Подробное описание алгоритма можно найти в конце книги, в Приложении. Далее остановимся на формализации понятия задачи, качества товара и рассмотрим ограничение сверху на ВВП в стране.

Формализация задач, типы задач

Предположим, что для реализации задачи tki(t) необходимо n специалистов. Будем считать, что успешность решения задачи (или уровень качества продукта) зависит только от квалификации решающих ее специалистов (работников), которая оценена числами: x1, …, xn, xj ≥ 0, j ∈ {1, …, n}. Тогда успешность решения задачи (или качество произведенного продукта) задается в виде функции z = ftk(x1, …, 'xn) от компетентностей принятых специалистов и представима в виде:

(6) z = g(x1, …, xr)·I(xr+1, …, xn), 1 ≤ r ≤ n,

где: g(x1, …, xr) – уровень качества продукта (потенциально неограниченный сверху), обеспеченного людьми, занимающимися задачами открытого типа успешности (Ушаков, 2011), функция монотонна по каждой из своих переменных; x1, …, xr – компетентности людей, назначенных на задачи открытого типа, xj ≥ 0, j ∈ {1, …, r}; I (xr+1, …, xn) – уровень качества продукта (потенциально ограниченный сверху Imax), обеспеченного людьми, занимающимися задачами порогового (закрытого) типа успешности (там же), функция монотонна по каждой из своих переменных; xr+1, …, xn – компетентности людей, назначенных на задачи порогового типа, xj ≥ 0, j ∈ {r + 1, …, n}.

Если в (6) r = 0, то z = I (x1, …, xn). То есть эта задача требует только выполнения работ закрытого типа. Если же в (6) r = n, то z = g(x1, …, xn). То есть эта задача требует только выполнения работ открытого типа.

Рассмотрим частный случай зависимости (6) качества произведенного продукта от компетентностей работников:

где: αi – числовая оценка важности уровня компетентности xi работника; θi – минимальный порог для компетентности xi работника, необходимый для успешного выполнения им своей задачи:

I(xi ≥θi) = θi, если xi ≥θi, и

I(xi ≥θi) = 0, если xi < θi.

Задача поиска максимального ввп

Для анализа зависимости ВВП от среднего уровня компетенций в стране нам понадобится максимально возможный ВВП, который может быть достижим в данной стране. Найдем условия, при которых значения GDP(t) из (5) будет максимально в модели.

Определение 1. Назовем распределением совокупного размера сбережений потребителей в момент t вектор N(t) натуральных чисел (N1, N2, …, Ns), соответствующий убывающей величине размера сбережений потребителей IC1 > IС2 > … > ICs. Каждое из значений Ni есть число потребителей с указанным размером сбережений:

Ni = #{j ≥E|ICj(t) = ICi(t)}.

То есть имеется N1 потребителей с величиной сбережений IC1 (самые обеспеченные), N2 потребителей с величиной сбережений IC2, и т. д., с убыванием значения IC. Как следует из определения, N1 + N2 + … + Ns равно общему числу потребителей в E.

Определение 2. Назовем распределением количества товара по группам качества в момент t вектор M(t) натуральных чисел (M1, M2, …, Mp) соответствующий убывающей величине уровня качества товара z1(t) > z2(t) > … > zp(t). Каждое из значений Mi есть количество товара с указанным уровнем качества:

То есть имеется товара в количестве M1 с уровнем качества z1(t) (самый качественный товар), товара в количестве M2 с уровнем качества z2(t) и т. д., с убыванием значения z. Как следует из определения, M1 + M2 + … + Mp равно общему количеству товара, произведенному в текущем такте

Пусть p ≥ s, тогда примем следующее определение.

Определение 3. Будем говорить, что распределение количества товара по группам качества сегментировано, если для соответствующего ему вектора (M1, M2, …, Mp) и вектора распределения совокупного размера сбережений потребителей (N1, N2, …, Ns) выполнено условие:

M1 = N1, M2 = N2, …, Ms = Ns.

Теорема. При фиксированном распределении совокупного размера сбережений потребителей N(t) значение GDP(t) в (5) достигает максимума тогда и только тогда, когда распределение количества товара по группам качества M(t) сегментировано.

