 392,6 75 270,2 3,97% 722,1 979,0 35,58% 69 254 134,300 96 889 376,771 39,90%
5 72 392,6 75 100,1 3,74% 722,1 1 079,9 49,54% 69 254 134,300 102 011 888,354 47,30%
36 Мы видим, что рост ВВП за 10 лет составит в среднем около 40,82% (средний показатель по пяти проведенным экспериментам).
37 Динамика ВВП России за исследованный период, т.е. с 2017г. по 2026г. показана на рис.3. По оси абсцисс отмечено время: 0 - 2016г, 2 – 2018г.,…, 10 – 2026г. Отметим, что показатель уровня ВВП в 2018 году согласно модели вполне соответствуют информации Всемирного банка, который прогнозирует рост ВВП в России на 1,5% в 2018 году [11].
38

    

 

   

 

Рис.3. График ВВП России 2017 – 2026 гг. (первая серия экспериментов), млн руб.

39 Возвращаясь к таблице 1, мы видим, что прирост численности населения занятого в экономике за указанный период составляет в среднем около 4 % и, следовательно, в основном рост ВВП достигается за счет увеличения численности персонала, занятого исследованиями и разработками. Увеличение последнего в модели происходит с некоторой постоянной интенсивностью в предположении, что заработная плата в данной сфере на меньше чем в среднем по региону.
40 Перейдем к анализу исследуемых показателей на региональном уровне. Данный анализ выявил значительное различие в динамике развития регионов в зависимости от степени эластичности переменной LS (βi). По сути это степень эффективности деятельности работников в сфере прикладной науки. Достаточный уровень развитости этой сферы в регионе дает возможности не только для создания хорошего инновационного продукта, но и его быстрого внедрения в реальный сектор (что и учитывается в росте ВРП). Исследование показало, что регионы с показателями эластичности переменной LS близким к 0,1 имеют стабильный рост ВРП на уровне от 30 до 66%. Напротив, регионы, у которых показатель эластичности близок к нулю, демонстрируют спад или крайне вялый рост ВРП. Таких регионов оказалось 27 (более 30%).
41 Для наглядности далее представлены 5 регионов с наиболее высокими показателями эластичности переменной LS и 5 регионов с показателем эластичности, близкими к нулю (вторые 5 регионов были выбраны из Центрального федерального округа). Начнем с первой группы регионов РФ. Это Алтайский край, Курская, Рязанская, Тульская, Кемеровская области с показателями эластичности переменной LS близкими к 0.1. Результаты экспериментов приведены в таблицах 2-6. Как и в таблице 1, в них отмечены прогнозные значения за 2026 год как объясняющих факторов L и LS, так и зависимой переменной GDP. В первом столбце указан номер эксперимента.
42 Таблица 2. Алтайский край (первая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 1 059 644 1 169 151 10,33% 2 719 3 918 44,10% 498 789,100 906 795,655 81,80%
2 1 059 644 1 008 111 -4,86% 2 719 3 891 43,10% 498 789,100 694 170,841 39,17%
3 1 059 644 1 136 943 7,29% 2 719 3 863 42,07% 498 789,100 853 323,992 71,08%
4 1 059 644 1 062 864 0,30% 2 719 3 891 43,10% 498 789,100 756 821,950 51,73%
5 1 059 644 1 085 410 2,43% 2 719 4 462 64,10% 498 789,100 878 352,188 76,10%
43 Таблица 3. Курская область (первая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 545 141 576 794 5,81% 2 846 4 102 44,13% 364 601,700 610 393,180 67,41%
2 545 141 566 243 3,87% 2 846 4 073 43,11% 364 601,700 586 129,421 60,76%
3 545 141 538 107 -1,29% 2 846 4 045 42,13% 364 601,700 529 051,343 45,10%
4 545 141 594 379 9,03% 2 846 4 073 43,11% 364 601,700 638 456,541 75,11%
5 545 141 573 277 5,16% 2 846 4 672 64,16% 364 601,700 662 735,749 81,77%
44 Таблица 4. Рязанская область (первая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 514 650 498 154 -3,21% 2 718 3 927 44,48% 336 973,500 465 201,604 38,05%
2 514 650 544 341 5,77% 2 718 3 900 43,49% 336 973,500 548 376,835 62,74%
3 514 650 567 434 10,26% 2 718 3 873 42,49% 336 973,500 590 672,979 75,29%
4 514 650 508 052 -1,28% 2 718 3 900 43,49% 336 973,500 477 568,004 41,72%
5 514 650 524 547 1,92% 2 718 4 473 64,57% 336 973,500 561 604,493 66,66%
45 Таблица 5. Тульская область (первая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 767 156 767 156 0,00% 4 237 6 121 44,47% 517 740,800 795 307,975 53,61%
2 767 156 811 415 5,77% 4 237 6 078 43,45% 517 740,800 877 055,381 69,40%
3 767 156 711 832 -7,21% 4 237 6 036 42,46% 517 740,800 686 155,963 32,53%
4 767 156 767 156 0,00% 4 237 6 078 43,45% 517 740,800 784 811,580 51,58%
5 767 156 741 338 -3,37% 4 237 6 971 64,53% 517 740,800 814 351,354 57,29%
