Многоаспектный анализ стратегий развития АПК России на больших временных горизонтах на основе использования моделей теории устойчивого развития агросистемы¶

Модели трансформации капитала агросистемы¶

Изложим подходы к построению динамических моделей, позволяющих включать в в анализ наиболее важные социально экономические и экологические параметры, детерминирующие процесс трансформации факторов развития агросистем. Рассмотрим основные соотношения и зависимости, лежащие в основе подобных моделей

Трансформация во времени основного капитала.¶

Движение основного капитала в дискретном времени может быть представлено уравнением:

$$ \mathop F\nolimits_{t + 1} = (\mathop 1\nolimits_{} - \mathop r\nolimits_t ) \cdot \mathop F\nolimits_t + \Delta \cdot \mathop F\nolimits_t - \Delta \mathop F\nolimits_t^c \;\;\;\;(1)$$

где ${r_t <1}$ - коэффициент выбытия фондов; $ \Delta F_t$ - прирост фондов за счет инвестиций; $ \Delta F_t^c$ - катострофические потери фондов.

Тогда коэффициент трансформации (индекс развития основного капита-ла) может быть представлен следующим образом:

$$ \mathop k\nolimits_{t + 1}^F = \frac{{\mathop F\nolimits_{t + 1} }}{{\mathop F\nolimits_t }} = (\mathop 1\nolimits_{} - \mathop r\nolimits_t ) + \frac{{\Delta \mathop F\nolimits_t }}{{\mathop F\nolimits_t }} - \frac{{\Delta \mathop F\nolimits_t^c }}{{\mathop F\nolimits_t }} \;\;\;\;(2)$$

где $ \Delta \mathop F\nolimits_t = \mathop I\nolimits_t^F = \mathop I\nolimits_t^{FPR} + \mathop I\nolimits_t^{FZ}$ ; $I_t^F$ - инвестиции в основной капитал; $I_t^{FPR}$ -
инвестиции в основной капитал за счет собственной прибыли;$I_t^{Z}$ -- инвестиции в основной капитал за счет дополнительных источников (заем-ные средства); $\Delta \mathop F\nolimits_t^c = \mathop \theta \nolimits_t^{cF} {\rm (}\mathop {\rm 0}\nolimits_{} \le \mathop \theta \nolimits_t^{cF} \le \mathop {1)}\nolimits_{}$ , коэффициент катастрофических потерь фондов. Или имеем: $$\mathop k\nolimits_{t + 1}^F = \mathop \mu \nolimits_t^F + \mathop \rho \nolimits_t^{IF} \cdot \mathop I\nolimits_t - \mathop \theta \nolimits_t^{cF} \;\;\;\;(3)$$ где $\mathop \mu \nolimits_t^F = \mathop \lambda \nolimits_t^{KS} \cdot (\mathop 1\nolimits_{} - \mathop r\nolimits_t )$ - коэффициент (индекс), характеризующий остаточный уровень развития фондов; $\mathop \rho \nolimits_t^{IF} = \frac{{\mathop \pi \nolimits_t^{Know} }}{{\mathop F\nolimits_t }}$ коэффициент трансформации инвестиций в основной капитал. Здесь $\mathop \lambda \nolimits_t^{KS} > 0$ -коэффициент, характеризующий качество и структуру остаточных фондов. Если этот коэффициент меньше единицы, то фонды не соответствуют на данный момент времени общественно необходимому уровню по качеству и структуре (средний уровень по группе экономически развитых стран). При значении этого коэффициента больше единицы они превосходят по структу-ре и качеству общественно необходимый уровень развития фондов. Коэффициент $\mathop \pi \nolimits_t^{Know}$ характеризует уровень инновационности использования инвестиций для формирования основного капитала. При $0 < \mathop \pi \nolimits_t^{Know} < 1$ инвестиции используются ниже общественно необходимого уровня (средний уровень по группе экономически развитых стран), а при $\mathop \pi \nolimits_t^{Know} > 1$ выше. Данный коэффициент в концентрированном виде выражает качество развития основного капитала агросистемы. Типы развития основного капитала можно проиллюстрировать следу-ющим образом (рис. 1):

