Национальный исследовательский университет Высшая школа экономики Отделение статистики, анализа данных и демографии факультета экономики Профиль специальных дисциплин «Статистика и анализ данных» Кафедра статистических методов БАКАЛАВРСКАЯ РАБОТА «Статистический анализ и моделирование информационнотелекоммуникационной деятельности» Выполнил Студент группы № 41С Самородская Д.А. Научный руководитель профессор, д.э.н. Архипова М.Ю. Москва 2013 Оглавление. Введение. ................................................................................................................................................3 Основная часть. ......................................................................................................................................6 Первая глава. Информационно-телекоммуникационная деятельность как объект статистического изучения. ....................................................................................................................6 1.1. Основные понятия и определения, связанные с информационно-коммуникационной деятельностью. .................................................................................................................................6 1.2. История становления информационно-коммуникационных технологий. .....................10 1.3. Основные показатели, используемые при анализе информационно-коммуникационных технологий. .......................................................................................................................................12 1.4. Современное состояние и степень изученности сферы информационнокоммуникационных технологий ......................................................................................................15 Вторая глава. Характеристики информационно-коммуникационной деятельности.....................23 2.1. Общая характеристика отрасли ИКТ в России. .............................................................23 2.2. Исследование позиции России в мировых рейтингах. ......................................................40 2.3. Обзор современного прогноза развития отрасли ИКТ. ...................................................50 Третья глава. Исследование взаимосвязи основных показателей информационнотелекоммуникационной деятельности. ..............................................................................................55 3.1. Предварительный анализ данных, характеризующих использование информационнокоммуникационных технологий. .....................................................................................................55 3.2. Исследование взаимосвязи показателей, характеризующих информационнокоммуникационную деятельность. ................................................................................................59 3.3. Исследование причинно-следственной связи между показателями, характеризующими информационно-коммуникационную деятельность. .................................62 3.4. Исследование причинно-следственной связи между показателями, характеризующими информационно-коммуникационную деятельность, посредством снижения размерности признакового пространства. ................................................................71 3.5. Исследование показателей, характеризующих информационнотелекоммуникационную деятельность, по их территориальной расположенности. .............74 3.6. Исследование причинно-следственной связи между показателями, характеризующими информационно-телекоммуникационную деятельность, с дискретными зависимыми переменными. ..............................................................................................................77 Заключение. ..........................................................................................................................................89 Список литературы ..............................................................................................................................92 Приложение ..........................................................................................................................................94 2 Введение. Получение информации – неотъемлемая часть сегодняшнего мира. Без нее невозможно представить полноправного гражданина страны, знающего свои права и обязанности, имеющего свою точку зрения и желающего поскорее получить необходимую информацию о том или ином продукте, о событиях страны, о мировых тенденциях любой сферы деятельности и о многом другом. Причем это понятие зародилось еще в древности, когда информация передавалась устно, без соответствующих записей, как говорится, из уст в уста. Сейчас мы уже не задумываемся о том количестве этой самой информации, с которой сталкиваемся каждый день. А ведь ее получение происходит практически каждую минуту. Выходя из дома, мы встречаемся с соседями, которые рассказывают о своей жизни или об интересных событиях последней недели. Далее, проходя по улице, мы обращаем внимание на рекламные стенды, предлагающие информацию о новом продукте или услуге. А в общественном транспорте можно встретить громадный поток информации. Информация нас окружает со всех сторон. В каждой сфере деятельности можно использовать информационнокоммуникационные технологии. Поэтому вопросы по использования ИКТтехнологий бизнесом также актуальны на сегодняшний момент. Тема дипломной работы «Статистический анализ и моделирование информационно-телекоммуникационной деятельности в России» выбрана неслучайно. Вопросы, касающиеся информации и способов ее передачи, использования информационно-коммуникационных технологий в различных сегментах бизнеса широко отражаются в СМИ, на консилиумах и других научных встречах постоянно обсуждается не только развитие информационных услуг, но и их влияние на современный мир. Актуальность темы исследования. 3 Инновационная политика в сфере информационно- коммуникационной деятельности связана с подъемом всей экономики. Необходимо анализировать информационно-коммуникационную деятельность, чтобы оценить возможные механизмы улучшения позиций страны на мировой арене. Существенную помощь в оценке оказывают статистические методы, использование которых помогает определять решающие факторы развития ИКТ в стране, а также их взаимосвязь. Необходимо стимулировать развитие науки, нововведений, использовать передовые производственные технологии. Это в свою очередь будет определять эффективность экономики в целом, а также финансовую стабильность отечественных предприятий. В последнее время не информационные технологии вызывает сомнения тот факт, что играют первостепенную роль в нашей жизни. Они обеспечивают конкурентоспособность страны и стабильный экономический рост. В России инновационные технологии используются далеко не повсеместно, компании большинства секторов предпринимательской деятельности отстают в плане использования современных технологий. Анализ достоинств и недостатков страны поможет скорректировать текущие тенденции и сформировать эффективное развитие сектора ИКТ и всей экономики в целом. Цель и задачи исследования. Целью данной работы является исследование информационнокоммуникационной деятельности в России. В соответствии с данной целью можно выделить следующие задачи: o Выявление основных тенденций в России; o Проведение сравнительного анализа российских показателей информационно-коммуникационной деятельности с зарубежными; o Исследование взаимосвязи наиболее значимых показателей информационно-телекоммуникационной деятельности; o Исследование причинно-следственной связи между основными 4 показателями информационно-коммуникационной деятельности; o Формулировка выводов по проделанному исследованию. Объект исследования – информационно-коммуникационная деятельность в России. Предмет исследования – показатели информационно- коммуникационной деятельности в России. Проблема исследования. Проблема изучения информационно-коммуникационных технологий обостряется в связи с постоянным, непрерывным развитием новых возможностей для ИКТ-деятельности, поэтому необходим тщательный анализ рынка ИКТ-технологий, оценка конкурентоспособности как на уровне предприятий, так и в стране в целом. Современное общество превратилось в информационное общество, где жизнь обычных горожан и деятельность предприятий неразрывно связана с ИКТ-деятельностью. Но политика не может основываться на информации, полученной из ненадежных источников, массовых СМИ, отдельных исследованиях, необходима комплексная система получения надежной статистической информации об информационно-коммуникационной деятельности в стране. Теоретическая и методологическая база. Теоретической посвященные базой послужили использованию научные труды ученых, информационно-коммуникационных технологий. А в качестве методологической базы использовались пакеты прикладных программ Excel, SPSS, Eviews. В качестве статистического инструментария использовались методы корреляционного, регрессионного, факторного и кластерного анализа. Информационная база. В качестве Федеральной информационной службы базы государственной использовались статистики, данные материалы официальных сайтов сети Internet и СМИ. 5 Основная часть. Первая глава. Информационно-телекоммуникационная деятельность как объект статистического изучения. 1.1. Основные понятия и определения, связанные с информационно-коммуникационной деятельностью. Информационно-телекоммуникационная деятельность в современном мире одно из важнейших явлений общественной жизни, которое затрагивает все сферы деятельности человека. Она влияет на формирование отношений внутри общества, внутри каждой отдельной страны, а также между странами. Для того чтобы разобраться, что включает в себя понятие информационно-телекоммуникационной деятельности, рассмотрим основные ее компоненты. Информационно-телекоммуникационная сеть, согласно Федеральному закону от 27 июля 2006 г. N 149-ФЗ "Об информации, информационных технологиях и о защите информации", - это «технологическая система, предназначенная для передачи по линиям связи информации, доступ к которой осуществляется с использованием средств вычислительной техники» [1]. Информация – это неотъемлемая форма всех протекающий процессов, это ресурс жизнеобеспечения общества. А услуги по преобразованию этой информации и обеспечению доступа к ней населения и являются информационными услугами, изучение которых – цель данной работы. Информация может быть общедоступной, а также ограниченной. Можно выделить следующие категории информации в соответствии с Федеральным законом от 27 июля 2006 г. N 149-ФЗ "Об информации, информационных технологиях и о защите информации": 6 Информация, свободно распространяемая; Информация, предоставляемая по соглашению лиц, участвующих в соответствующих отношениях; Информация, которая в соответствии с Федеральными законами подлежит распространению; Информация, распространение которой ограничивается или запрещается федеральным законом Российской Федерации. Немаловажно определить понятие информационных технологий. «Информационные технологии - процессы, методы поиска, сбора, хранения, обработки, предоставления, распространения информации и способы осуществления таких процессов и методов» [1]. Информационные технологии необходимы для эффективного решения задач организации информационного процесса передачи данных, с учетом временных, трудовых, материальных и прочих затрат. Информационные технологии повышают эффективность и конкурентоспособность предпринимательского сектора. Сейчас весь бизнес перемещается в сеть Интернет, поэтому необходима продуманная стратегия бизнеса по использованию информационных технологий. Несмотря на это использовать информационные технологии надо продуманно, так как такой инструмент повышения эффективности ведения деятельности достаточно затратный и сложный. От руководителей бизнеса требуется основательная оценка возможного использования ИКТ- технологий, ясное представление о целях использования современных технологий для построения стратегии бизнеса. Несмотря на кажущуюся простоту восприятия информации, необходимо правовое урегулирование информационных процессов. Для начала определим основные принципы правового регулирования отношений в сфере информационных технологий [1]: 1) свобода поиска, поиска, передачи, производства и распространения информации любым законным способом; 7 2) установление ограничений доступа к информации только федеральными законами; 3) открытость информации о деятельности государственных органов и органов местного самоуправления и свободный доступ к такой информации, кроме случаев, установленных федеральными законами; 4) равноправие языков народов Российской Федерации при создании информационных систем и их эксплуатации; 5) создании обеспечение безопасности информационных систем, Российской их Федерации эксплуатации и при защите содержащейся в них информации; 6) достоверность информации и своевременность ее предоставления; 7) неприкосновенность частной жизни, недопустимость сбора, хранения, использования и распространения информации о частной жизни лица без его согласия; 8) недопустимость установления нормативными правовыми актами каких-либо преимуществ применения одних информационных технологий перед другими, если только обязательность применения определенных информационных технологий для создания и эксплуатации государственных информационных систем не установлена федеральными законами. В связи с этим государство должно быть обеспокоено защитой информации, а именно предотвращением ее несанкционированного использования, уничтожения, модифицирования, копирования, распространения и других неправомерных действий. Помимо этого сейчас конфиденциальность предоставляемой информации также находится под охраной государства. Нарушение подобного рода законов несет за собой дисциплинарную, административную и даже уголовную ответственность. Без сомнения, развитие, как компьютеров, так и Интернета есть не что иное, как инновационная деятельность. Именно в секторе информационно8 телекоммуникационных услуг инновационная деятельность представлена особо широко. Поэтому следует определить и это понятие. Инновационная деятельность – вид деятельности, связанный с трансформацией идей (результатов научно-исследовательских работ, инженерно-технических, предпринимательских, организационных и маркетинговых решений) [8]: в технологически новые или значительно усовершенствованные продукты или услуги, внедренные (используемые) на рынке, в новые или усовершенствованные технологические процессы или способы производства (передачи) услуг, используемые в практической деятельности. Современная методология системного описания инноваций базируется на международных стандартах. Для координации работ по сбору, обработке и анализу информации о науке и инновациях в рамках Организаций экономического сотрудничества и развития (ОЭСР) создана Группа национальных экспертов, которая разработала Руководство Фраскатти (город в Италии, где в 1963 г. была принята первая версия документа). Стоит отметить, что инновационность не всегда является достаточной для достижения преимуществ продукта. Помимо этого производители должны учитывать спрос потребителей и продукцию, предлагаемую конкурентами. Так, российский бизнес не стремится инвестировать полученную выручку в исследования и разработки. Отрицательная сторона инноваций связана с тем, что потребителям необходимо время, чтобы приспособиться к новому. 9 1.2. История становления информационно-коммуникационных технологий. Становление информационно-коммуникационных технологий связано с развитием электронно-вычислительных машин. Впервые идея усовершенствования передачи информации возникла в 30-е годы 20 века в США, Великобритании, Германии и Советском Союзе. К этому времени использование первых телефонов и радиоприемников было широко распространено. И уже в 1937 году Джон Анатасов, американский профессор математики, пришел к идее создания электронно-цифрового компьютера. Конечно, первые компьютеры применялись только для математических вычислений, были огромными по размеру и достаточно тяжелыми. Из-за Великой Отечественной войны, в СССР развитие ЭВМ было приостановлено и возобновилось только после 1947 года. Так, в 1955 году была запущена самая известная из первых электронных машин БЭСМ. В тот период она оказалась самой быстродействующей в мире. С годами ЭВМ совершенствовались, и новые модели могли уже выполнять большее количество операций. А в 1890-х годах был открыт Институт Информатики. Все большее количество людей стало вовлекаться в эту сферу жизнедеятельности, все больше регистрировалось новых открытий, связанных с информационными технологиями, среди производителей появляются конкуренты. Это привело нас к тому, что сейчас за внимание потребителей борется большое количество компаний, с каждый годом усовершенствующих изобретения в области компьютеров. А современные компьютеры используются не только в целях математического подсчета, но и для других самых разнообразных целей. Трудно представить, что каких-то полвека назад о сети Интернет никто не знал. Возникновение же Интернета связано, в первую очередь, с решением Америки иметь, на случай войны, надежную сеть для передачи секретных данных. Это было сделано в качестве ответа на запуск Советским союзом 10 первого искусственного спутника земли в 1957 году. Так стала разрабатываться компьютерная сеть в американских институтах в 60-90 годах 20 века. Это сеть должна была объединить компьютеры военных, образовательных и научных институтов в общую единую сеть, при этом выход из строя одного из сегментов не должен быть привести к коллапсу всей системы. Сейчас на этом и основана работа сети Интернет благодаря созданию множественных связей внутри нее. Компьютерная сеть APRANET министерства обороны США была непосредственным предшественником сети Интернет. Идея основывалась на пакетной коммутации, то есть пакетной пересылке данных в цифровом виде без непосредственного физического контакта. Идея эта отчасти была реализована благодаря студенту из Массачусетского университета Леонарду Клейнроку, который в 1961 году представил статью по пакетной коммутации. Такая организация системы передачи данных позволяла одновременно нескольким пользователям находиться в сети, передавая друг другу информацию в цифровом виде по включенным в сеть компьютерам. В 1969 году стали разрабатываться устройства IMP (Interface Message Processor), которые должны были обеспечить связь между компьютерами внутри сети через телефонную сеть. К 1971 году насчитывалось 15 узлов связи. Интересно, что в 1971 году впервые была предложена идея использования электронной почты. Программа написания первого почтового клиента была написана Реем Томлисоном, программистом компании BNN. Известный всем нам значок «@», который является неотъемлемой частью электронного адреса сети Интернет, используется именно с того времени. Первая локальная компьютерная сеть была создана Робертом Метклафом в 1976 году. Называлась она Ethernet. Так, к концу 1980 года сеть APRANET являлась достаточно сложной структурой, объединяющей более 100 компьютеров на 4-х континентах. 11 При этом она сохранила свободный доступ и стала важным инструментом сотрудничества бизнес-организаций и научных институтов. В 1990 году вместо сети APRANET появилась сеть NSFNET, являвшаяся практически тем же Интернетом, которым мы пользуемся сейчас. В том же году был создан первый текстовый браузер WWW. История WWW (World Wide Web) началась с 1991 года, в ее основе лежала система использования гипертекста (это набор текстов, содержащих узлы перехода между ними). В 1973 году сеть стала международной, благодаря подключению Норвегии и Великобритании. И только в 1991 году Интернет стал общедоступным, таким, каким является сейчас для любого пользователя. Интернет достиг популярности всего за 5 лет, в то время, как радиоприемнику это удалось сделать аж за 30 лет, а телевидению за 10. В тоже время появились первые вирусы, а, значит, и первые антивирусные программы. Число хостов превысило миллион. К 2000-м годам сеть Интернет охватывала 689 млн. человек и 172 млн. хостов. В России 10% населения имела Интернет-доступ. Сейчас без Интернета сложно представить свою жизнь, особенно в крупных федеральных центрах. 