Микроэкономика XXI века: новые возможности фундаментального анализа

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

С изменением экономической реальности меняется и представление о механизме принятия решений экономическими агентами на микроуровне. Рассмотрены ключевые тенденции в работах зарубежных исследователей в области микроэкономического анализа; продемонстрировано, как современная микроэкономика отражает изменения экономических условий. Проанализировано то новое, что вносят современные микроэкономические исследования и подходы в понимание сущности экономических явлений. Обобщены современные поведенческие предпосылки микроэкономики. В отношении потребителя проведен анализ нового понимания рациональности и иррациональности, замены максимизирующей цели на удовлетворенность; введены новые модели межвременного выбора с учетом межвременных трансакционных издержек; демонстрируется новый ключевой ограничитель выбора индивида – внимание и когнитивные ресурсы. В отношении фирмы показаны новые характеристики хозяйствующего субъекта как цифровой экосистемы, ведущие к стиранию граней между фирмой и рынком, между различными отраслями и сферами деятельности и в итоге – к трансформации классической фирмы в гибкое цифровое деловое предприятие. Продемонстрировано, что рыночные взаимодействия, ценовой механизм и конкурентные процессы в условиях информационной асимметрии приобретают новые характеристики.

Об авторах

Н. М. РОЗАНОВА

Московская школа экономики МГУ имени М.В. Ломоносова; МГИМО МИД России

Автор, ответственный за переписку.
Email: happyeconomics@list.ru
Москва, Россия; Москва, Россия

Список литературы

  1. Acemoglu, D., & Jackson, M. (2017). Social norma and the enforcement of laws. Journal of European Economic Association. Vol. 15. No. 2. Pp. 245–295.
  2. Ali, N., & Benabou, R. (2020). Image versus information. American Economic Journal: Microeconomics. Vol. 12. No. 3. Pp. 116–164.
  3. Apesteguia, J., Ballester, M., & Cuhadaroglu, T. (2023). A behavioral model of adaptation. Journal of Economic Behavior and Organization. Vol. 207. Pp. 146–156.
  4. Arcidiacono, P., Ellickson, P., Mela, C., & Singleton, J. (2020). The competitive effects of entry. American Economic Journal: Applied Economics. Vol. 12. No. 3. Pp. 175–206.
  5. Arrow, K., Bilir, K., & Sorensen, A. (2020). The impact of information technology on the diffusion of new pharmaceuticals. American Economic Journal: Applied Economics. Vol. 12. No. 3. Pp. 1–39.
  6. Asheim, B. (2018). Smart specialisation, innovation policy and regional innovation systems: what about new path development in less innovative regions? The European Journal of Social Science Research. Vol. 32. No. 1. Pp. 1–18.
  7. Baldwin, C., Bogers, M., Kapoor, R., & West, J. (2024). Focusing the ecosystem lens on innovation studies. Research Policy. Vol. 53. No. 104949. https://doi.org/10.1016/j.respol.2023.104949
  8. Biglaiser, G., & Cremer, J. (2020). The value of incumbency when platforms face heterogeneous customers. American Economic Journal: Microeconomic. Vol. 12. No. 4. Pp. 229–269.
  9. Billot, A., Mukerji, S., & Tallon, J-M. (2020). Market allocations under ambiguity. Revue Economique. Vol. 71. No. 2. Pp. 267–282.
  10. Braunerhjelm, P., & Lappi, E. (2023). Employees’ entrepreneurial human capital and firm performance. Research Policy. Vol. 52. No. 104703. https://doi.org/10.1016/j.respol.2022.104703
  11. Campbell, A., Leister, C.M., & Zenou, Y. (2020). Word-of-mouth communication and search. The RAND Journal of Economics. Vol. 51. No. 3. Pp. 676–712.
  12. Chandrasakhar, A., Larreguy, H., & Xandri, J.P. (2020). Testing models of social learning on networks. Econometrica. Vol. 88. No. 1. Pp. 1–32.
  13. Cohen, J., Ericson, K.M., Laibson, D., & Myles, J. (2020). Measuring time preferences. Journal of Economic Literature. Vol. 58. No. 2. Pp. 299–347.
  14. Echenique, F., Imai, T., & Saito, K. (2020). Testable implications of models of intertemporal choice. American Economic Journal: Microeconomics. Vol. 12. No. 4. Pp. 114–143.
  15. Eliaz, K., & Spiegler, R. (2020). Incentive-compatible advertising on nonretail platforms. The RAND Journal of Economics. Vol. 51. No. 2. Pp. 323–345.
  16. Ellickson, P., Grieco, P., & Khvastunov, O. (2020). Measuring competition in spatial retail. The RAND Journal of Economics. Vol. 51. No. 1. Pp. 189–232.
  17. Espana, V., Aparicio, J., Barber, X., & Esteve, M. (2024). Estimating production functions through additive models based on regression splines. European Journal of Operational Research. Vol. 312. No. 2. Pp. 684–699.
  18. Filippas, A., Horton, J., & Golden, J. (2019). Reputation inflation. NBER Working paper 25857. May. http://www.nber.org/papers/w25857
  19. Fischer, P., Heinle, M., & Smith, K. (2020). Constrained listening, audience alignment, and expert communication. The RAND Journal of Economics. Vol. 51. No. 4. Pp. 1037–1062.
  20. Francke, A.E., & Carrete, L. (2023). Consumer self-regulation: looking back to look forward. A systematic literature review. Journal of Business Research. Vol. 157. No. 113461. https://doi.org/10.1016/j.jbusres.2022.113461
  21. Frankel, A., & Kartik, N. (2019). Muddled information. Journal of Political Economy. Vol. 127. No. 4. Pp. 1739–1776.
  22. Galeotti, A., Golub, B., & Goyal, S. (2020). Targeting interventions in networks. Econometrica. Vol. 88. No. 6. Pp. 2445–2471.
  23. Halac, M., & Kremer, I. (2020). Experimenting with career concerns. American Economic Journal: Microeconomics. Vol. 12. No. 1. Pp. 260–288.
  24. Hanany, E., Klibanoff, P., & Mukerji, S. (2020). Incomplete information games with ambiguity averse players. American Economic Journal: Microeconomics. Vol. 12. No. 2. Pp. 135–187.
  25. Hashimzade, N., Kirsanov, O., & Kirsanova, T. (2023). Distributional effects of endogenous discounting. Mathematical Social Science. Vol. 122. Pp. 1–6.
  26. Herskovic, B., & Ramos J. (2020). Acquiring information through peers. The American Economic Review. Vol. 110. No. 7. Pp. 2128–2152.
  27. Huang, Y., Li, K., & Li, P. (2023). Innovation ecosystems and national talent competitiveness: a country-based comparison using fsQCA. Technological Forecasting and Social Change. Vol. 194. Issue. 4. No. 22733. https://doi.org/10.1016/j.techfore.2023.122733
  28. Jacobides, M., Cennamo, C., & Gawer, A. (2024). Externalities and complementarities in platforms and ecosystems: from structural solutions to endogenous failures. Research Policy. Vol. 53. No. 104906. https://doi.org/10.1016/j.respol.2023.104906
  29. Kamada, Y., & Kandori, M. (2020). Revision Games, Econometrica Vol. 88. No. 4. Pp. 1599–1630.
  30. Kuersteiner, G., & Prucha, I. (2020). Dynamic Spatial Panel Models. Econometrica. Vol. 88. No. 5. Pp. 2109–2146.
  31. Li, L., Tadelis, S., & Zhou, X. (2020). Buying reputation as a signal of quality: evidence from an online marketplace. The RAND Journal of Economics. Vol. 51. No. 4. Pp. 965–988.
  32. Linde, J., Gietl, D., Sonnemans, J., & Tuinstra, J. (2023). The effects of quantity and quality of information in strategy tournaments. Journal of Economic Behavior and Organization. Vol. 211. Pp. 305–323.
  33. Mauring, E. (2020). Informational cycles in search markets. American Economic Journal: Microeconomics. Vol. 12. No. 4. Pp. 170–192.
  34. Mullainathan, S. (2020). A memory-based model of bounded rationality. The Quarterly Journal of Economics. Vol. 117. No. 3. Pp. 735–774.
  35. Okuyama, R., & Tsujimoto, M. (2020). The importance of drug target selection capability for new drug innovation: definition, fostering process, and interaction with organizational management. Prometheus. Vol. 36. No. 2. Pp. 135–152.
  36. Paz, M.D.R., & Vargas, J.C.R. (2023). Main theoretical consumer behavioral models. A review from 1935 to 2021. Heliyon. Vol. 9. No. e13895. https://doi.org/10.1016/j.heliyon.2023.e.13895
  37. Shomalzadeh, K., Scherpen, J., & Camlibel M.K. (2023). A real-time balancing market optimization with personalized prices: from bilevel to convex. Operations Research Perspectives. Vol. 10. No. 100276. https://doi.org/10.1016/j.orp. 2023.100276
  38. Silva, F. (2020). The importance of commitment power in games with imperfect evidence. American Economic Journal: Microeconomics. Vol. 12. No. 4. Pp. 99–113.
  39. Sjodin, D., Liljeborg, A., & Mutter, S. (2024). Conceptualizing ecosystem management capabilities: managing the ecosystem-organization interface. Technological Forecasting & Social Change. Vol. 200. No. 123187. https://doi.org/10.1016/j.techfore.2023.123187
  40. Stornelli, A., Simms, Ch., Reim, W., & Ozcan, S. (2024). Exploring the dynamic capabilities of technology provider ecosystems: a study of smart manufacturing projects. Technovation. Vol. 130. No. 102925. https://doi.org/10.1016/j.technovation.2023.102925
  41. Sweeting, A., Jia, D., Hui, S., & Yao, X. (2020). Dynamic price competition, learning-by-doing and strategic buyers. NBER Working Paper 28272. December. http://www.bver.org/papers/w28272
  42. Wilson, A., & Vespa, E. (2020). Information transmission under the shadow of the future. American Economic Journal: Microeconomics. Vol. 12. No. 4. Pp. 75–98.
  43. Xie, X., Liu, X., & Blanco, C. (2023). Evaluating and forecasting the niche fitness of regional innovation ecosystems: a comparative evaluation of different optimized grey models. Technological Forecasting and Social Change. Vol. 191. Issue 4. No. 122473. https://doi.org/10.1016/j.techfore.2023.122473
  44. Zervas, G., Proserpio, D., & John, B. (2021). A First look at online reputation on Airbnb, where every stay is above average. Marketing Letters. Vol. 32. No. 1. Pp. 1–16.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».