Типы   развития основного капитала

Рис. 1 Таким образом, возможность развития основного капитала (производственных фондов) агросистемы определяется рядом факторов: возрастом и изношенностью фондов (коэффициент $r_t$),качеством и структурой ( коэффициент $\lambda_t^{KS}$),общей массой фондов ($F_t$),объёмом инвестиций в основной капитал ($I_t^F$) и уровнем инновационности использования инвестиций ( коэффициент $\pi_t^{K_now}$ ) и возникновением катастрофических событий ($\theta_t^{CF}$).Основное дискретное динамическое соотношение: $$\mathop F\nolimits_{t + 1} = \mathop k\nolimits_{t + 1}^F \mathop F\nolimits_t \;\;\;\;(4)$$

Перейдем от дискретного к не прерывному времени. Вычитая из обеих частей уравнения (4) $F_t$ получим следующее уравнение:

$$\mathop F\nolimits_{t + 1} - \mathop F\nolimits_t = \Delta \mathop {\mathop F\nolimits_t = (k}\nolimits_{t + 1}^F - \mathop 1\nolimits_{}^{} ) \cdot \mathop F\nolimits_t \;\;\;\;(5)$$$$\Delta \mathop F\nolimits_t = \mathop {\tilde k}\nolimits_{t + 1}^F \mathop { \cdot F}\nolimits_t \;\;\;\;(6)$$

Переходя к бесконечно малым приращениям, получаем следующее дифференциальное уравнение: $$\frac{{dF}}{{dt}} = \mathop {\tilde k}\nolimits^F (t) \cdot F(t) = F(t) \cdot (\mathop \mu \nolimits^F (t) - \mathop \theta \nolimits^{cF} (t) - 1) + \mathop \pi \nolimits^{Know} (t) \cdot \mathop I\nolimits^F (t) \;\;\;\;(7)$$ $$\frac{{dF}}{{dt}} = F(t) \cdot (\mathop \lambda \nolimits^{KS} (t) \cdot (1 - r(t)) - \mathop \theta \nolimits^{cF} (t) - 1) + \mathop \pi \nolimits^{Know} (t) \cdot \mathop I\nolimits^F (t) \;\;\;\;(8)$$ Если в уравнении (4) обе части разделить на $H_t$ и учитывая, что $H_(t+1)=H_t(1+\omega_t)$ , где $\omega_t$- естественный прирост населения, то получим удельное уравнение на душу населения: $$\frac{{\mathop F\nolimits_{t + 1} }}{{\mathop H\nolimits_t }} = \mathop k\nolimits_{t + 1}^F \cdot \frac{{\mathop F\nolimits_t }}{{\mathop H\nolimits_t }} \to \mathop f\nolimits_{t + 1} = \frac{{\mathop k\nolimits_{t + 1}^F }}{{(1 + \mathop \omega \nolimits_t )}} \cdot \mathop f\nolimits_t$$
где $f_{t+1}$ и $f_{t}$ основной капитал на душу населения соответственно в t+1 и t периоды времени. Тогда $\Delta \mathop f\nolimits_t = (\frac{{\mathop k\nolimits_{t + 1}^F }}{{(1 + \mathop \omega \nolimits_t )}} - 1) \cdot \mathop f\nolimits_t$ и переходя к малым приращениям, получаем удельное дифференциальное уравнение: $$\frac{{df}}{{dt}} = \frac{{\mathop (\nolimits_{}^{} f(t) \cdot (\mathop \lambda \nolimits^{KS} (t) \cdot (1 - r(t) - \mathop \theta \nolimits^{CF} (t)) + \mathop \pi \nolimits^{Know} (t) \cdot \mathop I\nolimits^f (t)\mathop )\nolimits_{}^{} }}{{(1 + \omega (t))}} \;\;\;\;\;(9)$$ Где $\mathop I\nolimits^f (t) = \frac{{\mathop I\nolimits^F (t)}}{{H(t)}}$ -инвестиции в основной капитал на душу населения в период t. Найдем экономически целесообразные временные законы изменения па-раметров, входящих в правую часть дифференциального уравнения (7) при которых решение этого уравнения представляет положительную возрастающую функцию времени. Предположим, что изменение основных параметров в правой части описывается S-образными функциями времени на интервале [0,20], а $θ^{CF} (t)=0$. Пусть имеем: $$\mathop \lambda \nolimits^{KS} (t) = \frac{{1.6 \cdot 0.5 \cdot \mathop e\nolimits^{0.3 \cdot t} }}{{1.6 + 0.5 \cdot (\mathop e\nolimits^{0.3 \cdot t} - 1)}} \;\;\;\;(10)$$

