Главная страница » Публикации » №2 (78) » Сравнительный анализ траекторий экономической сложности регионального развития: роль ситуационного моделирования

Сравнительный анализ траекторий экономической сложности регионального развития: роль ситуационного моделирования

Comparative analysis of trajectories of economic complexity of regional development: the role of situational modeling

Авторы

Афанасьев М.Ю.
Российская Федерация, Центральный экономико-математический институт РАН
Гусев А.А.
Российская Федерация, Центральный экономико-математический институт РАН
gusevalexeyal@yandex.ru

Аннотация

В статье проведен сравнительный анализ траекторий оценок экономической сложности (ОЭС) регионов, основанный на концепции экономической сложности. Два основных подхода рассмотрены: 1) выбор определенного сектора (ВЭД) в регионе для развития до уровня сильного, обеспечивающего максимальный рост экономической сложности; 2) выбор сектора с максимальной оценкой экономической сложности для развития. Анализ траекторий ОЭС регионов, построенных на основе ситуационного моделирования, призван помочь в управлении, направленном на увеличение экономической сложности, оценивая влияние изменения структур сильных секторов региональных экономик. Предложенные траектории ОЭС регионов могут служить альтернативой для сравнения с траекториями, полученными на основе экспертного выбора диверсификации. Результаты регрессионного анализа показывают возможность прогнозирования ОЭС регионов по секторам с использованием оценок экономической сложности и структуры экономики по ВЭД.

Ключевые слова

экономическая сложность, региональное развитие, ситуационное моделирование, траектории развития, сравнительный анализ, секторальная диверсификация, экономический рост, управление региональной экономикой.

Финансирование

Статья подготовлена при поддержке МИНОБРНАУКИ в рамках предоставления грантов в форме субсидий из федерального бюджета на проведение крупных научных проектов по приоритетным направлениям научно-технологического развития, тема проекта: «Разработка программно-аналитического комплекса социально-экономических мультиагентных моделей на основе суперкомпьютерных технологий для внедрения в ситуационных центрах страны с целью противодействия внешним угрозам и обеспечения национального суверенитета России». Соглашение № 075-15-2024-525 от 23.04.2024

Рекомендуемая ссылка

Афанасьев М.Ю. , Гусев А.А.

Сравнительный анализ траекторий экономической сложности регионального развития: роль ситуационного моделирования// Региональная экономика и управление: электронный научный журнал. ISSN 1999-2645. — №2 (78). Номер статьи: 7803. Дата публикации: 09.04.2024. Режим доступа: https://eee-region.ru/article/7803/

DOI: 10.24412/1999-2645-2024-278-3

Authors

Afanasyev M.Yu.
Russian Federation, Central Economics and Mathematics Institute of the Russian Academy of Sciences
Gusev A.A.
Russian Federation, Central Economics and Mathematics Institute of the Russian Academy of Sciences
gusevalexeyal@yandex.ru

Abstract

A comparative analysis of the trajectories of assessments of the economic complexity of the regions based on two approaches is carried out: 1) the choice of such a sector or type of economic activity in the region for development to a strong level, which ensures the maximum growth of the economic complexity of the region; 2) the choice of such a sector or type of economic activity in the region for development to a strong level, which has the maximum assessment of economic complexity. The analysis of the trajectories of assessments of the economic complexity of regions based on situational modeling can be useful in solving management problems aimed at increasing the economic complexity of the region, as it allows us to assess the mutual impact of changes in the structures of strong sectors of regional economies. At the same time, it is advisable to consider the trajectories of assessments of the economic complexity of regions constructed in two different ways as alternatives for comparison with the trajectories obtained on the basis of expert choice of the direction of diversification. The results of regression analysis are presented, indicating the possibility of forecasting the index of economic complexity of regions by sectors using the index of economic complexity of regions by types of economic activity, the first and second main components of the structure of the economy by types of economic activity.

Keywords

economic complexity, regional development, situational modeling, development trajectories, comparative analysis, sectoral diversification, economic growth, regional economic management.

Project finance

The article was prepared with the support of the Ministry of Education and Science within the framework of the provision of grants in the form of subsidies from the federal budget for the implementation of major scientific projects in priority areas of scientific and technological development, the topic of the project: "Development of a software and analytical complex of socio-economic multi-agent models based on supercomputer technologies for implementation in the country's situation centers in order to counter external threats and ensure the national sovereignty of Russia." Agreement No. 075-15-2024-525 dated 04/23/2024

Suggested Citation

Afanasyev M.Yu. , Gusev A.A.

