Детальная информация

В условиях Четвертой промышленной революции (Индустрия 4.0) вопросы количественной оценки влияния цифровых технологий на экономические показатели деятельности предприятий приобретают критическую значимость. Традиционные производственные функции, ограниченные учетом только труда и капитала, не позволяют в полной мере отразить эффект от внедрения киберфизических систем, роботизации и искусственного интеллекта. Данное исследование направлено на устранение этого пробела путем разработки и эконометрического анализа расширенной производственной функции Кобба-Дугласа, включающей интегральный индекс Индустрии 4.0. В качестве теоретической базы использованы работы классиков экономической теории и современных исследователей цифровой трансформации, включая концепции технологического мультипликатора и парадокса производительности. Методология исследования базируется на построении регрессионной модели, где в качестве экзогенных переменных выступают объем капитала, затраты труда и интегральный индекс Индустрии 4.0. Последний агрегирует показатели плотности роботизации, уровня внедрения промышленного интернета вещей и технологий искусственного интеллекта. Из-за ограниченной доступности микроданных по российским предприятиям эмпирическая оценка проводилась на симулированном наборе данных, содержащем 150 наблюдений. Параметры генерации данных - распределения переменных и корреляции между ними - были калиброваны в соответствии с реальными статистическими данными Росстата, Организации экономического сотрудничества и развития и Международной федерации робототехники за период 2018-2023 гг. Оценка параметров модели выполнялась методом наименьших квадратов с использованием численной оптимизации. Результаты исследования демонстрируют, что включение фактора цифровизации кардинально улучшает качество модели по сравнению с классической спецификацией, не учитывающей технологии. Полученные оценки параметров эластичности выпуска по капиталу и труду являются статистически значимыми и соответствуют теоретическим представлениям о производственной функции для обрабатывающей промышленности. Коэффициент влияния цифровизации показывает, что рост уровня внедрения технологий Индустрии 4.0 приводит к существенному увеличению выпуска при неизменных затратах капитала и труда. На основе сценарного анализа четырех стратегий цифровой трансформации выявлены наиболее эффективные подходы с точки зрения соотношения риска и доходности. Выводы работы имеют практическую значимость для менеджмента промышленных предприятий при обосновании инвестиционных бюджетов в цифровые технологии, а также для органов государственной власти при разработке мер промышленной политики, направленных на стимулирование роботизации и повышение производительности труда. К ограничениям исследования можно отнести агрегированный характер индекса Индустрии 4.0, не учитывающий дифференцированные эффекты отдельных технологий, а также использование симулированных данных, что требует дальнейшей валидации модели на реальных панельных данных.

In the context of the Fourth Industrial Revolution (Industry 4.0), the quantitative assessment of digital technologies' impact on enterprise economic performance becomes critically important. Traditional production functions, limited to accounting only for labor and capital, cannot fully capture the effects of the introduction of cyber-physical systems, robotics, and artificial intelligence. This study aims to fill this gap by developing and econometrically estimating an extended Cobb-Douglas production function that incorporates a composite Industry 4.0 index. The theoretical framework draws on the works of classical economists and contemporary digital transformation researchers, including concepts of the technological multiplier and the productivity paradox. The methodology is based on constructing a regression model in which the exogenous variables are capital stock, labor input, and a composite Industry 4.0 index. The latter aggregates indicators of robot density, the level of adoption of the Internet of Things, and artificial intelligence technologies. Due to the limited availability of micro-level data on Russian enterprises, the empirical estimation was conducted on a simulated dataset of 150 observations. The data generation parameters - variable distributions and their correlations - were calibrated to match actual statistical data from Rosstat, the OECD, and the International Federation of Robotics for the period 2018-2023. Model parameters were estimated using the least squares method with numerical optimization. The results demonstrate that incorporating the digitalization factor dramatically improves model fit compared to the classical specification that does not account for technology. The estimated output elasticities with respect to capital and labor are statistically significant and consistent with theoretical expectations for a manufacturing production function. The digitalization coefficient reveals that a higher Industry 4.0 technology adoption level leads to a substantial increase in output, holding capital and labor constant. Based on scenario analysis of four digital transformation strategies, the most effective approaches in terms of risk-adjusted trade-off are identified. The findings have practical implications for industrial enterprise management when justifying investment budgets for digital technologies, as well as for public authorities in designing industrial policies aimed at stimulating robotization and increasing labor productivity. Limitations of the study include the aggregated nature of the Industry 4.0 index, which does not account for differentiated effects of individual technologies, and the use of simulated data, which requires further model validation on real panel data.

π-Economy. — Санкт-Петербург: СПбПУ, 2022 -. — Загл. с титул. экрана. — Периодичность: 6 раз в год. — Выходит с 2022 г. — Электрон. журнал. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Текст: электронный

π-Economy. — Санкт-Петербург: СПбПУ, 2022 -. Т. 19, № 3, 2026. — 1 файл (5,81 Мб). — Свободный доступ из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/j26-227.pdf>.