Изменение качества и структуры остаточных фондов аграрного производства описывается логистической функцией (см. ниже). В момент времени t=0 $\lambda^{KS} (t)=0,5$. то есть их уровень составляет 50 процентов от общественно необходимого уровня. При $t \to \infty {\rm }\mathop \lambda \nolimits^{KS} (t) \to 1.6$ , то есть на 60 процентов выше общественно необходимого уровня.

In [41]:
options(warn=-1)
library(ggplot2)
library(ggthemes)
t=0:20
lambda =(1.6*0.5*exp(0.3*t))/(1.6+0.5*(exp(0.3*t)-1))
plot(t,lambda ,type = "l", lty = 1, col = "blue",lwd = 5,cex = 0.4,font = 2,
xlab = "t",ylab = "lambda")
axis(side=1, labels = TRUE, tick = TRUE, lwd = 3, font = 2, lty = "solid")
axis(side=2, labels = TRUE, tick = TRUE, lwd = 3, font = 2, lty = "solid")
title(main =expression(paste(lambda^KS)(t)),col.main = "black",cex.main =2.5,font.main=2)
grid(nx=20,ny=6,lty = "dotted",lwd = 1,col = "black")

Выбытие фондов описывается логистической функцией: $$r(t) = \frac{{0.3 \cdot 0.05 \cdot \mathop e\nolimits^{0.146 \cdot t} }}{{0.3 + 0.05 \cdot (\mathop e\nolimits^{0.146 \cdot t} - 1)}} \;\;\;(11)$$ В момент времени $t=0 r(t)=0.05$ изношены и их выводится из оборота 5 процентов в год (цикл обновления 20 лет), они заменяются морально устаревшими фондами. При $t \to \infty \;\;r(t) \to 3$ в приделе предполагается ежегодная замена 30 процентов фондов (цикл обновления 3-4 года) современным оборудованием.

In [12]:
options(warn=-1)
library(ggplot2)
library(ggthemes)
t=0:35
r =(0.3*0.05*exp(0.146*t))/(0.3+0.05*(exp(0.146*t)-1))
plot(t,r ,type = "l", lty = 1, col = "blue",lwd = 5,cex = 0.4,font = 2,
xlab = "t",ylab = "r")
axis(side=1, labels = TRUE, tick = TRUE, lwd = 3, font = 2, lty = "solid")
axis(side=2, labels = TRUE, tick = TRUE, lwd = 3, font = 2, lty = "solid")
title(main =expression(paste(r(t))),col.main = "black",cex.main =2.5,font.main=2)
grid(nx=35,ny=6,lty = "dotted",lwd = 1,col = "black")

Изменение уровня инновационности фондов в аграрной сфере опишем следующей логистической функцией: $$\mathop \pi \nolimits^{Know} (t) = \frac{{1.6 \cdot 0.5 \cdot \mathop e\nolimits^{0.254 \cdot t} }}{{1.6 + 0.5 \cdot (\mathop e\nolimits^{0.254 \cdot t} - 1)}} \;\;\;\;(12)$$ В момент времени $t=0\;\;\; \mathop \pi \nolimits^{Know}=0.5$ в начальный момент имеем 50 процентный от общественно необходимого уровня инновационности развития фондов аграрного производства. При $t \to \infty\;\;$ $\mathop \pi \nolimits^{Know}\to1.6$ в приделе предполагается достигнуть 60 процентного превышения общественного необходимого уровня инновационности в развитии фондов.