Comparative analysis of trajectories of economic complexity of regional development: the role of situational modeling// Regional economy and management: electronic scientific journal. ISSN 1999-2645. — №2 (78). Art. #7803. Date issued: 09.04.2024. Available at: https://eee-region.ru/article/7803/ 

DOI: 10.24412/1999-2645-2024-278-3


Введение

Рекомендации по диверсификации региональных экономик могут быть основаны на подходах, направленных на повышение экономической сложности. Цель исследования заключается в проведении сравнительного анализа траекторий оценок экономической сложности, которые формируются в результате изменения структуры региональных экономик. Оценки экономической сложности (ОЭС) вычисляются двумя способами: на основе данных о объемах производства по секторам экономики и по видам экономической деятельности (ВЭД). Описание исходных данных и методики расчета ОЭС субъектов РФ по секторам экономики представлены в работах (Афанасьев, Кудров, 2021; Афанасьев, Гусев, 2022). Исходные данные и методика расчета ОЭС регионов по ВЭД приведены в работе (Афанасьев, Гусев, 2023).

Для описания структуры региональной экономики использованы данные об объемах отгруженной продукции по секторам или ВЭД. Сначала определим показатель  выявленных сравнительных преимуществ (Balassa, 1965):

,                               (1)

где — объем производства по сектору (ВЭД)  экономики региона ;

— отношение доли производства по сектору (ВЭД)  в общем объеме производства по всем секторам (или ВЭД) экономики региона  к доле производства по сектору (ВЭД)  всех регионов в объеме производства по всем секторам (ВЭД) экономик всех регионов.

 

Для выявления сравнительных преимуществ в региональных экономиках в соответствии с работой (Hausmann, Klinger, 2006) будем использовать показатель  для которого проверяется условие типа ограничения снизу. А именно, если значение  превышает единицу, то считается, что экономика региона  обладает выявленными сравнительными преимуществами в выпуске продукции по сектору (или ВЭД) ; если значение  меньше единицы, то выявленных сравнительных преимуществ нет:

Матрица  с элементами 0-1 содержит данные о секторах (или ВЭД), которые в разных регионах развиты на уровне выявленных сравнительных преимуществ. Строки этой матрицы соответствуют регионам, столбцы — секторам (ВЭД). Вектор  будем назвать структурой сильных секторов (ВЭД) экономики региона .

В соответствии со стандартным подходом (Hausmann, Hwang, Rodrik, 2006; Hidalgo, Hausmann, 2009; Hartmann, 2017; Афанасьев, Кудров, 2021) понятие «экономическая сложность региона» рассматривается как характеристика, отражающая уровень его технологического развития, который определяется сильными секторами (ВЭД) в структуре его экономики. Соответственно, экономическая сложность сектора (ВЭД) зависит от уровня технологического развития тех регионов, в структуре которых этот сектор (ВЭД) развит до уровня сильного. Экономическая сложность региона пропорциональна среднему уровню экономической сложности сильных секторов (ВЭД) в структуре его экономики:

                        (2)

где  — положительная константа.

 

Экономическая сложность сектора (ВЭД) пропорциональна среднему уровню экономической сложности регионов, в структуре экономик которых этот сектор (ВЭД) является сильным:

                        (3)

где a2 — положительная константа.

 

Пусть  — вектор-столбец значений ОЭС для регионов; — вектор-столбец значений ОЭС сложности для секторов (ВЭД);  — матрицы весов. Из соотношений (2) и (3) следует, что  Таким образом, ОЭС региона определяются как собственный вектор матрицы , а ОЭС секторов (ВЭД) — как собственный вектор матрицы . Матрицы  и являются стохастическими: их элементы неотрицательны, а их сумма по строкам равна 1. В силу стохастичности, матрица  имеет собственное значение, равное 1, и отвечающий ему собственный вектор, который состоит из одинаковых координат. В работах (Hausmann, Rodrik, 2003; Sciarra et al., 2020) в качестве значений ОЭС регионов предлагается использовать значение собственного вектора матрицы , которые соответствуют второму максимальному собственному значению.