1.3. Основные показатели, используемые при анализе информационно-коммуникационных технологий. С понятием информационно-коммуникационных технологий мы уже ознакомились. Теперь обратимся к другим определениям для более точного понимания. Технологические ресурсы – организационные меры, обусловленные технологическим прогрессом и направленные на разработку средств. Трудовые ресурсы – люди, обладающие умственными способностями и знаниями для осуществления деятельности. Материальные ресурсы – предметы труда, необходимые при производстве товаров или оказании услуг. 12 От чего зависит развитие информационно-коммуникационных технологий в России? Чтобы разобраться в этом вопросе, я хотела бы представить несколько показателей. Удобнее всего составить схему, соединяющую их воедино. График 1. Показатели использования информационно-коммуникационных технологий. Основные показатели использования ИКТ Человеческие ресурсы Динамика числа организаций Материальные ресурсы и технологии Численность работников в сфере ИКТ Количество ПК в организациях Численность специалистов ИКТ Численность работников, использующих ИКТ Число созданных и используемых технологий Число выданных патентов Финансирование и затраты, основные макроэкономические показатели Число организаций, использовавших ИКТ Число организаций, использующих глобальные сети для осуществления заказов Отгружено товаров, выполнено работ и услуг Число организаций, выполнявших научные исследования и разработки Затраты на исследования Число организаций, проводивших обучение специалистов и пользователей ИКТ Затраты на ИКТ ВДС сектора ИКТ Инвестиции в основной капитал Число организаций, занимающихся инновационной активностью Рассмотрим более подробно информационно-коммуникационные технологии в плане их использования организациями. 13 Если такие понятия как персональный компьютер, ЭВМ, электронная почта, Интернет, веб-сайт нам знакомы, с остальными лучше разобраться детальнее. Локальная вычислительная сеть соединяет две или более ЭВМ (возможно, разного сигнализации типа), а также принтеры, сканеры, системы (охранной, пожарной) и другое производственное оборудование или периферийные устройства, расположенные в пределах одного или нескольких соседних зданий, и не использует для этого средства связи общего назначения. Глобальная информационная сеть охватывает совокупность электронно-вычислительных машин (ЭВМ), которые могут быть расположены в любых точках земного шара, связанных между собой каналами дальней связи (коммутируемыми или выделенными), предоставляемыми телефонными компаниями или другими организациями связи. высокоскоростной доступ Широкополосный к доступ Интернет-ресурсам (в (ШПД) - отличие от коммутируемого доступа с использованием модема и телефонной сети общего пользования). Интранет представляет собой распределенную корпоративную вычислительную сеть, базирующуюся на технологиях Интернета и предназначенную для обеспечения доступа сотрудников к корпоративным информационным электронным ресурсам. Экстранет - это расширение Интранета, содержащее выделенные области, к которым разрешен доступ внешним пользователям [7]. Как было отмечено, использование ИКТ – важная составляющая ведения бизнеса. Поскольку в дальнейшем в анализе будет использоваться терминология ИКТ, представим еще несколько определений. Программисты занимаются разработкой большого количества программ для эффективного ведения бизнеса. Это и антивирусные программы для защиты компьютеров от вирусов, «вредноносных» программ и для восстановления «зараженных» файлов, и специальные программы для управления продажами и закупками, и CRN, ERP, SCMсистемы. На последнем следует остановиться поподробнее. 14 CRM система - это система управления взаимоотношениями с клиентами на предприятии, повышающая эффективность работы сотрудников и руководителей на предприятии, позволяющая сократить цикл продаж и избежать потери потенциальных клиентов из-за организационных проблем. ERP система – единая система, которая обслуживает все запросы сотрудников отдела кадров, коммерческого отдела, склада и других подразделений. Каждый из этих отделов обычно имеет собственную компьютерную систему, оптимизированную под свои особенности работы. ERP система комбинирует их все в рамках одной системы, которая работает с единой базой данных, так, что все отделы могут легче обмениваться информацией и общаться друг с другом. SCM система - это система управления цепочками поставок и снабжения складской службы на предприятии. Эффективное управление цепочками поставок помогает компании снижать затраты на снабжение, производство, дистрибуцию и хранение товара, эффективно использовать складские мощности и транспортные потоки, динамично реагировать на изменение рыночной ситуации и конкуренции [7]. 1.4. Современное состояние и степень изученности сферы информационно-коммуникационных технологий Благодаря эффекту быстрого распространения, ИКТ-технологии стали неотъемлемой частью повседневной жизни людей, включая экономическую сферу. Таким образом, современная наука уделяет особое внимание исследованиям, касающимся развития информационно- коммуникационной деятельности, эффекту воздействия ИКТ-технологий на экономический рост, стабильность страны и мира. Особенно это актуально стало в послекризисный период, так как обострился поиск факторов устойчивого экономического роста. В их перечень, по мнению большинства специалистов, входит и развитие ИКТ-технологий. 15 Практически все исследования по теме информационно- коммуникационных технологий в той или иной степени затрагивают парадокс Солоу. Он был сформулирован еще в 1987 году лауреатом нобелевской премии Робертом Солоу: «Компьютерная эра видна везде, но только не в статистике производительности» [13]. Другими словами, парадокс Солоу состоит в том, что инвестиции в компьютеризацию производства не приводят к увеличению валовой прибыли компании, также не приводят к увеличению производительности, однако приводят к еще большим инвестициям в компьютеризацию производства. Согласно исследованию Brynjolfsson and Yang [19], действительно не было обнаружено коммуникационные связи между технологии и инвестициями увеличением в информационно- производительности производства. Исследование затрагивало десятилетие с 1980-го года по 1990-й. Стоит отметить, что исследование ученых нельзя считать полностью компетентным, так как было достаточно сложно тщательно и аккуратно исследовать причинно-следственные связи из-за недостаточной информации и использования элементарных аналитических методов исследования. Другой ученый того же периода, П. Страссман [16], использовал метод корреляционного анализа для оценки взаимосвязи между инвестициями в ИКТ и прибылью компании, а именно между показателем прибыли на собственный капитал и расходами на ИКТтехнологии. Еще одним недостатком является то, что показатели рассматривались без лага. Таким образом, выводы о влиянии инвестиций в ИКТ на производительность и прибыль организации в целом не могут считаться основательными. Попытки опровержения парадокса Солоу не заставили себя ждать: в конце 1990-х произошел бум производительности производства. Большинство ученых в то время сошлось на мнении, что именно инвестиции в информационно-коммуникационные технологии привели к неожиданному росту производительности. Такой точки зрения 16 придерживались два экономиста Стефан Олинер и Даниель Сичел, в докладе которых отмечалось, что применение большего числа ИКТтехнологий не повлияло на производительность США первоначально (в начале 1990-х), однако во второй половине 90-х годов влияние использования ИКТ-технологий на производительность оказалось очевидным. Итог исследования состоял в следующем: «информационные технологии были ключевым фактором, обеспечивающим рост производительности» [14]. В то же время еще двое ученых занимались исследованием ИКТ и производительности. Brynjolfsson and Hitt [18]. в своем научном труде использовали более сложные аналитические модели: метод производственных функций. Подобного рода функция включала в себя труд, компьютерный капитал и прочий капитал. Главное отличие исследования от ранних работ состояло в том, что теперь учитывались другие факторы, влияющие на производительность. Метод производственных функций стал с того времени достаточно популярным, им пользуются и в настоящее время. Brynjolfsson and Hitt исследовали выборку из 1294 фирм США и пришли к выводу, что коэффициент регрессии при компьютерном капитале оказался значимым. То есть эффект от использования ИКТ на производительность положителен, но наступает в лагом в несколько лет. Таким образом, инвестиции в ИКТ могут оказывать влияние на производительность, особенно в совокупности с другими организационными изменениями. Такой точки зрения придерживался ученый Melville [14]. Вывод его работы 2004 года состоит в том, что инвестиции в ИКТ-технологии влияют на производительность, но масштаб их влияния зависит от макроэкономических условий страны, конкурентной среды и других общеэкономических факторов. Помимо этого необходимо учитывать такие факторы как нормативная и правовая среда, наличие 17 необходимых материальных и трудовых ресурсов, умение быстро реагировать на изменяющиеся рыночные условия. Современные исследования также подчеркивают, что на экономический рост влияет использование ИКТ совместно с другими факторами. Baily [14] отметил, что информационные технологии - важная часть развития страны, производительности. но не единственная Основными причина факторами он роста называет конкурентоспособность и глобализацию. Еще одна интересная работа, посвященная исследованию информационно-коммуникационных технологий, была сделана в середине 2000-х годов аналитической службой журнала «The Economist» [14]. Данная работа показала, что влияние развития ИКТ-технологий на экономический рост страны наблюдается в развитых странах, например, в скандинавских странах (Дания, Швеция). В этих странах развитие ИКТтехнологий находится на достаточно высоком уровне по сравнению с другими странами. В развивающихся странах влияние ИКТ-технологий на производительность ив целом экономический рост незначительно или вовсе отсутствует. Таким образом, существует гипотеза, что эффект от использования ИКТ проявляется с лагом и после достижения определенного уровня развития технологий. К тому же в данной работе были продемонстрированы конкретные примеры стран. Причина отставания в плане экономического роста Европы от США – развитие ИКТ-технологий. «ИКТ служат причиной ни много ни мало 0.4 процентных пунктов из 0.52 процентных пункта разницы между ростом ВВП на душу населения в США и в большой тройке еврозоны (Германия, Франция, Италия) в период с 1995 по 2002 год» [14]. Рассмотрим несколько современных исследований. В настоящее время большинство ученых анализирует взаимосвязь ИКТ и экономического роста развитых стран. При этом внимание развивающимся странам уделяется недостаточное. Использование ИКТ-технологий может 18 позволить более эффективно использовать имеющиеся в ограниченном количестве ресурсы, повысить конкурентоспособность на рынке, привлечь дополнительные инвестиции. Более сложную версию метода производственных функций для анализа информационных технологий использовали ученые С.А. Москальонов и А.Г. Львов в работе «Анализ инновационного потенциала Российской экономики: метод производственных функций». Основная цель исследования заключается в проверке гипотезы о низком или даже нулевом значения инновационного потенциала страны в поддержании темпов роста экономики. Данная гипотеза называется гипотезой Джонса. Основной подход при построении агрегированной производственной функции – метод построения зависимостей потока выпуска и вектора запасов занятости и основных фондов. Позднее модель была преобразована к виду «поток-поток»: зависимость потока выпускаемой продукции от вектора потоков расходуемых ресурсов. Этот подход является более обоснованным, так как «предельные продукты и эластичности для всех используемых ресурсов должны быть неотрицательными» [12]. Как отмечают сами Москальонов и Львов, данная работа является только первым этапом анализа, поэтому не является совершенной. Результаты исследования не дают четкого ответа, отвергается ли гипотеза о низком или даже нулевом значении инновационного потенциала страны в формировании устойчивого экономического роста, однако в основном слабо опровергают гипотезу Джонса для экономики России, то есть сектор ИКТ оказывает влияние на уровень реального выпуска, пусть и слабовыраженное в проанализированных моделях. Москальонов и Львов выделяют ряд ошибок, из-за которых могла произойти смещенность оценки влияния показателей [12]: 1) Ошибки первоначальных данных, связанные с некорректным измерением статистических показателей. Здесь можно отметить и критику 19 относительно подсчета ВВП, и недостаточный учет теневой экономики, и данные по фактической занятости в России. Ошибки агрегирования. В любой модели мы приходим к 2) некоторому усреднению показателей. Так, показатель отработанного времени может быть некорректно агрегирован в силу того, что предполагается однородность капитала и трудовых ресурсов. Отсутствие 3) учета лагов. Производственные функции, составленные авторами, не учитывают лаговые переменные. В целом же инновационные факторы оказывают воздействие на экономический рост с некоторым запозданием. О.В. Валиева регрессионного [11] использовала анализа для методы выявления корреляционного взаимосвязи и между инновационными факторами и развитие малого бизнеса. Она отметила наличие тесных взаимосвязей между «показателями входа» (здесь автор рассматривала численность студентов вуза и численность персонала, занятого научными исследованиями и разработками) и «показателями выхода» (число выданных охранных документов, число поданных заявок на изобретения и полезные модели, экспорт технологий, число созданных и используемых передовых технологий, численность работников, занятых в сфере малого предпринимательства). Коэффициенты корреляции оказались достаточно высокими, что позволяет сделать вывод о значимости «показателей входа» при поддержке малого предпринимательства в России. Затем, используя регрессионный анализ, Валиева выявила несколько факторов, влияющих на «показатели выхода». Во всех моделях показатель числа занятых научными исследованиями и разработками оказался значимым. Помимо этого анализ показывает, что корпоративный бизнес в России пока еще мало вовлечен в инновационную активность и масштабное использование информационных технологий. Наконец, Российской рассмотрим Федерации по рекомендации результатам Общественной общественных палаты слушаний 20 «Экономика будущего – ИНФОНОМИКА. Выделим ряд основных выводов. «Ускоренное развитие ИТ-отрасли требует активного содействия со стороны государства. При этом государство должно не ограничиваться проведением отдельных стимулирующих мероприятий, а реализовывать комплексную систему мер (программ), направленных на формирование благоприятной для развития ИТ-отрасли «экосистемы» [5]. Необходимые шаги для развития ИКТ-отрасли в России: 1) Создание «электронного» государства. Необходимо использовать информационные технологии на уровне всего государства, создавать системы институтов электронного правительства, правосудия и других государственных сфер жизнедеятельности. Для этого необходима в первую очередь работа с чиновниками, оценка их профессиональной пригодности в сфере использования ИКТ-технологий. 2) Разработка налогового и таможенного законодательства. Сейчас затраты на выплату налогов могут достигать четверти стоимости ИКТ-проекта. Такого рода дискриминация заставляет российские ИКТкомпании искать свою нишу за рубежом. Государство должно стремиться поддерживать инновационный бизнес в России путем снижения налогов, упрощения системы бухгалтерского учета. Затраты на перевоз через таможню высокотехнологичных продуктов также высоки, система используется не всегда эффективно. Создание таможенного союза России, Беларуси и Казахстана является верным шагом по увеличению эффективности использования информационных технологий, однако необходимо дальнейшее географическое расширение зоны. 3) Учет мировых тенденций по техническому регулированию. России необходимо глубже проникать в процессы международной стандартизации, использовать их более активно, принимать меры по их внедрению во все сферы экономики. 4) Развитие законодательной базы по защите авторских прав. Необходима защита собственных компаний-производителей 21 информационных технологий. «У зарубежных компаний есть финансовые возможности терпеть пиратство и инвестировать в новые разработки за счет доходов с других, куда более крупных и законопослушных рынков. У российской разработки таких возможностей мало» [12]. 5) стандартов Стимулирование частного бизнеса: пересмотр существующих и переход к международным в сфере применения информационных технологий; формулировка приоритетных направлений для развития ИКТ-технологий; пересмотр налоговой базы для предпринимательского сектора в сфере информационных технологий; внедрение информационных технологий в учебные заведения. Выводы по первой главе. В данной главе были представлены основные определения, связанные с информационно-коммуникационной деятельностью, основные классификации показателей, характеризующих ИКТ-деятельность, а также была проанализирована степень разработанности исследований сферы ИКТ. Интерес к информационно-коммуникационной деятельности растет год от года, поэтому в последнее время появляется все больше работ, целью которых стоит исследование ИКТ-технологий. При этом как говорится, сколько людей, столько и мнений. Это утверждение относится и к сектору ИКТ. Одни ученые выдвигают гипотезу о зависимости общего экономического развития коммуникационной страны деятельности, от другие, факторов напротив, информационносчитают, что распространение ИКТ не приводит к повышению общего экономического благосостояния страны, что и было показано в первой части работы. 22 Вторая глава. Характеристики информационно- коммуникационной деятельности. 2.1. Общая характеристика отрасли ИКТ в России. Использование ИКТ в России приобретает все большие масштабы, выходя на мировой уровень. Однако специфика страны дает о себе знать. В связи с этим необходимо выделить общие тенденции использования ИКТ по России. Немаловажно в целом оценить объемы отрасли ИКТ в России, для этого был построен и проанализирован следующий график: 700 24 600 22.82 20.74 17.05 500 15.42 400 12.50 5.11 300 200 100 -19.84 506 346 405 489 514 412 2005 2006 2007 2008 2009 584 657 2011 2012 0 2010 30 25 20 15 10 5 0 -5 -10 -15 -20 -25 Объем рынка, млрд.руб. Темп прироста рынка, % Рис. 1. Объемы (млрд.