Использование эконометрических методов для анализа и оценки взаимосвязи между Цифровой экономикой и социально-экономическими показателями

Выполним последовательное исключение не значимых факторов и повторный VIF-тест. На рисунках 7-10 представлены результаты построения моделей.Рисунок 7 – Модель после исключения фактора in_use_pub_autРисунок 8 - Модель после исключения фактора isoc_ci_cm_hРисунок 9 - Модель после исключения фактора isoc_bde15apРисунок 10 - Модель после исключения фактора isoc_ci_in_hТаким образом, получена статистически значимая модель регрессии, коэффициенты которой также статистически значимы. Об отсутствии мультиколлинеарности свидетельствуют результаты VIF-теста (рисунок 11).Рисунок 11 – Результаты VIF-тестаВыполним построение графиков остатков для каждого из факторов модели (рисунок 12).Рисунок 12 – Графики остатковВыполним проверку модели на ошибки спецификации на основе Reset-теста (рисунок 13).Рисунок 13 – Результаты Reset-тестаВ виду того, что prob<0,05, то гипотеза о правильной спецификации исходной модели отвергается.По результатам link теста, гипотеза о соответствии модели логистической регрессии отвергается (рисунок 14).Рисунок 14 – Результаты link тестаНа рисунке 15 представлены результаты проверки остатков модели на соответствие нормальному распределению.Рисунок 15 – Результаты проверки остатков модели на соответствие нормальному закону распределенияВизуальный анализ графика частотного распределения показывает, что распределение остатков подчиняется нормальному закону распределения.Расположение точек вдоль прямой также свидетельствует о нормальности распределения.О данном факте свидетельствуют и результаты теста Шапиро-Уилка (prob=0,754>0,05) (рисунок 16).Рисунок 16 – Результаты теста Шапиро-УилкаВыполним проверку остатков на гетероскедастичность на основе теста Бреуша-Пагана (рисунок 17).Рисунок 17 – Результаты теста на гетероскедастичностьВ виду того, чтоprob=0,031<0,05, то гипотеза о гомоскедастичности остатков отвергается.Выполним IM-тест (рисунок 18).Рисунок 18 – Результаты IM-теста на гетероскедастичностьРезультаты IM-теста свидетельствуют о том, что остатки гомоскедастичны (prob=0,1485>0,05).Как показывает анализ, модель линейной регрессии высокого качества. Но для более адекватной оценки взаимосвязи показателей необходимо учитывать пространственную (распределение по странам) и временную (распределение по периодам) структуры. Таким образом, целесообразно выполнить построение модели со случайными и детерминированными эффектами.Выполним построение модели с детерминированными эффектами. Результаты представлены на рисунке 19.Рисунок 19 - Модель с детерминированными эффектамиСогласно показателю R-sq within, равному 0,8014 межиндивидуальные различия проявляются сильно.Выполним оценку модели со случайными эффектами (рисунок 20).Рисунок 20 – Модель регрессии со случайными эффектамиВ модели со случайными эффектами оценка качества подгонки выполняется на основе значения статистики Вальда - Wald chi2(2), которая демонстрирует хорошее качество модели (Wald chi2(2)=291). Кроме того, о возможности использования данного вида модели для отражения взаимосвязи показателей свидетельствует показатель corr(u_i,X)= 0(assumed), который отражает отсутствие корреляции регрессора с ненаблюдаемыми случайными эффектами. Таким образом, оценки модели окажутся состоятельны.На основе теста Хаусмана выполним сравнение регрессионной модели со случайными эффектами с регрессионной моделью с фиксированными эффектами. Результаты отражены на рисунке 21.Рисунок 21 – Результаты теста ХаусманаВ виду того, что , то выполнить сравнительный анализ моделей на основе теста Хаусмана не представляется возможным. Сформируем сводную таблицу для трех моделей (рисунок 22).Рисунок 22 – Сравнение моделейСогласно данным, представленным на рисунке 22, для оценки влияния цифровизации на показатель ВВП наиболее целесообразно использовать модель линейной регрессии.Анализ и моделирование на основе эконометрической моделиПо результатам оценки и анализа эконометрических моделей в рамках исследования получена статистически значимая модель, которая имеет вид, представленный на рисунке 23.Рисунок 23 – Модель линейной регрессииУравнение регрессии имеет вид:Коэффициенты модели можно интерпретировать следующим образом:при увеличении частоты использования Интернета физическими лицами на 1% ВВП на душу населения в странах Европы снижается на 218,45 евро;при увеличении покупок в Интернете физическими лицами на 1% ВВП увеличивается на 201,46 евро на душу населения;при увеличении уровня деятельности физических лиц в области электронного правительства через веб-сайты на 1 % ВВП снижается на 95,14 евро на душу населения;рост продаж электронной коммерции увеличивает ВВП на 416,3 евро на душу населения;использование компьютеров и Интернета сотрудниками организаций приводит к росту ВВП на 829,6 евро на душу населения;рост доли услуг ИКТ снижает ВВП на 2127,8 на душу населения.