دانلود کتاب کارآفرینی، اقتصاد جدید و سیاست عمومی: دیدگاههای شومپیتری بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
نام کتاب : Entrepreneurships, the New Economy and Public Policy: Schumpeterian Perspectives
ویرایش : 1
عنوان ترجمه شده به فارسی : کارآفرینی، اقتصاد جدید و سیاست عمومی: دیدگاههای شومپیتری
سری :
نویسندگان : Professor Robert F. Lanzillotti (auth.), Professor Dr. Uwe Cantner, Professor Elias Dinopoulos, Professor Robert F. Lanzillotti (eds.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2005
تعداد صفحات : 344
ISBN (شابک) : 9783540226130 , 9783540269946
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 3 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
سیلیکون ولی برجستهترین نمونه خوشههای صنعتی با فناوری پیشرفته است. سیاستگذاران عمومی در سراسر جهان مایلند اسرار دره سیلیکون را بیاموزند تا اقتصادهای پیشرفته خود را بسازند. ادبیات موجود در مورد خوشههای آزمایشی، که به مارشال (1920) برمیگردد، بر روشی تمرکز دارد که در آن rms از مکانیابی در یک خوشه منفعت نمیبرد. این نشان می دهد که هنگامی که یک خوشه به وجود می آید، تمایل دارد با جذب ?rms بیشتر، خود را تقویت کند. با این حال، یک سوال مهم تر این است که چگونه می توان به این توده بحرانی در وهله اول رسید. بر خلاف ادبیات، شواهد نشان میدهد که کارآفرینان به ندرت زمانی که استارتآپهای با فناوری پیشرفته ایجاد میکنند، حرکت میکنند (کوپر و فولتا، 2000). این در تضاد با این تصور است که انتخاب مکان، کارآفرینان پیشرو را به سمت یک خوشه فناوری پیشرفته تجزیه و تحلیل میکند. یک خوشه صنعتی با فناوری بالا مانند دره سیلیکون با کارآفرینی C متمرکز مشخص می شود. به دنبال شومپیتر، ما بر این واقعیت تأکید می کنیم که «ظاهر یک یا چند کارآفرین ظاهر دیگران را تسهیل می کند» (شومپیتر، 1934). ما مدل محاسباتی مبتنی بر عامل را پیشنهاد میکنیم تا نشان دهیم که چگونه خوشههای صنعتی با فناوری پیشرفته میتوانند در چشماندازی ظاهر شوند که در آن هیچ ?rms در ابتدا وجود نداشت. این مدل اساساً نسخهای فضایی از مدل نلسون-زمستان است: عوامل منطقی محدود بر روی یک چشمانداز بهصراحت تعریفشده پراکنده شدهاند. هر نماینده دارای مقداری فناوری است که بهرهوری ?rm او را تعیین میکند (در صورت داشتن یک). در طول هر دوره زمانی، یک نماینده بدون ?rm تصمیم می گیرد که آیا می خواهد یکی را شروع کند یا خیر. این تصمیم بیشتر تحت تأثیر رفتار مخاطبین اجتماعی اوست که همه همسایگان او هستند.
Silicon Valley is the most salient example of high-tech industrial clusters. Public policymakersthroughouttheworldwouldliketolearnthesecretsofSiliconValley in order to build their own high-tech economies. The existing literature on ind- trial clusters, which traces back to Marshall (1920), focuses on the way in which ?rms bene?t from locating in a cluster; it suggests that once a cluster comes into existence, it tends to reinforce itself by attracting more ?rms. However, a more important question is how to reach this critical mass in the ?rst place. In contrast to the literature, evidence suggests that entrepreneurs rarely move when they est- lish high-tech start-ups (Cooper and Folta, 2000). This contradicts the notion that location choice analyses lead entrepreneurs to a high-tech cluster. A high-tech industrial cluster such as Silicon Valley is characterized by c- centratedentrepreneurship. FollowingSchumpeter,weemphasizethefactthat“the appearance of one or a few entrepreneurs facilitates the appearance of others” (Schumpeter,1934). Weproposeanagent-basedcomputationalmodeltoshowhow high-tech industrial clusters could emerge in a landscape in which no ?rms existed originally. The model is essentially a spatial version of the Nelson-Winter model: Boundedly rational agents are scattered over an explicitly de?ned landscape. Each agent is endowed with some technology, which determines his ?rm’s productivity (if he has one). During each period of time, an agent with no ?rm would make a decision as to whether he wants to start one. This decision is mostly affected by the behavior of his social contacts, who are all his neighbors.