46 Таблица 6. Кемеровская область (первая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 1 263 960 1 398 424 10,64% 1 551 2 236 44,17% 858 098,400 1 147 193,476 33,69%
2 1 263 960 1 421 955 12,50% 1 551 2 220 43,13% 858 098,400 1 176 981,062 37,16%
3 1 263 960 1 408 509 11,44% 1 551 2 205 42,17% 858 098,400 1 150 762,226 34,11%
4 1 263 960 1 374 893 8,78% 1 551 2 220 43,13% 858 098,400 1 102 452,001 28,48%
5 1 263 960 1 351 362 6,91% 1 551 2 547 64,22% 858 098,400 1 178 381,865 37,32%
47 Таким образом, средний рост ВРП за 10 лет по данным регионам составил примерно от 34% до 66%. Общее среднее значение - около 55%. Динамика ВРП за исследованный период, т.е. с 2017г. по 2026г. по указанным регионам приведена в Приложении 1.
48 Теперь перейдем к регионам, где сфера прикладной науки не развита и её «отдача» в реальный сектор экономика минимальна. Как было сказано выше, таких регионов 27. Рассмотрим 5 из них, которые представляют Центральный федеральный округ. Это Брянская, Ивановская, Костромская, Орловская и Смоленская области. Результаты экспериментов приведены в таблицах 7-11. Динамика ВРП за исследованный период, т.е. с 2017г. по 2026г. по указанным регионам также приведена в Приложении 1.
49 Таблица 7. Брянская область (первая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 595 944 599 471 0,59% 630 911 44,60% 285 847,900 288 781,512 1,03%
2 595 944 557 155 -6,51% 630 905 43,65% 285 847,900 254 418,014 -11,00%
3 595 944 606 523 1,78% 630 899 42,70% 285 847,900 294 686,625 3,09%
4 595 944 592 418 -0,59% 630 905 43,65% 285 847,900 282 926,944 -1,02%
5 595 944 613 576 2,96% 630 1 038 64,76% 285 847,900 300 642,125 5,18%
50 Таблица 8. Ивановская область (первая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 506 256 502 691 -0,70% 618 894 44,66% 179 633,400 177 250,729 -1,33%
2 506 256 516 951 2,11% 618 888 43,69% 179 633,400 186 871,192 4,03%
3 506 256 538 342 6,34% 618 882 42,72% 179 633,400 201 749,751 12,31%
4 506 256 524 082 3,52% 618 888 43,69% 179 633,400 191 771,087 6,76%
5 506 256 513 386 1,41% 618 1 018 64,72% 179 633,400 184 443,643 2,68%
51 Таблица 9. Костромская область (первая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 309 512 312 951 1,11% 121 175 44,63% 160 705,400 164 294,576 2,23%
2 309 512 337 024 8,89% 121 173 42,98% 160 705,400 190 528,078 18,56%
3 309 512 312 951 1,11% 121 172 42,15% 160 705,400 164 294,576 2,23%
4 309 512 306 073 -1,11% 121 173 42,98% 160 705,400 157 155,843 -2,21%
5 309 512 306 073 -1,11% 121 199 64,46% 160 705,400 157 155,843 -2,21%
52 Таблица 10. Орловская область (первая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 359 804 342 671 -4,76% 878 1 267 44,31% 213 924,000 194 139,775 -9,25%
2 359 804 373 511 3,81% 878 1 258 43,28% 213 924,000 230 438,423 7,72%
3 359 804 380 364 5,71% 878 1 249 42,26% 213 924,000 238 924,562 11,69%
4 359 804 349 524 -2,86% 878 1 258 43,28% 213 924,000 201 938,930 -5,60%
5 359 804 376 938 4,76% 878 1 443 64,35% 213 924,000 234 662,418 9,69%
53 Таблица 11. Смоленская область (первая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 487 355 564 889 15,91% 761 1 102 44,81% 262 318,000 350 034,187 33,44%
2 487 355 527 968 8,33% 761 1 095 43,89% 262 318,000 306 726,642 16,93%
3 487 355 509 508 4,55% 761 1 087 42,84% 262 318,000 286 120,777 9,07%
4 487 355 527 968 8,33% 761 1 095 43,89% 262 318,000 306 726,642 16,93%
5 487 355 542 737 11,36% 761 1 255 64,91% 262 318,000 323 714,649 23,41%
54 Во-первых, на фоне первой группы регионов мы можем видеть насколько меньше все показатели второй группы в абсолютных значениях. Во-вторых, средний рост ВРП этих 5 регионов составляет около 6%. И это при том, что рост Смоленской области составил почти 19%, в остальных регионах он не превышает и 5%. В Брянской области даже наблюдается спад примерно в 0,5%.
55 Итак, можно видеть, что 5 регионов первой группы, где эластичность по показателю численности занятых в сфере прикладной науки высок, имеют большой и довольно стабильный рост. Регионы второй группы сильно уступают. Отметим, что такая ситуация может быть связана с множеством других причин, которые не учитываются в модели, однако тем не менее можно считать показательным столь сильную разницу в динамике развития между двумя группами регионов.
56 Помимо динамики ВРП регионов также представляет интерес и их распределение по абсолютному значению этого показателя. Приведем карту России, на которой можно увидеть прогноз данного распределения в 2026г. Чем больше абсолютное значение ВРП региона, чем в более темный вариант цвета (в данном случае синего) окрашивается регион.
57