Результаты моделирования показателя ВВП на душу населения по каждой из исследуемых стран по указанной выше модели представлены на рисунке 24.Рисунок 24 – Результаты моделирования в разрезе стран ЕвропыЗаключениеВ рамках настоящего исследования в соответствии с целью и задачами сформирован теоретический аппарат, на основе которого сформирована система индикаторов, отражающих уровень цифровизации на мировом уровне.В качестве результативного показателя в работе рассматривался показатель. Исследование проводилось по выборке из 10 стран Европы. Массив исходных данных имел панельную структуру.С учетом особенностей проведения анализа панельных данных и построения моделей в рамках исследования было выполнено построение моделей, отражающих пространственную структуру и линейной модели регрессии.Анализ показал, что наиболее адекватно отражает взаимосвязь показателей модель линейной регрессии, по результатам построения которой выявлено следующее влияние факторов на показатель ВВП на душу населения в странах Европы:при увеличении частоты использования Интернета физическими лицами на 1% ВВП на душу населения в странах Европы снижается на 218,45 евро;при увеличении покупок в Интернете физическими лицами на 1% ВВП увеличивается на 201,46 евро на душу населения;при увеличении уровня деятельности физических лиц в области электронного правительства через веб-сайты на 1 % ВВП снижается на 95,14 евро на душу населения;рост продаж электронной коммерции увеличивает ВВП на 416,3 евро на душу населения;использование компьютеров и Интернета сотрудниками организаций приводит к росту ВВП на 829,6 евро на душу населения;рост доли услуг ИКТ снижает ВВП на 2127,8 на душу населения.Таким образом, к наибольшему росту ВВП на душу населения приводит рост уровня использования компьютеров и Интернета сотрудниками организаций. Кроме того, существенное влияние на показатель ВВП оказывает уровень электронной коммерции.СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВДейнека О.С. Атрибутивная картина наркотической зависимости в информационном обществе / О.С. Дейнека, Е.В. Боброва // Технологии информационного общества. Интернет и современное общество: тр. V Всерос. объединенной конф. - СПб.: Изд-во СПбГУ, 2002. - С. 27-30.Еркин А.В. Понятия «информация» и «информационная безопасность»: от индустриального общества к информационному / А.В. Еркин // Информационное общество. - 2012. - № 1. - С. 68-74.Индекс сетевой готовности NRI [Электронный ресурс]. — Режим доступа: gtmarket.ru/ratings/networked-readiness-index.Максимова М.М. и Архипова М.Ю. Исследование влияния цифровых технологий на качество жизни населения в странах мира // Труды XI-й Международной конференции «Применение многомерного статистического анализа в экономике и оценке качества» (21–23 августа 2018 г.) Центральный экономико-математический институт Российской академии наук, Национальный исследовательский университет «Высшая школа экономики». – 2018. С. 104-105Международное исследование PIAAC [Электронный ресурс]. — Режим доступа: https://www.oecd.org/skills/piaac/data/Распоряжение Правительства РФ от 28 июля 2017 г. N 1632-р «Об утверждении Программы «Цифровая экономика Российской Федерации» [Электронный ресурс]. — Режим доступа: http://base.garant.ru/71734878/38127a69cf2aace7e6dc686e8a4b9579/#block_1000Сударушкина И.В., Стефанова Н.А. Цифровая экономика // АНИ: экономика и управление. 2017. Т. 6. № 1(18). С. 182-184Шиляев А.А. Эффективность инвестиций в информационные технологии: подходы к измерению и оценке / А.А. Шиляев // Бизнес-образование. - 2015. - № 2 (15). - С. 155-172.Hakansson, N. and Arrow, K. (1972). Essays in the Theory of Risk-Bearing.TheJournalofFinance, 27(5), p.1193Jin, Sangki, and Cheong Moon Cho. "Is ICT a new essential for national economic growth in an information society?." // Government Information Quarterly №3. 2015. С. 253-260.Niebel, Thomas. "ICT and economic growth–Comparing 61 developing, emerging and developed countries." // ZEW - Centre for European Economic Research Discussion Paper. – 2014. - №14.OECD, Development. Economic Analysis, and Statistics Division. OECD Science, Technology and Industry Scoreboard 2003. Canongate US, 2005. – 190 с.«The Global Talent Competitiveness Index» [Электронныйресурс]. — Режимдоступа: https://www.insead.edu/sites/default/files/assets/dept/fr/gtci/GTCI-2021-Report.pdfVu, Khuong M. "ICT as a source of economic growth in the information age: Empirical evidence from the 1996–2005 period." Telecommunications Policy. №4. 2011. С. 357-372.Ysander, B. and Arrow, K. (1975).The Limits of Organization.The Swedish Journal of Economics, 77(2), p.275.