In [16]:
options(warn=-1)
library(ggplot2)
library(ggthemes)
t=0:20
pi =(1.6*0.5*exp(0.254*t))/(1.6+0.5*(exp(0.254*t)-1))
plot(t,pi ,type = "l", lty = 1, col = "blue",lwd = 5,cex = 0.4,font = 2,
xlab = "t",ylab = "pi")
axis(side=1, labels = TRUE, tick = TRUE, lwd = 3, font = 2, lty = "solid")
axis(side=2, labels = TRUE, tick = TRUE, lwd = 3, font = 2, lty = "solid")
title(main =expression(paste(pi^{Know})),col.main = "black",cex.main =2.5,font.main=2)
grid(nx=20,ny=6,lty = "dotted",lwd = 1,col = "black")

Динамику инвестиций в основной капитал аграрного производства опишем следующей функцией: $$\mathop I\nolimits^F (t) = \frac{{100 \cdot 800 \cdot \mathop e\nolimits^{0.2 \cdot t} }}{{800 + 100 \cdot (\mathop e\nolimits^{0.2 \cdot t} - 1)}}\;\;\;\;(13))$$ В момент времени $t=0$ годовые инвестиции в основной капитал аграрной сферы принимаем $\mathop I\nolimits^F (t) = 100$ млрд. рублей. При $t=20\;\;$ $\mathop I\nolimits^F (t) = 100$ млрд.рублей.

In [5]:
options(warn=-1)
library(ggplot2)
library(ggthemes)
t=0:20
IF =(100*800*exp(0.2*t))/(800+100*(exp(0.2*t)-1))
plot(t,IF ,type = "l", lty = 1, col = "blue",lwd = 5,cex = 0.4,font = 2,
xlab = "t",ylab = "IF")
axis(side=1, labels = TRUE, tick = TRUE, lwd = 3, font = 2, lty = "solid")
axis(side=2, labels = TRUE, tick = TRUE, lwd = 3, font = 2, lty = "solid")
title(main =expression(paste(I^{F})),col.main = "black",cex.main =2.5,font.main=2)
grid(nx=20,ny=6,lty = "dotted",lwd = 1,col = "black")

Тогда имеем следующее дифференциальное уравнение:

$$\frac{{dF}}{{dt}} = F(t) \cdot \mathop U\nolimits_1 (t) + \mathop U\nolimits_2 (t)\;\;\;(14)$$

Где

$$\mathop U\nolimits_1 (t) = - 1 + \frac{{0.8 \cdot \mathop e\nolimits^{0.316t} (1 - \frac{{0.015496 \cdot \mathop e\nolimits^{0.146 \cdot t} }}{{0.298 + 0.052 \cdot ( - 1 + \mathop e\nolimits^{0.146 \cdot t} )}})}}{{1.6 + 0.5 \cdot ( - 1 + \mathop e\nolimits^{0.31 \cdot t} )}}$$$$\mathop U\nolimits_2 (t) = \frac{{64000 \cdot \mathop e\nolimits^{0.461t} }}{{(800 + 100 \cdot ( - 1 + \mathop e\nolimits^{0.207 \cdot t} )) \cdot (1.6 + 0.5( - 1 + \mathop e\nolimits^{0.254 \cdot t} ))}}$$

Функция $U_1(t)$ описывает процесс выбытия фондов с учетом качества и структуры остающихся фондов, а функция $U_2(t)$ наращивания и обновления фондов за счет инвестиций с учетом инновационности вложений в основной капитал аграрного производства. При этом функция $U_2(t)$ описывает движение «виртуальных» инвестиций, которых меньше чем реальных, если уровень инновационности их использования, ниже среднего по развитым странам и больше реальных, если уровень инновационности их использования выше среднего по развитым странам.Сравнение движения реальных и «виртуальных» инвестиций представлено на графике (см. ниже). Численное решение дифференциального уравнения (14) при $F(0) =1000$ млрд.рублей представлено на графике (см. ниже) Как видно из графика первые 3 года основной капитал падает вдвое, так как предельно устаревшие фонды не успевают заменятся новыми,а затем за счет роста инновационных инвестиций начинается накопление современного основного капитала и к 6 году достигается его начальный уровень, а затем начинется его быстрое инновационное лавинное нарастание,характерезующее переход АПК России к новому 6-му технологическому укладу.