Рис 4. Распределение регионов по значению ВРП в 2026г. (первая серия экспериментов)
58 Как следует из данной карты, согласно прогнозам, полученным с помощью данной АОМ, наибольшее значение ВПР будет в Москве. Среди лидеров будут также Московская область, Ханты-Мансийский автономный округ, Ямало-Ненецкий автономный округ, Красноярский край, республика Саха (Якутия), Санкт-Петербург, Краснодарский край и ряд других регионов.
59 Вторая серия экспериментов.
60 В данной серии экспериментов мы увеличиваем в два раза один из параметров модели, а именно, заработную плату прикладников. Как было отмечено ранее, считаем, что это приводит к пропорциональному (в два раза) увеличению интенсивности перехода в данную сферу деятельности (см. рис.1, переход из состояния «Normal» в состояние «AppliedScientist»). Как и в первой серии экспериментов продемонстрируем полученные результаты как по стране в целом, так и по отдельным регионам. Результаты экспериментов по стране в целом отражены в таблице 12 и на рис.4.
61 Таблица 12. Показатели по России (вторая серия экспериментов)
№ L, тыс. чел. LS, тыс. чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 72 392,6 75 570,7 4,39% 722,1 1 232,7 70,71% 69 254 134,300 104 984 795,014 51,59%
2 72 392,6 75 027,7 3,64% 722,1 1 086,8 50,51% 69 254 134,300 97 956 731,117 41,45%
3 72 392,6 75 433,1 4,20% 722,1 1 145,2 58,59% 69 254 134,300 101 825 290,453 47,03%
4 72 392,6 75 603,2 4,43% 722,1 1 181,7 63,64% 69 254 134,300 104 275 496,269 50,57%
5 72 392,6 75 708,2 4,58% 722,1 1 225,4 69,70% 69 254 134,300 105 023 614,291 51,65%
62 Как видно из таблицы 12, средний прирост прикладников по стране увеличился до 62,63% против 37,59% (с исходным значением параметра модели). Вместе с этим увеличился и прирост ВВП до 48,46% против 37,59%. По рис. 5 можно заметить, что не просто увеличился показатель ВВП в абсолютном значении, но и динамика роста стала более плавной.
63 Рис.5 График ВВП России 2017 – 2026 гг. (вторая серия экспериментов), млн руб.
64 Приведем результаты экспериментов по регионам. Для того, чтобы сравнить их с результатами до изменения параметра модели, рассмотрим те же регионы, что и при исходном значении параметра, т.е. сравним результаты первой и второй серий экспериментов. В таблицах 13-17 приведены результаты по пяти регионам с наиболее высокими показателями эластичности переменной LS.
65 Таблица 13. Алтайский край (вторая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 1 059 644 1 053 644 -0,57% 2 719 4 625 70,10% 498 789,100 866 965,957 73,81%
2 1 059 644 1 107 956 4,56% 2 719 4 081 50,09% 498 789,100 846 794,409 69,77%
3 1 059 644 1 149 826 8,51% 2 719 4 353 60,10% 498 789,100 952 989,144 91,06%
4 1 059 644 1 133 722 6,99% 2 719 4 544 67,12% 498 789,100 962 643,538 93,00%
5 1 059 644 1 133 722 6,99% 2 719 4 571 68,11% 498 789,100 967 347,852 93,94%
66 Таблица 14. Курская область (вторая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 545 141 541 624 -0,65% 2 846 4 842 70,13% 364 601,700 611 625,029 67,75%
2 545 141 495 902 -9,03% 2 846 4 273 50,14% 364 601,700 469 357,406 28,73%
3 545 141 548 658 0,65% 2 846 4 558 60,15% 364 601,700 598 080,515 64,04%
4 545 141 604 930 10,97% 2 846 4 757 67,15% 364 601,700 744 481,009 104,19%