Схема доказательства

Для удобства доказательства далее будем представлять сумму (5) как сумму ненулевых слагаемых, упорядоченных по убыванию, где каждое слагаемое соответствует цене IC, которую заплатил отдельный потребитель. Число слагаемых очевидно равно числу потребителей и фиксированно.

Необходимость. Предположим, что M(t) не сегментировано и GDP(t) достигает своего максимального значения. Тогда существует i, 1 ≤ i ≤ s такой, что M1 = N1, …, Mi ≠ Ni. Рассмотрим два случая:

Mi < Ni

В данном случае число слагаемых в (5) со значением ICi меньше, чем для случая сегментированного M(t) (если бы Mi = Ni). В то же время число слагаемых со значениями IC > ICi такое же, а слагаемых со значениями IC < ICi больше – при одном и том же общем числе слагаемых. Следовательно, значение (5) в указанном случае меньше, чем в случае сегментированного M(t).

Mi > Ni

В данном случае слагаемые в (5) со значением ICi не встретятся, вместо этого будет большее число слагаемых с IC < ICi. При фиксированном числе слагаемых значение (5) меньше, чем в случае сегментированного M(t).

Достаточность. Пусть M(t) сегментировано. В соответствии с алгоритмом покупки товара и в силу сегментированности M(t), в сумме (5) будет N1 слагаемых с максимальным возможным значением IC1 (число таких слагаемых уже нельзя увеличить, а можно только уменьшить, уменьшив общую сумму), N2 слагаемых со значением IC2 (их число также нельзя увеличить) и т. д. до Ns слагаемых с значением ICs. Таким образом, получается, что сумма (5) принимает максимально возможное для себя значение.

Результаты работы имитационной модели

Сравнение результатов модели и предметных данных

Для соотнесения результатов имитационной модели и данных по странам проведем нормировку показателей средней компетентности Ii в стране i и ВВП на душу населения Di для результатов, полученных с помощью имитационной модели и данных из работы (Lynn, Vanhanen, 2002):

На рисунке 2 проиллюстрированы два набора данных после нормировки:

• данные по реальным странам (слева), полученные из (Lynn, Vanhanen, 2002);

• данные имитационной модели (справа), полученные в момент модельного времени t = 25, когда характер зависимости, изображенной на рисунке 2, не меняется в течение более 10 тактов. Ниже, при расчетах параметров модели, рассматриваются данные на этом такте времени.

Визуально на рисунке 2 мы можем отметить наличие роста мат. ожидания и дисперсии Di при росте значения Ii. Оценим статистически степень влияния фактора Ii на Di отдельно по данным для стран из (Lynn, Vanhanen, 2002) и отдельно по данным, полученным в имитационной модели.

Рис. 2. Иллюстрация данных Ii и Di, полученных из (Lynn, Vanhanen, 2002) (слева) и имитационной модели (справа)

Для оценки степени влияния Ii на Di посредством однофакторного дисперсионного анализа проверим наличие статистической зависимости показателя Di от уровней фактора Ii (групп различных значений) (Кобзарь, 2006). Разобьем значения Ii на три равные непересекающиеся группы (три уровня фактора Ii: «низкий», «средний» и «высокий»), сформируем три выборки значений Di для соответствующего уровня фактора Ii. Рассчитаем уровень значимости p гипотезы Н0:

«Все три выборки принадлежат одной генеральной совокупности или разным генеральным совокупностям с равными средними арифметическими» (если гипотеза H0 неверна, то параметр Ii оказывает существенное влияние на Di).

Уровень значимости p есть вероятность необоснованно (ошибочно) отвергнуть (считать неверной) гипотезу H0. Проведем расчеты отдельно для данных из работы Линна и для данных, полученных из имитационной модели.

Анализ данных из работы Линна показывает, что вероятность необоснованного отклонения нулевой гипотезы крайне мала: ≈9,44 .10–9 (см. таблицу 1). Следовательно с большой степенью уверенности (1 – p ≈ 1) можно утверждать, что значения параметра Di зависят от значений параметра Ii на основе данных, собранных в (Lynn, Vanhanen, 2002).