In [25]:
#Расчет функции U1(t),U2(t)
options(warn=-1)
options(repr.plot.width =12, repr.plot.height =8)
#library(ggplot2)
#library(ggthemes)
t=0:20
U11= 0.8* exp(0.316*t)
U12=0.015496*exp(0.146*t)
U13=0.298+0.052*(-1+exp(0.146*t))
U14=1.6+0.5*(-1+exp(0.31*t))
U1 =-1 + ((U11*(1- U12/U13))/U14) 
plot(t,U1 ,type = "l", lty = 1, col = "blue",lwd = 5,cex = 0.4,font = 2,
xlab = "t",ylab = "U1")
axis(side=1, labels = TRUE, tick = TRUE, lwd = 3, font = 2, lty = "solid")
axis(side=2, labels = TRUE, tick = TRUE, lwd = 3, font = 2, lty = "solid")
title(main =expression(paste(U[1])),col.main = "black",cex.main =2.5,font.main=2)
grid(nx=20,ny=6,lty = "dotted",lwd = 1,col = "black")


#t<- seq (0 ,15.5 ,0.1)
t=0:20
U21=64000*exp(0.461*t)
U22=-1+exp(0.207*t)
U23=1.6+0.5*(-1+exp(0.254*t))
U2=U21/(800+100*U22*U23)
plot(t,U2 ,type = "l", lty = 1, col = "blue",lwd = 5,cex = 0.4,font = 2,
xlab = "t",ylab = "млрд.руб. ")     
axis(side=1, labels = TRUE, tick = TRUE, lwd = 2, font = 2, lty = "solid")
axis(side=2, labels = TRUE, tick = TRUE, lwd = 2, font = 2, lty = "solid")
title(main =expression(paste(U[2])),col.main = "black",cex.main =2.5,font.main=2)
grid(nx=20,ny=6,lty = "dotted",lwd = 1,col = "black")
In [36]:
import warnings
import matplotlib.pyplot as plt
import numpy as np
from numpy.random import rand
warnings.simplefilter('ignore')
t = np.arange(0, 20, 1)
U21=64000*np.exp(0.461*t)
U22=-1+np.exp(0.207*t)
U23=1.6+0.5*(-1+np.exp(0.254*t))
U2=U21/(800+100*U22*U23)
IF1=100*800*np.exp(0.2*t)
IF2= 800+100*(np.exp(0.2*t)-1)
IF=IF1/IF2
L=[r'$I^F$',r'$U_2$']
plt.figure(figsize=(12, 10))
plt.plot(t,IF,color='r', linewidth=2.0)
plt.plot(t,U2,color='blue',linewidth=2.0)
plt.xlabel(r'$t$',fontsize=18)
plt.ylabel('млрд. р',fontsize=18)
plt.title(r'$U_2,I^F$', fontsize=22)
plt.grid(True)
plt.legend(L, fontsize=22)
plt.annotate('     Точка входа в зону ускоренного,\nинновационного развития капитала (F)', xy=(0.9,116.0), 
xycoords='data', xytext=(0.0,980.0),textcoords='data', arrowprops=dict(arrowstyle='fancy',
facecolor='palegreen'),fontsize=12,bbox=dict(boxstyle='round4',ec='k', color='palegreen',lw=2,alpha=0.6))
scatter1 = plt.scatter(0.9, 116.0)
plt.show()
In [2]:
#=====Модель трансформации основного капитала АПК=======

options(warn=-1)
library(deSolve) # решение дифф. уравнений с начальными условиями
library(ggplot2)
library(ggthemes)
library(grid)

options(repr.plot.width =12, repr.plot.height =8)
intF <<-20
aF <<-0.5
bF <<-1.6
cF <<-0.3
dF <<-0.05
eF <<-1.6
nF <<-0.5
mF <<-800
lF <<-100

f_F<- function (t,y, parms ){

s1 <-(bF*aF*exp(0.3*t))/(bF +aF*(exp(0.3*t)-1))
s2 <-(cF*dF*exp(0.146*t))/(cF +dF*(exp(0.146*t)-1))
s3 <-(eF*nF*exp(0.254*t))/(eF +nF*(exp(0.254*t)-1))
s4 <-(mF*lF*exp(0.2*t))/(mF +lF*(exp(0.2*t)-1))

dy.dt <-y [1]*(s1*(1-s2)-1)+s3*s4
return (list (dy.dt ))}

CapF=1000
t0<- seq (0 ,intF ,1.0)
y0 <-CapF

out <- ode (y=y0,t=t0,func =f_F,parms = NULL )
outF <- data.frame(out)
#head(out)
print(outF)


t2 <-seq(0, 7, by =0.1)
out2 <- ode (y=y0,t=t2,func =f_F,parms = NULL )
outF2 <- data.frame(out2)


t<- seq (0 ,intF ,1)
#-------------------------------------------------------------
lamda <-(bF*aF*exp(0.3*t))/(bF +aF*(exp(0.3*t)-1))

