bgscience@idbg.ru
+7 495 648 62 41 127015, Москва, ул. Новодмитровская, д. 5А, стр. 7
Меню

Switch to English:to English

Анализ и прогноз конкурентоспособности новых индустриальных стран


Смирнов В.В., Осипов Д.Г., Бабаева А.А., Григорьева Е.В., Перфилова Е.Ф.
(подробнее об авторах)

Смирнов Валерий Владиславович – кандидат экономических наук, доцент, доцент кафедры отраслевой экономики (Чувашский государственный университет им. И.Н. Ульянова)

Осипов Денис Геннадьевич – кандидат экономических наук, доцент кафедры безопасность жизнедеятельности и инженерной экологии, (Чувашский государственный университет им. И.Н. Ульянова)

Бабаева Анна Александровна – старший преподаватель кафедры отраслевой экономики (Чувашский государственный университет им. И.Н. Ульянова)

Григорьева Елена Вячеславовна – старший преподаватель кафедры отраслевой экономики (Чувашский государственный университет им. И.Н. Ульянова)

Перфилова Елена Фаритовна – кандидат экономических наук, доцент (Чувашский государственный университет им. И.Н. Ульянова)

Опубликовано в журнале:
Креативная экономика
– Том 12, Номер 9 (Сентябрь 2018)



Ключевые слова: конкурентные преимущества, новые индустриальные страны, прогноз, темпы прироста, технологическое развитие, факторный анализ


Цитировать статью:
Смирнов В.В., Осипов Д.Г., Бабаева А.А., Григорьева Е.В., Перфилова Е.Ф. Анализ и прогноз конкурентоспособности новых индустриальных стран // Креативная экономика. — 2018. — Том 12. — № 9. — с. 1291-1306. — doi: 10.18334/ce.12.9.39353


Другие статьи по этой тематике :
Комарова Т.В. (2016) Конкурентоспособность российских вузов в мировом образовательном пространстве: основные тенденции и перспективы
Жариков М.В. (2010) Инновации в деятельности крупнейших компаний стран БРИК как средство повышения их международной конкурентоспособности
Дохолян С.В. (2007) Новые подходы к конкурентоспособности региона: от индустриальной модели к инновационной

(+ еще похожие статьи)



Поделиться этой страницей:

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).







Источники:
1. Abdrakhmanova G.I., Gokhberg L., Sokolov A. Indicators of Information and Communication Technology // Encyclopedia of Information Science and Technology, Fourth Edition. – 2018. – doi: 10.4018/978-1-5225-2255-3.
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.