руб.) и темп прироста (%) ИКТ-рынка, 2011 год С 2005 по 2008 год объемы российского ИКТ-рынка постепенно увеличивались с 346 млрд рублей до 514 млрд. рублей, то есть практически на 50% на 4 года. Однако в связи с экономическим мировым кризисом в 2009 году сфера ИКТ пострадала: произошло уменьшение объемов рынка на 20% по сравнению с 2008 годом, то есть объем рынка составил 412 млрд. рублей, что находится на уровне развития ИКТ-отрасли в 2006 году. После этого однако объемы рынка в последующих годах стали увеличиваться, но к 2010 году еще не удалось достигнуть докризисного уровня. При этом темп прироста ИКТ-рынка в 2010 году был достаточно 23 высоким – практически 23% по отношению к предыдущему периоду. Затем в 2011 и 2012 году темпы прироста стали уменьшаться, составив 15,42% и 12,5% в 2011 и 2012 годах соответственно. В финансовом выражении объем российского ИКТ-рынка составил около 33 млрд. долларов, таким образом темп роста составил 12,5% относительно предыдущего года. Прогноз можно назвать негативным: в последние 2 года отмечается тенденция по снижению темпов роста ИКТрынка, в то время как докризисные темпы роста ИКТ-рынка были выше. Несмотря на это, на мировом рынке Россия займет более менее выгодное положение в силу того, что общемировые темпы роста ИКТ-рынка еще меньше, примерно в полтора раза, по оценке специалистов. Динамичный рост ИКТ при этом показывают финансовый сектор, телекоммуникации и государственный сектор, рост спроса на ИКТпродукцию при этом отмечается практически во всех отраслях экономики. Что касается последующего прогноза, аналитики ожидают, что темпы роста будут около 9% в год в течение следующих 5-ти лет. И это при условии макроэкономической стабильности на мировом рынке. К тому же аналитики оценивают вероятность наступления второй волны кризиса, которая непременно снова ударит по ИКТ-рынку, снизив не только темпы роста рынка, но также и объемы. Приступим к непосредственному анализу ИКТ-показателей организаций в России. Среднесписочная численность работников, занятых в секторе ИКТ, составила 1260 тысяч человек, в процентом отношении это 2,7% от общей численности работников организаций. В 2005 году среднесписочная численность работников, занятых в сфере ИКТ, составляла практически столько же - 2,8%. Валовая добавленная стоимость сектора ИКТ к 2011 году выросла до 1482 млрд. рублей, что больше, чем в 2 раза по сравнению с 2005 годом, когда он составляла 660 млрд. рублей. Однако валовая добавленная 24 стоимость в процентах от ВВП сократилась от 3,6% в 2005 году до 3,2% в 2011. В 2010 году процент валовой добавленной стоимости был равен 3,5%. Таким образом, в процентном соотношении от ВВП валовая добавленная стоимость растет с 2005 года, однако как процент от ВВП она сокращается. Также оценим инвестиции в основной капитал. В абсолютном выражении инвестиции увеличиваются: в 2005 году - 271 млрд. рублей, в 2010 - 273 млрд. рублей, в 2011 – 351 млрд рублей, то есть темп прироста инвестиций составил практически 30% в 2011 году по сравнению с 2010 годом. Сравнительно низкий объем инвестиций в 2010 году связан с экономическими условиями, кризисом, падением производства. В процентах от общего объема инвестиций организаций в основной капитал инвестиции составили 4,4% в 2011 году. Что касается иностранных инвестиций в организации сектора ИКТ, в 2011 году они равнялись 5920 млн. долларов США, в 2011 – 5389 млн. долларов США, а в 2005 – 3520 млн. долларов США. Так, в процентах от общего объема иностранных инвестиций в организации в 2011 году иностранные инвестиции в сектор ИКТ это 3,1%, а в 2005 данный процент был выше – 6,6%. Основными показателями информационно-коммуникационных технологий является использование персональных компьютеров, ЭВМ других типов, использование электронной почты и глобальных информационных сетей. Рассмотрим удельный вес организаций, использовавших ИКТ в 2011 и 2006 годах. В целом, роль ИКТ в жизни организаций несомненно возросла, так по графику мы можем наблюдать положительные изменения практически по всем показателям. Отметим в первую очередь развитие широкополосного доступа, в среднем он рос с темпом 20% в год, достигнув в 2011 году значения 63,4% обследованных организаций. 25 Удельный вес организаций, использовавших: 120 100 99.3 94.1 83.1 71.3 63.6 57.0 80 60 85.6 62.5 84.8 63.4 61.3 33.0 21.1 40 19.7 11.3 20 0 16.1 8.6 2006 2011 2.7 6.1 0 Рис. 2. Удельный вес организаций, использовавших ИКТ, % Интранет и экстранет в России недостаточно популярны среди организаций, использующих средства ИКТ. Так, количество организаций, обладающих собственной корпоративной сетью, созданной для работников организации с целью доступа к электронным внутриорганизационным ресурсам, увеличилось в 2 раза и составило в 2011 году 16,1% от общего числа обследованных организаций. Распространение Экстранета, как расширения Интранета, еще менее популярно: всего 6,1% организаций используют сеть Экстранет. Сейчас все больше людей использует Интернет для поиска необходимой информации, поэтому наличие у компании собственного веб-сайта становится необходимостью: в 2011 году 33% всех обследованных организаций имели собственный веб-сайт, в то время как в 2006 году – всего 21%. При этом темпы роста числа организаций, имеющих веб-сайт, возрастают год от года. Если рассматривать в целом использование Интернета организациями, то можно отметить, что в 2011 году процент организаций, использовавших Интернет, достиг значения практически в 85%, в 2006 году – 61%. Показатели использования электронной почты находятся примерно на том же уровне: 83% в 2011 году и 63,6% - в 2006 году соответственно. 26 Использование локальных вычислительных сетей возросло с 57% до 71% организаций в общем числе. Интересным является факт, что использование персональных компьютеров уменьшилось незначительно с 2006 года. Это можно связать с тем, что использование ЭВМ других типов возросло с 11% до 20% к 2011 году. Таким образом, все большее число организаций в России использует информационно-коммуникационные технологии (компьютеры, Интернет) в своей непосредственной деятельности, что является доказательством, что современное общество переходит постепенно к информационному обществу. Использование ПК в организациях Российской Федерации. Процент использования организациями персональных компьютеров наиболее высок в секторе высшего профессионального образования (98,1% и 98,8% в 2005 и 2011 годах соответственно). Так как в последнее время происходит активное вовлечение ИКТ в государственное управление, то процент использования персональных компьютеров в этом секторе на 2011 год составил 98,3% (в то время как в 2005 он был равен всего 93,3% и находился практически на последнем месте по внедрению ПК). Затем идет здравоохранение: здесь процент организаций, использовавших ПК, вырос с 95,3% до 97,9%. Интересно то, что в малой степени сравнительно с другими секторами использует компьютеры в своей деятельности предпринимательский сектор: 92,4% в 2011 году и 90% в 2005. Хорошо продвинулся за 6 лет сектор культуры и спорта: с 77,6% организаций до 86,4%, однако все же этот сектор находится на последнем месте по уровню вовлечения персональных компьютеров. В целом количество организаций, использовавших ПК, возросло в каждом из секторов. Оценим распределение организаций по удельному весу работников, использовавших персональные компьютеры. На основании диаграммы можно сделать вывод о том, что в 35,9% организаций 70-100% работников используют персональные компьютеры, 27 то есть более, чем в трети опрошенных организаций использование компьютеров носит массовый характер. 24,6% организаций относятся к числу тех, где только 10-29% работников используют персональные компьютеры. Далее примерно одинаковую долю занимают организации, в которых компьютерами пользуется менее 10% работников и от 30 до 69%. Наименьшую долю составляют компании (5,7%), в которых работники не используют персональные компьютеры вообще. менее 10 5.7 10.2 10-29 30-49 24.6 35.9 50-69 70-100 11.8 10.7 не использовали Рис. 3. Распределение организаций по удельному весу работников, использовавших ПК, %, 2011 год Таким образом, в трети организаций использование компьютеров максимально или стремится к этому, в остальных же использование ПК не столь частотно. Сравнивая данные 2006 года можно отметить, что увеличивается сектор, который отвечает за долю организаций, в которых 70-100% работников пользуются персональными компьютерами. Сопоставляя площади остальных секторов, можно заметить тенденцию большего качественного вовлечения персональных компьютеров в работу современных организаций. Рассматривая поставки персональных компьютеров, обратим внимание на то, что в 2011 году поступило 1251,6 тыс. компьютеров в организации различных секторов. 28 Таблица 1. Поступление ПК в организации 2005 2006 2007 2008 2009 2010 2011 Поступило персональных компьютеров в отчетном году, тыс. шт. 984,2 1170,9 1257,9 1159,2 890,6 999,9 1251,6 Темп роста - 118,97% 107,43% 92,15% 76,83% 112,27% 125,17% Темп прироста - 18,97% 7,43% -7,85% -23,17% 12,27% 25,17% Показатель Снижение поставок компьютеров было зафиксировано в 2008 и 2009 годах. При этом в 2008 году показатель снизился всего на 8%, в то время как в 2009 году падение поставок оказалось значительным – 23%. В 2010 году поступило 999,9 тыс. компьютеров, то есть прирост поставок относительно 2009 году составил 22%, в 2011 – 1251,6 тыс. компьютеров, то есть прирост - 25%. 50 40 30 26 23 29 32 35 36 2009 2010 39 20 10 0 2005 2006 2007 2008 2011 Рис 4. Число ПК на 100 работников (шт.), 2011 год Оценим среднее число персональных компьютеров на 100 работников в динамике. Анализ графика позволяет сделать вывод, что число ПК на 100 работников растет. Наибольший темп прироста был зафиксирован в 2006 году – 13%. Затем темп роста начал снижаться, до 3% в 2010 году. Однако в 2011 году число персональных компьютеров возросло до 39 ПК на 100 работников, то есть темп прироста составил 8,3%. В целом за весь исследуемый период показатель вырос на 70%. 29 Последний показатель по использованию персональных компьютеров - распределение организаций, использовавших ПК, по субъектам РФ. Отметим, что в 2011 году лидирует Северо-Кавказский федеральный округ, 95,6% организаций в этом регионе используют персональные компьютеры. При этом в 2005 году этот регион являлся самым отстающим: всего 87,9% организаций использовали ПК. Таким образом, за 6 лет регион не только перестал был последним по использованию ПК организациями, но еще и вырвался в лидеры. При этом в Чеченской республике использование ПК достигло 100% распространенности, Ставропольский край также стремится к абсолютному значению (99,9% организаций используют ПК). Среди проблемных республик можно выделить Карачаево-Черкесскую Республику (85,1% и Северную Осетию-Аланию (88,4%). Дальневосточный… Южный… Сибирский… Российская Федерация Центральный федеральный округ Приволжский… Северо-Западный… Уральский… Северо – Кавказский федеральныый округ 87.9 84.0 86.0 88.0 91.1 90.1 92.2 89.9 93.4 89.9 94.1 91.1 94.3 91.0 95.1 90.2 95.2 93.4 95.3 95.4 95.6 90.0 92.0 94.0 96.0 2011 2005 98.0 Рис. 5. Удельный вес организаций, использовавших ПК, по Федеральным округам, % На втором месте – Уральский федеральный округ. Это единственный округ, использование ПК по которому снизилось, хоть и незначительно. В 2011 году 95,3% организаций использовали ПК, а в 2005 – 95,4%. Уральский федеральный округ в 2005 году являлся лидером по 30 использованию ПК, однако за 6 лет особого развития по использованию ПК не произошло, регион остался на том же уровне использования персональных компьютеров организациями. В этом регионе в Курганской области 100% использовали ПК, хотя в 2005 году это была отстающая область. Упали показатели использования ПК в Тюменской области с 99,5% в 2005 до 95,3% в 2011 году. Также упал показатель использования ПК в Челябинской области, помимо этого она является самом отстающей на 2011 год - 91,3% организаций использовали ПК. Тройку лидеров замыкает Северо-Западный федеральный округ. Здесь удельный вес организаций, использовавших ПК, вырос с 93,4% в 2005 году до 95,2% в 2011. Интересно, что в Санкт-Петербурге 98,6% организаций используют ПК, в то время как в Республике Карелии этот показатель достиг 99,8%, снизившись на 0,2% со 100% в 2005 году. Также неплохой показатель у Новгородской области - 98,2% в 2011 году. Заметно отстает в 2011 году республика Коми – всего 84,2% организаций используют персональные компьютеры. Приволжский федеральный округ занимает 4-е место. 95,1% организаций использовали ПК в 2011 году, в 2005 году – 90,2%. Лидерами по округу являются: Оренбургская область (99,2% организаций использовали ПК в 2011 году), Республика Татарстан (соответствующий показатель достиг 99,1% в 2011 году). Относительно слабая распространенность отмечена в Республике Мордовии (88%), в Кировской области (88,9%). 5-е место отдано Центральному федеральному округу во главе со столицей Москвой, в которой 100% компаний используют персональные компьютеры. В целом по региону в 2011 году 94,3% компаний используют ПК, в то время как в 2005 году этот показатель составил 91%. Помимо Москвы среди лидеров округа можно выделить Рязанскую область, где 99,5% организаций используют ПК, а также Смоленскую область, здесь 98,3% организаций используют ПК. Среди аутсайдеров назовем 31 Тамбовскую область, всего 82,8% организаций используют ПК. В целом по региону доля организаций, использующих персональные компьютеры, выше, чем в среднем по стране. Далее следуют округа, где в среднем распространенность ПК ниже, чем по стране. Среди таких округов Сибирский федеральный округ. 93,4% организаций используют ПК в 2011 году, в 2005 году – 89,9%. Так, показатель распространенности персональных компьютеров среди организаций возрастает год от года. В то же время отсталость округа не означает отсутствие областей, использование ПК в которых находится на уровне выше, чем среднее значение по России. Например, 100% организаций используют ПК в Забайкальском крае, 98,5% - в Томской области, 97,8% - в Иркутской области. Однако такие регионы как Республика Алтай (95,2%), Красноярский край (93,1%), Новосибирская область (92%) не позволяют региону подняться до средних показателей страны в целом. Рассмотрим также Южный федеральный округ. 92,2% организаций использовали ПК в 2011 году и 89,9% - в 2005. При этом в Республике Адыгее 100% компаний использовали ПК как в 2005, так и в 2011 годах. Хорошие показатели также у Республики Калмыкии (98,1%) и Астраханской области (98,9%). Что касается областей, использование ПК в которых отстает от средних по стране, можно назвать Волгоградскую область (88,5%) и Ростовскую (89,2%). Наименее развит в плане распространенности использования ПК Дальневосточный федеральный округ. 91,1% организаций и 90,1% в 2011 и 2005 годах соответственно использовали персональные компьютеры. То есть за 6 лет показатель вырос всего на 1%. Без абсолютного лидера не обошлось однако и в этом округе: в Хабаровском крае 99,5% организаций использовали ПК в 2011 году, в Чукотском автономном округе процент организаций составил 99,1%. Ниже среднего по округу имеют показатели 32 следующих областей: Приморский край (89,4%), Амурская область (81,1%), Еврейская автономная область (90,9%) в 2011 году. Что касается использования Интернета, здесь изменения более глобальны. Заметно увечился процент компаний, использовавших Интернет, в таких секторах как: предпринимательский сектор (с 59,5% до 85,4% в 2005 и 2011 годах соответственно), здравоохранение (с 47,8% до 94,4% в 2005 и 2011 годах соответственно), культура и спорт (39,6% до 62,6% в 2005 и 2011 годах соответственно), государственное управление (с 41% организаций в 2005 году до 87,6% организаций в 2011). Лидером по использованию Интернета является высшее профессиональное образование (91% и 97,6% соответственно в 2005 и 2011 годах). Анализируя использование Интернета предпринимательским сектором, можно отметить, что среднем по стране 85% организаций используют Интернет, что пока еще ниже, чем в таких странах как Республика Корея, Великобритания (95%), Германия (97%), Япония (99%). Использование Интернета в организациях Российской Федерации. Рассмотрим более подробно использование Интернета организациями по видам деятельности. Обозначим профессиональное здесь «пятерку» образование лидеров (97,6% 2011 организаций году: высшее использовали Интернет в 2011 году), связь (94,7%), операции с недвижимым имуществом, аренда и предоставление услуг, из них научные исследования и разработки (94,7%), здравоохранение и предоставление социальных услуг (94,4%), последнее место разделяют обрабатывающие производства (93,9%) и финансовая деятельность (93,9%). «Пятерка» аутсайдеров 2011 года выглядит следующим образом: деятельность по организации отдыха и развлечений, культуры и спорта (62,6%), операции с недвижимым имуществом, аренда и предоставление услуг (78,8%), деятельность гостиниц и ресторанов (80,3%), производство 33 и распределение электроэнергии, газа и воды (82%) и транспорт и связь (82,7%). То есть удельный вес организаций, использовавших Интернет, этих секторов в целом ниже, чем среднее значение по стране. Другие виды деятельности 90.2 17.7 Деятельность по организации отдыха и развлечений,… 62.6 39.6 Здравоохранение и предоставление социальных услуг 94.4 47.8 97.6 91.0 87.6 Высшее профессиональное образование Государственное управление и обеспечение военной… 41.0 из них научные исследования и разработки Операции с недвижимым имуществом, аренда и… 56.1 85.0 94.7 78.8 83.3 93.9 94.7 94.0 82.7 Финансовая деятельность из них связь Транспорт и связь 60.1 Деятельность гостиниц и ресторанов 88.6 55.2 Строительство 91.8 58.1 Производство и распределение электроэнергии, газа и… 82.0 53.2 Обрабатывающие производства 93.9 70.8 Добыча полезных ископаемых 73.6 Всего 10 20 30 40 50 60 91.2 84.8 53.3 0 2005 80.3 37.7 Оптовая и розничная торговля; ремонт… 2011 70 80 90 100 Рис. 6. Удельный вес организаций, использовавших Интернет, % Также как и распространенность ПК по субъектам РФ, рассмотрим распространенность Интернета среди российских организаций, ранжированных по субъектам РФ. Отметим, что использование Интернета глобально расширилось по всем субъектам. Если в 2005 удельный вес организаций, использовавших Интернет, варьировался от 48,3% до 59,7%, то в 2011 году аналогичный показатель варьируется от 80,7% до 89%. При этом среднее значение по России также значительно увеличилось: в 2005 году оно составило 53,3% организаций, а в 2011 – 84,8%. 34 Дальневосточный 80.7 56.3 Сибирский 81.2 49.4 Уральский 88.9 58.4 Приволжский 87.8 50.3 Северо – Кавказский 89.0 48.3 Южный 83.0 55.4 Северо-Западный 2005 88.6 59.7 Центральный 82.8 52.7 Российская Федерация 84.8 53.3 40 45 50 55 2011 60 65 70 75 80 85 90 Рис. 7. Удельный вес организаций, использовавших Интернет, по Федеральным округам, % Лидирует Северо-Кавказский федеральный округ, где 89% организаций использовали Интернет в своей деятельности в 2011 году, в 2005 году данный показатель составлял 48,3% организаций, то есть практически в 2 раза вырос процент использования Интернета компаниями в данном регионе. Среди лидеров округа можно выделить республику Дагестан (здесь 94,5% организаций использовали Интернет в 2011 году) и Ставропольский край (соответствующий показатель составил 96,1% организаций). Заметно отстают от лидеров Чеченская Республика (78,7% организаций использовали Интернет в 2011 году) и Карачаево-Черкесская Республика (76,2% организаций). В целом по округу ситуация такая же как с использованием компьютеров: в 2005 году регион был одним из самых отстающих, однако к 2011 году вырвался в лидеры, благодаря наибольшим темпам прироста по использованию ПК и Интернета. Незначительно отстает от лидера Уральский федеральный округ, в 2011 году здесь 88,9% организаций использовали Интернет, в то время как в 2005 году Уральский федеральный округ обгонял лидирующий СевероКавказский на 10% - 58,4% организаций использовали Интернет. Распределение внутри округа достаточно равномерное, за исключением низкого показателя использования Интернета в Челябинской области: 35 всего 84,1% организаций использовали Интернет. В других же областях использование Интернета варьируется от 90% до 93%. Так, наибольший удельный вес организаций, использовавших Интернет, отмечен в ЯмалоНенецком автономном округе (92,8% организаций), затем идет ХантыМансийский автономный округ – Югра (92,2% организаций использовали Интернет в 2011 году). Замыкает «тройку» лидеров Северо-Западный федеральный округ. В 2011 году здесь 88,6% организаций использовали Интернет, а в 2005 году – 59,7%, что позволило в 2005 году этому региону занимать лидирующее положение. Максимальный удельный вес организаций, использовавших Интернет, отмечено в республике Карелии (98,1%). Затем идет г. СанктПетербург (96,2%). Значительно отстает показатель в республике Коми (76,1% организаций). Также удельный вес организаций, использовавших Интернет, выше среднего значения по стране в Приволжском федеральном округе. Здесь 87,8% организаций использовали Интернет в 201 году и 50,3% - в 2005. Среди лидирующий областей можно отметить республику Татарстан (95,9% организаций), Нижегородскую область (92,2% организаций) и республику организаций, Башкортостан (здесь использовавших соответственно Интернет составил удельный 92,5%). вес Среди «аутсайдеров» отметим Кировскую область (75,7%) и Пензенскую область (79,8%). Далее рассмотрим регионы с показателем использования Интернета ниже, чем средний уровень по России. В первую очередь под такой критерий попадает Южный федеральный округ. 