Парадокс капиталоемкости

Обложка

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Снижение капиталоемкости производства позволяет поддерживать экономический рост при низкой норме накопления капитала. Однако связь между развитием экономики знаний и динамикой капиталоемкости имеет сложный характер. В отдельные периоды времени она положительная, в другие — отрицательная. Допустимо рассуждать о существовании парадокса капиталоемкости по аналогии с парадоксом производительности (парадокс Солоу). Для выявления того, как может формироваться парадокс капиталоемкости, в статье строится математическая модель обновления технологической базы производства. Особенностью модели является как ее многофазный характер, так и разграничение инвестиций в текущее производство, фундаментальные исследования и прикладные разработки. При описании сферы фундаментальных исследований и сферы производства используются логистические функции. Они позволяют учесть существование положительного эффекта масштаба в этих сферах и то, что он сохраняется лишь до некоторого объема используемых ресурсов. В модели представлено не только чередование длинных волны технологического развития, но и наложение волн друг на друга. Важное свойство этой модели состоит в том, что смена фаз развития основывается на определенной экономической логике, а не задается экзогенно. Выполнен иллюстративный расчет по модели, в результате которого получена траектория изменения капиталоемкости производства. Конфигурация этой траектории близка к тому, как реально менялась капиталоемкость производства в экономике США в период 1960–2022 гг. Предложенная модель демонстрирует связь парадокса капиталоемкости с периодическим обновлением технологий широкого назначения, с порождаемыми этими обновлениями волнами Кондратьева.

Полный текст

Доступ закрыт

Об авторах

В. Е. Дементьев

ЦЭМИ РАН

Автор, ответственный за переписку.
Email: vedementev@rambler.ru

чл.- корр. РАН

Россия, Москва

Список литературы

  1. Аганбегян Г. А. (2023). Инновации в России: от высокого знания и наличия перспективных научных заделов к эффективному социально-экономическому развитию // Экономическое возрождение России. № 2. С. 13–26. doi: 10.37930/1990-9780-2023-2(76)-13-26 [Aganbegyan A. G. (2023). Innovations in Russia: From possessing the higher knowledge and promising scientific groundwork towards effective socio-economic development. Economic Revival of Russia, 2, 13–26. doi: 10.37930/1990-9780-2023-2(76)-13-26 (in Russian).]
  2. Андрукович П. Ф. (2023). Модели длинных волн Н. Д. Кондратьева для трех крупных стран Европы // Экономическая наука современной России. № 3. C. 47–66. doi: 10.33293/1609-1442-2023-3(102)-47-66 [Andrukovich P. F. (2023). Kondratiev N. D. long wave models for three large European countries. Economics of Contemporary Russia, 3, 47–66. doi: 10.33293/1609-1442-2023-3(102)-47-66 (in Russian).]
  3. Глазьев С. Ю. (1993). Теория долгосрочного технико-экономического развития. М.: ВлаДар. [Glazyev S.Yu. (1993). Theory of long-term technical and economic development. Moscow: Vladar (in Russian).]
  4. Дементьев В. Е. (2021). Модель интерференции длинных волн экономического развития // Компьютерные исследования и моделирование. Т. 13. Вып. 3. C. 649–663. [Dementiev V. E. (2021). The model of interference of long waves of economic development. Compute Research and Modeling, 13, 3, 649–663 (in Russian).]
  5. Дементьев В. Е. (2023). Обновление технологической базы экономики и реальные процентные ставки // Журнал Новой экономической ассоциации. № 3 (60). С. 104–119. doi: 10.31737/22212264_2023_3_104-119, EDN: LBKSGQ [Dementiev V. E. (2023). Updating the technological base of the economy and real interest rates. Journal of the New Economic Association, 3 (60), 104–119. doi: 10.31737/22212264_2023_3_104-119, EDN: LBKSGQ (in Russian).]
  6. Лавровский Б. Л., Чуваев А. В. (2022). О соотношении экономической динамики и нормы накопления: международный опыт // Проблемы прогнозирования. № 2 (191). С. 6–16. doi: 10.47711/0868-6351-191-6-16 [Lavrovskii B. L., Chuvaev A. V. (2022). On the relationship of economic dynamics and accumulation rate: International experience. Studies on Russian Economic Development, 2 (191), 6–16 (in Russian); 33, 2, 127–134. doi: 10.1134/S1075700722020071 (in English).]
  7. Маевский В. И., Рубинштейн А.А. (2023). Волны Кондратьева и современная макроэкономика // Научные труды Вольного экономического общества России. № 2. С. 87–110. doi: 10.38197/2072-2060-2023-240-2-87-110 [Maevsky V. I., Rubinstein A. A. (2023). Kondratieff waves and modern macroeconomics. Scientific Works of the Free Economic Society of Russia, 2, 87–110. doi: 10.38197/2072-2060-2023-240-2-87-110 (in Russian).]
  8. Acemoglu D., Autor D., Dorn D., Hanson G. H., Price B. (2014). Return of the Solow paradox? IT, productivity, and employment in US manufacturing. American Economic Review, 104 (5), 394–399.
  9. Aghion P., Antonin C., Bunel S., Jaravel X. (2022). The effects of automation on labor demand: A survey of the recent literature. In: Robots and AI: A new economic era. L. Y. Ing, G. M. Grossman (eds.). N.Y.: Routledge, 15–39. doi: 10.4324/9781003275534-2
  10. Bas J., Nahuis R. (2002). A general purpose technology explains the Solow paradox and wage inequality. Economics Letters, 74, 2, 243–250.
  11. Brynjolfsson E., Rock D., Syverson C. (2019). Artificial intelligence and the modern productivity paradox: A clash of expectations and statistics. In: The economics of artificial intelligence: an agenda. Agrawal A., Cans J., Goldfarb A. (eds.). Chicago: University of Chicago Press, 23–60.
  12. Capello R., Lenzi C. (2022). Giovanni Perucca the modern Solow paradox. In search for explanations. Structural Change and Economic Dynamics, 63, 66–180. doi: 10.1016/j.strueco.2022.09.013
  13. Capital productivity (1996). McKinsey Global Institute. Washington. Available at: https://www.mckinsey.com/capabilities/operations/our-insights/capital-productivity
  14. Derkacz A. J. (2020). Capital intensity of investments and GDP dynamics. SSRN Electronic Journal. doi: 10.2139/ssrn.3639572
  15. Helpman E., Trajtenberg M. (1994). A time to sow and a time to reap: Growth based on general purpose technologies. National Bureau of Economic Research, Working paper 4854. doi: 10.3386/w4854
  16. Ing L. Y., Grossman G. M. (eds.). (2022). Robots and AI: A new economic era. 1st ed. N.Y.: Routledge. doi: 10.4324/9781003275534
  17. Kalecki M. (1954). Theory of economic dynamics. An essay on cyclical and long-run changes in capitalist economy. London: Allen & Unwin Ltd. 178 p.
  18. Solow R. M. (1987). We’d better watch out. New York Times Book Review, 36.

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».