Президиум РАНОбщественные науки и современность Obshchestvennye nauki i sovremennost

  • ISSN (Print) 0869-0499
  • ISSN (Online) 2712-9101

Микроэкономика XXI века: новые возможности фундаментального анализа

Код статьи
S27129101S0869049925040063-1
DOI
10.7868/S2712910125040063
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Том/ Выпуск
Том / Номер выпуска 4
Страницы
77-90
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 вносит 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.
Ключевые слова
микроэкономика поведение потребителя теория фирмы неопределенность риск информационная асимметрия
Дата публикации
11.07.2025
Год выхода
2025
Всего подписок
0
Всего просмотров
79

Библиография

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

Индексирование

Scopus

Scopus

Scopus

Crossref

Scopus

Высшая аттестационная комиссия

При Министерстве образования и науки Российской Федерации

Scopus

Научная электронная библиотека