РЕГРЕССИОННЫЕ МОДЕЛИ ОЦЕНКИ ВЛИЯНИЯ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ НА ОБЪЕМЫ УСЛУГ В СФЕРЕ ИНФОРМАЦИОННЫХ И КОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ
Аннотация и ключевые слова
Аннотация (русский):
В результате организованного с использованием соответствующей вычислительной технологии конкурса регрессионных моделей разработаны математические модели влияния некоторых экономических показателей (стоимости экспортированной сырой нефти, нефтепродуктов, природного газа, прямых инвестиций за границу и в Россию, объема ВВП) на объемы экспорта и импорта информационных, компьютерных и телекоммуникационных (ИКТ) услуг. Выбор именно таких выходных показателей в модели обусловлен значительным ростом мирового рынка этих услуг за последние десятилетия в целом. При этом относительный рост телекоммуникационных, компьютерных и информационных услуг намного более динамичен по сравнению с услугами в традиционных сферах, таких как транспортировка, строительство, переработка товаров. Немаловажной причиной выбора именно данных показателей является также высокий уровень участия предприятий IT-отрасли в экспорте ИКТ-услуг. По некоторым оценкам, в него вовлечены около 2 000 фирм отрасли. Другими словами, более 60 % предприятий ИКТ в России занимаются экспортом своих услуг в зарубежные страны, при этом основными странами-импортерами услуг ИКТ из России являются европейские страны и США. Объемы ИКТ-услуг, как следует из формального и содержательного анализа построенных моделей, более чем на 50 % обеспечиваются уровнем развития экономики страны, индикатором которого является ВВП. При этом на динамику как экспорта, так и импорта телекоммуникационных, компьютерных и информационных услуг существенное влияние оказывают также стоимость экспортированного сырья – сырой нефти, нефтепродуктов и природного газа. Представленные в работе модели могут быть эффективно использованы для дальнейшего детального анализа влияния макроэкономических факторов на развитие информационных и компьютерных технологий и решения широкого круга прогнозных задач средне- и краткосрочного характера

Ключевые слова:
информационные и компьютерные технологии, объем экспорта и импорта, регрессионная модель, конкурс моделей, критерии адекватности, нефть, нефтепродукты и природный газ, внутренний валовой продукт
Текст
Текст произведения (PDF): Читать Скачать

Введение В соответствии с национальными интересами и стратегическими национальными приоритетами в России разработана Стратегия национальной безопасности, введенная в действие Указом Президента РФ от 31 декабря 2015 г. № 683 «О Стратегии национальной безопасности Российской Федерации». Стабилизация национальной экономики является важной частью экономической составляющей национальной безопасности государства [1]. Значительной угрозой экономике любой страны является ее моноотраслевость [2, 3], заключающаяся в формировании значительной доли бюджета за счет одной отрасли. В России со второй половины XX в. таковой является нефтегазовая отрасль, при этом действительная оценка уровня зависимости экономики от этой отрасли может быть занижена в силу существенной вовлеченности в нее других отраслей [4]. Разрабатываемыми направлениями стабилизации экономики являются оптимизация добычи ресурсов с последующей их переработкой и диверсификация доходной части бюджета страны [5]. Следует отметить, что решение поставленных задач косвенно влияет на экологию и, как следствие, на экологическую безопасность страны. Основным инструментом перераспределения доходов должна выступать взвешенная и проработанная политика в области государственного регулирования экономики страны [6, 7]. Одним из наиболее перспективных направлений качественного изменения стратегии развития экономики в рамках сложившейся конъюнктуры является инвестирование в сферу информационных и компьютерных технологий (ИКТ) [8]. Данное утверждение базируется на следующих фактах. Во-первых, благодаря развитию ИКТ помимо улучшений в самой отрасли происходит повышение эффективности других секторов экономики и рост международной торговли [9–11]. Во-вторых, развитие отечественной IT-отрасли позволит увеличить темпы импортозамещения. В-третьих, существует прямое положительное влияние уровня ИКТ на информационную безопасность государства. Наконец, в России уже реализуется национальный проект «Цифровая экономика РФ», включающий в себя следующие направления: кадровое обеспечение для цифровой экономики, информационная безопасность, цифровые технологии и т. д. Для количественного измерения уровня данного показателя разработана методика подсчета так называемого индекса развития ИКТ, состоящего из субиндексов доступа, использования и навыков [12]. Россия – это страна с сырьевой экономикой, а рыночная конъюнктура сильно зависима от показателей нефте- и газодобычи в стране. В условиях масштабной цифровизации представляется интересным рассмотреть влияние добывающего сектора на импорт-экспортную составляющую отечественного ИКТ-рынка. Сделать это качественно позволяет подход, основанный на методах регрессионного моделирования, в рамках которого можно оценить значимость влияния независимых факторов на выходной показатель, что и предполагается осуществить в настоящей работе. Моделирование зависимости объема услуг в сфере информационных и коммуникационных технологий от макроэкономических показателей в России В качестве количественных показателей уровня развития ИКТ примем объемы экспорта и импорта телекоммуникационных, компьютерных и информационных услуг, выраженные в миллионах долларов США. Этот выбор обусловлен значительным ростом мирового рынка услуг за последние десятилетия в целом. При этом относительный рост телекоммуникационных, компьютерных и информационных услуг намного более динамичен в своем развитии по сравнению с услугами в традиционных сферах, таких как транспортировка, строительство, переработка товаров. Немаловажной причиной выбора именно данных показателей является также высокий уровень участия предприятий отрасли в экспорте ИКТ услуг. По некоторым оценкам, в него вовлечены около 2 000 фирм отрасли ИКТ. Другими словами, более 60 % предприятий ИКТ в России занимаются экспортом своих услуг в зарубежные страны. Следует отметить, что основными странами-импортерами услуг ИКТ из России являются европейские страны и США. Телекоммуникационными сервисами, в соответствии со «Стратегией развития экспорта услуг до 2025 года», принято считать услуги трансляции или передачи звуковой информации, изображений и других информационных потоков через системы кабельной, радиотрансляционной, телевизионной или спутниковой связи, услуги по аренде и техническому обслуживанию линий связи, сетей передачи звука, изображений и данных. К компьютерным услугам относятся операции, связанные с созданием и внедрением программного обеспечения, деятельность, связанная с обработкой данных, хранением баз данных и действиями с ними, услуги по разработке, дизайну и размещению веб-страниц на сервере, предоставлению консультационных услуг, связанных с программным обеспечением и функционированием вычислительной техники. В список информационных услуг включено снабжение средств массовой информации сводками новостей, фотографическим материалом и тематическими статьями, услуги по использованию коммерческих сайтов в интернете. По прогнозам Минэкономразвития, экспорт услуг сферы ИКТ к 2025 г. должен достигнуть объема более 12 млрд долл. США и стать самым быстрорастущим сектором экономики России. В качестве факторов, влияющих на и , выделены следующие экономические показатели: – – стоимость экспортированной сырой нефти (в млн долл.); – – стоимость экспортированных нефтепродуктов (в млн долл.); – – стоимость экспортированного природного газа (в млн долл.); – – прямые инвестиции за границу (в млн долл.); – – прямые инвестиции в Россию (в млн долл.); – – валовой внутренний продукт РФ (ВВП) (в млрд долл.). Для построения модели воспользуемся статистическими данными (табл.) по выделенным показателям за 2001–2020 гг. [13]. Фактические значения показателей х1 х2 х3 х4 х5 х6 y1 y2 24 990 9 375 17 770 2 541 2 847 328,5 547 1 046 29 113 11 253 15 897 3 533 3 474 370,1 599 1 104 39 679 14 060 19 981 9 724 7 929 461,5 589 983 59 045 19 269 21 853 13 782 15 403 633,3 695 973 83 438 33 807 31 671 17 880 15 508 817,7 1 041 1 202 102 283 44 672 43 806 29 993 37 595 1 061 1 369 1 513 121 503 52 228 44 837 44 801 55 874 1 393 2 281 2 228 161 147 79 886 69 107 55 663 74 783 1 779 3 045 3 270 100 593 48 145 41 971 43 281 36 583 1 308 2 551 3 302 135 799 70 471 47 739 52 616 43 168 1 633 2 624 3 955 181 812 95 710 64 290 66 851 55 084 2 047 3 101 4 946 180 930 103 624 62 253 48 822 50 588 2 191 3 494 5 169 173 668 109 414 65 972 86 507 69 219 2 288 4 163 6 080 153 896 115 810 54 685 57 082 22 031 2 049 4 504 6 854 89 588 67 454 41 779 22 085 6 853 1 357 3 933 5 558,04 73 713 46 191 31 190 22 314 32 539 1 281 3 903 5 468,89 93 377 58 247 38 661 36 757 28 557 1 575 4 652 5 383,42 129 202 78 235 49 753 31 377 8 785 1 665 5 260 5 487,9 122 229 66 947 41 787 21 923 31 975 1 703 5 489 5 243,7 72 366 45 346 25 248 5 298 8 663 1 464 5 936 5 901,39 Следует отметить, что существуют определенные зависимости между экспортными объемами нефти и нефтепродуктов и особенностями ценообразования нефтепродуктов в странах – крупнейших потребителях и России [14, 15]. Так, например, установлена положительная связь между общим объемом экспорта из России и уровнем экспорта сырой нефти и газа. Поставим задачу построения регрессионных моделей, связывающих выходные переменные и с входными в классе линейных по параметрам аппроксимирующих функций, хорошо себя зарекомендовавших при исследовании сложных объектов различной природы: (1) (2) где и – преобразования независимых переменных, выбранные из набора для некоторой переменной х в рамках проведения конкурса моделей в соответствии с предложенной в [16] вычислительной технологией. Такой конкурс состоит в построении множества альтернативных вариантов модели заданного класса и последующем выборе лучшего варианта на основе использования векторного критерия оценки его адекватности [17]. Включим в его состав широко применяющиеся в регрессионном анализе критерии Фишера F и множественной детерминации R [18–20]. Кроме того, для углубленного анализа полученных моделей будем использовать оценки вкладов факторов в соответствующие выходные показатели (см., например, [17, 21]). Для модели (1) они рассчитываются по формуле где Величины p(xi) позволяют оценить степень влияния переменной на выходной фактор , выраженную в процентах. В результате проведенного конкурса при построении моделей (1) и (2), в рамках которого было построено несколько тысяч их альтернативных вариантов, а также с привлечением приемов преобразования регрессоров, представленных в работах [22–25], сформированы следующие модели: (3) (4) Отметим высокое качество аппроксимации моделей (3) и (4), на что указывают значения критериев R и F, а также близость расчетных и фактических траекторий выходных переменных (рис. 1 и 2). Рис. 1. Расчетные и фактические значения экспорта ИКТ, модель (3) Рис. 2. Расчетные и фактические значения импорта ИКТ, модель (4) Проанализируем знаки коэффициентов моделей. Они указывают на то, что позитивное влияние на у1 оказывают только переменные и , а на – они же, а также и . Рост остальных факторов приводит к снижению импорта и (или) импорта объемов телекоммуникационных, компьютерных и информационных услуг. Анализ вкладов факторов позволяет сделать вывод о том, что более 50 % этого объема обеспечивается уровнем развития экономики страны, индикатором которого является ВВП. При этом на динамику как экспорта, так и импорта телекоммуникационных, компьютерных и информационных услуг существенное влияние оказывают также стоимость экспортированной сырой нефти, нефтепродуктов и природного газа. Влияние остальных факторов незначительно. Модели (3) и (4) могут быть использованы для дальнейшего детального анализа влияния экономических факторов на развитие ИКТ и решения широкого круга задач прогнозного характера. Заключение В работе в результате организованного с использованием соответствующей вычислительной технологии конкурса регрессионных моделей разработаны математические модели влияния экономических показателей – стоимости экспортированной сырой нефти, нефтепродуктов, природного газа, прямых инвестиций за границу и в Россию, объема ВВП – на объемы экспорта и импорта телекоммуникационных, компьютерных и информационных услуг. Эти объемы, как следует из моделей, более чем наполовину зависят от уровня развития экономики страны, обобщенным выражением которого является ВВП. При этом на динамику и экспорта, и импорта телекоммуникационных, компьютерных и информационных услуг весьма значительное влияние оказывают также такие важные макроэкономические показатели, как стоимость экспортированной сырой нефти, нефтепродуктов и природного газа.
Список литературы

1. Кузнецова Е. И. Национальная экономическая безопасность как предмет экономической страте-гии государства // Национальные интересы: приоритеты и безопасность. 2008. Т. 4. № 7 (28). С. 30–34.

2. Isham J., Woolcock M., Pritchett L., Busby G. The varieties of resource experience: Natural resource export structures and the political economy of economic growth // World Bank Economic Review. 2005. V. 19 (2). P. 141–174.

3. Farzanegan M. R., Markwardt G. The effects of oil price shocks on the Iranian economy // Energy Economics. 2009. V. 31 (1). P. 134–151.

4. Ишханян М. В., Сотникова О. А. Эконометрический анализ зависимости между динамикой ми-рового рынка сырой нефти и курсом акций транспортных компаний // Вклад транспорта в национальную экономическую безопасность: сб. тр. II Междунар. науч.-практ. конф. (Москва, 06 апреля 2017 г.) / под ред. Р. А. Кожевникова, Ю. И. Соколова. М.: Изд-во МИИТ, 2017. С. 154–156.

5. Nurunnabi M. Transformation from an Oil-based Economy to a Knowledge-based Economy in Saudi Arabia: the Direction of Saudi Vision 2030 // Journal of the Knowledge Economy. 2017. V. 8 (2). P. 536–564.

6. Заорский Г. В., Илющенко Т. В. Ресурсное обеспечение государственного регулирования экономики // Проблемы развития мировой и российской экономики: материалы Междунар. науч. конф. (Иркутск, 26 марта 2013 г.) / отв. ред. В. П. Горев. Иркутск: Изд-во Байкал. гос. ун-та экономики и права, 2013. С. 61–78.

7. Ивантер В. В. Стратегия перехода к экономическому росту // Проблемы прогнозирования. 2016. № 1 (154). С. 3–7.

8. Nath H. K., Liu L. Information and communications technology (ICT) and services trade // Information Economics and Policy. 2017. N. 41. P. 81–87.

9. Liu L., Nath H. K. Information and communications technology and trade in emerging market economies // Emerging Markets Finance and Trade. 2013. V. 49 (6). P. 67–87.

10. Tay C. Comparison of the impact of information and communication technology between bilateral trade in goods and services // Journal of System and Management Sciences. 2020. V. 10 (1). P. 1–31.

11. Green R., Burgess J., Turner G. The ICT Sector, Growth and Productivity: Ireland and Australia Com-pared // The Economic and Labour Relations Review. 2004. V. 15 (1). P. 99–127.

12. The ICT Development Index (IDI): conceptual framework and methodology. URL: https://www.itu.int/en/ITU-D/Statistics/Pages/publications/mis2015/methodology.aspx (дата обращения: 15.06.2021).

13. Центральный банк Российской Федерации: официальный сайт. URL: https://www.cbr.ru/ (дата обращения: 15.06.2021).

14. Окунев Д. О. Влияние мировых цен сырой нефти на цену нефтепродуктов в России, Китае и США // Евразийское пространство: добрососедство и стратегическое партнерство: материалы VIII Евраз. эконом. форума молодежи (Екатеринбург, 19–21 апреля 2017 г.): в 3 т. Екатеринбург: Изд-во Урал. гос. эконом. ун-та, 2017. Т. 2. С. 87–90.

15. Borenstein S., Cameron C., Gilbert R. Do gasoline prices respond asymmetrically to crude oil price changes? // Quarterly Journal of Economics. 1997. V. 112 (1). P. 304–339.

16. Базилевский М. П., Вергасов А. С., Носков С. И. Групповой отбор информативных переменных в регрессионных моделях // Юж.-Сиб. науч. вестн. 2019. № 4-1 (28). С. 36–39.

17. Носков С. И. Технология моделирования объектов с нестабильным функционированием и неопределенностью в данных. Иркутск: Облинформпечать, 1996. 320 с.

18. Базилевский М. П. Аналитические зависимости между коэффициентами детерминации и соот-ношением дисперсий ошибок исследуемых признаков в модели регрессии Деминга // Математическое моделирование и численные методы. 2016. № 2 (10). С. 104–116.

19. Базилевский М. П. Аналитические зависимости для некоторых критериев адекватности модели регрессии деминга // Вестн. Иркут. гос. техн. ун-та. 2016. Т. 20. № 10 (117). С. 81–89.

20. Носков С. И., Базилевский М. П. Множественное оценивание параметров и критерий согласованности поведения в регрессионном анализе // Вестн. Иркут. гос. техн. ун-та. 2018. Т. 22. № 4 (135). С. 101–110.

21. Носков С. И., Врублевский И. П. Анализ регрессионной модели грузооборота железнодорожного транспорта // Вестн. транспорта Поволжья. 2020. № 1 (79). С. 86–90.

22. Носков С. И. Выбор метода оценивания параметров линейной регрессии на основе выявления аномальных наблюдений // Вестн. Воронеж. гос. техн. ун-та. 2021. Т. 17. № 2. С. 24–29.

23. Носков С. И. Метод смешанного оценивания параметров линейной регрессии: особенности при-менения // Вестн. Воронеж. гос. ун-та. Сер.: Системный анализ и информационные технологии. 2021. № 1. С. 126–132.

24. Носков С. И. Оценивание параметров линейной регрессии посредством максимизации числа совпадений знаков приращений фактических и расчетных значений зависимой переменной // Информа-ционные технологии и математическое моделирование в управлении сложными системами. 2021. № 2 (10). С. 109–111.

25. Носков С. И., Базилевский М. П., Врублевский И. П. Оценка результатов среднесрочного прогно-зирования эксплуатационных характеристик железной дороги // Вестн. Урал. гос. ун-та путей сообщения. 2020. № 1 (45). С. 51–57.