«Региональная экономика: теория и практика»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
LCCN Permalink
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Цифровой эконометрический анализ влияния малых инновационных предприятий нефтегазохимического кластера на региональную экономическую систему (на примере Республики Татарстан)

Купить электронную версию статьи

Журнал «Региональная экономика: теория и практика»
т. 17, вып. 5, май 2019

Получена: 07.02.2019

Получена в доработанном виде: 27.02.2019

Одобрена: 10.04.2019

Доступна онлайн: 16.05.2019

Рубрика: Инновации и инвестиции

Коды JEL: С45, O32, O33

Страницы: 959–974

https://doi.org/10.24891/re.17.5.959

Беилин И.Л. кандидат экономических наук, доцент, докторант Института управления, экономики и финансов, Казанский (Приволжский) федеральный университет (КФУ), Казань, Российская Федерация 
i.beilin@rambler.ru

https://orcid.org/0000-0002-5878-4915
SPIN-код: 4175-5512

Предмет. Объем отгруженных товаров собственного производства нефтегазохимического кластера Республики Татарстан в 2012–2018 гг., выполненных работ и услуг по видам экономической деятельности, связанной с производством чистой продукции, в целом по региону и организациям, не относящимся к субъектам малого предпринимательства.
Цели. На основе эконометрического анализа определить значение малых инновационных предприятий и найти оптимальные соотношения обрабатывающих производств нефтегазохимического кластера в региональной экономической системе с преобладающей долей доходов от добычи и переработки нефти и газа.
Методология. В процессе исследования использованы методы множественной регрессии и симплексной оптимизации.
Результаты. Установлено, что модели множественной регрессии и симплексной оптимизации развития регионального нефтегазохимического кластера на примере Республики Татарстан в целом и по совокупности только крупных бюджетообразующих предприятий имеют практически полное совпадение. Всеобщее преобладание крупнотоннажных производств в экономике региона характерно для XX в., поэтому Казанская и Камская производственные агломерации в настоящее время признаны неэффективными.
Выводы. Постиндустриальная экономика основана на цифровых инновационных технологиях, наибольшая эффективность которых возможна в организациях, относящихся к субъектам малого предпринимательства. Эта стратегия выражается в форме кластеризации крупных нефтегазохимических компаний, в повышении конкурентоспособности малых инновационных предприятий на каждой стадии переработки продукта до высокой добавленной стоимости в пределах этого же кластера. Необходимо цифровое совершенствование методов экономико-математического моделирования инновационных проектов, обеспечивающих повышение эффективности инновационной инфраструктуры и трансфера инноваций.

Ключевые слова: региональная экономика, инновационное предприятие, нефтегазохимический кластер, цифровая экономика

Список литературы:

  1. Witjes S., Lozano R. Towards a More Circular Economy: Proposing a Framework Linking Sustainable Public Procurement and Sustainable Business Models. Resources Conservation and Recycling, 2016, vol. 112, pp. 37–44. URL: Link
  2. Yun J.J., Won D., Jeong E.S. et al. The Relationship between Technology, Business Model, and Market in Autonomous Car and Intelligent Robot Industries. Technological Forecasting and Social Change, 2016, vol. 103, pp. 142–155. URL: Link
  3. Quang H.T., Sampaio P., Sameiro Carvalho M. et al. An Extensive Structural Model of Supply Chain Quality Management and Firm Performance. International Journal of Quality & Reliability Management, 2016, vol. 33, iss. 4, pp. 444–464. URL: Link
  4. Dong J.Q., Netten J. Information Technology and External Search in the Open Innovation Age: New findings from Germany. Technological Forecasting and Social Change, 2017, vol. 120, pp. 223–231. URL: Link
  5. Yun J.J., Yang J., Park K. Open Innovation to Business Model: New Perspective to Connect between Technology and Market. Science, Technology and Society, 2016, vol. 21, iss. 3, pp. 324–348. URL: Link
  6. Halicka K. Innovative Classification of Methods of the Future-Oriented Technology Analysis. Technological and Economic Development of Economy, 2016, vol. 2, no. 4, pp. 574–597. URL: Link
  7. Popescu A.S. The Absorption Capacity of European Funds – Concepts. Annals of the Constantin Brâncuşi University of Târgu Jiu, Economy Series, 2015, iss. 3, pp. 119–125. URL: Link
  8. Arshed N., Carter S., Mason C. The Ineffectiveness of Entrepreneurship Policy: Is Policy Formulation to Blame? Small Business Economics, 2014, vol. 43, iss. 3, pp. 639–659. URL: Link
  9. Acs Z., Åstebro Th., Audretsch D., Robinson D.T. Public Policy to Promote Entrepreneurship: A Call to Arms. Small Business Economics, 2016, vol. 47, iss. 1, pp. 35–51. URL: Link
  10. Crescenzi R., De Fillipis F., Pierangeli F. In Tandem for Cohesion? Synergies and Conflicts between Regional and Agricultural Policies of the European Union. Regional Studies, 2015, vol. 49, iss. 4, pp. 681–704. URL: Link
  11. Novosák J., Hájek O., Novosáková J., Linder M. Enterprise Support Policy and Territorial Cohesion: the Czech Republic (2007–2013). Journal of Urban and Regional Analysis, 2017, vol. 9, iss. 2, pp. 141–157.
  12. Hájek O., Novosák J., Horváth P., Novosáková J. Absorpční kapacita strukturálních fondů (2007–2013): typologie českých mikroregionů [Absorption capacity of structural funds (2007–2013): typology of Czech microregions]. Scientific Papers of the University of Pardubice. Series D, Faculty of Economics and Administration, 2017, vol. 24, iss. 39, pp. 28–38. URL: Link
  13. Colombelli A., Krafft J., Quatraro F. High-Growth Firms and Technological Knowledge: Do Gazelles Follow Exploration or Exploitation Strategies? Industrial and Corporate Change, 2014, vol. 23, iss. 1, pp. 261–291. URL: Link
  14. Guisado-González M., González-Blanco J., Coca-Pérez J.L. Analyzing the Relationship between Exploration, Exploitation and Organizational Innovation. Journal of Knowledge Management, 2017, vol. 21, iss. 5, pp. 1142–1162. URL: Link
  15. Zacher H., Rosing K. Ambidextrous Leadership and Team Innovation. Leadership & Organization Development Journal, 2015, vol. 36, iss. 1, pp. 54–68. URL: Link
  16. Zhang J.A., Edgar F., Geare A., O'Kane C. The Interactive Effects of Entrepreneurial Orientation and Capability-Based HRM on Firm Performance: The Mediating Role of Innovation Ambidexterity. Industrial Marketing Management, 2016, vol. 59, pp. 131–143. URL: Link
  17. Vrontis D., Thrassou A., Santoro G., Papa A. Ambidexterity, External Knowledge and Performance in Knowledge-Intensive Firms. The Journal of Technology Transfer, 2017, vol. 42, iss. 2, pp. 374–388. URL: Link
  18. Sheng M.L. A Dynamic Capabilities-Based Framework of Organizational Sensemaking through Combinative Capabilities towards Exploratory and Exploitative Product Innovation in Turbulent Environments. Industrial Marketing Management, 2017, vol. 65, pp. 28–38. URL: Link
  19. Chen X., Christensen T.M. Optimal Sup-Norm Rates and Uniform Inference on Nonlinear Functionals of Nonparametric IV Regression. Cowles Foundation Discussion Paper, 2017, no. 1923R2. URL: Link
  20. Kilian L., Lütkepohl H. Structural Vector Autoregressive Analysis. Cambridge University Press, 2017, 735 p. URL: Link
  21. Andrews D.W.K. Examples of L2-Complete and Boundedly-Complete Distributions. Journal of Econometrics, 2017, vol. 199, iss. 2, pp. 213–220. URL: Link
  22. Freyberger J. On Completeness and Consistency in Nonparametric Instrumental Variable Models. Econometrica, 2017, vol. 85, iss. 5, pp. 1629–1644. URL: Link
  23. De Luca G., Jan R.M., Peracchi F. Balanced Variable Addition in Linear Models. Journal of Economic Surveys, 2018, vol. 32, iss. 4, pp. 1183–1200. URL: Link
  24. Card D., Lee D.S., Pei Zh., Weber A. Inference on Causal Effects in a Generalized Regression Kink Design. Econometrica, 2015, vol. 83, iss. 6, pp. 2453–2483. URL: Link
  25. Chen X., Christensen T.M. Optimal Uniform Convergence Rates and Asymptotic Normality for Series Estimators under Weak Dependence and Weak Conditions. Journal of Econometrics, 2015, vol. 188, iss. 2, pp. 447–465. URL: Link
  26. Chen X., Pouzo D. Sieve Wald and QLR Inferences on Semi/Nonparametric Conditional Moment Models. Econometrica, 2015, vol. 83, iss. 3, pp. 1013–1079. URL: Link
  27. Beilin I.L., Arkhireev V.P. The Supermolecular Structure of New Copolymer Products Based on Cyclic Carbonates. International Polymer Science and Technology, 2011, vol. 38, no. 1, pp. 37–40. URL: Link
  28. Beilin I.L. Analysis of Efficiency of the Innovative Project in the Field of Chemistry Fuzzy Logic. Journal of Economics and Economic Education Research, 2016, vol. 17, sp. iss. 3, pp. 177–185. URL: Link
  29. Beilin I.L. Economic-Mathematical Modeling of the Total Costs of Innovative Chemical Enterprise Methods of Fuzzy Set Theory. Journal of Engineering and Applied Sciences, 2017, vol. 12, iss. 19, pp. 4865–4869. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8733 (Online)
ISSN 2073-1477 (Print)

Свежий номер журнала

т. 17, вып. 9, сентябрь 2019

Другие номера журнала