При расчете ОЭС регионов по секторам использованы данные о налоговых поступлениях («Данные о налоговых поступлениях по секторам экономики за 2019 г.» (https://www.nalog.ru/rn77/related_activities/statistics_and_analytics/forms/8826515/). [1] Регионы России. Социально-экономические показатели — 2020 г. (https://gks.ru/bgd/regl/b20_14p/Main.htm))  за 2019г. (Афанасьев, Кудров, 2021). На основе стандартного подхода рассчитаны структуры сильных секторов и ОЭС регионов по секторам. При расчете ОЭС регионов по ВЭД использованы показатели промышленного производства по четырём укрупнённым видам экономической деятельности, а также структуры объёмов отгруженной продукции. В результате по данным Федеральной службы государственной статистики (Регионы России. Социально-экономические показатели — 2020 г. (https://gks.ru/bgd/regl/b20_14p/Main.htm)) за 2019г. для российских регионов получены объёмы отгруженных товаров, выполненных работ и услуг по 24 ВЭД (Афанасьев, Гусев, 2023). На основе стандартного подхода рассчитаны структуры сильных ВЭД и ОЭС регионов по ВЭД. Сравнительный анализ ОЭС регионов, рассчитанных по секторам и ВЭД, позволяет сделать вывод, что ОЭС регионов имеют высокую устойчивость при переходе от данных по налоговым поступлениям к данным по объёмам производства и от данных по секторам к данным по ВЭД (Афанасьев, Гусев, 2023).

В работе (Афанасьев, Ильин, 2022) предложен подход к оценке приоритетных направлений диверсификации на основе рекомендаций по развитию секторов. При этом диверсификация экономики региона связывается с появлением нового сильного сектора. Подход ориентирован на повышение экономической сложности региональной экономики. Используемая методология позволяет в реальном масштабе времени учитывать и отображать в исходной информации, рассматриваемой любым регионом, решения, уже принятые другими регионами, что является актуальной задачей для системы ситуационных центров. Установлена значимая статистическая зависимость индекса экономической сложности с индикаторами социально-экономического развития, характеризующими качество жизни: среднедушевым доходом, уровнем безработицы, коэффициентом естественного прироста населения, ВРП на душу, продукцией сельского хозяйства на душу и заболеваемостью от новообразований (Афанасьев, 2022; Афанасьев, Гусев, 2023). Таким образом, ориентация региона на повышение экономической сложности может способствовать росту качества жизни населения.

 

Траектории экономической сложности регионов

Для того, чтобы ОЭС можно было рассматривать в качестве ориентира для выбора направлений диверсификации региональной экономики нужно, чтобы траектории изменения этих оценок правильно отражали  действия региона, направленные на развитие в нем новых сильных секторов (ВЭД). Для этого развитие новых сильных секторов (ВЭД) в регионе, ориентированное на повышение его экономической сложности, должно сопровождаться относительным повышением его ОЭС по сравнению с ОЭС регионов, не ориентированных на развитие новых сильных секторов (ВЭД).

Рассмотрим траектории ОЭС регионов, построенные на основе ситуационной модели диверсификации структур региональных экономик. Для сравнительного анализа используем данные как о секторах экономики, так и ВЭД для 79 регионов.  ОЭС мы будем рассчитывать по всем 79 регионам.  Для наглядности будем рассматривать рисунки, на каждом из котором изображены траектории ОЭС не всех, а лишь нескольких регионов.

Моделируются ситуации, когда один, или более регионов целенаправленно диверсифицируют структуру сильных секторов (ВЭД) своей экономики. Каждый из этих регионов на очередном шаге моделирования развивает тот новый сильный сектор (ВЭД), появление которого  приводит к максимальному росту ОЭС этого региона.  На каждом шаге компьютерного моделирования для каждого региона, целенаправленно диверсифицирующего экономику, такой сектор (ВЭД) выявляется путем перебора всех возможных вариантов. Другие регионы целенаправленно не занимаются диверсификацией. Траектории их ОЭС приводятся для сравнения. Точка на траектории ОЭС любого региона соответствует  очередному шагу диверсификации.   Рассмотрим результаты моделирования нескольких ситуаций.

