WWW.REFERATCENTRAL.ORG.UA - Я ТУТ НАВЧАЮСЬ

... відкритий, безкоштовний архів рефератів, курсових, дипломних робіт

ГоловнаЕкономіка (різне) → Освіта як головний фактор формування економіки інноваційного типу - Реферат

Освіта як головний фактор формування економіки інноваційного типу - Реферат

науку, технології та освіту. Тобто до традиційних імперативів ринкової економіки (свобода, конкуренція, ефективність) Дж. Тобін вважав за необхідне додати фактор якості людського фактора (освіта, знання, творчість). Напевне, саме тому в 1970-х рр. Дж. Тобін разом з МілтономФрідманом організували систему довго-строкового кредитування для студентів - за кожні отримані на освіту $ 1 000 позичальник зобов'язувався протягом 35 років трудової діяльності сплачувати по 0,04 % своїх доходів, якщо до цього весь сумарний борг не буде виплачено.
Розумінням важливості людського фактора можна пояснити динаміку зростання "інвестицій в людину" у США (табл. 1). Ці інвестиції стимулюють творчі здібності людей, свободу діяльності, плюралізм мислення і набувають критичної важливості для цілей соціально-економічного прогресу.
Таблиця 1
Динаміка зростання "інвестицій у людину" у США
(% виробничих капіталовкладень)
Джерело: Куценко В. Зміцнення соціальної бази реформ - шлях до подолання бідності // Економіка України. - 2002. - № 2. - C. 30.
Сьогодні абсолютно очевидно, що не можна нехтувати як процесом пізнання світу, що найбільш ефективно забезпечується лише через якісну масову освіту, так і процесом технологічних змін. Їх взаємозв'язок зумовлює і соціальний, і економічний прогрес. Більш того, на нашу думку, вони є взаємопов'язаними настільки, наскільки за традиційної ринкової економіки взаємопов'язані та взаємообумовлені такі категорії, як попит і пропозиція, товар і ціна тощо.
Для цілей тестування гіпотези, яка полягає в тому, що освіта є основним фактором формування і розвитку економіки інноваційного типу, на першому етапі дослідження було здійснено групову класифікацію (кластерний аналіз метод k-середніх) 148 країн світу за двома найбільш інтегральними, на нашу думку, показниками, що відбивають рівень їх розвитку. Це показники ВВП країни та кількість її населення. З метою спрощення розрахункових процедур класифікацію здійснено за даними, які представлено у логарифмічному масштабі.
Вся вибірка країн була розділена на три кластери за показником ВВП на людину (далі ВВПЛ) за даними 2000 року. Припустимо, що за обраним показником усю вибірку можна розділити на три кластери: країни з низьким рівнем ВВПЛ, країни з середнім рівнем ВВПЛ та країни з високим рівнем ВВПЛ. Метод диференціації вибірки - максимізація відстані між центрами кластерів на основі статистики розподілу обраного показника (ВВПЛ).
Після проведення необхідних розрахункових процедур отримали три кластери з країнами, які увійшли до їх складу (табл. 2).
Оскільки обробка масиву даних за всіма країнами та показниками є надто трудомісткою, та виходячи з того, що для цілей нашого аналізу, а саме визначення найбільш вагомих факторів, а не досягнення високої точності їх оцінок, представляється можливим скоротити вибірку до 30 країн: по 10 найбільш типових країн за кожним кластером. Відбір країн проводився за критерієм найменшої відстані країни за показником ВВПЛ від центру кластера. Описові статистики кластерів, обрані для кожного кластера країни, та оцінку критерію відбору (відстань) наведено в таблиці 3.
Таблиця 2
Розподіл країн за кластерами*
*Жирним курсивом позначено країни з найменшою відстанню від центру кластера.
Таблиця 3
Описова статистика кластерів та десять країн, які ввійшли до відповідних кластерів, з найменшими відстанями від їх центру
Наочна інтерпретація результатів кластерного аналізу представлена на рисунку 1.
Цікавим для тестування робочої гіпотези дослідження є той факт, що залежність величини національного багатства від кількості населення (поки що тут розглядаємо тільки кількісні параметри цього чинника) добре характеризується експоненціальною залежністю (параметри інтерполяції представлені на рис. 1). Найбільш типові для кожного кластера країни (тобто їх відстань від центру відповідного кластера мінімальна) фактично знаходяться на інтерполяційній кривій:
Y = 1,9365 · e^0,265 · x.
При переході від першого кластера до третього його радіус (максимальна існуюча відстань у даному кластері - відстань від центру кластера до типової країни даного кластера з найбільшою відстанню) збільшується незважаючи на те, що чисельність розподілу країн за кластерами не відповідає прямій залежності. З економічного погляду цей факт можна інтерпретувати як безальтернативність інноваційного шляху розвитку економічних систем, хоча достовірність такого висновку не є статистично істотною, принаймні у нашому випадку.
Рис. 1. Центри та радіуси у ході аналізу методом k-середних кластерів
На другому етапі аналізу було проведено дискримінантний аналіз, мета якого полягала в пошуку закономірностей відмінності об'єктів за певними ознаками. У нашому випадку, об'єктами є країни, що увійшли до визначених кластерів (див. табл. 3), а ознаками - 47 показників, що характеризують стан розвитку соціально-економічних систем цих країн. Умовно всі показники об'єднано в дві групи: (1) соціально-економічні, технологічні та (2) соціально-демографічні, природні (див. табл. 1 у додатках). Усі показники є середніми арифметичними своїх значень за період з 1995 до 2000 року і розраховані за даними Світового банку.
Завдання полягало в тому, щоб визначити, за рахунок яких факторів в умовах формування нового технологічного укладу світової економіки вдається досягати найбільш ефективного, стійкого та довготривалого соціально-економічного зростання в межах загального тренду розвитку, який можна описати залежністю, представленою на рисунку 1.
Для вирішення цього завдання побудовані три канонічні дискримінантні функції для кластерів 1 і 2, 1 і 3, 2 і 3 - загального виду:
де f(x) - канонічна дискримінантна функція;
а - коефіцієнти дискримінантної функції;
x - дискримінантні змінні;
n - кількість ознак (у нашому випадку n = 47).
Оскільки при знаходженні значень коефіцієнтів дискримінантної функції виходять з того, що для об'єктів, які складають кластери, внутрішньогрупова варіація повинна бути мінімальною, а міжгрупова варіація (між кластерами) - максимальною, то для цілей нашого аналізу важливі саме значення коефіцієнтів даної функції. Тому для оцінки вкладу окремої змінної в значення дискримінантної функції доцільно використати стандартизовані коефіцієнти цієї функції. Значення вихідних змінних у кожному кластері стандартизовані таким чином, щоб їх середні значення дорівнювали нулю, а дисперсії - одиниці.
Після виконання усіх розрахункових процедур дискримінантного аналізу отримано оцінки параметрів функцій дискримінації для відповідних кластерів, що представлені в табл. 2 у додатках.
За результатами аналізу можна побудувати також матрицю найбільш вагомих
Loading...

 
 

Цікаве