5 545 141 583 828 7,10% 2 846 4 785 68,13% 364 601,700 699 064,583 91,73%
67 Таблица 15. Рязанская область (вторая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 514 650 501 453 -2,56% 2 718 4 636 70,57% 336 973,500 529 069,821 57,01%
2 514 650 531 145 3,21% 2 718 4 091 50,52% 336 973,500 538 600,338 59,83%
3 514 650 534 444 3,85% 2 718 4 364 60,56% 336 973,500 571 561,320 69,62%
4 514 650 508 052 -1,28% 2 718 4 555 67,59% 336 973,500 535 400,699 58,89%
5 514 650 508 052 -1,28% 2 718 4 582 68,58% 336 973,500 537 360,913 59,47%
68 Таблица 16. Тульская область (вторая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 767 156 789 285 2,88% 4 237 7 226 70,55% 517 740,800 937 844,996 81,14%
2 767 156 756 091 -1,44% 4 237 6 376 50,48% 517 740,800 791 223,216 52,82%
3 767 156 796 662 3,85% 4 237 6 801 60,51% 517 740,800 912 794,869 76,30%
4 767 156 815 103 6,25% 4 237 7 098 67,52% 517 740,800 982 101,718 89,69%
5 767 156 792 973 3,37% 4 237 7 141 68,54% 517 740,800 937 787,573 81,13%
69 Таблица 17. Кемеровская область (вторая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 1 263 960 1 432 040 13,30% 1 551 2 640 70,21% 858 098,400 1 345 133,972 56,76%
2 1 263 960 1 314 384 3,99% 1 551 2 329 50,16% 858 098,400 1 050 346,660 22,40%
3 1 263 960 1 324 469 4,79% 1 551 2 484 60,15% 858 098,400 1 115 699,238 30,02%
4 1 263 960 1 277 407 1,06% 1 551 2 593 67,18% 858 098,400 1 076 506,631 25,45%
5 1 263 960 1 297 576 2,66% 1 551 2 609 68,21% 858 098,400 1 112 707,059 29,67%
70 Можно видеть, что в этих регионах при увеличении количества прикладников ВРП имеет более ярко выраженную тенденцию к росту. По таким регионам рост количества прикладников в среднем составил около 63,3% (на 15,8% больше, чем в первой серии экспериментов), а рост количества занятых в других сферах - 3,13% (на 0,75% меньше, чем в первой серии экспериментов). При этом рост ВРП составил 65,13%, что на 10,3% больше, чем в первой серии экспериментов. То есть даже при том, что количество занятых в других ненаучных сферах снизилась, рост ВРП значительно увеличивается.
71 В таблицах 18-22 приведены результаты по пяти регионам с показателями эластичности переменной LS близкими к нулю.
72 Таблица 18. Брянская область (вторая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 595 944 631 207 5,92% 630 1 076 70,79% 285 847,900 215 750,289 -24,52%
2 595 944 599 471 0,59% 630 949 50,63% 285 847,900 288 781,512 1,03%
3 595 944 581 839 -2,37% 630 1 013 60,79% 285 847,900 274 240,217 -4,06%
4 595 944 624 155 4,73% 630 1 057 67,78% 285 847,900 309 669,505 8,33%
5 595 944 557 155 -6,51% 630 1 063 68,73% 285 847,900 254 418,014 -11,00%
73 Таблица 19. Ивановская область (вторая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 506 256 516 951 2,11% 618 1 055 70,71% 179 633,400 186 871,192 4,03%
2 506 256 531 212 4,93% 618 931 50,65% 179 633,400 196 130,636 9,18%
3 506 256 488 430 -3,52% 618 993 60,68% 179 633,400 167 869,987 -6,55%
4 506 256 502 691 -0,70% 618 1 037 67,80% 179 633,400 177 250,729 -1,33%
5 506 256 534 777 5,63% 618 1 043 68,77% 179 633,400 199 232,753 10,91%
74 Таблица 20. Костромская область (вторая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 309 512 347 341 12,22% 121 206 70,25% 160 705,400 202 365,237 25,92%
