Анализ и прогноз конкурентоспособности новых индустриальных стран
Смирнов В.В.1
, Осипов Д.Г.1, Бабаева А.А.1, Григорьева Е.В.1, Перфилова Е.Ф.1
1 Чувашский государственный университет им. И.Н. Ульянова
Скачать PDF | Загрузок: 16 | Цитирований: 8
Статья в журнале
Креативная экономика (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 12, Номер 9 (Сентябрь 2018)
Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=36315081
Цитирований: 8 по состоянию на 06.02.2021
Аннотация:
Предметом исследования являются конкурентные преимущества новых индустриальных стран – Индии, Индонезии, Китая, Малайзии, Сингапура, Таиланда, Филиппин, Южной Кореи, Аргентины, Бразилии, Мексики, Туниса, Кипр, Турция и Гонконга. В статье проведен анализ и прогноз динамики развития новых индустриальных стран с оценкой технологических темпов прироста (TGR) комплекса взаимообусловленных показателей: высокотехнологичного экспорта, затрат на исследования и разработки, количества заявок на товарные знаки, количества патентных заявок (нерезиденты и резиденты), промышленного проектирования (нерезиденты и резиденты), государственных расходов на образование. В результате анализа TGR новых индустриальных стран выявлены конкурентные преимущества по TGR2006-2016: Тунис (высокотехнологичный экспорт и промышленное проектирование (нерезиденты)), Индия (высокотехнологичный экспорт), Таиланд (затраты на исследования и разработки и количество патентных заявок (нерезиденты), Китай (количество заявок на товарные знаки и патентных заявок (резиденты)), Индонезия (промышленное проектирование (резиденты); Турция (государственные расходы на образование); TGR2006-2020: Сингапур и Индия (высокотехнологичный экспорт), Таиланд (затраты на исследования и разработки и количество патентных заявок (нерезиденты)), Китай (количество заявок на товарные знаки), Кипр (количество патентных заявок (резиденты)), Тунис (промышленное проектирование (нерезиденты)), Индонезия (промышленное проектирование (резиденты), Турция (государственные расходы на образование).
Ключевые слова: конкурентные преимущества, технологическое развитие, факторный анализ, прогноз, новые индустриальные страны, темпы прироста
Источники:
2. Bо T.H., Dysvik B., Jonassen, I. LSimpute: accurate estimation of missing values in microarray data with least squares methods // Nucleic Acids Research. – 2004. – № 3. – С. 34. – doi: 10.1093/nar/gnh026.
3. Cardiel N. Data boundary fitting using a generalized least-squares method // Monthly Notices of the Royal Astronomical Society. – 2009. – № 2. – С. 680-695. – doi: 10.1111/j.1365-2966.2009.14749.x.
4. Gokhberg L., Meissner D., Shmatko N.A. Myths and Realities of Highly Qualified Labor and What It Means for PhDs // Journal of the Knowledge Economy. – 2017. – № 2. – С. 758-767. – doi: 10.1007/s13132-016-0403-7.
5. Gokhberg L., Sokolov A., Chulok A.A. Russian S&T Foresight 2030: identifying new drivers of growth // Foresight. – 2017. – № 5. – С. 441-456. – doi: 10.1108/FS-07-2017-0029.
6. Grigoli F., Cesca S., Dahm T., Krieger L. A complex linear least-squares method to derive relative and absolute orientations of seismic sensors // Geophysical Journal International. – 2012. – № 3. – С. 1243-1254. – doi: 10.1111/j.1365-246X.2011.05316.x.
7. Jarratt P., Mack C. A least squares method for Laplace's equation with Dirichlet boundary conditions // Computer Journal. – 1968. – № 1. – С. 83-87. – doi: 10.1093/comjnl/11.1.83.
8. Khabaza I.M. An Iterative Least-Square Method Suitable for Solving Large Sparse Matrices // Computer Journal. – 1963. – № 2. – С. 202-206. – doi: 10.1093/comjnl/6.2.202.
9. Maloney W.F., Nayyar G.N. Industrial Policy, Information, and Government Capacity // World Bank Research Observer. – 2018. – doi: 10.1093/wbro/lkx006.
10. Xu Yu., Mildred E. Understanding employment growth in the recession: the geographic diversity of state rescaling // Cambridge Journal of Regions, Economy and Society. – 2012. – № 2. – С. 359-377. – doi: 10.1093/cjres/rsv001.
Страница обновлена: 26.11.2024 в 12:58:28