83% организаций и 55,4% соответственно в 2011 и 2005 годах использовали Интернет. В республике Адыгее отмечено 92,1% организаций, использовавших Интернет, это наибольший по краю показатель. А наименьшее значение удельного веса организаций, 36 использовавших Интернет, зафиксировано в 2011 году в Волгоградской области (77,9%). Следующим рассмотрим Центральный Федеральный округ. Удельный вес организаций, использовавших Интернет, вырос с 52,7% в 2005 году до 82,8% в 2011. Москва несомненно является лидеров не только по этому округу, но и в целом по стране. Даже в 2005 году этот показатель был в Москве выше, чем среднее значение по России в 2011 году – 87% организаций использовали Интернет в 2005 году. К 2011 году показатель вырос до 98,5%. Курская область (64,4%), Брянская область (71,8%), Орловская область (74,6%) являются «аутсайдерами» по использованию Интернета в Центральном Федеральном округе в 2011 году. Предпоследнее место занимает Сибирский Федеральный округ: 81,2% организаций в 2011 году и 49,4% организаций в 2005 году использовали Интернет. В этом округе лидирует Томская область (96,4% организаций использовали Интернет), Кемеровская область (92,2% организаций). Отстают Омская область (74,8% организаций), республика Тыва (72,7%), Алтайский край (72,3%). Наименьший удельный вес организаций, использовавших Интернет, в 2011 году зафиксирован в Дальневосточном федеральном округе: 80,7% организаций в 2011 году и 56,3% организаций в 205 году использовали Интернет. Лидер здесь – Хабаровский край (92,6%), а отстает республика Саха (Якутия) (72,8% организаций) и Еврейская автономная область (76,4%). Наличие веб-сайта в организациях Российской Федерации Доля компаний, имевших собственный веб-сайт также значительно увеличилась практически по всем секторам. Лидером опять-таки является высшее профессиональное образование, здесь 79,1% организаций имеют собственный веб-сайт в 2011 году (в 2005 году 50%). На втором месте – сектор научных разработок и исследований (64,8% в 2011 году и 41,8% в 37 2005). Далее немного отстает сектор финансовой деятельности - 57,2% в 2011 и 38,8% в 2005). Среди отстающих – сфера культуры и спорта. Здесь всего 18,6% организаций имеют собственный веб-сайт. Отметим, что наиболее сильно вырос показатель по государственному управлению (с 8,2% в 2005 до30,5% в 2011 году) и по здравоохранению (7,4% в 2005 и 31,6% в 2011). Таким образом, отрасль высшего профессионального образования – лидер по использованию ИКТ-технологий (ПК, Интернет, веб-сайт), также сравнительно неплохие показатели имеют сектор финансовой деятельности и сектора научных исследований и разработок. Здесь доля организаций, имевших ПК, практически достигла точки насыщения, показатель увеличивается, но не в такой степени как по другим секторам, а вот использование Интернета и наличие собственного веб-сайта растет. Самый отстающий сектор по данным показателям – культуры и спорта. Среди наиболее развивающихся за последнее время можно назвать государственное управление и здравоохранение: здесь мы наблюдаем наибольшие темпы роста основных показателей ИКТ за последние 5 лет. так, в 2005 году эти сектора были одними из отстающих по России, а к 2011 году показатели по ним хоть и ниже лидеров, но разница заметно сократилась. Несмотря на динамичность развития ИКТ-технологий, их масштабы распространения ниже, чем в развитых странах, где использование ПК и Интернета организациями приближается к 100% (Финляндия, Нидерланды, Южная Корея и другие страны). Структура основных показателей ИКТ. Рассмотрим структуру основных показателей деятельности сектора ИКТ. Разделим виды экономической деятельности на 4: деятельность, связанная с оказанием ИКТ-услуг, деятельность в области электросвязи, оптовая торговля ИКТ-товарами и деятельность, связанная с производством ИКТ-оборудования. 38 Касательно среднесписочной численности работников, наибольшая часть приходится на обеспечение работников в деятельности в области электросвязи – 36,3%, практически такую же долю составляет деятельность, связанная с производством ИКТ-оборудования – 34,1%. Чуть меньше – 24,7% от общей численности составляют работники, чья деятельность связана с оказанием ИКТ-услуг. И наименьшую долю работников получает оптовая торговля ИКТ-услугами – всего 4,9% от общей численности работников в ИКТ-сфере. 100% 90% 24.7 13.8 7.6 Деятельность, связанная с оказанием ИКТ-услуг 80% 70% 60% 45.7 36.3 50% 40% 85.3 4.9 30% 20% 34.1 10% Среднесписочная численность работников Оптовая торговля ИКТ-товарами 18.2 22.3 0.4 6.7 Оборот Инвестиции в основной капитал 0% Деятельность в области электросвязи Деятельность, связанная с производством ИКТоборудования Рис. 8. Структура основных показателей ИКТ по видам экономической деятельности (%), 2011 год Немаловажно оценить оборот в сфере ИКТ. Здесь ситуация такова: наиболее высокий оборот характерен для деятельности в области электросвязи – 45,7% от общего оборота в сфере ИКТ, то есть практически половина всего оборота ИКТ. На втором месте – деятельность, связанная с производством ИКТ-оборудования (22,3%), немного отстает оптовая торговля ИКТ-товарами – 18,2%, и наиболее низкий оборот наблюдается в деятельности , связанной с оказанием ИКТ-услуг. Третий показатель - инвестиции. Здесь безусловный лидер – деятельность в области электросвязи (85% всех инвестиций в ИКТ). Затем 39 идет деятельность, связанная с оказанием ИКТ-услуг (7,6%), затем – деятельность, связанная с производством ИКТ-оборудования. Наименее привлекательной для инвестирования является оптовая торговля ИКТтоварами (0,4% всех инвестиций). Таким образом, наиболее значима в плане определения основных показателей деятельность в области электросвязи: здесь по всем показателям она является лидером (по количеству работников, по обороту и по показателям инвестирования). 2.2. Исследование позиции России в мировых рейтингах. Доля российского рынка ИКТ оценивается в 1,8% мирового, то составляет около 59,4 млрд долларов. Практически 30% мирового ИКТ рынка приходится на США, позволяя этой стране быть безусловным лидером. Доля ИКТ рынка Западной Европы составляет около 26%. Другие страны, 24.5% США, 28.0% Россия, 1.8% Индия, 2.2% Япония, 9.3% Западная Европа, 26.1% Китай, 8.1% Рис. 9. Мировой рынок ИКТ (%), 2011 По представленному графику можно видеть, что Россию опережают также страны БРИК, то есть «коллеги» по группе. К примеру, доля китайского ИКТ рынка составляет 8,1%, а Индии – 2,2%. Таким образом, Россия остается в толпе догоняющих стран, поскольку не сразу 40 включилась в борьбу ИКТ-компаний. «Наша экономика недостаточно емкая, и начали мы поздно. Россия поднялась на 3 позиции с 77-го места в последний год, в соответствии с ежегодным исследованием Всемирного Экономического Форума. Россия может рассчитывать на довольно устойчивое развитие ИКТ, благодаря инфраструктуре (42-е место), построенной на удовлетворительном уровне образовательных услуг (59-е место) и достаточно высоком уровне индивидуальной готовности и использования ИКТ (55-е место). В тоже время ряд особенностей продолжают мешать России развиваться в сфере ИКТ. Среди таких особенностей достаточно бедный рынок ИКТ (118-е место), слабая нормативная база (111-е) и низкий уровень готовности и использования ИКТ бизнес-сектором (90-е и 72-е место соответственно). Россия находится на 135-ом месте по расходам на установку телефонной связи для жилого сектора и на 133-ем месте для бизнессектора, что дороже, чем в США, но дешевле, чем в большинстве стран из высшего рейтинга. К тому же еще одна особенность российского развития – уровень свободы прессы и защиты прав собственности, здесь стране еще остается к чему стремиться, что подтверждает рейтинг: 127-я позиция страны. Конкурентное преимущество страны – показатель широкополосного доступа в Интернет (9-е место). Что касается лидеров, Швеция и Сингапур продолжают возглавлять рейтинг, опережая показатели Финляндии, Швейцарии и Соединенных Штатов. Стоит рассмотреть несколько индексов, характеризующих развитие ИКТ Российской Федерации в сравнении с мировыми державами. Наиболее часто используются следующие индексы: Индекс стран по уровню развития ИКТ; Индекс готовности стран к сетевому миру; 41 Индекс развития электронного правительства. Индекс стран по уровню развития ИКТ Индекс развития информационно-коммуникационных технологий – агрегированный показатель, который характеризует достижения стран в контексте развития ИКТ. Данный индекс рассчитывается по методике Международного союза электросвязи (International Telecommunication Union) c 2007 года на ежегодной основе. Индекс стран по уровню развития ИКТ разрабатывается на основе 11 показателей, таких как доступ и использование ИКТ, уровень практических навыков использования ИКТ населением. Можно выделить 3 субиндекса: субиндекс доступа, использования и навыков. На основе субиндексов странам выставляются баллы, и затем по следующей формуле составляется интегрированный индекс: I xi x min , где xi – значение для определенной страны, xmax – x max x min максимальное значение среди стран, xmin- соответственно минимальное. Он позволяет сравнивать достижения стран на глобальном уровне, а также прослеживать динамику изменения положения стран по уровню развития ИКТ. На протяжении нескольких лет, а также в исследуемом 2011 году лидирующее место занимает Южная Корея, в «пятерку» входят также Швеция, Исландия, Дания, Финляндия. Здесь значения индекса варьируются от 7,87 до 8,40. Темп расширения доступа и использования ИКТ в этих странах достаточно высок, уровень доходов в лидирующих странах также высок, с учетом, что корреляция между развитием ИКТ и объемами ВВП высокая, этот факт способствует тому, что страны остаются на лидирующих позициях. В связи с развитием информационного общества, все больше стран, в том числе и развивающихся, добивается существенных улучшений по индексу развития ИКТ. К таким странам относится и Российская 42 Федерация. Значение индекса для России в 2011 году 6,0, что позволяет ей занимать 38 место среди стран. Помимо России среди «динамичных» стран можно выделить Кипр, Марокко, Молдову, Катар, Вьетнам и другие. В таких странах темпы роста выше, чем в среднем по всем странам. Следует отметить, что все 152 исследуемые страны улучшили показатели с 2007 года, что также можно подтвердить фактом непрерывного процесса вовлечения ИКТ в современную жизнь: все большее число людей имеет доступ к ИКТ, например, значительно выросли показатели использования широкополосной связи и Интернета. Все же между странами заметны серьезные различия, так индекс колеблется от 0,8 до 8,4 по шкале от 0 до 10. В среднем же уровень индекса в развивающейся стране составляет примерно половину от уровня развитых стран. Значительное отличие между развивающимися и развитыми странами состоит в том, что в развивающихся странах заметно улучшает позиции субиндекс доступа к ИКТ, в то время как темпы роста субиндекса использования заметно отстают. В развитых же странах население пришло к точке насыщения, поэтому субиндекс доступа практически не изменяется год от года, а вот субиндекс использования и навыков продолжает показывать положительные результаты. Это и логично, в основном разработками в области ИКТ занимаются развитые страны, в то время как развивающиеся только стремятся занять свою нишу, вовлекая большую часть населения в использование ИКТ. В целом по странам субиндекс использования вырос на 0,62 пункта за последние 2 года, субиндекс доступа всего на 0,48. То есть можно сказать о том, что в целом страны переходят к интенсивному использованию информационно- коммуникационных технологий, в том числе и Россия. 43 Индекс готовности стран к сетевому миру Индекс сетевой готовности – агрегированный показатель развития ИКТ. Данный индекс разрабатывается Всемирным экономическим форумом и международной школой бизнеса INSEAD с 2002 года. Индекс измеряет развитие ИКТ по 53 параметрам, которые авторы объединяют в 3 основные группы: наличие условий для развития ИКТ, готовность граждан, деловых кругов и государственных органов к использованию ИКТ и уровень использования ИКТ в общественном, коммерческом и государственном секторах. Данный индекс считается одним из наиболее авторитетных в рамках развития ИКТ. В «десятку» лидеров 2012 года вошли следующие страны: Швеция, Сингапур, Финляндия, Дания, Швейцария, Нидерланды, Норвегия, Соединенные Штаты, Канада и Великобритания. Страны БРИК занимают отстающие позиции, например, Китаю отдано 51 место. Среди недостатков можно назвать неразвитые институты, слабые места в политической и административной сфере, бизнес-климат, - все это сдерживает страны БРИК от последующих улучшений в сфере ИКТ. Россия в международном рейтинге занимает 55-ю позицию, между Казахстаном и Панамой. Сильные стороны России – высокий уровень проникновения мобильной связи и грамотность взрослого населения. Слабые стороны – плохой бизнес-климат, недостаточно развитая законодательная база, ограничивающая развитие страны в сфере ИКТ, слабая восприимчивость компаний и государственного сектора к развитию информационно-коммуникационных технологий и внедрению их в свою непосредственную деятельность. Отметим, что положение России за последние несколько лет улучшилось, но она еще отступает от показателей развитых стран, к тому же отступает Китаю и Казахстану. В силу постоянного развития ИКТ и создания международного рынка ИКТ нельзя не отметить тенденцию всего мира по использованию 44 информационно-коммуникационных технологий. Неравенство существует, как я отмечала и ранее. Развитые страны перешли к интенсивному использованию ИКТ, в то время как развивающиеся еще остаются на стороне экстенсивного. Некоторые африканские страны все еще недостаточно готовы к принятию ИКТ. Одна из причин – слабая инфраструктура, для ее развития необходимы большие финансовые вложения. Кроме того низкий уровень компетенций не позволяет этим странам эффективно использовать информационно-коммуникационные технологии. Индекс развития электронного правительства. Индекс развития электронного правительства – агрегированный индекс готовности и возможности национальных государственных структур в использовании информационно-коммуникационных технологий (ИКТ) для публикуется предоставления гражданам с под 2001 года государственных услуг. руководством Департамента Он по экономическим и социальным вопросам ООН раз в 2 года. Индекс развития электронного правительства рассчитывается на сумма трех субиндексов, каждый из которых имеет равнозначный вес: субиндекс электронных услуг, субиндекс телекоммуникационной инфраструктуры, субиндекс человеческого капитала. Для расчета субиндекса электронных услуг специалисты оценивают сайт правительства с точки зрения доступности, удобства, понятности, функционала сайта, возможности легко найти нужную информацию. При расчете субиндекса инфраструктуры используются следующие показатели: количество пользователей Интернета на 100 жителей, количество фиксированных телефонных линий на 100 жителей, количество абонентов мобильной связи на 100 жителей, количество абонентов фиксированного Интернета на 100 жителей, количество абонентов фиксированного ШПД на 100 жителей. При этом каждый показатель нормируются и выставляется 45 балл от 1 до 10. Субиндекс человеческого капитала рассчитывается на основании доли грамотных среди взрослого населения и доли населения, поступившего в учебные заведения. Практически все страны показатели ухудшение по данному субиндексу в 2012 году. «Десятка» лидеров здесь следующая: Нидерланды, Великобритания, Дания, США, Франция, Швеция, Норвегия, Финляндия, Сингапур. До 2011 года положение России оставалось плачевным: Россия занимала места в шестом десятке. Однако в 2012 году тенденция переменилась и Россия прыгнула с 56-го места на 27-е. Скачок вызван тем, что Россия за последние 2 года сделала много в сфере организации единого портала сервисов, системы межведомственного взаимодействия, что позволяет населению получать электронные услуги. А этому уделяется немалое место при составлении интегрированного показателя развития электронного правительства. 0.968 0.721 0.885 Подындекс развития человеческого капитала Подындекс развития инфраструктуры 0.326 Подындекс развития электронныхуслуг 0.658 0.439 Индекс развития электронного правительства 0.5 Средний мировой показатель Россия 1 0.66 0.496 0 Показатель лидера 0.878 0.928 0.735 1 1.5 Рис. 10. Индекс развития электронного правительства Отметим, что значения индексов для России выше, чем средние по миру, однако заметно отстают от лидирующей Кореи. Здесь мы видим, что индекс развития электронного правительства в России составляет 0,735, средний мировой показатель – 0,496, а лидера – 46 0,928. Кроме того Российская Федерация отнесена к числу новых (растущих) лидеров в области развития электронного правительства. Сравнение показателей ИКТ России с показателями стран мира. Рассмотрим использование Интернета в организациях по странам мира. 105% 100% 100% 99% 99% 97% 97% 96% 96% 95% 95% 94% 91% 90% 85% 85% 84% 79% 80% 75% 70% Рис. 11. Использование Интернета организациями (удельный вес организаций, использовавших Интернет (%), 2010 год) Как видно из графика, в лидирующих странах ЕС использование Интернета достигает 95-100%. Россия находится примерно на таком же уровне распространенности Интернета среди организаций предпринимательского сектора, как Болгария. В Болгарии удельный вес организаций, использовавших Интернет, составил 85%, в то время как в России – 94%. Отстает от России Румыния (79%) и другие страны такие как Казахстан (60%), Киргизия (46%). Как было показано ранее, Интернет-технологии развиваются динамично, как в России, так и в целом мире. Однако масштабы распространения в России все же отстают от мировых. В лидирующих 47 странах ЕС доступ к Интернету составляет практически 100%, в то время как в России данный показатель ниже. По распространению широкополосного доступа Россия уступает развитым странам весьма значительно. Например, в России доля организаций предпринимательского сектора, использовавших широкополосной доступ к Интернету, в 2010 году составила 65%, в то время как в республике Корее этот показатель составил 99%, Японии – 80%, в странах ЕС – 85%. Как было отмечено, треть российский организаций имеет веб-сайт среди предпринимательского сектора. Мировая тенденция здесь такая же, как и по использованию Интернета организациями предпринимательского сектора, а именно значительное отставание российского уровня от мирового. В Швеции, Японии 86-90%: организаций имеют собственный веб-сайт. В России удельный вес организаций предпринимательского сектора, имеющих веб-сайт, составила 35,3% в 2010 году. Примерно на таком же уровне распространения веб-сайтов находится Болгария (37%) и Румыния (35%). В последнее время все большую значимость приобретает электронная торговля. Оживление электронной торговли началось с 2010 года, когда доля организаций предпринимательского сектора, использующих Интернет при продажи товаров, увеличилась до 15%, при закупке же – до 23%. Здесь тенденция сопоставима со странами ЕС. В странах ЕС доля организаций, использовавших Интернет, для получения заказов составила 13% в среднем, для размещения заказов – 27%. Однако электронные продажи в России не так распространены, как в странах ЕС: уровень европейских онлайн-продаж превышает российский практически в 2 раза (14% и 7% соответственно). 48 70% 65% 57% 60% 53% 50% 40% 40% 39% 26% 30% 23% 22% 21% 20% 19% 10% 0% Рис. 12. Организации, использовавшие Интернет для закупки товаров (%), 2010 год На данном графике показано, что в контексте удельного веса организаций, использовавших Интернет для закупки товаров в 2010 году, Россия не отстает от большинства стран. Так, наиболее высокий удельный вес организаций, использовавших Интернет для закупки товаров, отмечен в Канаде (65%). Россия же находится примерно на такой же позиции, как Литва (26% организаций использовали Интернет для закупки товаров) и Португалия (здесь соответствующий показатель составил 22%). В России же, как было отмечено, 23% организаций использовали Интернет для закупки товаров. 5.00% 4.50% 4.00% 3.50% 3.00% 2.50% 2.00% 1.50% 1.00% 0.50% 0.00% 4.40% 3.90% 3.40% 2.90% 2.30% 1.70% 1.10% 0.90% 0.70% Рис. 13. Внутренние затраты на исследования и разработки (% к ВВП), 2011 год 49 По абсолютному уровню затраты на научные разработки находятся примерно в России на таком же уровне как в европейских странах, однако при расчете затрат, как доли от ВВП, Россия заметно уступает странам ЕС. На графике видно, что затраты на исследования и разработки для России составил 1,1% от ВВП в 2011 году, в то время как в Швеции – 3,4%, в США - 2,9%. Опережает Россия разве что такие страны как Украина (здесь показатель составил 0,9%), Польшу (0,7% от ВВП). Расходы на научные разработки и исследования в России значительно отстают от лидеров (США – 2,9% ВВП, Китая – 1,8% ВВП, Республики Корея – 3,74% ВВП, Японии – 3,4% ВВП). Результативность научных исследований в России и степень их мирового признания также оставляет желать лучшего. По данным WEB of Science (Essential Science Indicators) по общему числу публикаций Россия занимает 14-е место, по общему числу ссылок – 23-е место. Финансирование науки увеличивается, однако этого недостаточно: происходит процесс недостаточного старения притока научно-инженерных молодых ученых. Так, кадров средний в виду возраст исследователя составил 48 лет в 2011 году. В результате в России сектор высшего образования составляет 9% от внутренних затрат на исследования и разработки, тогда как в США – 13,5%, Германии – 18%, Франции – 21,3%. 2.3. Обзор современного прогноза развития отрасли ИКТ. Сектор ИКТ является одним из приоритетных направлений развития и модернизации общества. Поэтому инвестиции в отрасль ИКТ способствуют стратегическому и долгосрочному улучшению положения страны на мировой арене. Россия является динамично развивающимся игроком по развитию ИКТ в рамках мирового уровня, темпы роста рынка ИКТ зачастую превышают мировой уровень. Однако в тоже время страна пока далека от 50 звания крупного участника глобального рынка ИКТ и пока еще не входит даже в 20-ку крупнейших его субъектов. В соответствии с прогнозом долгосрочного социально- экономического развития России на период до 2030 года ключевыми вызовами для России в области ИКТ являются [14]: 1. ускорение темпов развития отрасли; 2. усиление конкурентной борьбы; 3. изменение социально-демографических условий; 4. повышение эффективности государственного участия в развитии отрасли ИКТ; 5. повышение привлекательности сектора для внешних инвестиций. При этом необходимо комплексное развитие и внедрение ИКТ во все отрасли экономики. Пока что нет значимых заделов в таких отраслях как энергетика, геномная медицина, сельское хозяйство. Выделяют 3 варианта развития сектора ИКТ в России. 1. Вариант инерционного импортоориентированного технологического развития. Данный вариант развития является консервативным, характеризуется ослаблением инновационной системы, недостаточностью отечественных разработок сфере инноваций и ИКТ, использованием зарубежных технологий. При этом государственные расходы на исследования и разработки останутся практически на прежнем уровне от ВВП (1-1,5% от ВВП). Доля частных расходов также не позволит стране вырваться в мировые лидеры: к 2030 году она не достигнет даже 40%. Для примера в Китае доля негосударственного сектора составляет более 80%. Таким образом, при данном сценарии показатели Российского сектора ИКТ только ухудшатся по сравнению с мировым уровнем и уровнем стран ЕС в частности. Поэтому необходимо создать системы мер, которая не позволит стране идти по такому сценарию. 51 2. Вариант догоняющего развития и локальной технологической конкурентноспособности Данный вариант соответствует инновационному сценарию. Здесь главное отличие от предыдущего сценария состоит в том, что будут использоваться не только зарубежные технологии, но также и будет осуществляться локальное внедрение отечественных разработок. Внутренние затраты на исследования и разработки увеличатся до 2,5% к 2030 году, доля частных расходов превысит 35% к 2030 году. Среди положительных сторон такого сценария развития можно выделить то, что будут использоваться отработанные технологии, что уменьшит инновационные риски. Среди минусов отметим тот факт, что при этом будет существовать жесткая необходимость конкурировать с производителями аналогичной продукции. К тому же инвестиционный климат требует улучшений. Данный сценарий может привести к зависимости страны от импорта технологий, а, значит, ослаблению собственной технологической базы страны, что усиливает внешние риски. 3. Вариант лидерства в ведущих научно-технических секторах и фундаментальных исследованиях. Этот вариант соответствует форсированному сценарию. Главная особенность его состоит в том, что необходима модернизация сектора НИОКР, повышение эффективности его работы, улучшение позиций России на мировом рынке высокотехнологичной продукции. Однако стоит отметить, что данный сценарий является более затратным по сравнению с другими 2-мя. Он предполагает увеличение государственного финансирования научных исследований и разработок, поиск новых ресурсов для инновационной деятельности в сфере ИКТ. Таким образом, по данному сценарию внутренние затраты возрастут к 2020 году до 2% ВВП, а к 2030 году – до 3% ВВП, при этом доля частных коммерческих расходов составит около 30% к 2030 году. 52 Большинство представителей сектора ИКТ отмечают, что в России нет правовых норм, нет комплексной государственной политики в сфере деятельности ИКТ. К тому же существует дефицит высококвалифицированных специалистов в области ИКТ. По мнению Натальи Тихомировой, ректора Московского государственного университета экономики, статистики и информатики, уменьшить дефицит работников может только сотрудничество бизнеса и вузов. Несовершенства налоговой базы, валютно-таможенного регулирования, административного контроля тормозят развитие ИКТ в России. Еще один недостаток состоит в слабом развитии регионов, которые значительно отстают от федерального центра. Мировой опыт показывает необходимость развития технологий и их повсеместного использования. Но традиционное российское мировоззрение не всегда готово принять кардинальные изменения. Так, новые технологии в образовании связаны прежде всего с дистанционным обучением, с изменением стандартов и требований, предъявляемых как к преподавателям, так и к школьникам и их родителям. Для нашей страны это важно, так как школы и институты являются серьезной базой для развития информационных технологий. Это необходимо для повышения доступности образовательных услуг, улучшения их качества, что в дальнейшем будет определять место России. Выводы по второй главе. Во второй главе была проанализирована текущая ситуация российского рынка информационных услуг, были выявлены слабые и сильные стороны страны. В целом России еще предстоит проделать большую работу, чтобы достичь показателей стран-лидеров. Использование ИКТ населением уже выходит на уровень европейских стран по некоторым показателям (использование мобильной связи, 53 Интернета), однако использование ИКТ государством и бизнесом пока еще находится на уровень ниже. В первую очередь среди возможных мер по развитию ИКТ в стране стоит обратить внимание на стимулирование бизнеса по использованию ИКТ, развитие регионов, а именно уменьшение дифференциации между Центральной частью страны и остальными федеральными округами. В настоящее время ведется активная государственная политика, как по поддержке предпринимательского сектора, так и по развитию отстающих регионов, но это является недостаточным. Необходимо время для перестроения, государственное финансирование и эффективные шаги по улучшению позиций страны, учитывающие все ее особенности. 54 Третья глава. Исследование взаимосвязи основных показателей информационно-телекоммуникационной деятельности. В современных исследованиях идут дискуссии на тему влияния информационно-коммуникационных технологий на экономический рост страны. Также использования применения. достаточно много информационных Чтобы понять, исследований технологий отчего касается и причин последствий зависит их использование информационных услуг, необходимо провести не только описательный анализ динамики основных информационно-коммуникационных технологий, а также изучить связи между показателями, влияющими на информационные услуги. 3.1. Предварительный использование анализ данных, характеризующих информационно-коммуникационных технологий. Для анализа были взяты данные из статистических сборников Федеральной службы государственной статистики (Росстат), а также данные статистического сборника Национального Исследовательского Университета Высшей Школы экономики «Информационное общество: тенденции развития» за 2009 и 2011 года. Данные представлены в виде ранжированных по субъектам РФ показателям, характеризующим информационно-телекоммуникационную деятельность организаций, по 78 субъектам РФ. Для анализа я взяла 21 основной показатель. Структура показателей была представлена в первой главе. Кратко охарактеризуем каждый из показателей. 55 Таблица 2. Структура используемых показателей ИКТ. Число созданных технологий Всего затраты на исследования и разработки Человеческие ресурсы Динамика числа организаций Материальные ресурсы и технологии Структура показателя Затраты и основные макроэкономические показатели Показатель Комментарий Лидером по числу созданных и используемых технологий является Центральный федеральный округ. Около трети всех технологий было создано и используется в Центральном федеральном округе (411 и 63078 технологий соответственно). При этом лидерство принадлежит Москве и Московской области. В Санкт-Петербурге создано самое большое число производственных технологий – 190 (против Москвы, в которой было создано 174 технологии). Северо-Кавказский федеральный округ отстает от других округов по показателям создания и использования производственных технологий (12 и 2012 технологий соответственно). Число используемых технологий Число выданных патентов Наиболее высокие затраты отмечены в Центральном федеральном округе (468287654 тыс. рублей затраты на научные исследования и разработки и 244855266,3 тыс. рублей затраты на информационные и коммуникационные и технологии). Меньше всего затраты на разработки в СевероКавказском федеральном округе - 4239964,8 тыс. рублей и 5797410,9 тыс. рублей соответственно). научные Затраты на информационные коммуникационные технологии Отгружено товаров собственного производства, выполнено работ и услуг В Центральном федеральном округе отгружено товаров, выполнено работ и услуг - 8732426553,4, объем Объем инновационных товаров, работ, инновационных товаров, работ, услуг - 66997067,3. В СевероКавказском - 351872978,3 и 21465,1 соответственно. услуг организаций промышленного производства и сферы услуг Число организаций, использовавших ИКТ Число организаций, использовавших Интернет Число организаций имевших веб-сайт в Интернете Число организаций, использовавших глобальные информационные сети, кроме Интернета Число организаций, осуществлявших По всем показателям, кроме удельного веса организаций, осуществлявших инновационную активность, лидирует продажу по заказам, полученным по Центральный федеральный округ. По инновационной глобальным информационным сетям – активности лидирует Уральский федеральный округ, где 15% всего Число организаций, имевших CRM, ERP, организаций осуществляли инновационную деятельность в 2011 году. SCM системы Число организаций, выполнявших научные исследования и разработки, единиц Число организаций, проводивших обучение специалистов и пользователей ИКТ– всего Удельный вес организаций, осуществлявших инновационную деятельность Численность работников списочного Центральный федеральный округ и здесь является состава в секторе ИКТ, человек полноценным лидером. В нем отмечено наибольшая численность работников ИКТ-сферы (429385,0), специалистов Численность специалистов по ИКТ ИКТ (11757) и работников, использовавших в своей деятельности ИКТ-технологии (6719320,0). Наименее высокие Численность работников организаций, показатели у Северо-Кавказского федерального округа (32263, использовавших ИКТ – всего 385, 594743 человек соответственно). 56 На основании показателей использования ИКТ, мною был составлен рейтинг по информационно-коммуникационной активности федеральных округов: - Центральный федеральный округ; - Приволжский федеральный округ; - Сибирский федеральный округ; - Северо-Западный федеральный округ; - Уральский федеральный округ; - Южный федеральный округ; - Дальневосточный федеральный округ; - Северо-Кавказский федеральный округ. При этом отметим, что различие между лидирующими округами и отстающими глобальное. Выявление аномальных наблюдений. Для того, чтобы избежать аномальных наблюдений, были построены ящичковые диаграммы. Рис. 14. Ящичковая диаграмма для показателя, характеризующего число организаций, выполнявших научные исследования и разработки, единиц. 57 Здесь мы видим наличие аномальных наблюдений, которые рекомендуется исключить из анализа. Это Москва, Санкт-Петербург, Московская область, Республика Татарстан. Построим ящичковую диаграмму для другого показателя. Рис. 15. Ящичковая диаграмма для показателя, характеризующего число организаций, проводивших обучение специалистов и пользователей ИКТ. Здесь аномальных наблюдений не выявлено. Аналогичная работа была проделана со всеми показателями. Поэтому можно проводить регрессионный анализ. Проверка на нормальный закон распределения. Также необходимо проверить данные на подчинение нормальному закону распределения с помощью критерия Пирсона. Этот критерий состоит в проверке нулевой гипотезы о том, что распределение подчиняется нормальному закону. Альтернативная гипотеза состоит в том, что распределение не подчиняется нормальному закону. И если 58 наблюдаемое, рассчитанное значение меньше критического, то нулевая гипотеза не отвергается. Проверим гипотезу о подчинении нормальному закону распределения. В качестве результирующего признака в дальнейшем в работе будет использован объем отгруженной продукции, выполненных услуг и работ. Проанализировав распределение данного показателя и, сравнив с нормальным законом распределения, становится ясно, что данные не подчиняются нормальному закону распределения. К тому же подобного рода выводы можно сделать на основании среднего значения, эксцесса и асимметрии. На основании графического представления данных, можно прийти к выводу, что построение линейной модели невозможно. Степенная модель регрессии будет, вероятно, лучше описывать исходный набор данных. 3.2. Исследование взаимосвязи показателей, характеризующих информационно-коммуникационную деятельность. Корреляционный анализ – метод анализа данных, который позволяет обнаружить зависимость между двумя и более показателями. Для определения степени зависимости переменных используют коэффициент корреляции, являющийся линейным и рассчитываемый по следующей формуле: r ( x x ) * ( y y) (x x) * ( y y) j 2 j В j 2 , где õ n j корреляционном õj анализе ,а y yj n . используются выборочные коэффициенты, которые необходимо проверить на значимость. То есть необходимо проверить значимость коэффициента корреляции, то есть проверить нулевую гипотезу о том, что коэффициент корреляции не значим, то есть H 0 : 0 на уровне значимости α. 59 Существует два способа проверки значимости генерального коэффициента корреляции. с помощью таблицы Фишера – Иейтса. с помощью распределения Стьюдента. Первый метод состоит в следующем: по таблице Фишера – Иейтса для уровня значимости α и числа степеней свободы n – 2 находится критическое значение rкр rтабл ( ; n 2) . Затем сравниваются наблюдаемое значение коэффициента корреляции (выборочного) с полученным критическим. Нулевая гипотеза отвергается и генеральный коэффициент корреляции считается значимым, если наблюдаемое значение по абсолютной величине оказывается больше критического, то есть если rнабл rкр . В противном случае гипотеза о том, что коэффициент незначим, не отвергается, и генеральный коэффициент корреляции считается незначимым. Второй метод основывается на расчете статистики t набл r 1 r 2 n2 , которая при истинности гипотезы H 0 : 0 имеет t – распределение с n-2 степенями свободы. Гипотеза отвергается и генеральный коэффициент корреляции считается значимым, если t набл t кр , где t кр St ( ; n 2) определяется по таблице t –распределения при уровне значимости α и числе степеней свободы n – 2. Вернемся к анализу показателей. С полной таблицей можно ознакомиться в приложении к работе (Таблица 5. Корреляционный анализ). Все коэффициенты корреляции, отмеченные в данной работе, значимы на уровне 5%. Отметим сильную, положительную взаимосвязь между числом организаций, проводящих обучение специалистов и пользователей ИКТ, и отгруженной продукцией собственного производства, выполненных работ и услуг собственными силами. Коэффициент корреляции равен 0,808. 60 Таким образом, обучение кадров должно быть важной задачей при развитии информационных технологий. Также достаточно высокие коэффициенты между числом организаций, проводивших обучение специалистов и использовавших пользователей ИКТ ИКТ, (0,932), а и числом организаций, также числом организаций, использовавших ИКТ по подвидам ИКТ (интернет, веб-сайты, глобальные информационные сети, CRM, ERP, SCM-системы). Умеренная корреляция между числом созданных и используемых технологий и отгруженной продукцией собственного производства, выполненных работ и услуг собственными силами (0,609 и 0,602 соответственно). Между числом созданных и использованных технологий и числом организаций, коммуникационные использовавших технологии, также информационно- умеренная, положительная, коэффициент корреляции равен 0,618. Еще одна умеренная, положительная взаимосвязь наблюдается между затратами на информационные технологии и числом организаций, использовавших ИКТ-технологии. Коэффициент корреляции составил 0,6. Также отметим наличие взаимосвязи между числом организаций, использовавших ИКТ, а также ИКТ по видам, отгруженной продукцией собственного производства, выполненными работами и услугами собственными силами. Здесь важно именно наличие положительной умеренной взаимосвязи, коэффициенты корреляции варьируются от 0,5 до 0,7. Помимо этого тесная, положительная взаимосвязь между числом работников и специалистов сектора ИКТ-технологий и отгруженной продукцией, выполненными работами и услугами собственными силами. При формировании политики государства по эффективному использованию ИКТ-технологий должны учитываться эти взаимосвязи. Они позволяют выработать политику, направленную на использование и создание новых технологий организациями, на увеличение отечественного 61 экспорта технологий, подъем патентной активности в России. Анализ корреляционной зависимости к тому же позволяет в дальнейшем строить эффективные модели и прогнозировать ситуацию в сфере ИКТ. 3.3. Исследование причинно-следственной показателями, характеризующими связи между информационно- коммуникационную деятельность. Исследование причинно-следственной связи между показателями — одна из основных задач общей теории статистики. После проведения корреляционного анализа необходимо описать математическую модель зависимости показателей. То есть необходимо построить уравнение регрессии, описывающее изменение коррелируемых величин и определяющее среднее значение результативного признака при каком-либо значении факторного. Для этого используем регрессионный анализ, который позволяет выявить факторы, оказывающие серьезное влияние на исследуемые показатели. Выбор той или иной модели связан со свойствами изучаемых показателей и их взаимосвязями. В данном случае будет использоваться степенная модель. В общем виде она представлена следующим образом: yˆ x a 0 x11 x 2 2 ... x n n , где n – количество исследуемых показателей. Уравнения регрессии нелинейной модели могут быть преобразованы в линейные зависимости путем логарифмирования или путем замены переменной. Соответственно, в степенной модели необходимо прологарифмировать уравнение регрессии для упрощения дальнейших расчетов. Для определения параметров a0 и a1 чаще всего используют метод наименьших квадратов (МНК). Смысл этого метода состоит в том, что теоретические значения результативного признака должны быть такими, при которых бы обеспечивалась минимальная сумма квадратов их 62 отклонений от эмпирических значений, что можно представить в виде формулы: S ( y yˆ x )2 min . В действительности мы сталкиваемся с зависимостью не двух признаков, а нескольких, что осложняет построение модели, поэтому необходимо применить пошаговую регрессию (используем метод пошагового включения). Суть этого метода состоит в постепенном включении параметров в модель, по одной, шаг за шагом. Первой переменной вводится та, коэффициент корреляции которой с результирующим признаком максимален, при этом зависимость может быть как прямой, так и обратной. Второй и последующей вводятся соответственно переменные с самой сильной корреляцией с результирующим признаком. При этом процедура введения переменных прекращается, когда уровень значимости превышает допустимое значение, то есть необходимо проверять с помощью F-статистики гипотезу о равенстве нулю при введении каждой новой переменной. В ходе анализа будут проверены гипотезы о значимости коэффициентов. Будет уместно здесь описать гипотезы, которые будут проверяться, так как они аналогичны для всех рассматриваемых ниже случаях регрессии. Итак, при проверке гипотезы о значимости отдельных коэффициентов регрессии, предполагается: H 0 : 0 , то есть величина у не зависит от х, а альтернативная гипотеза H1 : 0 . Если можно опровергнуть первоначальную гипотезу, то коэффициент регрессии значим. Здесь будет использована t-статистика ( t b1 ˆ S b1 ). Если tnabl tkr , то нулевая гипотеза отвергается. Гипотеза о значимости всей модели также будет проверена. Здесь проверяется нулевая гипотеза H 0 : 0 , используют критерий, основанный 63 на статистике Fnabl 1 QR / 2 R 2 /1 k 1 1 (1 R 2 ) /( n k ) Qe / 2 nk , критическое при этом Fcr F (k 1; n k ) . И если наблюдаемое значение больше критического, нулевая гипотеза отвергается, модель считается значимой. В качестве результирующей была выбрана переменная - Отгружено товаров собственного производства, выполнено работ и услуг собственными силами (без НДС, акцизов и других аналогичных платежей) организациями промышленного производства и сферы услуг). На первом шаге была включена в анализ переменная численность работников организаций, использовавших ИКТ (связь с результирующим признаком сильная, положительная, коэффициент корреляции 0,87). Следующий шаг - включение численности работников списочного состава в секторе ИКТ, человек (коэффициент корреляции 0,828). Третий шаг – включение в модель затрат на информационные и коммуникационные технологии (коэффициент корреляции составил 0,820). На четвертом шаге была включена переменная – число организаций, проводивших обучение специалистов и пользователей ИКТ– всего (коэффициент корреляции с результирующим признаком 0,808). Далее включение в модель факторов необходимо остановить, так как гипотеза о значимости включения факторов в модель отвергается при введении новых параметров. Все коэффициенты значимы на уровне 10%, модель значима на уровне 5%. Статистика для модели F=340,321. Коэффициент детерминации составил 0,949, скорректированный коэффициент детерминации 0,946. Коэффициент детерминации достаточно высок, что говорит о том, что данная модель обладает неплохой объясняющей способностью, анализ стандартной ошибки отклонения говорит о том, что возможно не все факторы учтены в модели. 64 С подробными характеристиками модели можно ознакомиться в приложении к данной работе (Таблица 6-1. Итоговое регрессионное уравнение (2011). Сводка модели; Таблица 6-2. Итоговое регрессионное уравнение (2011). Дисперсионный анализ; Таблица 6-3. Итоговое регрессионное уравнение (2011). Коэффициенты регрессии). Уравнение регрессии выглядит следующим образом: yˆ 491,27 x10,149 x20,359 x30,043 x40, 442 (23,967) (2,786) (4,986) (1,782) (5,060) R2 0,949, Fн 340,321, Sˆ 0,216 Здесь х1 - численность работников организаций, использовавших ИКТ – всего, х2 численность работников списочного состава в секторе ИКТ, человек, х3 - затраты на информационные и коммуникационные технологии – всего, х4 - число организаций, проводивших обучение специалистов и пользователей ИКТ– всего. Проверим остатки на нормальное распределение графически. Рис. 16. P-P-график для регрессионной модели. 65 Рис. 17. Гистограмма остатков для регрессионной модели. Графическое решение показывает, что остатки распределены нормально. Критерии для нормального распределения - степень, в которой участок для фактических значений совпадает с линией ожидаемых значений. В данном случае график остатков соответствует ожидаемым значениям достаточно хорошо, что показывает, что остатки распределены нормально. Коэффициенты регрессии здесь являются коэффициентами эластичности. При изменении на 1% численности работников организаций, использовавших ИКТ, объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами НДС, акцизов и других аналогичных платежей) (без организациями промышленного производства и сферы услуг) увеличивается на 0,149%. При увеличении численности работников списочного состава в секторе ИКТ на 1%, объем отгруженных товаров собственного производства, 66 выполненных работ и услуг собственными силами увеличится на 0,359%. При увеличении затрат на информационные и коммуникационные технологии на 1%, объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами увеличится на 0,043%. И, наконец, при увеличении числа организаций, проводивших обучение специалистов и пользователей ИКТ на 1%, объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами на 0,442%. Положительный знак при показателе, характеризующем затраты на информационные и коммуникационные технологии показывает, что российская наука постепенно отходит от преимущественно фундаментальной направленности, где ключевым звеном являлись будущие знания, переходит к развитию практической составляющей. Однако в России слабо развит корпоративный сектор, страна является скорее потребителем технологических инноваций из-за рубежа, нежели сама поставляет технологии за рубеж. Поэтому в уравнении не представлены показатели, характеризующие активность организаций по использованию информационных и коммуникационных технологий. Численность работников организаций, использовавших ИКТ и численность работников списочного состава в секторе ИКТ – ключевые факторы для страны, которые влияют на систему информационных и коммуникационных технологий в России. Помимо этого положительное влияние имеет количество компаний, проводивших обучение специалистов и пользователей ИКТ, поэтому государственную информационных политику и по эффективному коммуникационных технологий использованию необходимо в дальнейшем регулировать с учетом этого фактора. Построим аналогичную модель за 2009 год. Основные характеристики модели представлены в Приложении (Таблица 7-1. Итоговое регрессионное уравнение (2009). Сводка модели; Таблица 7-2. 67 Итоговое регрессионное уравнение (2009). Дисперсионный анализ; Таблица 7-3. Итоговое регрессионное уравнение (2009). Коэффициенты регрессии). Нет смысла описывать подробно метод включения переменных, поэтому перейдем к уравнению модели. Уравнение регрессии выглядит следующим образом: yˆ 1376,088 x10,523 x20,549 x31, 238 x14, 4 x50,34 (3,904) (3,955) (2,523) (2,989) (2,571) (2,206) R 2 0,928, Fн 185,55, Sˆ 0,451 Коэффициенты регрессионного уравнения значимы на уровне 5%, модель также значима на уровне 5%, поэтому можно делать выводы из регрессионного уравнения. Суммарная характеристика модели представлена в Приложении к работе. Здесь х1 - затраты на информационные и коммуникационные технологии – всего; х2 - число организаций, имевших CRM, ERP, SCM системы, х3 - численность работников организаций, использовавших ИКТ – всего; х4 - количество ПК в организациях; х5 - число организаций, осуществлявших продажу по заказам, полученным по глобальным информационным сетям – всего. Статистика для модели F=185,55. Коэффициент детерминации составил 0,928, скорректированный коэффициент детерминации 0,923. Коэффициент детерминации достаточно высок, что говорит о том, что данная модель обладает неплохой объясняющей способностью, анализ стандартной ошибки отклонения говорит о том, что возможно не все факторы учтены в модели. Проверим остатки на нормальное распределение графически. 68 Рис. 18. P-P-график для остатков регрессионной модели Рис. 19. Гистограмма остатков для регрессионной модели Остатки подчиняются нормальному закону распределения. При изменении на 1% затрат на информационные и коммуникационные технологии, объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами (без 69 НДС, акцизов и других аналогичных платежей) организациями промышленного производства и сферы услуг) увеличивается на 0,523%. При увеличении числа организаций, имевших CRM, ERP, SCM системы на 1%, объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами увеличится на 0,549%. При увеличении численности работников организаций, использовавших ИКТ – всего на 1%, объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами увеличится на 1,238%. При увеличении количества ПК в организациях на 1%, объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами увеличится на 1,4%. При увеличении числа организаций, осуществлявших продажу по заказам, полученным по глобальным информационным сетям – всего, объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами увеличится на 0,34%. Выделим общие факторы для двух моделей. Таблица 3. Сравнение регрессионных моделей. Показатель Коэффициент регрессии в 2011 году Коэффициент регрессии в 2011 году Численность работников организаций, использовавших ИКТ – всего 0,149 1,238 Численность работников списочного состава в секторе ИКТ, человек 0,359 - Затраты на информационные и коммуникационные технологии – всего 0,043 0,523 0,442 - - 0,549 1,4 - 0,34 Число организаций, проводивших обучение специалистов и пользователей ИКТ– всего. Число организаций, имевших CRM, ERP, SCM системы Количество ПК в организациях Число организаций, осуществлявших продажу по заказам, полученным по глобальным информационным сетям – всего 70 Коэффициент регрессии при затратах на информационные и коммуникационные технологии уменьшился, то есть влияние этой переменной ослабилось. Государство проводит активную политику по поддержке информационного бизнеса, а также компании все больше вовлекаются в использование информационных технологий. Это говорит о том, что раньше увеличение затрат было более значимым фактором. Также уменьшилось влияние численности работников организаций, использовавших ИКТ, так как уменьшился коэффициент эластичности на результирующий признак. В то же время появилось два новых фактора в 2011 году, не имевших значимого влияния в 2009. Так, число организаций, проводивших обучение специалистов и пользователей ИКТ – новый фактор, влияющий на объемы отгруженной продукции, выполненных работ и услуг. Это говорит о том, что необходимо повышать квалификацию персонала, связанного с использованием информационных услуг. 3.4. Исследование причинно-следственной показателями, характеризующими связи между информационно- коммуникационную деятельность, посредством снижения размерности признакового пространства. Компонентный анализ – метод многомерного статистического анализа, который состоит в снижении признакового пространства путем объединения первоначального набора данных в компоненты. В результате получается сжатое описание данных малого объема, включающее в себя практически всю информацию по первоначальным данным. Действие компонентного анализа состоит во вращении признакового пространства таким образом, чтобы дисперсия полученных компонент оказалась максимальной среди возможных линейных комбинаций, а векторы компонент были ортогональными. При этом компоненты упорядочены по убыванию дисперсии, что позволяет оценить вклад каждой компоненты в 71 объясненную дисперсию. Этот метод актуален при достаточно высоких корреляционных зависимостях между признаками, поскольку позволяет сделать некоррелированными между собой главные компоненты. Затем строится уравнение регрессии на главных компонентах, позволяющее оценить влияние каждой из компонент на результирующий признак. Так как в анализ я взяла только часть субъектов, поскольку аномальные наблюдения были исключены, а переменных достаточное количество, позволяющий уместным уменьшить будет провести признаковое компонентный пространство и анализ, построить уравнение регрессии на главных компонентах. Исходя из полученных результатов, с которыми можно ознакомиться в таблице в приложении (Таблица 8-1. Компонентный анализ; Таблица 8-2. Компонентный анализ. Объясненная дисперсия) было выделено 2 компоненты, отвечающих за ту или иную группу показателей. Напомним, что собственное значение должно быть больше единицы для того, чтобы мы могли учитывать вклад компоненты. На графике представлено визуальное решение, где по оси абсцисс обозначаются номера главных компонент, а по оси ординат – их собственные значения. Рис. 20. График собственных значений. 72 Первая компонента отвечает практически за все показатели, ее вклад составил 70,4% (собственное значение равно 11,269). Таким образом, она характеризует используемые ИКТ-технологии, инновационную активность и затраты на информационные и коммуникационные технологии. Вклад второй компоненты 8% (собственное значение при этом 1,291). Она отвечает за число созданных технологий, а также за численность специалистов ИКТ-сектора. Нельзя сказать, что данное разбиение является оптимальным, однако, используя другие методы компонентного анализа, я пришла к подобного рода результатам снова. Например, метод варимакс, который максимизирует разброс квадратов нагрузок для каждого фактора, также определяет 2 главные компоненты с таким же составом. Итак, компоненты были отобраны, теперь необходимо построить регрессионное уравнение, включающее данные компоненты. Уравнение выглядит следующим образом: yˆ 162754,79 z10,912 z20,045 (528,207) (38,984) (1,910) R 2 0,93, Fн 761,868, Sˆ 0,204 Полученная модель обладает следующими характеристиками: коэффициент детерминации R2 = 0,93; наблюдаемое значение Fн=761,686 достаточно велико, то есть модель значима на уровне 5%; Ŝ = 0,204. Модель значима на уровне 5%, коэффициенты значимы на уровне 10%, что позволяет делать выводы из модели. Подробные характеристики модели представлены в Приложении (Таблица 9-1. Регрессия по главным компонентам. Сводка модели; Таблица 9-2. Регрессия по главным компонентам. Дисперсионный анализ; Таблица 9-3. Регрессия по главным компонентам. Коэффициенты регрессии). Коэффициент детерминации достаточно высокий, что говорит о том, что модель обладает хорошей объясняющей способностью. 73 Итак, увеличение значения первой компоненты на 1% увеличит результирующий признак на 0,912%, увеличение второй компоненты увеличит объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами (без НДС, акцизов и других аналогичных платежей) организациями промышленного производства и сферы услуг) на 0,045%. Здесь опять-таки видно, что первая компонента играет гораздо более важную роль в анализе взаимосвязей информационных и коммуникационных технологий и несет в себе основные показатели использования информационно- коммуникационных технологий. Таким образом, было получено пространство, состоящее из 2-х компонент, которые включают в своей совокупности всю информацию, содержащуюся в первоначальном наборе данных. Это позволило убрать мультиколлинеарность между первоначальными показателями, что важно для построения регрессионной модели. Именно поэтому удалось построить модель, в которой значимы обе компоненты, характеризующие информационно-телекоммуникационную деятельность в России. 3.5. Исследование показателей, характеризующих информационно-телекоммуникационную деятельность, по их территориальной расположенности. Интересным является проследить тенденции по субъектам РФ, для этой цели воспользуемся методом кластерного анализа: Результат реализации иерархической агломеративной процедуры представлен в виде дендограммы. В процессе реализации процедуры разбиения на кластеры я использовала метод Варда, измеряя расстояния между групповыми объектами. В методе Варда в качестве расстояния между объектами берется прирост суммы квадратов расстояний объектов до центров кластеров, получаемый в результате их объединения. 74 Я разбила показатели на несколько кластеров и постаралась их проанализировать с точки зрения территориальной расположенности. В первую очередь стоит обратить внимание на тот факт, что практически в каждом кластере представлены области из разных Федеральный округов, однако тенденция все-таки есть. То есть разбиение округов неслучайно, оно соответствует развитию информационных услуг по областям. Более подробно с этим можно ознакомиться на дендограмме (Рис. 25. Дендограмма). Основные выводы из разбиения таковы. Первый кластер включает в себя преимущественно Уральский федеральный округ. Второй кластер можно охарактеризовать как кластер с наиболее высокой активностью в сфере информационных и коммуникационных технологий, в него вошли Москва, Московская область и Санкт-Петербург. Как было показано выше, именно в этих субъектах использование ИКТ-технологий являлось аномальным по сравнению со средними значениями наблюдением. Практически по всем исследуемым показателям в субъектах наблюдались максимальные значения признака, намного превышающие его средние значения. Третий кластер является неоднородным по территориальной расположенности, однако использование ИКТ-технологий здесь находится на среднем уровне. И, наконец, четвертый включает Северо-Кавказский и Дальневосточные округа, здесь использование ИКТ по большей части остает. Для проверки разбиения воспользуемся методом дискриминантного анализа. Цель дискриминантного анализа - классификация объекта на основе различных признаков, то есть отнесение его к одной из групп. И теперь остается только с помощью дискриминантного анализа проверить и уточнить результаты проделанной классификации. Лямбда Уилкса является стандартной статистикой, используемой для обозначения статистической значимости мощности дискриминации. 