Аннотация.

Работа посвящена оценке влияния развития фундаментальной науки на макроэкономические показатели. Рассматривается регрессионная модель эластичности удельного валового внутреннего продукта с целью выявления зависимости между показателями инновационного и экономического развития. В качестве инструмента для восстановления параметров модели разработан метод энтропийно-робастного оценивания, базирующийся на принципе максимума энтропии. Особенностью данного подхода является отсутствие необходимости формирования гипотез о виде распределения ошибок измерений и знания функции правдоподобия исследуемого процесса. Разработанная модель используется для построения рандомизированного прогноза роста ВВП на ближайшие 5 лет.

Ключевые слова:

макроэкономические процессы, ВВП, эластичность, математическое моделирование, принцип максимума энтропии.

Стр. 51-63.

Полная версия статьи в формате pdf. 

REFERENCES

1. Innovation Report 2014. Innovation Research and Growth. Policy Paper. BIS, March 2014. p.20.
2. Main Science and Technology Indicators. Volume 2014/1, OECD 2014.
3. Varshavskiy L.E. Problimi nauki I ee resultativnost’ // Voprosi economiki, 2011, no.1, p.151-157.
4. Aldoshin S.M. Razvitie material’no-technicheskoy basi nauki kak factor povisheniya resul’tativnosti nauchnih issledovaniy // Vestnik Rossiiskoi Akademii Nauk, 2014, vol.84, no.10, p.874-881.
5. World Population Prospects: The 2015 Revision, Methodology of the United Nations Population Estimates and Projections; Working Paper No. ESA/P/WP.242; Department of Economic and Social Affairs, Population Division: New York, NY, USA, 2015.
6. Popkov Yu.S., Popkov A.Yu. New Method of Entropy-Robust Estimation for Randomized Models under Limited Data // Entropy, 2013, vol.16, p.675-698.
7. Popkov Yu.S., Dubnov Yu.A., Entropy-robust randomized forecasting under small sets of retrospective data // Avtomat. i Telemekh., 2016, no.5, p.109–127.
8. Cover T.M., Thomas J.A. Elements of information theory. – John Wiley and Sons Ltd, New York, 1991. – 561 p.
9. Varshavsky L.E. Analiz podhodov k garmonizacii svyazey mejdu naukoy I ekonomikoy // Proceedings of the Institute of System Analysis of the Russian Academy of Sciences, 2015, vol.65, p.44-52.
10. Shelyubskaya N.V. Innovaacionniye strategii stran zapadnoy Evropi I indicatori vostrebovannosti resultatov nauki (Na primere Velikobritanii) // Identification of priority scientific directions: interdisciplinary approach / Ed .: I.Ya. Kobrinskaya, V.I. Tishchenko. - Moscow: IMEMO RAS, 2016. - 181 p.
11. Open access statistical data repository - World DataBank, URL: www.worldbank.org
12. Barnett, Vic; Lewis, Toby. Outliers in Statistical Data (3 ed.) – Wiley, 1994.
13. Magnus Ya.R., Katyshev P.K, Peresetskiy A.A. Ekonometrika. Nachal’niy kurs: Ucheb. pos. – 6-oe izd. – M.: Delo, 2004. – 576 p.
14. A. Zellner. Bayesovskiye metodi v ekonometrii // Transl. from English. G.G. Pirogova and Yu.P. Fedorovskogo - M.: Statistics, 1980 - 438 p.
15. Alekseev V.M., Tikhomirov V.M., and Fomin S.V., Optimal’noe upravlenie (Optimal Control), M.: Nauka, 1979.
16. Amos Golan, George G. Judge, Douglas Miller. Maximum Entropy Econometrics: Robust Estimation with Limited Data. – John Wiley and Sons Ltd. Chichester, U.K., 1996. – 324 p.
17. Popkov Yu.S., Popkov A.Yu., Darkhovskii B.S., Parallel Monte Carlo for Entropy Robust Estimation // Math. Models Comput. Simul., 2016, vol.8, no.1, p.27–39.
18. Ximing Wu. A Weighted Generalized Maximum Entropy Estimator with a Data-driven Weight // Entropy, 2009. no.11.
19. Grinin L.E., Korotaev A.V. The global crisis in retrospect. A brief history of rises and crises: from Lycurgus to Alan Greenspan. - 2 nd ed. -
M.: Librocom, 2012. - 336 s.
20. Daniel Yergin. The Prize: The Epic Quest for Oil, Money, and Power. - M .: “Alpina Pablisher”, 2011. - 960 s.