2 309 512 333 585 7,78% 121 182 50,41% 160 705,400 186 661,587 16,15%
3 309 512 326 707 5,56% 121 194 60,33% 160 705,400 179 047,452 11,41%
4 309 512 302 634 -2,22% 121 203 67,77% 160 705,400 153 645,904 -4,39%
5 309 512 316 390 2,22% 121 204 68,60% 160 705,400 167 923,369 4,49%
75 Таблица 21. Орловская область (вторая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 359 804 400 925 11,43% 878 1 496 70,39% 213 924,000 265 298,321 24,02%
2 359 804 397 498 10,48% 878 1 320 50,34% 213 924,000 260 807,368 21,92%
3 359 804 339 244 -5,71% 878 1 408 60,36% 213 924,000 190 297,478 -11,04%
4 359 804 376 938 4,76% 878 1 469 67,31% 213 924,000 234 662,418 9,69%
5 359 804 322 110 -10,48% 878 1 478 68,34% 213 924,000 171 658,967 -19,76%
76 Таблица 22. Смоленская область (вторая серия экспериментов)
№ L, чел. LS, чел. GDP, млн руб.
2016 2026 Прирост 2016 2026 Прирост 2016 2026 Прирост
1 487 355 483 663 -0,76% 761 1 301 70,96% 262 318,000 258 449,031 -1,47%
2 487 355 531 660 9,09% 761 1 148 50,85% 262 318,000 310 931,728 18,53%
3 487 355 494 740 1,52% 761 1 225 60,97% 262 318,000 270 140,114 2,98%
4 487 355 487 355 0,00% 761 1 278 67,94% 262 318,000 262 318,000 0,00%
5 487 355 461 511 -5,30% 761 1 286 68,99% 262 318,000 235 825,078 -10,10%
77 Ситуация по этим регионам противоположная. Увеличение численности прикладников в таких регионах не оказала положительного воздействия на ВРП, а в некоторых случаях имела даже отрицательное влияние. Это наглядно видно на графиках в Приложении 2. Количество работников в сфере прикладной науки увеличилось на 63,7% (на 15,9% больше, чем в первой серии экспериментов), численность работников в других сферах увеличилась на 2% (на 1% ниже, чем в первой серии экспериментов). Тем не менее, в отличие от первой группы регионов, развитых в научном направлении, рост ВРП за 10 лет составил чуть ниже 3%, то есть на 3,2% меньше, чем в первой серии экспериментов.
78 Такую ситуацию можно объяснить тем, что сфера науки, в том числе прикладной, в данных регионах в силу своей неразвитости имеет минимальную отдачу в реальный сектор. Таким образом, даже если увеличить количество работников, занимающихся исследованиями и разработками, они не смогут воспроизводить в достаточной степени инновационный продукт без качественного образования, современного оборудования, научных центров, продуманного законодательства в области патентования и прочее. То есть работник вносит больший вклад, работая фермером или пекарем, чем ученым в среде, где нет возможностей реализации.
79 Едва ли можно сказать, что именно неразвитость научной сферы является причиной общей неразвитости таких регионов. Однако именно развитие науки может выступить тем катализатором и отправной точкой для социально-экономического развития. Соответственно, для таких регионов не подойдет стандартная политика развития, им необходим особенных комплекс мер, который был бы направлен на развитие научной среды и повышение уровня условий работы в сфере исследования и разработок.
80 Наконец, приведем карту России, на которой можно увидеть прогноз распределения абсолютного значения ВРП регионов в 2026г при увеличенном значении параметра модели (заработная плата прикладников).
81

Рис 6. Распределение регионов по значению ВРП в 2026г. (вторая серия экспериментов)
82 Очевидно, что различия по уровню ВРП не сгладились и присутствует всё то же неравномерное распределение по стране, однако с увеличением параметра модели большое количество регионов прибавило в уровне ВРП.
83 Подводя краткий итог, можно сказать, что результаты исследований с помощью настоящей АОМ показали важность сферы исследований и разработок в развитии регионов. В целом уровень ВРП имеет положительную зависимость от сферы прикладной науки. Чем больше эластичность сферы прикладной науки и чем больше работников в ней занято, чем выше уровень ВРП, тем стабильнее и динамичнее его рост. Исключением являются регионы, в которых наблюдается низкий уровень развития науки.
84 Заключение
85 В ходе исследования стало очевидно, что уровень социально-экономической стабильности и безопасности регионов во многом зависит от степени его наукоориентированности, причем ориентированности именно на прикладную науку, результатом которой является инновационный технологический продукт. Таким образом, чем шире сфера прикладной науки, чем больше она развита, чем больше людей профессионально занято исследованиями и разработками, тем выше показатели социально-экономического роста и развития региона.
86 Также огромную роль играет эффективность этой сферы. В ходе исследования было выявлено, что в России в 27 регионах (более 31%) эффективность сферы исследования и разработок близка к нулю (оценка соответствующего параметра производственной функции равна нулю). В этих регионах рост ВРП минимален или он вовсе отрицателен.
87 С другой стороны в таких регионах, как Курская, Рязанская, Кемеровская области, где показатель эластичности занятых в сфере прикладной науки близок к 0.1, демонстрируют рост на уровне около 30-66%.
88 Мы явно видим неравномерное распределение степени развитости прикладной науки по стране, в том числе научно-исследовательских организаций, конструкторских бюро, технологических кластеров и других организаций, поддерживающих высокий уровень новейших технологий, в том числе военных. Это создает очевидные трудности с обеспечением всех видов безопасности, особенно в эпоху тотальной цифровизации.
89 Проведенные эксперименты указывают путь для повышения технической, социальной и экономической стабильности и безопасности путем увеличения количества высококвалифицированных работников в сфере инновационных технологий, а также стимулирования к равномерному распределению по стране.
90 Каким способом это может быть достигнуто? Конкретные методы могут стать темой следующей статьи авторов, однако уже сейчас можно предположить, что в первую очередь речь идет о формировании и поддержке центров подготовки кадров в области создания и распространения инноваций во всех регионах. Также важно создание соответствующих высококвалифицированных рабочих мест по специальностям: научно-исследовательские организации, технопарки, технологические кластеры и другие организации, занятые в сфере инновационных технологий. Кроме того, совершенно очевидно, что заработная плата в данной сфере должна быть существенно повышена, что послужит мотивацией для перехода в эту сферу ученых-теоретиков, а также привлечет молодых талантливых людей.
91 Рост научной сферы, которая генерирует новые технологии, станет залогом социальной и технико-экономической безопасности России.
92 Благодарности
93 Работа выполнена по программе Президиума РАН I.20П «Многофакторные вызовы и риски перехода к новому этапу научно-технологического и экономического развития России: фундаментальные и прикладные проблемы», подпрограмма (1) «Создание имитационной модели российского общества для оценки рисков перехода к новому этапу технологического развития России».
94 Авторы выражают признательность за консультации академику РАН Макарову В. Л., чл.-корр. РАН Бахтизину А. Р., д.э.н., профессору Афанасьеву М. Ю., к.э.н. Сушко Е. Д., академику РАН Кокошину А. А.
95 Приложение 1
96 Динамика ВРП по отдельным регионам (первая серия экспериментов)
97 Эксперимент № 1:
98

Эксперимент № 2:

99

Эксперимент № 3:

100

Эксперимент № 4:

101

Эксперимент № 5:

102 Приложение 2
103 Динамика ВРП по отдельным регионам (вторая серия экспериментов)
104

Эксперимент № 1:

105

Эксперимент № 2:

106

Эксперимент № 3:

107

Эксперимент № 4:

108

Эксперимент № 5:

Библиография

1. Solow R.M. Technical progress, capital formation and economic growth// American Economic Review. 1962. № 52. Pp. 76-86.

2. Solow R. M. The Production function and the Theory of Capital // Review of Economic Studies, Oxford University Press, 1953, vol. 23(2), pp. 101–108.

3. Solow R. M. A Contribution to the Theory of Economic Growth // The Quarterly Journal of Economics, Vol.70, No.1. (Feb., 1956), pp. 65–94.

4. Solow R. M. Technical Change and the Aggregate Production Function // The Review of Economics and Statistics, Vol. 39, No. 3 (Aug., 1957), pp. 312–320

5. Cass D., Stiglitz J.E. The implications of alternative saving and expectations hypotheses for choices of technique and patterns of growth // J. Political Economy. 1969. V. 77. P. 586–627.

6. Cass D. Optimum growth in an aggregative model of capital accumulation /D.Cass // Review of Economic Studies. 1965. V. 32. № 3. P. 233-240.

7. Социальное моделирование - новый компьютерный прорыв (агент-ориентированные модели) / В.Л. Макаров, А.Р. Бахтизин. - Москва : Экономика, 2013. - 295 с.

8. https://www.anylogic.ru/

9. http://www.gks.ru/

10. Модели производственного потенциала и оценки технологической эффективности регионов РФ с учётом структуры производства / С.А. Айвазян, М.Ю. Афанасьеф, А.В. Кудров - Москва: Экономика и математические методы, 2016, том 52, № 1, с. 28-44.

11. https://data.worldbank.org

Комментарии

Сообщения не найдены

Написать отзыв
Перевести