75 Принимает значения от 1 (отсутствие дискриминации) до 0 (полная дискриминация). Так как значения лямбды Уилкса низкие, а собственные значения высокие, следовательно, можно утверждать, что мы провели качественное разделение совокупности на кластеры. При помощи ЛямбдаУилкса производится тест на то, значимо ли в обеих группах отличаются друг от друга средние значения дискриминантной функции. В данном случае различие значимо. К тому же значение статистики заметно превосходит Лямбду-Уилкса. Так как значение F-статистики заметно превосходит лямбду, можно сделать вывод о том, что по переменным наблюдается значительное различие в средних значениях между кластерами. Корреляционный коэффициент между рассчитанными значениями дискриминантной функции и реальной принадлежностью к группе является высоким (Таблица 11-1. Дискриминантный анализ; Таблица 11-2. Дискриминантный анализ. Лямбда-Уилкса). Рис. 21. Канонические функции. График дает нам грамотное представление о том, как мы провели разбиение на кластеры. Может заметить, что облака кластеров находятся 76 на некотором удалении друг от друга, хотя некоторые значения являются спорными. А центроиды групп находятся на значительном отдалении друг от друга. Использование матрицы факторной структуры позволяет выявить, какие переменные «маркируют» или определяют отдельную дискриминантню функцию. Так, коэффициенты являются корреляциями между переменными в модели и функцией. Их можно рассматривать как факторные Таким образом, 85,9% значений было предсказано верно, что является достаточно высоким показателем. К тому же была построена территориальная карта (она расположена в приложении к работе. Рис. 26. Территориальная карта), по данной территориальной карте можем заметить, что некоторые значения находятся довольно близко к границе (центры расположены не слишком далеко от границ). То есть могут иметься спорные значения – отнесенные «не туда». Нормированные коэффициенты дискриминантной функции позволяют построить дискриминантные и с помощью них оценить попадание новой переменной в ту или иную группу. 3.6. Исследование причинно-следственной показателями, характеризующими телекоммуникационную деятельность, связи между информационнос дискретными зависимыми переменными. Иногда мы встречаемся с моделями, в которых необходимо в качестве фиктивной переменной принять зависимую переменную, то есть результирующий признак. В данной части работы я рассмотрю именно такого рода модели. Отметим, что модели могут быть бинарными и множественными. Бинарные модели – модели, в которых выбор стоит между двумя значениями: 0 или 1, во множественных же моделях мы 77 можем столкнуться с большим выбором. Однако в данной работе множественные модели будут проанализированы с точки зрения 3-х значений: 0, 1 и 2. Модель бинарного выбора. Модель бинарного выбора – это модель с зависимой дискретной переменной, то есть признак у принимает только 2 типа значений: 0 и 1. В данной части исследования интересно рассмотреть другие взаимосвязи. Зависимая переменная - удельный вес организаций, осуществлявших инновационную деятельность, в общем числе организаций, процентов. Показатель был разбит на 2 группы, меньше среднего и больше среднего. Среднее значение 9,6%, то есть если показатель меньше 9,6%, то у принимает значение 0, если больше 9,6%, то значение принимается 1. Таким образом, признаковое пространство было разделено на 2 части по активности инновационной деятельности в субъектах РФ. Показатели, используемые в данной модели следующие: у – удельный вес организаций, осуществлявших инновационную деятельность (%). Независимых показателей 3: х2 – выдано патентов на полезные модели, х3 – число используемых передовых производственных технологий, х4 - Число организаций, использовавших Интернет (в процентах от общего числа обследованных организаций соответствующего субъекта Российской Федерации). Первоначально необходимо построить данную модель в программе Eviews для того, чтобы взять оттуда коэффициенты (Таблица 4. Коэффициенты регрессии (logit)). Видно, что коэффициент при х3 достаточно мал, что говорит о том, что скорее всего этот коэффициент незначим, что будет показано в дальнейшем в работе. 78 Коэффициент качества модели для данной модели недостаточно высок, 0,17, но модель в целом является значимой на уровне 0,05, так как показатель Prob (LR) меньше 0,05. Если обратить внимание на значимость отдельных коэффициентов, то видно, что незначим только коэффициент при х3, о чем мы сказано выше. Однако проведем исследование с такой моделью, так как в целом данный коэффициент никак не влияет на результирующий признак. После этого проведем анализ без участия незначимой переменной. Рис. 22. Первоначальные и предсказанные значения (logit-модель) 13 предсказанных значений не совпало, 38 значений предсказано верно, таким образом, 0,745 – вероятность правильно предсказанных значений для результирующего признака - удельный вес организаций, осуществлявших инновационную деятельность, в общем числе организаций, процентов. Показатели качества модели: Log likelihood: lnL 1 ( yi ln pˆ i (1 yi ) ln( 1 pˆ i )) i lnL 1 28,0583 Restr log likelihood: lnL 0 n1 ln n1 n ( n n1 ) ln( 1 1 ) n n lnL 0 33,6752 79 LR-statistic: LR -2(lnL 0 ln L1 ) LR 11,2338 Данный показатель говорит о том, что модель значима, так как наблюдаемое значение больше критического (критическое при этом равно 3,84) или показатель prob (LR) меньше или равен 0,05. Следующий показатель McFadden R-squared: McFadden R 2 1 ln L1 ln L 0 McFadden R 2 0,1668 Pseudo R-squared: pseudo R 2 1 1 2 L1 1 ln n L0 pseudo R 2 0,1805 Predict ˆ, p ˆ w0 1 p ˆ, p ˆ p predict R 2 1 R-squared: w1 , w0 где w1 1 n ( yi yˆ i )2 , n i 1 а 1 2 1 2 predict R 2 0,3158 Также необходимо посчитать критерии: Akaike info criterion: AIC Schwarz criterion: SC - 2lnL 1 2k n n 2lnL 1 k ln n n n Hannan-Quinn criterion: HQ - 2lnL 1 2k ln(ln n ) n n AIC 1,2572 SC 1,4087 HQ 1,3151 Отметим, что чем ближе значения критериев к нулю, тем более качественна модель. На основании этого правила и будем сравнивать в дальнейшем модели. 80 Сравним 3 модели: logit, probit, extreme value модели согласно критериям. Анализируя значимость моделей, можно сделать вывод о том, что все модели значимы на уровне 0,05, однако показатель при х3 не значим, поэтому в дальнейшем произведем анализ без этого показателя. Probit-модель: AIC 1,26153 SC 1,41304 HQ 1,31943 Модель выглядит следующим образом: yˆ 0,00648x2 0 x3 0,09618x4 8,854 (2,2131) (-0,2093) (1,9364) (-2,1657) Показатель при х3 не является значимым, остальные значимы на уровне 5%. Увеличение показателя выданных патентов на единицу, увеличивает вероятность того, что доля организаций, осуществлявших инновационную деятельность, будет выше среднего значения по субъекту РФ, на 0,00648%, при увеличении числа организаций, использовавших Интернет по субъектам РФ, вероятность того, что доля организаций, осуществлявших инновационную деятельность, будет выше среднего значения по субъектам РФ, увеличится на 0,0962%, и, наконец, последний показатель влияет незначительно на изменение вероятности отнесения субъекта к субъектам, где инновационная деятельность выше среднего, то есть число используемых передовых технологий уменьшает вероятность отнесения к более высшей категории по инновационной деятельности предприятий по субъектам РФ. Аналогично обратим большее внимание на знак влияния каждой переменной. Extreme value: AIC 1,2716 81 SC 1,42312 HQ 1,3295 Модель выглядит следующим образом: ŷ 0,00751x 2 0,00104 x3 0,0875x4 7,73548 (2,08845) (-0,4038) (1,92556) (-2,11601) Ситуация со значимостью показателей аналогична прошлой модели. Увеличение показателя выданных патентов на единицу, увеличивает вероятность того, что доля организаций, осуществлявших инновационную деятельность, будет выше среднего значения по субъекту РФ, на 0,00751%, при увеличении числа организаций, использовавших Интернет по субъектам РФ, вероятность того, что доля организаций, осуществлявших инновационную деятельность, будет выше среднего значения по субъектам РФ, увеличится на 0,0875%, и, наконец, последний показатель влияет незначительно на изменение вероятности отнесения субъекта к субъектам, где инновационная деятельность выше среднего, то есть число используемых передовых технологий уменьшает вероятность отнесения к высшей категории по инновационной деятельности предприятий по субъектам РФ (вероятность снизится на 0,00104%). Здесь мы видим, что лучшая модель logit-модель. McFadden, являющийся аналогом коэффициента детерминации, так как также характеризует качество модели, также наиболее высок в данной модели. Проинтерпретируем ее. Уравнение регрессии выглядит следующим образом: ŷ 0,010791x 2 0 x3 0,1799 x4 16,3829 (2,1007) (-0,2205) (1,914) (-2,094) В скобках указана z-статистика. То есть показатель x3 незначим, остальные значимы. Увеличение показателя выданных патентов на единицу, увеличивает вероятность того, что доля организаций, осуществлявших инновационную 82 деятельность, будет выше среднего значения по субъекту РФ, на 0,0108%, при увеличении числа организаций, использовавших Интернет по субъектам РФ, вероятность того, что доля организаций, осуществлявших инновационную деятельность, будет выше среднего значения по субъектам РФ, увеличится на 0,1799%, и, наконец, последний показатель влияет незначительно на изменение вероятности отнесения субъекта к субъектам, где инновационная деятельность выше среднего, то есть число используемых передовых технологий уменьшает вероятность отнесения к более высшей категории по инновационной деятельности предприятий по субъектам РФ. Теперь исключим из анализа незначимую переменную и приведем необходимые выводы. Не будем останавливаться так подробно на каждой модели, проинтерпретируем только лучшую из перечисленных, а также коэффициенты приведем только для нее. Можно отметить только тот факт, что все коэффициенты значимы на уровне 10%. Модели также являются значимыми на уровне 5%. Probit: AIC 1,2232 SC 1,33682 HQ 1,2666 Logit: AIC 1,2189 SC 1,33257 HQ 1,26236 Extreme value: AIC 1,23554 SC 1,34917 HQ 1,27896 83 Здесь аналогично оказалась лучшей logit-модель: ŷ 0,0102x2 0,1765x4 16,214 (2,3287) (1,908) (-2,086) Проверка на автокорреляцию. Средствами Eviews была проведена проверка на автокорреляцию. (Таблица 12. Тест на автокорреляцию). Нулевая гипотеза: H 0 : ( m) 0 ( m) n ~ N (0;1) n ; m 4 Затем на основании посчитанных в Eviews значений я рассчитала наблюдаемое и критическое значение. Наблюдаемое значение больше критического, поэтому можно сделать вывод о том, что автокорреляция есть. Критерий Жарка-Берра. Этот критерии состоит в проверке нулевой гипотезы о нормальности остатков. И если наблюдаемое, рассчитанное значение меньше критического, то нулевая гипотеза не отвергается. Таким образом, если гипотеза верна, то статистика имеет распределение, близкое к K 3 n распределению хи-квадрат. JB As2 s 6 2 4 Наблюдаемое значение рассчитывается на основании рассчитанного коэффициентов асимметрии и эксцесса. Критическое 2 2 равно при значимости 5% - 5,991. То есть наблюдаемое меньше критического, следовательно, гипотеза о нормальности распределения не отвергается (Рис. 23. Проверка на нормальный закон распределения). Увеличение показателя выданных патентов на единицу, увеличивает вероятность того, что доля организаций, осуществлявших инновационную 84 деятельность, будет выше среднего значения по субъекту РФ, на 0,0102%, при увеличении числа организаций, использовавших Интернет по субъектам РФ, вероятность того, что доля организаций, осуществлявших инновационную деятельность, будет выше среднего значения по субъектам РФ, увеличится на 0,1765%. Модели множественного выбора. Модели множественного выбора – это модели, в которых зависимая переменная принимает более 2-х значений. В нашем случае зависимая переменная принимает 3 значения. Результирующий признак в нашем случае принимает 3 значения, 0, 1 и 2. Первая группа – удельный вес организаций, осуществлявших инновационную деятельность, в общем числе организаций, от 5,1% до 7,5%, вторая группа – от 7,6% до 9,9%, третья группа – от 10% до 21,3%. Рассмотрим модели упорядоченного выбора. Общее уравнение имеет вид: yi* X ( i ) ei . P( yi j ) P(c j 1 yi* c j ) Probit-модель: Исходные и предсказанные значения у 2,5 2 1,5 Y yf 1 0,5 0 0 10 20 30 40 50 60 Рис. 24. Исходные и предсказанные значения (probit) 85 Модель значима на уровне 11%. Однако некоторые коэффициенты значимы только на более высоком уровне, поэтому возьмем рамки значимости 15% для всех моделей. Находим характеристики правдоподобия: Log likelihood: lnL 1 53,1829 Restr log likelihood: lnL 0 56,0292 LR-statistic: LR 5,6926 Данный показатель говорит о том, что модель значима, так как наблюдаемое значение больше критического или показатель prob (LR) меньше или равен 0,15. Следующий показатель McFadden R-squared: McFadden R 2 0,0508 Смотрим, сколько предсказанных значений совпало. В оцененном уравнении правильно оценены 23 (8 для первой группы из 17, 5 для второй аналогично из 17 и 10 для третьей из 17 возможных), то есть неверно предсказанных 28, вероятность правильно предсказанных значений 45%. Также необходимо посчитать критерии: Akaike info criterion: AIC 2,2817 Schwarz criterion: SC 2,4711 Hannan-Quinn criterion: HQ 2,3541 Модель имеет вид: ŷ 0,0048x 2 0,00026 x3 0,0575x4 (2,0079) (-1,3497) (1,3644) Увеличение показателя выданных патентов на единицу, увеличивает вероятность того, что доля организаций, осуществлявших инновационную деятельность, будет выше по субъекту РФ на 0,0048%, при увеличении числа организаций, использовавших Интернет по субъектам РФ, повышает вероятность того, что доля организаций, осуществлявших инновационную деятельность, будет выше, на 0,0575%, и, наконец, последний показатель, а именно выдача патентных заявок, снижает эту вероятность на 0,00026%. 86 Таким образом, здесь как и в случае бинарных моделей, оценивается вероятность перехода к той или иной группе (в данном случае их на 1 больше). Аналогичная проверка на автокорреляцию показала наличие автокорреляции. Проверка на нормальность выявила нормальность остатков. Сравним 3 модели (таблицы приведены в Приложении (Таблица 13. Модель с дискретной переменной) и выберем лучшую. Extreme value – лучшая модель. Модель значима на уровне 10%. Критерии: Akaike info criterion: AIC 2,2543 Schwarz criterion: SC 2,4437 Hannan-Quinn criterion: HQ 2,3267 Коэффициент при х2 значим на уровне 5%, остальные на уровне 15%. Уравнение выглядит следующим образом: ŷ 0,0066x 2 0,00039 x3 0,0715x4 (2,1465) (-1,62341) (1,6724) Увеличение показателя выданных патентов на единицу увеличивает вероятность того, что доля организаций, осуществлявших инновационную деятельность, будет выше, на 0,00066%, при увеличении числа организаций, использовавших Интернет по субъектам РФ, вероятность того, что доля организаций, осуществлявших инновационную деятельность, будет выше, увеличится на 0,0715%, а при увеличении использования производственных передовых технологий на 1 та же самая вероятность упадет на 0,00039%. Исследование патентной активности в России не распространено в России, причиной этому служат проблемы, связанные со сбором первоначальных данных по патентной активности в сфере 87 информационно-коммуникационных технологий. К тому же Россия является по большей мере страной, экспортирующей технологии, с этим можно связать отрицательный знак при показателе числа передовых технологий. Выводы по третьей главе. В третьей части работы были проанализированы данные, характеризующие информационно-коммуникационную деятельность и ранжированные по субъектам РФ. Сначала данные прошли предварительную подготовку, затем были исследованы взаимосвязи между основными показателями ИКТ, причинно-следственные связи между показателями. Факторы, влияющие на показатели «выхода», подлежали анализу за 2011 и 2009 для того, чтобы выявить показатели, устойчиво влияющие на объемы отгруженной продукции, выполненных работ и услуг. Помимо этого результирующая переменная была представлена в виде дискретной (на основании сравнения со средним показателем по признаку), были сделаны выводы о том, какие факторы необходимы для перехода от одного уровня инновационной активности к другому. Так, на объемы отгруженной продукции влияют затраты на информационно-коммуникационные технологии, а также численность персонала, занятого в ИКТ-сфере. На инновационную активность влияет число организаций, использовавших Интернет, а также число производственных передовых технологий. К тому же анализ показал, что необходимо большее вовлечение корпоративного сектора в использование ИКТ-технологий. 88 Заключение. Изучение показателей, характеризующих информационные услуги, представляется весьма интересным. Эта тема актуальна на сегодняшний день, поскольку затрагивает практически все сферы жизнедеятельности человека. При этом влияние на показатели информационно- коммуникационных технологий, что немаловажно, прямое, оказывает и инвестиционная, и научная деятельность организаций, и количество выданных патентов на изобретения и полезные модели, и структура использования ПК. Проведенный анализ действительно показал, что это не разрозненные показатели, и между ними существует вполне закономерная взаимосвязь, которую можно проследить на протяжении лет. Исследования, касающиеся информации и способов ее передачи, использования информационно-коммуникационных технологий, достаточно популярны в настоящее время и широко отражаются в средствах массовой информации, проводятся многочисленные научные встречи, касающиеся информационно-телекоммуникационной деятельности. В первой части работы были проанализированы основные вопросы, которыми занимаются исследователи в России и за рубежом. А именно значимо ли влияние использования информационно- коммуникационных технологий на экономический рост страны и другие макроэкономические показатели. Как было показано, такая связь действительно есть, однако эффективные разработки информационных технологий не единственная причина успеха государства, необходимо использование комплексных мер по улучшению позиций той или иной страны. Рынок информационных услуг находится в постоянном развитии, о чем свидетельствуют показатели, описанные во второй части работы. Однако мировой кризис замедлил темпы внедрения новых технологий, что можно проследить по динамике основных показателей. К тому же Россия 89 отстает по показателям информационной активности от развитых стран, несмотря на то, что отрасль является динамичной и находится в постоянном развитии, причем темпы такого рода развития опережают темпы роста экономики. Если по показателям использования информационно- коммуникационных технологий средние российские показатели догоняют европейский уровень, то использование ИКТ корпоративным сектором заметно отстает. Государственная политика должна быть направлена на стимулирование бизнеса использовать и создавать технологии. Россия в большей степени является потребителем экспортных технологий, поэтому необходимо вовлекать собственный бизнес-сектор в активную работу по усовершенствованию использования и создания ИКТ. Помимо этого исследование показателей, характеризующих информационно-коммуникационную деятельность, ранжированных по субъектам РФ, позволило выявить сильную дифференциацию между Центральной частью страны и остальными федеральными округами. Показатели Москвы, Московской области заметно отличаются от общероссийских (являются аномальными наблюдениями по всем исследованным показателям ИКТ). Исследование использования взаимосвязей между основными информационно-коммуникационных показателями услуг позволило выявить ряд зависимостей. Так, высокая взаимосвязь между числом организаций, использовавших ИКТ, и отгруженной продукцией, выполненными работами и услугами. Сильная взаимосвязь между числом организаций, выполнявших обучение сотрудников и пользователей ИКТ, и отгруженной продукцией, выполненными работами и услугами. Исследование причинно-следственной связи между основными показателями использования ИКТ также важная часть работы. На объемы отгруженной продукции влияют затраты на информационно- коммуникационные технологии, а также численность персонала, занятого 90 в ИКТ-сфере. К тому же анализ показал, что необходимо большее вовлечение корпоративного сектора в использование ИКТ-технологий. Сравнение регрессионных уравнений за два периода позволяет делать выводы об устойчивых факторах, влияющих на использование ИКТ (это число работников, использовавших ИКТ, и затраты на информационнокоммуникационные технологии). Ввиду высокой взаимосвязи между основными показателями использования ИКТ, признаковое пространство было разбито на две компоненты, отвечающие за использование ИКТ. Гипотеза о том, что использование ИКТ влияет на показатель выхода – отгружено продукции, выполнено работ и услуг, не отвергается. Аналогичный итог доказывают и современные исследования ученых. Государство при проведении эффективной политики должно учитывать эти тенденции. Исследование показателей использования ИКТ по субъектам позволило разделить области на классы согласно активности использования информационных технологий. Помимо этого результирующая переменная была представлена в виде дискретной (на основании сравнения со средним показателем по признаку), были сделаны выводы о том, какие факторы необходимы для перехода от одного уровня инновационной активности к другому. На инновационную активность влияет число организаций, использовавших Интернет, а также число производственных передовых технологий. Выбранная мной тема работы актуальна и интересна как для людей, задействованных в этой сфере деятельности, так и для сторонних наблюдателей, потому что каждый день мы сталкивается с получением информации на разных уровнях. И это оставляет еще множество аспектов, интересных для дальнейшего изучения и анализа. 91 Список литературы 1. Федеральный закон от 27 июля 2006 г. N 149-ФЗ "Об информации, информационных технологиях и о защите информации"; 2. Министерство долгосрочного Федерации на экономического социально-экономического период до 2030 развития, развития года», март «Прогноз Россиqской 2013, URL: http://government.ru/media/2013/3/25/55481/file/prognoz_2030.pdf; 3. Официальный сайт Минкомсвязи РФ URL: http://www.mskit.ru/; 4. Официальный сайт Федеральной службы государственной статистики URL: www.gks.ru; 5. Рекомендации Общественной палаты Российской Федерации по результатам общественных слушаний «Экономика будущего – ИНФОНОМИКА. Обеспечение инновационного развития экономики России», Комиссии по науке и инновациям Общественной Палаты РФ совместно с Ассоциацией предприятий компьютерных и информационных технологий (АП КИТ) 4 декабря 2012г.; 6. Информационно-правовой портал Гарант, URL: http://base.garant.ru/12148555/; 7. Официальный сайт компании «Консультант Плюс» URL: consultant.ru; 8. Словарь бизнес-терминов http://dic.academic.ru/dic.nsf/business; 9. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы и основы эконометрики. / Учебное пособие./ Московский государственный университет экономики, статистики и информатики. М.: МЭСИ, 2002г; 10. Андреев В.А., «Факторы, определяющие коммерческую успешность исследований и разработок различного уровня новизны в реальном секторе экономики России». 92 11. Валиева О.В., «Малый инновационный бизнес в России: проблемы и перспективы», 2012; 12. Москальонов С.А., Львов А.Г. «Анализ инновационного потенциала Российской экономики: метод производственных функций», 2010; 13. Газета IT-News: № 08/2013 http://www.it-weekly.ru/analytics/; 14. Зимин информационных К.В., Маркин технологий А.В., на Скрипкин К.Г. производительность «Влияние российского предприятия; методология эмпирического исследования», 2012. URL: http://ecsocman.hse.ru/data/2012/06/06/1271384056/6.pdf; 15. Международный информационного союз общества: 2011», электросвязи, URL: «Измерение http://www.itu.int/ITU- D/ict/publications/idi/material/2011/MIS2011-ExecSum-R.pdf; 16. Полушина И.Н., «Развитие информационно- телекоммуникационного сектора – элемент экономической интеграции и фактор повышения конкурентоспособности региона СНГ», 2010, URL: http://www.unn.ru/pages/issues/vestnik/99999999_West_2010_3(2)/32.pdf; 17. Центр гуманитарных технологий «Рейтинг стран мира по уровню информационно-коммуникационного развития», 2012, URL: http://gtmarket.ru/ratings/ict-development-index/ict-development-index-info; 18. Brynjolfsson and Hitt «Information, Tecnology, and Productivity, Brynjolfsson and Hitt», 2005; 19. Brynjolfsson and Yang, «Exploring the Relationship Between Information Technology and Business Process Reengineering», 1996 год; 20. Soumitra Dutta, Irene Mia, «The global Information Technology Report 2010-2011», URL: http://www3.weforum.org/docs/WEF_GITR_Report_2011.pdf. 93 Приложение Таблица 5. Корреляционный анализ. Число созданных технологий 1 ,617 ** ,821 ** Затраты на информационные и коммуникационные технологии ,705 ** -0,107 Число организаций, использовавших ИКТ ,618 ** -0,203 Численност ь работников списочного состава в секторе ,708 ** ,715 ** ,690 ** Число используемых технологий Всего - затраты на научные исследования и разработки Затраты на информаци-онные и коммуника-ционные технологии - всего Отгружено товаров собственного производства, выполнено работ и услуг собственными силами - (без НДС, акцизов и других аналогичных платежей) Объем инновационных товаров, работ,услуг организаций промышленного производства и сферы услуг ,617 ** 1 ,778 ** ,527 ** ,652 ** -0,035 ,588 ** ,619 ** ,667 ** ,611 ** ,570 ** ,658 ** ,612 ** ,612 ** -0,043 ,706 ** ,577 ** ,711 ** ,821 ** ,778 ** 1 ,692 ** ,628 ** -0,051 ,604 ** ,619 ** ,656 ** ,636 ** ,541 ** ,703 ** ,729 ** ,595 ** -0,202 ,696 ** ,643 ** ,684 ** ,705 ** ,527 ** ,692 ** 1 ,820 ** -0,063 ,810 ** ,819 ** ,816 ** ,832 ** ,644 ** ,869 ** ,747 ** ,821 ** -,236 * ,845 ** ,739 ** ,853 ** ,609 ** ,652 ** ,628 ** ,820 ** 1 -0,052 ,757 ** ,779 ** ,768 ** ,751 ** ,599 ** ,823 ** ,583 ** ,808 ** -0,134 ,828 ** ,642 ** ,870 ** -0,107 -0,035 -0,051 -0,063 .15 1 0,018 0,029 0,021 -0,032 -0,059 -0,042 -0,075 -0,005 0,102 0,034 -0,05 0 ,618 ** ,588 ** ,604 ** ,810 ** ,757 ** 0,018 1 ,995 ** ,955 ** ,924 ** ,729 ** ,914 ** ,829 ** ,932 ** -0,076 ,919 ** ,827 ** ,927 ** ** ** ** ** ** ** ** ** ** ** ** ** ** ,944 ** Всего Число Число затраты на используем созданных научные ых технологий исследования технологий и разработки Число органи-заций, использо-вавших ИКТ - всего Число организаций, использовавших Интернет ,625 Число организаций, использовав-ших глобальные информационные сети, кроме Интернета Число организаций, осуществлявших продажу по заказам, полученным по глобальным информационным сетям – всего Число организаций, имевших CRM, ERP, SCM системы Число организаций, выполнявших научные исследования и разработки, единиц Число организаций, проводивших обучение специалистов и пользователей ИКТ – всего Удельный вес организаций, осуществлявших инновационную деятельность в общем числе обследованных организаций, % Численность работников списочного состава в секторе ИКТ , человек ,619 ,819 ,779 Объем инновационных товаров, работ,услуг организаций ** Число Число Число Число Число организаций, Число организаций организаци организаций, организаци осуществлявших продажу организаций, , й, имевших выполнявших й имевших по заказам, полученным использовавш использовавCRM, ERP, научные веб-сайт в по глобальным их Интернет ших SCM исследования и Интернете информационным сетям глобальные системы разработки, ,625 ** ,687 ** ,653 ** ,539 ** ,716 ** ,725 ** 1 ,971 ,927 ,736 ,930 ,838 Число организаций, проводивших обучение специалистов и пользователей ,575 ** ,929 Удельный вес организаций, осуществлявших инновационную деятельность Численность специалистов по ИКТ Численность работников организаций, использовавш их ИКТ 0,029 ,995 -0,086 ,938 ,667 ** ,656 ** ,816 ** ,768 ** 0,021 ,955 ** ,971 ** 1 ,936 ** ,720 ** ,944 ** ,858 ** ,895 ** -0,128 ,955 ** ,866 ** ,940 ** ,653 ** ,611 ** ,636 ** ,832 ** ,751 ** -0,032 ,924 ** ,927 ** ,936 ** 1 ,654 ** ,926 ** ,797 ** ,858 ** -0,142 ,924 ** ,836 ** ,910 ** ,539 ** ,570 ** ,541 ** ,644 ** ,599 ** -0,059 ,729 ** ,736 ** ,720 ** ,654 ** 1 ,713 ** ,658 ** ,656 ** -0,089 ,735 ** ,656 ** ,736 ** ,716 ** ,658 ** ,703 ** ,869 ** ,823 ** -0,042 ,914 ** ,930 ** ,944 ** ,926 ** ,713 ** 1 ,843 ** ,856 ** -0,217 ,964 ** ,897 ** ,950 ** ,725 ** ,612 ** ,729 ** ,747 ** ,583 ** -0,075 ,829 ** ,838 ** ,858 ** ,797 ** ,658 ** ,843 ** 1 ,756 ** -0,167 ,821 ** ,860 ** ,816 ** ,575 ** ,612 ** ,595 ** ,821 ** ,808 ** -0,005 ,932 ** ,929 ** ,895 ** ,858 ** ,656 ** ,856 ** ,756 ** 1 -0,033 ,866 ** ,731 ** ,904 ** -0,203 -0,043 -0,202 -,236 * -0,134 0,102 -0,076 -0,086 -0,128 -0,142 -0,089 -0,217 -0,167 -0,033 1 -0,163 -0,188 -0,123 Число организаций имевших веб-сайт в Интернете ,687 ** ,619 Отгружено товаров собственного производства, выполнено работ и услуг ,609 ** ,832 ,708 ** ,706 ** ,696 ** ,845 ** ,828 ** 0,034 ,919 ** ,938 ** ,955 ** ,924 ** ,735 ** ,964 ** ,821 ** ,866 ** -0,163 1 ,886 ** ,969 ** Числен-ность специа-листов по ИКТ ,715 ** ,577 ** ,643 ** ,739 ** ,642 ** -0,05 ,827 ** ,832 ** ,866 ** ,836 ** ,656 ** ,897 ** ,860 ** ,731 ** -0,188 ,886 ** 1 ,843 ** Числен-ность работ-ников органи-заций, использо-вавших ИКТ - всего ,690 ** ,711 ** ,684 ** ,853 ** ,870 ** 0 ,927 ** ,944 ** ,940 ** ,910 ** ,736 ** ,950 ** ,816 ** ,904 ** -0,123 ,969 ** ,843 ** 1 94 Таблица 4. Коэффициенты регрессии (logit). Коэффициент X2 0,0108 X3 -7.92E-05 X4 0,1799 C -16,383 Таблица 6-1. Итоговое регресионное уравнение (2011).Сводка по модели. Model Summaryb Model 1 R ,974a Adjusted R Std. Error of the Square Estimate R Square ,949 ,946 Durbin-Watson ,216 1,719 a. Predictors: (Constant), VAR00014, VAR00005, VAR00016, VAR00018 b. Dependent Variable: y Таблица 6-2. Итоговое регресионное уравнение (2011). Дисперсионный анализ. ANOVAb Model 1 Sum of Squares Regression Residual Total 63,254 3,392 66,646 df Mean Square 4 15,814 F Sig. 340,321 ,000a 73 ,046 77 a. Predictors: (Constant), VAR00014, VAR00005, VAR00016, VAR00018 b. Dependent Variable: y 95 Таблица 6-3. Итоговое регресионное уравнение (2011). Коэффициенты регресии. Coefficientsa Standardized Unstandardized Coefficients Model 1 B (Constant) a. Coefficients Std. Error Beta 6,197 ,259 t Sig. 23,967 ,000 VAR00018 ,149 ,053 ,190 2,786 ,007 VAR00016 ,359 ,072 ,314 4,986 ,000 VAR00005 ,043 ,024 ,085 1,782 ,079 VAR00014 ,442 ,087 ,430 5,060 ,000 Dependent Variable: y Таблица 7-1. Итоговое регресионное уравнение (2009).Сводка по модели. Model Summary Model 1 R ,963a Adjusted R Std. Error of the Square Estimate R Square ,928 ,923 ,451 a. Predictors: (Constant), VAR00048, VAR00042, VAR00049, VAR00055, VAR00056 Таблица 7-2. Итоговое регресионное уравнение (2009). Дисперсионный анализ ANOVAb Model 1 Sum of Squares Regression Residual Total 188,453 14,625 203,078 df Mean Square 5 37,691 F Sig. 185,556 ,000a 72 ,203 77 a. Predictors: (Constant), VAR00048, VAR00042, VAR00049, VAR00055, VAR00056 b. Dependent Variable: y 96 Таблица 7-3. Итоговое регресионное уравнение (2009). Коэффициенты регресии Coefficientsa Standardized Unstandardized Coefficients Model 1 B Coefficients Std. Error (Constant) 7,227 Beta t 1,851 Sig. 3,904 ,000 VAR00042 ,523 ,132 ,429 3,955 ,000 VAR00049 ,549 ,217 ,422 2,523 ,014 VAR00055 1,238 ,414 ,888 2,989 ,004 VAR00056 1,400 ,545 VAR00048 ,340 ,154 1,005 ,256 2,571 ,012 2,206 ,031 a. Dependent Variable: y Таблица 8-1. Компонентный анализ Component Matrixa Component 1 VAR00002 2 -,133 ,775 VAR00003 ,848 ,040 VAR00005 ,864 ,044 VAR00006 ,943 VAR00008 ,342 VAR00009 ,959 VAR00010 ,970 VAR00011 ,979 -,040 VAR00012 ,957 -,112 VAR00013 ,818 -,106 VAR00014 ,974 -,046 VAR00015 ,889 VAR00016 ,944 VAR00017 ,061 VAR00018 ,946 VAR00019 ,919 -,034 ,681 -,003 ,000 ,034 -,022 ,430 -,005 ,088 97 Таблица 8-2. Компонентный анализ. Объясненная дисперсия. Total Variance Explained Initial Eigenvalues Compo nent Total % of Variance Extraction Sums of Squared Loadings Cumulative % Total % of Variance Cumulative % 1 11,269 70,428 70,428 11,269 70,428 70,428 2 1,291 8,069 78,497 1,291 8,069 78,497 3 ,987 6,170 84,668 4 ,687 4,291 88,959 5 ,496 3,099 92,058 6 ,371 2,321 94,379 7 ,258 1,615 95,994 8 ,177 1,106 97,100 9 ,137 ,854 97,954 10 ,106 ,664 98,618 11 ,070 ,438 99,056 12 ,059 ,367 99,423 13 ,048 ,297 99,721 14 ,030 ,189 99,910 15 ,013 ,081 99,991 16 ,001 ,009 100,000 Extraction Method: Principal Component Analysis. Таблица 9-1. Регрессия по главным компонентам.Сводка по модели. Model Summaryb Model 1 R ,964a Adjusted R Std. Error of the Square Estimate R Square ,930 ,925 ,204 Durbin-Watson 2,157 a. Predictors: (Constant), REGR factor score 2 for analysis 1, REGR factor score 1 for analysis 1 b. Dependent Variable: y 98 Таблица 9-2. Регрессия по главным компонентам. Дисперсионный анализ. ANOVAb Model 1 Sum of Squares Regression Residual Total df 63,417 Mean Square 2 3,081 31,708 F Sig. 761,686 ,000a 74 ,042 66,497 76 a. Predictors: (Constant), REGR factor score 2 for analysis 1, REGR factor score 1 for analysis 1 b. Dependent Variable: y Таблица 9-3. Регрессия по главным компонентам. Коэффициенты регресии. Coefficientsa Standardized Unstandardized Coefficients Model 1 B (Constant) REGR factor score 1 for analysis 1 REGR factor score 2 for analysis 1 Coefficients Std. Error Beta 12,282 ,023 t Sig. 528,207 ,000 ,912 ,023 ,975 38,984 ,000 ,045 ,023 ,048 1,910 ,060 a. Dependent Variable: y 99 Дендограмма Dendrogram using Ward Method C A S E Num 0 5 10 15 20 25 +---------+---------+---------+---------+---------+ Пермский край Челябинская область Республика Татарстан Республика Башкортос Красноярский край Новосибирская област Hижегородская област Самарская область Свердловская область Тюменская область Московская область г.Санкт-Петербург г.Москва Томская область Приморский край Тверская область Тульская область Удмуртская Республик Чувашская Республика Алтайский край Курская область Смоленская область Оренбургская область Тамбовская область Хабаровский край Республика Коми Сахалинская область Липецкая область Брянская область Астраханская область Белгородская область Рязанская область Калининградская обла Новгородская область Республика Саха(Якут Ярославская область Саратовская область Ленинградская област Иркутская область Калужская область Воронежская область Краснодарский край Ростовская область Кемеровская область Омская область Волгоградская област Ставропольский край Кировская область Владимирская область Ульяновская область Пензенская область Чеченская Республика Республика Тыва Карачаево-Черкесская Республика Северная Республика Калмыкия Республика Адыгея Республика Алтай Еврейская авт.област Республика Дагестан Магаданская область Республика Бурятия Амурская область Республика Карелия Ивановская область Архангельская област Вологодская область Костромская область Псковская область Орловская область Республика Хакасия Кабардино-Балкарская Камчатский край Курганская область Забайкальский край Республика Марий Эл 47 58 44 41 65 68 49 52 56 57 10 28 18 70 73 15 16 45 46 63 8 13 50 14 74 20 77 9 2 32 1 12 23 26 71 17 53 24 66 6 4 31 34 67 69 33 40 48 3 54 51 39 61 37 38 30 29 59 78 35 76 60 75 19 5 21 22 7 27 11 62 36 72 55 64 42 ─┐ ─┤ ─┤ ─┤ ─┤ ─┤ ─┼───┐ ─┤ │ ─┤ ├─────────────┐ ─┘ │ │ ─┐ │ │ ─┼───┘ │ ─┘ │ ─┐ │ ─┤ │ ─┤ │ ─┤ │ ─┤ │ ─┤ │ ─┤ │ ─┤ ├─────────────────────────────┐ ─┼───┐ │ │ ─┤ │ │ │ ─┤ │ │ │ ─┤ │ │ │ ─┤ │ │ │ ─┤ │ │ │ ─┤ │ │ │ ─┤ │ │ │ ─┤ │ │ │ ─┤ │ │ │ ─┤ │ │ │ ─┤ ├─────────────┘ │ ─┤ │ │ ─┘ │ │ ─┐ │ │ ─┤ │ │ ─┤ │ │ ─┤ │ │ ─┼─┐ │ │ ─┤ │ │ │ ─┤ │ │ │ ─┤ │ │ │ ─┤ ├─┘ │ ─┤ │ │ ─┘ │ │ ─┐ │ │ ─┼─┘ │ ─┤ │ ─┤ │ ─┘ │ ─┬─┐ │ ─┘ │ │ ─┐ │ │ ─┤ ├─────┐ │ ─┤ │ │ │ ─┤ │ │ │ ─┼─┘ │ │ ─┘ │ │ ─┐ │ │ ─┤ ├───────────────────────────────────────┘ ─┼─────┐ │ ─┤ │ │ ─┤ │ │ ─┤ │ │ ─┤ │ │ ─┘ ├─┘ ─┐ │ ─┤ │ ─┤ │ ─┤ │ ─┼─────┘ ─┤ ─┤ ─┤ ─┤ Республика Мордовия 43 ─┘ Label Рис.25. Дендограмма. 100 -8,0 -6,0 -4,0 -2,0 ,0 2,0 4,0 6,0 8,0 +---------+---------+---------+---------+---------+---------+---------+---------+ 8,0 + 221 + I 211 I I 221 I I 211 I I 221 I I 211 I 6,0 + + + + + + + 221 + + I 211 I I 21 I I 221 I I 211 I I 221 I 4,0 + + + + + + 211 + + + I 221 I I 211 I I22 221 I I4422222222 * 211 I I 44444444222222222 221 I 2,0 + 44444444422222222 + + 211+ + + + I 4444444422222222 21 I I 44444444222222222221 I I 44444444411 I I 41 I I 41 I ,0 + + + + * + 41 + * + + + I 41 I I 41 I I 441 I I 4444443311 I I 4444444333333 331 I -2,0 + + + 44444443333333 + 31 + + + + I 44444443333333 * 31 I I 4444443333333 311 I I 4444444333333 331 I I443333333 31 I I33 31 I -4,0 + + + + + + 311 + + + I 331 I I 31 I I 31 I I 31 I I 311 I -6,0 + + + + + + 331 + + I 31 I I 31 I I 311 I I 331 I I 31 I -8,0 + 31 + +---------+---------+---------+---------+---------+---------+---------+---------+ -8,0 -6,0 -4,0 -2,0 ,0 2,0 4,0 6,0 8,0 Каноническая дискриминантная функция 1 Рис.26. Территориальная карта. 101 Таблица 11-1. Дискриминантный анализ Собственные значения % объясненной Функция Собственное значение Каноническая дисперсии Кумулятивный % корреляция 1 2,883a 58,5 58,5 ,862 2 1,671a 33,9 92,4 ,791 3 ,376a 7,6 100,0 ,523 a. В анализе использовались первые 3 канонические дискриминантные функции. Таблица 11-2. Дискриминантный анализ. Лямбда-Уилкса Лямбда Уилкса Проверка функции(й) Лямбда Уилкса Хи-квадрат ст.св. Знч. от 1 до 3 ,070 166,139 15 ,000 от 2 до 3 ,272 81,344 8 ,000 3 ,727 19,931 3 ,000 Таблица 12-1. Тест остатков на автокорреляцию наблюдаемое критическое 6,005941 1,96 5,556031 1,96 5,184677 1,96 5,020424 1,96 4,513383 1,96 102 Таблица 12-2. Тест остатков на автокорреляцию Partial Autocorrelation Correlation . . |******| |******| . |******| . |** | . |***** | . |*. | . |***** | . |*. | . |***** | .*| . | 10 Series: Residuals Sample 1 51 Observations 51 8 Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis 6 4 2 Jarque-Bera Probability -4.77e-12 -0.097064 1.815386 -1.411994 0.885753 0.138400 1.803405 3.205472 0.201345 0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 Рис. 23. Проверка на нормальный закон распределения. Таблица 13-1. Модель с дискретной переменной (logit). Критерии качества Schwarz criterion 2.467765 Hannan-Quinn criter. 2.350743 LR statistic 5.861578 Akaike info criterion 2.278370 103 Таблица 13-1. Модель с дискретной переменной (logit). Коэффициенты Std. Variable Coefficient Error X2 0.008045 0.004014 Х3 -0.000444 0.000312 Х4 0.100270 0.072923 Таблица 13-3. Модель с дискретной переменной (extreme value). Критерии качества Schwarz criterion 2.443723 Hannan-Quinn criter. 2.326702 LR statistic 7.087712 Akaike info criterion 2.254328 Таблица 13-4. Модель с дискретной переменной (extreme value). Коэффициенты Std. Variable Coefficient Error X2 0.006555 0.00305 Х3 -0.000390 0.00024 Х4 0.071528 0.04277 104 Таблица 13-5. Модель с дискретной переменной (probit). Критерии качества Schwarz criterion 2.471077 Hannan-Quinn criter. 2.354056 LR statistic 5.692632 Akaike info criterion 2.281683 Таблица 13-6. Модель с дискретной переменной (probit). Коэффициенты Variable Coefficient Std. Error X2 0.004803 0.002392 x3 -0.000257 0.000190 x4 0.057464 0.042116 105