#x11()
#plot (t ,lamda, type ="l", xlab ="t", ylab ="lamda",
#col ="blue", lwd =4)
#title(main =expression(paste(lambda^KS)(t)),col.main = "black",cex.main =2.5,font.main=2)
#--------------------------------------------------------------
rF <-(cF*dF*exp(0.146*t))/(cF +dF*(exp(0.146*t)-1))

#x11()
#plot (t ,rF, type ="l", xlab ="t", ylab ="rF",
#col ="blue", lwd =4)
#title(main =expression(paste(r)(t)),col.main = "black",cex.main =2.5,font.main=2)
#--------------------------------------------------------------
Pi <-(eF*nF*exp(0.254*t))/(eF +nF*(exp(0.254*t)-1))

#x11()
#plot (t ,Pi, type ="l", xlab ="t", ylab ="Pi",
#col ="blue", lwd =4)
#title(main =expression(paste(pi^Know)(t)),col.main = "black",cex.main =2.5,font.main=2)
#--------------------------------------------------------------
iF <-(mF*lF*exp(0.2*t))/(mF +lF*(exp(0.2*t)-1))

#x11()
#plot (t ,iF, type ="l", xlab ="t", ylab ="iF",
#col ="blue", lwd =4)
#title(main =expression(paste(I^F)(t)),col.main = "black",cex.main =2.5,font.main=2)
#--------------------------------------------------------------

g40 <-ggplot(data=outF, aes(x=outF[,1],y=outF[,2]))
g40 <-g40 + geom_line(data=outF,aes(x=outF[,1],y=outF[,2]),
colour="black",linetype=1,size=2)
g40 <-g40 +labs(x = "t",y="ОСНОВНОЙ КАПИТАЛ АПК млард.р",title = "МОДЕЛЬ ТРАНСФОРМАЦИИ ОСНОВНОГО КАПИТАЛА")
g40 <-g40 + theme_stata() + scale_colour_stata()
#g40 <-g40 +theme_wsj() 
#g40 <-g40 +theme_tufte() 
#g40 <-g40 +theme_solarized(light = FALSE)  
#g40 <-g40 +theme_gdocs() 
#g40 <-g40 +theme_fivethirtyeight()+ scale_colour_fivethirtyeight() 
#g40 <-g40 + theme_economist() 


#x11()
print(g40)



g40 <-ggplot(data=outF2, aes(x=outF2[,1],y=outF2[,2]))
g40 <-g40 + geom_line(data=outF2,aes(x=outF2[,1],y=outF2[,2]),
colour="black",linetype=1,size=1.2)
g40 <-g40 +labs(x = "t",y="ОСНОВНОЙ КАПИТАЛ АПК млард.р",title = "МОДЕЛЬ НА НАЧАЛЬНОМ ЭТАПЕ ТРАНСФОРМАЦИИ КАПИТАЛА")
g40 <-g40 +geom_hline(yintercept=1000,colour='red',linetype=5,size=1)
g40 <-g40 +geom_text(data=NULL,label='Зона перехода к новому технологическому укладу',colour='red',x=2.9,y=850,size=7.5)
g40 <-g40 +geom_text(data=NULL,label='Новый 6-ой технологический уклад',colour='darkgreen',x=3,y=1250,size=7.5)
g40<-g40+geom_segment(aes(x = 4, y = 1220, xend = 6.7, yend = 1100),
arrow = arrow(length = unit(0.5, "cm")),size = 1,colour='darkgreen')
g40 <-g40 + theme_stata() + scale_colour_stata()
#g40 <-g40 +theme_fivethirtyeight()+ scale_colour_fivethirtyeight() 
print(g40)



n=as.integer(intF)
kF=numeric(n)