На рис. 1 представлены траектории ОЭС 3-х регионов по данным о секторах. Рассматривается ситуация, когда два региона – Курская область и Владимирская область целенаправленно диверсифицируют экономику. Появление нового сильного сектора в регионе моделируется без учета роста объема производства путем замены значения 0 соответствующего элемента матрицы структуры сильных секторов на 1 и не оказывает влияния на структуру сильных секторов других региональных экономик. На начальном этапе моделирования в Курской области 22 сильных сектора,. во Владимирской области – 37, ОЭС этих регионов близки. Белгородская область целенаправленно не диверсифицирует экономику.  На начальном этапе оценки ее экономической сложности  выше, чем двух других регионов. На первом шаге моделирования для выбора нового сильного сектора Курской или Владимирской области проводится перебор всех секторов, не являющихся сильными. За исключением нескольких секторов добывающей промышленности, развитие которых до уровня сильных невозможно ввиду отсутствия в этих регионах полезных ископаемых. На каждом шаге в процессе появления новых сильных секторов ОЭС Курской и Владимирской областей растут. Оценки Белгородской области меняются незначительно в результате изменения ОЭС секторов. Структура сильных секторов этого региона остается неизменной. На заключительном шаге ОЭС Курской области превосходит оценку Белгородской области. Разница между оценками Владимирской области и Белгородской области сокращается. Траектории ОЭС двух регионов, целенаправленно диверсифицирующих экономику, являются гладкими, так как проявление на каждом шаге нового сильного сектора не приводит к другим изменениям в структуре их экономик.

 

Траектории ОЭС по данным о секторах без учета роста объема производства

Рис. 1. Траектории ОЭС по данным о секторах без учета роста объема производства

Источник: авторская разработка программы на языке Python

 

На рис. 2 представлены траектории ОЭС сложности 3-х регионов, оцененные по секторам. Рассматривается ситуация, когда два из них – Курская и Владимирская области целенаправленно диверсифицируют экономику. Появление нового сильного сектора в каждом из этих регионов  моделируется с учетом роста объема производства до уровня, определяемого условием (4). На начальном этапе ОЭС этих регионов ниже, чем ОЭС Белгородской области, которая целенаправленно не диверсифицирует экономику. На 14 шагах моделирования ОЭС Белгородской области меняются незначительно. На заключительном шаге ОЭС Белгородской области значительно ниже, чем ОЭС Курской и Владимирской областей. На траектории ОЭС каждого региона оказывают влияние изменения в структурах сильных секторов других регионов, происходящие в соответствии с условиями (5-7). Траектории ОЭС не являются гладкими, так как на некоторых шагах моделирования появление нового сильного сектора в Курской или Владимирской области оказывает влияние на структуру сильных секторов других регионов. Например, на шаге 7 появление нового сильного сектора во Владимирской области приводит к появлению нового сильного сектора в Белгородской области в соответствии с условием (7) и росту ее ОЭС. На шаге 9 появление нового сильного сектора во Владимирской области приводит к тому, что один из секторов перестает быть сильным в соответствии с условием (5) и ОЭС региона не возрастает.

 

Траектории ОЭС по данным о секторах с учетом роста объема производства Источник: авторская разработка программы на языке Python

Рис. 2. Траектории ОЭС по данным о секторах с учетом роста объема производства Источник: авторская разработка программы на языке Python

 

В следующем примере формирование траектории развития структуры региональной экономики основано на выборе такого сектора в регионе для развития до уровня сильного, который имеет максимальную оценку экономической сложности. На рис. 3 представлены траектории экономической сложности 3 регионов, оцененные по секторам. Рассматривается ситуация, когда только Ивановская область целенаправленно диверсифицирует экономику. На каждом шаге в экономике появляется новый сильный сектор, который имеет самую высокую ОЭС. Для того, чтобы сектор стал сильным, моделируется рост объема его производства в регионе в соответствии с условием (4). Владимирская и Воронежская области целенаправленно не диверсифицируют экономику.

 

Траектории ОЭС по данным о секторах с учетом роста объема производства

Рис. 3. Траектории ОЭС по данным о секторах с учетом роста объема производства

Источник: авторская разработка программы на языке Python

 

На рисунке 3 траектория ОЭС Ивановской области на шаге 1 не растет, а снижается. Это происходит потому, что при появлении нового сильного сектора с максимальной ОЭС два сектора перестают быть сильными в экономике этого региона, так как для каждого из них выполняется условие (5).  Однако последующих шагах траектория ОЭС растет и существенно превосходит траектории ОЭС регионов, которые не занимаются целенаправленной диверсификацией своей экономики. ОЭС других регионов меняются незначительно.

 

Траектории ОЭС по данным о секторах с учетом роста объема производства

Рис. 4. Траектории ОЭС по данным о секторах с учетом роста объема производства

Источник: авторская разработка программы на языке Python

 

В отличие от траектории на рис.3, траектория ОЭС Ивановской области на рис. 4 формируется на каждом шаге как результат появления нового сильного сектора, который обеспечивает максимальный рост оценки экономической сложности региона. Владимирская и Воронежская область целенаправленно не диверсифицируют экономику. Подход к выбору направлений диверсификации, основанный на выборе сектора (ВЭД), который обеспечивает максимальный рост экономической сложности региона, приводит к устойчивому умеренному росту ОЭС региона. Подход, основанный на выборе сектора (ВЭД) с максимальной оценкой экономической сложности, может приводить к более высоким ОЭС региона.

 

Заключение

При формировании траекторий развития структуры региональной экономики в данной работе рассмотрены два подхода:

  1. Выбор такого сектора (ВЭД) в регионе для развития до уровня сильного, который обеспечивает максимальный рост экономической сложности региона.
  2. Выбор такого сектора (ВЭД) в регионе для развития до уровня сильного, который имеет максимальную оценку экономической сложности.

Результаты ситуационного моделирования, полученные с использованием этих подходов, позволяют сделать вывод, что развитие новых сильных секторов (ВЭД) в регионе, ориентированное на повышение его экономической сложности, сопровождается относительным повышением ОЭС этого региона по сравнению с ОЭС регионов, не ориентированных на целенаправленную диверсификацию экономики.

Преимущество первого подхода в том, что он формирует развитие траектории ОЭС региона, на которое изменение структуры сильных секторов (ВЭД) этого региона оказывает меньшее влияние, чем изменение структуры сильных секторов (ВЭД) других регионов. В результате наблюдается устойчивый умеренный рост ОЭС региона.

Преимущество второго подхода в том, что в долгосрочном периоде он обеспечивает возможность достижения более высоких ОЭС. Недостатком подхода является то, что в краткосрочном периоде изменение структуры сильных секторов (ВЭД) региона может оказывать существенное отрицательное влияние на его ОЭС.

Анализ траекторий общей экономической сложности (ОЭС) регионов, определенных через ситуационное моделирование, представляет ценность для управленческих решений, направленных на увеличение экономической сложности данного региона. Этот анализ позволяет оценить взаимное воздействие изменений в структуре сильных секторов региональных экономик. Траектории ОЭС регионов, построенные двумя рассмотренными методами, могут служить альтернативой для сравнения с траекториями, определенными на основе экспертного выбора секторов (ВЭД) для развития до уровня сильного.

При переходе от данных по отраслям к данным по видам экономической деятельности (ВЭД) оценки экономической сложности сохраняют высокую степень устойчивости. Представлены результаты регрессионного анализа индекса экономической сложности регионов по отраслям на основе трех объясняющих переменных: индекса экономической сложности регионов по ВЭД, а также первой и второй главных компонент структуры экономики по ВЭД. Все эти переменные являются статистически значимыми на уровне значимости 5%. Корреляция между фактическими и ожидаемыми значениями оценок экономической сложности регионов по отраслям превышает 0,85. Полученные результаты подтверждают возможность создания модели для прогнозирования ОЭС регионов по отраслям с использованием данных о ОЭС регионов по видам экономической деятельности и главных компонент структуры экономики по ВЭД.

 

Литература

  1. Афанасьев, М.Ю. (2022) Новые ориентиры цифровой экономики: о взаимосвязи экономической сложности и материального благосостояния / Вестник ЦЭМИ РАН, т.5, вып 1. 33276/S265838870019868-7
  2. Афанасьев, М.Ю., Гусев, А.А. (2022) Аппроксимация оценок экономической сложности при выборе приоритетных направлений диверсификации / Журнал «Цифровая экономика», № 1(17). Москва. 2022. Стр. 52-59. – DOI 10.34706/DE-2022-01-05.
  3. Афанасьев, М.Ю., Гусев, А.А. (2023). Экономическая сложность и ее взаимосвязь с индикаторами социально-экономического развития // Региональная экономика и управление: электронный научный журнал. ISSN 1999-2645. — №2 (74). Номер статьи: 7410. Режим доступа: https://eee-region.ru/article/7410/
  4. Афанасьев, М.Ю., Ильин, Н.И. (2022) Новые ориентиры для выбора приоритетных направлений диверсификации экономики на базе системы ситуационных центров / Экономика и математические методы. 2022. Том 58, №4. С. 29-44. DOI: 10.31857/S042473880023017-7
  5. Афанасьев, М.Ю., Кудров, А.В. (2021) Экономическая сложность и вложенность структур региональных экономик // Экономика и математические методы, т 57, № 3, стр. 67-78, DOI: 10.31857/S042473880016410-0
  6. Balassa, (1965). Lafayrade Liberalization and “Revealed” Comparative Advantage. The Manchester School, 33, 99—123/
  7. Hartmann, (2017) Linking economic complexity, institutions, and income inequality. World Development, 93, 75–93.
  8. Hausmann,, Hwang, J., Rodrik, D. (2006) What you export matters. Journal of Economic Growth, 12 (1), 1–25.
  9. Hausmann,, Klinger, B. (2006) Structural transformation and patterns of comparative advantage in the product space. CID Working Paper No. 128.
  10. Hausmann,, Rodrik, D. (2003) Economic development as selfdiscovery. Journal of Development Economics, 72 (2), 603–633.
  11. Hidalgo,A., Hausmann, R. (2009) The building blocks of economic complexity. Proceedings of the National Academy of Sciences, 106 (26), 10570–10575. Hidalgo C.A. (2015). Why information grows: The evolution of order, from atoms to economies. New York: Penguin Press.
  12. Sciarra,, Chiarotti, G., Ridolfi, L. et al. (2020) Reconciling contrasting views on economic complexity. Nat Commun, 11, 3352.DOI: 10.1038/s41467-020-16992-1

 

References

  1. Afanasyev, M.Yu. (2022) New Landmarks of the Digital Economy: On the Relationship between Economic Complexity and Material Well-being [Novye orientiry tsifrovoy ekonomiki: o vzaimosvyazi ekonomicheskoy slozhnosti i material’nogo blagosostoyaniya] // Bulletin of the CEMI RAS, Vol.5, Iss.1. DOI: 10.33276/S265838870019868-7
  2. Afanasyev, M.Yu., Gusev, A.A. (2022) Approximation of Economic Complexity Estimates when Choosing Priority Diversification Directions [Approksimatsiya otsenok ekonomicheskoy slozhnosti pri vybore prioritetnykh napravleniy diversifikatsii] // Journal «Digital Economy», No.1(17). Moscow, 2022. Pp.52-59. DOI: 10.34706/DE-2022-01-05.
  3. Afanasyev, M.Yu., Gusev, A.A. (2023) Economic Complexity and Its Relationship with Indicators of Socio-Economic Development [Ekonomicheskaya slozhnost’ i yeye vzaimosvyaz’ s indikatorami sotsial’no-ekonomicheskogo razvitiya] // Regional Economics and Management: an electronic scientific journal. ISSN 1999-2645. — No.2 (74). Article number: 7410. Available at: https://eee-region.ru/article/7410/
  4. Afanasyev, M.Yu., Ilyin, N.I. (2022) New Guidelines for Choosing Priority Directions for Diversification of the Economy Based on the System of Situational Centers [Novye orientiry dlya vybora prioritetnykh napravleniy diversifikatsii ekonomiki na baze sistemv situatsionnykh tsentrov] // Economics and Mathematical Methods. 2022. Vol.58, No.4. Pp.29-44. DOI: 10.31857/S042473880023017-7
  5. Afanasyev, M.Yu., Kudrov, A.V. (2021) Economic Complexity and Embeddedness of Structures of Regional Economies [Ekonomicheskaya slozhnost’ i vlozhennost’ struktur regional’nykh ekonomik] // Economics and Mathematical Methods, Vol.57, No.3, Pp.67-78. DOI: 10.31857/S042473880016410-0
  6. Balassa, B. (1965). Lafayrade Liberalization and “Revealed” Comparative Advantage. The Manchester School, 33, 99—123/
  7. Hartmann, D. (2017) Linking economic complexity, institutions, and income inequality. World Development, 93, 75–93.
  8. Hausmann, R., Hwang, J., Rodrik, D. (2006) What you export matters. Journal of Economic Growth, 12 (1), 1–25.
  9. Hausmann, R., Klinger, B. (2006) Structural transformation and patterns of comparative advantage in the product space. CID Working Paper No. 128.
  10. Hausmann, R., Rodrik, D. (2003) Economic development as selfdiscovery. Journal of Development Economics, 72 (2), 603–633.
  11. Hidalgo, C.A., Hausmann, R. (2009) The building blocks of economic complexity. Proceedings of the National Academy of Sciences, 106 (26), 10570–10575. Hidalgo C.A. (2015). Why information grows: The evolution of order, from atoms to economies. New York: Penguin Press.
  12. Sciarra, C., Chiarotti, G., Ridolfi, L. et al. (2020) Reconciling contrasting views on economic complexity. Nat Commun, 11, 3352.DOI: 10.1038/s41467-020-16992-1

Еще в рубриках

Региональная экономика

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *