Логистические модели жизненного цикла технологий как инструмент оценки эффективности затрат на ниокр
- Авторы: Нижегородцев Р.М.1, Рослякова Н.А.1, Горидько Н.П.1
-
Учреждения:
- ФГБУН Институт проблем управления им. В.А. Трапезникова РАН
- Выпуск: № 108 (2024)
- Страницы: 137-155
- Раздел: Управление в социально-экономических системах
- URL: https://bakhtiniada.ru/1819-2440/article/view/284358
- DOI: https://doi.org/10.25728/ubs.2024.108.8
- ID: 284358
Цитировать
Полный текст
Аннотация
Исследование жизненных циклов технологий, их квантификация и определение переломных точек является актуальной научной задачей. Наиболее обоснованной теоретической конструкцией исследования динамики жизненного цикла технология является логистическая кривая. Основой является сопоставление динамических рядов затрат и эффектов и выявление их взаимной связи, допускающей аппроксимацию при помощи логистической кривой. Данная статья посвящена расчету логистических трендов, выражающих связь погодовых данных валовой выручки и затрат на НИОКР для компании Яндекс в 2009–2021 гг. На основе аппроксимации, проведенной методами нелинейного регрессионного анализа, рассчитываются значения максимальной интегральной эффективности и максимальной дифференциальной (точечной) эффективности затрат на НИОКР по каждому из рассматриваемых временных промежутков. Исследование логистических трендов и представленные инструментарий и результаты позволяют выявить периоды доминирования той или иной технологической (или организационно-управленческой) парадигмы в жизни определенной высокотехнологичной компании на основе сопоставления совокупной и/или мгновенной эффективности для разных периодов развития компании. Кроме того, предложенные результаты актуальны для оценки перспектив технологических сдвигов в развитии высокотехнологичной компании, а именно, определения уровня технологического или стоимостного верхнего предела, выражаемых верхней горизонтальной асимптотой соответствующей логисты.
Об авторах
Роберт Михайлович Нижегородцев
ФГБУН Институт проблем управления им. В.А. Трапезникова РАН
Email: bell44@rambler.ru
Москва
Наталья Андреевна Рослякова
ФГБУН Институт проблем управления им. В.А. Трапезникова РАН
Email: na@roslyakova24.ru
Москва
Нина Павловна Горидько
ФГБУН Институт проблем управления им. В.А. Трапезникова РАН
Email: horidko@mail.ru
Москва
Список литературы
- ГОРИДЬКО Н.П., НИЖЕГОРОДЦЕВ Р.М. Регрессионная оценка мультипликаторов совокупного спроса по агре-гатам // Анализ, моделирование, управление, развитие социально-экономических систем: Сб. науч. трудов XIV Всеросс. с междунар. уч-ем шк.-симп. АМУР-2020. – Симферополь, 2020. – С. 109–110.
- ДХАКАЛ Т., МИН К.С. Макроанализ и прогноз перспек-тив распространения электромобилей // Форсайт – 2021. – Т. 15, №1. – С. 67–73.
- ИЛЬИНА Е.А., САРАЕВ Л.А. Стохастические модели динамики максимальной и оптимальной прибыли произ-водственного предприятия, внедряющего технологиче-ские инновации // Вестник Самарского университета. Экономика и управление. – 2023. – Т. 14, №2. – С. 197–213.
- ИПАТОВА И.Б., ПЕРЕСЕЦКИЙ А.А. Техническая эф-фективность предприятий отрасли производства ре-зиновых и пластмассовых изделий // Прикладная эконо-метрика. – 2013. – Т. 32, №4. – С. 71–92.
- НИЖЕГОРОДЦЕВ Р.М. Экономика инноваций: Учебное пособие. – М.: РУСАЙНС, 2016. – 154 с.
- Яндекс: годовые финансовые отчеты / Смартлаб [Элек-тронный ресурс]. – Режим доступа: https://smart-lab.ru/q/YNDX/f/y/GAAP/.
- D’ANGELO A., BARONCELLI A. An Investigation Over Inbound Open Innovation in SMEs: Insights from an Italian Manufacturing Sample // Technology Analysis & Strategic Management. – 2020. – Vol. 32, No. 5. – P. 542–560.
- DOAN A.-T., KHAN A., HOLMES S., TRAN T. SMEs’ effi-ciency in a transitional economy: does innovation and pub-lic support schemes matter? // Journal of the Asia Pacific Economy. – 2023. – Vol. 28, No. 3. – P. 1029–1060.
- DOBRZANSKI P. The efficiency of spending on R&D in Lat-in America region // Applied Economics. – 2020. – Vol. 52, No. 46. – P. 5020–5034.
- FORÉS B., CAMISÓN C. Does Incremental and Radical In-novation Performance Depend on Different Types of Knowledge Accumulation Capabilities and Organizational Size? // Journal of Business Research. – 2016. – Vol. 69. – P. 831–848.
- Indicators / WorldBank. [Электронный ресурс]. – Режим доступа: https://data.worldbank.org/indicator/NY.GDP.DEFL. KD.ZG?end=2021&name_desc=true&start=2000&view=map&year=1961.
- KIM K., LEE J., LEE C. Which innovation type is better for production efficiency? A comparison between prod-uct/service, process, organisational and marketing innova-tions using stochastic frontier and meta-frontier analysis // Technology Analysis & Strategic Management. – 2023. – Vol. 35, No. 1. – P. 59–72.
- MIAMO C.W., BERTIN C.P.K. The effect of external knowledge on innovation capacity of SMES: Does the source of knowledge matter? // African Journal of Science, Technology, Innovation and Development. – 2022. – Vol. 14, No. 6. – P. 1655–1666.
- RADICIC D. Breadth of external knowledge search in service sectors // Business Process Management Journal. – 2021. – Vol. 27, No. 1. – Р. 230–252.
- RADICIC D., ALKARAAN F. Relative effectiveness of open innovation strategies in single and complex SME innovators // Technology Analysis & Strategic Management. – 2022. – doi: 10.1080/09537325.2022.2130042.
- RODRÍGUEZ-POSE A., DI CATALDO M. Quality of Gov-ernment and Innovative Performance in the Regions of Eu-rope // Journal of Economic Geography. – 2015. – Vol. 15, No. 4. – P. 673–706.
- SERRANO-BEDIA A.M., LÓPEZ-FERNÁNDEZ M., GAR-CÍA-PIQUERES G. Complementarity between innovation knowledge sources: Does the innovation performance meas-ure matter? // BRQ Business Research Quarterly. – 2018. – Vol. 21, No. 1. – P. 53–67.
- UGUR M., VIVARELLI M. Innovation, firm survival and productivity: the state of the art // Economics of Innovation and New Technology. – 2021. – Vol. 30, No. 5. – P. 433–467.
- WANG P., CEN C. Does digital economy development pro-mote innovation efficiency? A spatial econometric approach for Chinese regions // Technology Analysis & Strategic Management. – 2022. – doi: 10.1080/09537325.2022.2065980.
- YEH M.-L., CHU H.-P., SHER P. J., CHIU Y.-C. R&D intensity, firm performance and the identification of the threshold: fresh evidence from the panel threshold regression model // Applied Economics. – 2010. – Vol. 42, No. 3. – P. 389–401.
- ZHU Y., WANG Z., YANG J., ZHANG ZH. Evaluating per-formance of innovation resource allocation in industrial en-terprises: an improved two-stage DEA model // Technology Analysis & Strategic Management. – 2022. – doi: 10.1080/09537325.2022.2157254.
Дополнительные файлы