for (i in 1:n){
kF=outF[,2]/outF[1,2]
}
print(kF)
   time         X1
1     0  1000.0000
2     1   669.7003
3     2   531.3508
4     3   507.0324
5     4   570.8136
6     5   725.2864
7     6   993.3236
8     7  1416.6409
9     8  2057.5564
10    9  3002.1815
11   10  4363.9608
12   11  6286.7497
13   12  8946.7754
14   13 12553.0361
15   14 17345.9799
16   15 23594.6822
17   16 31593.0222
18   17 41655.6462
19   18 54114.5543
20   19 69317.0847
21   20 87625.8449
 [1]  1.0000000  0.6697003  0.5313508  0.5070324  0.5708136  0.7252864
 [7]  0.9933236  1.4166409  2.0575564  3.0021815  4.3639608  6.2867497
[13]  8.9467754 12.5530361 17.3459799 23.5946822 31.5930222 41.6556462
[19] 54.1145543 69.3170847 87.6258449

Рассмотрим уравнение (9) в условиях России можно считать, что $\omega(t)=0$ и $\theta^{CF} (t)=0$ тогда:

$$\frac{{df}}{{dt}} = f(t) \cdot ((\mathop \lambda \nolimits^{KS} (t) \cdot (1 - r(t))) - 1) + \mathop \pi \nolimits^{Know} (t) \cdot \mathop I\nolimits^f (t)\;\;\;\;(15)$$

Или $\frac{{df}}{{dt}} = f(t) \cdot \mathop U\nolimits_1 (t) + \frac{{\mathop U\nolimits_2 (t)}}{{\mathop H\nolimits_0 }}$ ГДЕ $H_0=142\;\;\;$ численность населения (млн. чел.) Численно решая это уравнение, при $f(0) = 70423\;\;\;$(руб.чел) получаем следующее решение для основного капитала на душу населения (см ниже). Естественно, что при неизменном населении (а для России это достаточно реальный вариант демографического развития) основной капитал на душу населения $f(t)$ имеет тот же закон, что и $F(t)$.

In [3]:
options(warn=-1)
library(deSolve) # решение дифф. уравнений с начальными условиями
library(ggplot2)
library(ggthemes)

options(repr.plot.width =12, repr.plot.height =8)

intf=20
Capf=70.423

f_cap<- function (t,y, parms ){
H0=0.142
U11= 0.8* exp(0.316*t)
U12=0.015496*exp(0.146*t)
U13=0.298+0.052*(-1+exp(0.146*t))
U14=1.6+0.5*(-1+exp(0.31*t))
U1 =-1 + ((U11*(1- U12/U13))/U14) 
U21=64000*exp(0.461*t)
U22=-1+exp(0.207*t)
U23=1.6+0.5*(-1+exp(0.254*t))
U2=U21/(800+100*U22*U23)
dy.dt <-y [1]*U1+U2/H0
return (list (dy.dt ))}


t0<- seq (0 ,intf ,1.0)
y0 <-Capf

out <- ode (y=y0,t=t0,func =f_cap,parms = NULL )
outf <- data.frame(out)

print(outf)

g40 <-ggplot(data=outf, aes(x=outf[,1],y=outf[,2]))
g40 <-g40 + geom_line(data=outf,aes(x=outf[,1],y=outf[,2]),
colour="black",linetype=1,size=2)
g40 <-g40 +labs(x = "t",y="т.р.чел",title = "МОДЕЛЬ ТРАНСФОРМАЦИИ ОСНОВНОГО КАПИТАЛА НА ДУШУ НАСЕЛЕНИЯ")
g40 <-g40 + theme_stata() + scale_colour_stata()
#g40 <-g40 +theme_wsj() 
#g40 <-g40 +theme_tufte() 
#g40 <-g40 +theme_solarized(light = FALSE)  
#g40 <-g40 +theme_gdocs() 
#g40 <-g40 +theme_fivethirtyeight()+ scale_colour_fivethirtyeight() 
#g40 <-g40 + theme_economist() 
print(g40)
   time           X1
1     0      70.4230
2     1     613.8124
3     2    1320.3700
4     3    2403.7389
5     4    4153.3970
6     5    6991.3288
7     6   11534.2833
8     7   18677.9151
9     8   29727.4245
10    9   46603.9297
11   10   72153.7665
12   11  110589.2440
13   12  168102.1364
14   13  253715.0407
15   14  380468.5091
16   15  567086.9109
17   16  840331.1374
18   17 1238343.6013
19   18 1815435.2213
20   19 2648980.5298
21   20 3849408.0264
In [ ]: