Abstract
This article presents an analysis of the resistance of the economic environment affecting economic growth in national economies. An analysis of various factors hindering development allowed us to group them into four main categories: macroeconomic, institutional, social, and external. Numerical calculations were performed using the vector equation of the growth of the main factors of production (labor resources and fixed capital). The authors assume that investments are immediately utilized, and the growth rate of the main factors of production is described by a parabolic-type equation. This takes into account the coefficient of resistance of the economic environment, reflecting investment losses, slowing down of economic development, and resistance to the growth of the main factors of production. The paper presents a method for statistical estimation of the resistance coefficient based on finite-time differences of derivatives. Using statistical data for Russia, the authors calculated the dynamics of the behavior of the resistance coefficients of the economic environment for each factor of production. The first noticeable increase in the coefficient occurred in 2008, which is associated with the economic crisis in Russia. In 2013, the resistance coefficient of the eco-nomic environment turned out to be negative, which indicated favorable conditions for the development of the Russian economy during this period. The negative impact of the coeffi-cient was observed during the pandemic and due to sanctions imposed by the United States and the European Union after the start of the Special Military Operation (SVO). Modeling of the resistance coefficient of the environment for the United States was carried out. The results obtained can be used to improve approaches to managing investment processes and assessing the effectiveness of implemented economic measures. The model and methodology for as-sessing the resistance coefficient can be applied to the analysis of the dynamics of factors of production for other national economies.References
Lawrence J. Christiano, Martin S. Eichenbaum, Mathias Trabandt. On DSGE Models // Journal of Economic Perspectives. 2018, Summer. Vol. 32, nо. 3. P. 113—140.
Сухарев О. С. Структурная политика: к новой инвестиционной модели экономического роста // Финансы: теория и практика. 2019. № 23 (2). С. 84—104. DOI: 10.26794/2587-5671-2019-23-2-84-104
Modeling of State Influence on the Processes of Economic Growth / N. Shagas, A. Bozhechkova, Y. Pervishin, E. Perevyshina, E. Tumanova. 2016. March 21. URL: https://ssrn.com/abstract=2752926 or http://dx.doi.org/10.2139/ssrn.2752926 (дата обращения: 29.06.2024).
Полтерович В., Попов В., Тонис А. Концентрация доходов, нестабильность демократии и экономический рост // Экономика и математические методы. 2009. Т. 45, № 1. С. 15—29.
Шкиотов С. В., Маркин М. И. Статистическая оценка влияния макро- и микроэкономических факторов на уровень коррупции в pоссийской экономике // Теоретическая экономика. 2019. № 2. С. 78—88.
Слабая структурная устойчивость одной математической модели экономической системы и мультипликационные эффекты параметрического регулирования / А. А. Ашимов, Ю. В. Боровский, Д. А. Новиков, Р. М. Нижегородцев, Б. Т. Султанов // Автоматика и телемеханика. 2010. Вып. 12. С. 122—130.
Тарасов В. Т. Неравенство, экономический рост и модернизация регионов России // Вестник Тюменского государственного университета. Социально-экономические и правовые исследования. 2017. Т. 3, № 3. С. 207—225. DOI: 10.21684/2411-7897-2017-3-3-207-225
Кушников Е. И., Хаджинов Л. В. Некоторые аспекты оценки влияния образования на экономический рост // Вопросы инновационной экономики. 2022. Т. 12, № 1. С. 535—550. DOI: 10.18334/vinec.12.1.114061
Мировые торговые войны: сценарные расчеты последствий / В. Л. Макаровa, Цзе Вуc, Зили Вуc, Б. Р. Хабриевa, А. Р. Бахтизин // Вестник Российской академии наук. 2020. Т. 90, № 2. С. 169—179.
Екимова К. В., Савельева И. П., Цало И. М. Оценка влияния изменений конъюнктуры мировых рынков на региональные процессы // Экономика региона. 2016. Т. 12, вып. 3. С. 670—683. DOI: 10.17059/2016-3-5
Алехин Б. И. Межрегиональные различия в инфляции в свете теории Экли // Финансовый журнал. 2023. Т. 15, № 1. С. 8—25.
Matthieu Chemin. Judicial Efficiency and Firm Productivity: Evidence from a World Database of Judicial Reforms // The Review of Economics and Statistics, MIT Press, 2020. March. Vol. 102 (1). Р. 49—64.
Афанасьев М. П., Шаш Н. Н. От профицитной к дефицитной бюджетной политике // Проблемы прогнозирования. 2021. № 5 (188). С. 42—53. DOI: 10.47711/0868-6351-188-42-53
Кузнецов С. Б., Кулигин Е. В. Моделирование коэффициента сопротивления экономической среды // Бизнес. Образование. Право. 2023. № 2 (63). С. 128—133. DOI: 10.25683/VOLBI.2023.63.640
Кузнецов С. Б. Моделирование развития факторов производства уравнением Навье — Стокса // Вестник НГУЭУ. 2024. № 2. С. 101—114. DOI:10.34020/2073-6495-2024-2-101-114
Марчук Г. И. Методы вычислительной математики. М. : Лань, 2021. 608 c.
Федеральная служба государственной статистики. URL: http://www.gks.ru/ (дата обращения: 21.06.2024).
Статистические издания. URL: https://rosstat.gov.ru/folder/210 (дата обращения: 21.06.2024).
US. Bureau of Economic Analysis (BEA). URL: https://www.bea.gov/210 (дата обращения: 11.09.2024).
Key Economic Indicators: United States — Trading View. URL: https://www.tradingview.com/markets/worldeconomy/countries/united-states/210 (дата обращения: 11.09.2024).
Экономика США, 1970—2022. URL: https://be5.biz/makroekonomika/profile/us.html (дата обращения: 11.09.2024).
This work is licensed under a Creative Commons Attribution 4.0 International License.
Copyright (c) 2025 Kuznetsov S.B., Eliseenko A.V.