МОДЕЛЬ ОЦЕНКИ ИННОВАЦИОННОГО ПОТЕНЦИАЛА КИРОВСКОЙ ОБЛАСТИ

Содержание
Моделирование для оценки инновационного потенциала
Нормативная балансовая модель экономики Кировской области
Учет теневого оборота
Балансовое описание рынков продукции
Описание домашних хозяйств (агента L)
Проблема идентификации модели
Параллельные вычисления для оценки параметров
Проверка работоспособности модели

Моделирование для оценки инновационного потенциала
Для оценки инновационного потенциала надо сделать анализ доступной статистики, структурировать данные и сделать на основе этого анализа обоснованные выводы. Можно исходить из имитационной модели.
Построение модели
Идентификация модели
Составление сценариев возможного развития
Численные эксперименты
Анализ численных экспериментов и модификация модели

Экономические агенты в экономике Кировской области:
X – сектор производства (лесопромышленный комплекс области),
Y - сектор производства (комплекс новых отраслей биотехнологии и химии, наука, образование, инновационный),
Z - сектор производства (другие отрасли, включая сектор услуг),
L - домашние хозяйства,
T - торговый посредник,
B - региональная банковская система,
G - Правительство региона (консолидированный бюджет региона).
Правительство региона собирает налоги с производителей: налог на прибыль n1, налог на добавленную стоимость n2, акцизы n3, единый социальный налог n4, таможенные пошлины на экспорт n5, - и домашних хозяйств: таможенные пошлины на импорт n6, подоходный налог n7.
Нормативная балансовая модель
экономики Кировской области

Учет теневого оборота
Произведенный продукт производители делят на легальный и теневой, не облагаемый налогами, но штрафными санкциями. Два вида денег – «белые» и «черные», которые могут отмываться.

Балансовое описание рынков продукции
Запас конечного продукта X лесопромышленного комплекса, предназначенного агенту L (домашним хозяйствам) определяет изменение индекса потребительских цен на продукцию X

Описание домашних хозяйств (агента L)
Предложение труда и спрос на труд в открытой и теневой частях секторов определяют изменение ставок зарплаты

Проблема идентификации модели
Большое количество неизвестных из статистики параметров имитационной модели определяем косвенным образом, сравнивая выходные временные ряды переменных модели с доступными статистическими временными рядами. В качестве критериев близости расчетного и статистического временных рядов используем индекс несовпадения Тэйла U и коэффициент близости, построенный на основе вейвлет коэффициентов.

Проверка работоспособности модели
Выпуски продукции в секторах экономики Кировской области