Таблица 1[5]

Оценим характер влияния Ii на Di. На рисунке 3 проиллюстрируем результат обработки данных из (Lynn, Vanhanen, 2002) в виде графика box plot («ящик с усами»). На этом рисунке вдоль оси Ох размещены три уровня фактора Ii: «низкий», «средний» и «высокий» в соответствующем порядке. Для каждого из трех уровней фактора Ii нарисован «ящик с усами» (фигура синего цвета – «ящик», пунктирные вертикальные прямые – «усы»). Горизонтальная линия («талия» у ящика) обозначает медиану выборки значений параметра Di, соответствующих уровню фактора Ii («низкий», «средний» и «высокий»). Как видно из рисунка 3, уровням фактора Ii соответствуют следующие значения медианы Di: «низкий» – 0,017, «средний» – 0,065, «высокий» – 0,2. Нижняя и верхняя границы каждого из ящиков иллюстрируют первую и третью квантили q1 и q3 для выборки Di соответственно[6]. Длина усов каждого из ящиков определяются значениями: нижняя – 9-й процентили, верхняя – 91-й процентили. Данные, выходящие за пределы усов (выбросы), отображаются на графике в виде крестиков.

Рис. 3. Box plot для значений Di при соответствующем уровне фактора Ii, полученных из (Lynn, Vanhanen, 2002)

На основе анализа рисунка 3 можно сделать выводы:

1. С ростом значения Ii растет медиана значений Di.

2. С ростом значения Ii увеличиваются как значения квантилей q1, q3, 9-й и 91-й процентили, так и расстояние между ними, т. е. увеличивается разброс значений Di.

3. Распределение значений Di в выборке становится более симметричным относительно своей медианы с ростом Ii.

Приведем результаты аналогичных процедур обработки для данных, полученных в имитационной модели (таблица 2, рисунок 4).

Таблица 2[7]

Так же, как и в случае данных из (Lynn, Vanhanen, 2002), вероятность необоснованного отклонения гипотезы Н0 весьма мала, ≈7,59.10–10 (см. таблицу 2). Следовательно, так же как и в предыдущем случае, с большой степенью уверенности (1 – p ≈ 1) можно утверждать, что значения параметра Di, полученные с помощью имитационной модели, зависят от значений параметра Ii. Оценим характер этого влияния, используя график box plot для данных имитационной модели (см. рисунок 4).

Рис. 4. Box plot для значений Di при соответствующем уровне фактора Ii, полученных из имитационной модели (справа – увеличение картинки «ящика с усами» для уровня фактора Ii «низкий» и «средний»)

Как видно из рисунка 4, трем уровням фактора Ii соответствуют следующие значения медианы Di: «низкий» – 0,03, «средний» – 0,59, «высокий» – 0,73.

На основе рисунка 4 можно сделать вывод: с ростом значения Ii растет медиана значений Di.

Сравнивая выводы о характере зависимостей в данных (Lynn, Vanhanen, 2002) и данных, полученных из имитационной модели, мы можем отметить, что 1-й вывод для данных из книги (Lynn, Vanhanen, 2002) воспроизводится моделью. Эффекты 2 и 3 в списке выводов для реальных данных не воспроизводятся имитационной моделью. Возможной причиной этого является отсутствие фактического общего рынка, который, в силу конкуренции между странами на рынке товаров, мог бы снизить ВВП некоторых стран с высокими значениями средних компетенций Ii, тем самым способствуя эффектам 2 и 3 в списке эффектов для данных (Lynn, Vanhanen, 2002).

Анализ результатов имитационной модели

Как было показано в предыдущем разделе, ВВП страны тем выше, чем выше средний уровень компетенций работников в данной стране. Используя результат доказанной выше теоремы, построим с помощью имитационной модели зависимость максимально возможного ВВП maxGDPi от среднего уровня компетенций Ii в странах, а также рассчитаем и построим зависимость процента потерь ВВП rli (максимально возможный ВВП при фиксированном распределении доходов минус реализовавшийся ВВП при том же распределении доходов) от среднего уровня компетенций Ii:

Рис. 5. Зависимость максимально возможного ВВП от среднего уровня компетентности в стране (слева иллюстрация данных, справа средние значения и статистические оценки по трем группам значений: «низкий», «средний» и «высокий» уровень Ii)

Как видно из рисунка 5, зависимость maxGDPi от среднего уровня компетенций Ii имеет схожий с GDPi характер, однако процент потерь ВВП rli примерно один и тот же для разных значений среднего уровня компетенций Ii в стране (рисунок 6). Следовательно, характер зависимости GDPi от Ii не определяется потерями от того, что распределение количества товара по группам качества по-разному сегментировано в группах стран с разными значениями среднего уровня компетенций Ii.

На величину выражения (5), помимо степени сегментированности распределения количества товара по группам качества, определенного выше, очевидно влияет распределение доходов потребителей (IC). Сравним распределение доходов потребителей для различных групп значений средних компетенций Ii.

Рис. 6. Зависимость процента потерь ВВП от среднего уровня компетентности в стране (сверху иллюстрация данных, снизу средние значения и статистические оценки по трем группам значений: «низкий», «средний» и «высокий» уровень Ii)

Из рисунка 7 видно, что распределение доходов для стран с высокими значениями Ii доминирует над распределением доходов стран с низкими значениями Ii. Это и предопределяет для этих стран, согласно формуле (5), более высокие значения GDPi. Значения доходов работников из формулы (4) определяются распределением капитала бизнесменов в данной стране, и оно имеет схожий характер с распределением дохода работников (распределение капитала бизнесменов для стран с высокими значениями Ii определяет распределение капитала стран с низкими значениями Ii). Для выяснения причин, лежащих в основе различия в распределении капитала бизнесменов между группой стран с низкими и высокими значениями Ii, рассмотрим следующий пример расчетов. Внесем одно изменение в алгоритм имитационной модели: изменим правило назначения работников на подзадачи порогового типа. Для каждой страны с фиксированным средним уровнем компетенций Ii заменим минимальный порог каждой пороговой подзадачи θj в формуле (7) на величину θj + Ii – const. Таким образом, подзадачи всех задач становятся одинаково доступны для индивидов из всех стран (т. е. мы расширяем потенциальное множество задач, доступных для выполнения в каждой стране, сделав его одним и тем же для разных значений Ii). Одновременно мы не изменили вклад в качество товара, определяемого частью открытых подзадач. Приведем зависимость ВВП от значений среднего уровня компетенций в странах Ii (рисунок 8).

Рис. 7. Распределение дохода среди работников в странах с низким, средним и высоким уровнями средней компетенции в стране. График приведен в двойном логарифмическом масштабе (по обеим осям отложены логарифмы указанных величин)

Как видно из рисунка 8, положительная связь между ВВП и Ii исчезла. Данный результат стабильно сохраняется на больших значениях тактов модельного времени t. По результатам последнего вычислительного эксперимента в имитационной модели можно сделать вывод, что превосходство стран с высоким Ii над странами с низким Ii определяется тем, что для бизнесменов из первой группы (с высоким Ii) доступно для реализации большее множество задач, в то время как для вторых (с низким Ii), доступно лишь его ограниченное подмножество.

Рис. 8. Зависимость ВВП от среднего уровня компетентности в стране Ii для модифицированного варианта

* * *

Относительный масштаб экономической роли явлений, связанных с выбором задач, может быть достаточно велик, особенно в контексте развития экономики знаний. По существующим оценкам, человеческий капитал составляет в настоящее время примерно Б мирового богатства, а в развитых странах – даже ¾ национального богатства этих стран. Это означает, что диапазон сложности решаемых задач, т. е. разброс редкости компетенций в современном мире очень велик. Следовательно, роль адекватного применения способностей и издержки от его отсутствия становятся особенно существенными. Научно-технический прогресс – результат применения интеллекта и компетенций людей, и в этом плане его осмыслению может способствовать развитие понимания механизмов экономического функционирования интеллекта.

Изучение механизмов реализации человеческих способностей и компетентностей в социально-экономических достижениях позволяет перебрасывать мосты между пониманием человека и пониманием общества в целом. События последних десятилетий свидетельствуют, что экономические изменения зависят от людей, их психологических особенностей. В то же время модели общественных наук почти не рассматривают человека как переменную величину, изменяющуюся от одного исторического момента к другому и от одной страны к другой. Осмысление изменчивости этих переменных в рамках экономических теорий в этом контексте имеет существенное значение.

Признание разнообразия человеческих возможностей должно быть дополнено признанием того, что для реализации этих возможностей в экономических достижениях должны быть созданы соответствующие условия.

Глава 2. Человеческий метакапитал: управление формированием и передачей знаний в социальных средах с несовпадающими и противоположными интересами участников

Под человеческим капиталом понимается запас знаний, умений, навыков и способностей, который есть у каждого человека и который он может использовать в производственных или потребительских целях (Беккер, 2003; Капелюшников, 2011). Целью формирования человеческого капитала является повышение благосостояния его обладателя (более квалифицированный работник, как правило, лучше оплачивается) и/или повышение благосостояния нанимающей его стороны, получающей большую прибыль от более квалифицированной работы. Считается также, что накопление этого вида капитала оказывает положительное воздействие не только на его обладателя, но и на благосостояние общества в целом (там же).

Однако в социальных средах с несовпадающими и противоположными интересами участников взаимодействий наличие у человека определенного человеческого капитала (знаний, умений, компетенций) может быть в разной степени выгодно (невыгодно) ему самому и другим субъектам. В таких средах возникает основа для оценки человеческого капитала другого субъекта как отрицательного, если обладатель этого капитала, благодаря его наличию, наносит значимый ущерб другим, и как положительного, если приносит пользу.

Также мы расширим понятие «человеческий метакапитал», включив в него знания, умения, компетенции по управлению человеческим капиталом других людей, и обоснуем тезис, что в определенных пределах имеет смысл рассматривать взаимодействия обладателей человеческого метакапитала как игры с человеческим капиталом. Поскольку обычно намного больше внимания уделяется позитивным аспектам формирования и передачи знаний, мы, помимо анализа этих аспектов, подробно опишем и обсудим негативные стратегии управления человеческим капиталом.

Человеческий капитал: положительный и отрицательный

Ю. А. Корчагин предлагает различать следующие виды человеческого капитала по степени креативности, созидательности и эффективности (Корчагин, 2011, с. 8):

– положительный человеческий капитал – это капитал созидательный, креативный, инновационный;

– пассивный человеческий капитал – чисто потребительский;

– отрицательный человеческий капитал – это капитал разрушительный, активно препятствующий процессам развития; «накопленный запас особенных и специфических знаний, псевдознаний, навыков, моральных и психологических отклонений индивидуума, позволяющий ему получать для себя доходы и другие блага за счет противоправной, аморальной, мошеннической или некомпетентной деятельности, мешающей созидательной деятельности других лиц и созданию ими новых благ и доходов».

Деятельность коррупционеров, преступников, наркоманов и тому подобных лиц Корчагин совершенно обоснованно относит к накоплению отрицательного человеческого капитала.

Э. Талисайон указывает, что если умелый работник, желающий работать на благо группы, – большой плюс для данной группы, то умелый работник, по каким-либо причинам желающий работать против интересов группы (например, квалифицированный профессионал с коррупционными установками), обеспечит отрицательный вклад, и в этом случае нужно говорить об отрицательном человеческом капитале (Talisayon, Suministrado, 2011, p. 348; см. также блог Э. Талисайона: URL: http://apintalisayon.wordpress.com/2009/03/08/q18-negative-metacapital-corruption).

Дж. Стивенс развивал не столь жесткие (не связанные непосредственно с преступностью или антигрупповой активностью) представления. Он доказывал, что постепенное приобретение отрицательного человеческого капитала происходит, например, у лиц, занятых низкоквалифицированным и низкооплачиваемым трудом и постоянно меняющих место работы. Результатом «роста стажа» здесь является уменьшение зарплаты и благосостояния работника (Stevens, 1980).

Анализ и сравнение этих высказываний, сделанных авторами разных подходов в разное время, позволяет прийти к заключению, что понятие отрицательного человеческого капитала используется в существенно отличающихся друг от друга значениях.

<1 2 3 4 >

На страницу:

Перейти

3 из 4