Анализ взаимосвязи отдельных параметров цифровизации и устойчивого развития: национальные особенности
Грачев С.А.1
1 Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых, Россия, Воронеж
Скачать PDF | Загрузок: 8 | Цитирований: 13
Статья в журнале
Вопросы инновационной экономики (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 12, Номер 1 (Январь-март 2022)
Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=48333775
Цитирований: 13 по состоянию на 30.01.2024
Аннотация:
В статье рассматриваются вопросы взаимосвязи процессов цифровизации и устойчивого развития в части энергоэффективности. Данные вопросы следует рассматривать с учетом изменений, происходящих с трудовым капиталом. В работе установлена и проанализирована взаимосвязь указанных параметров на основе рассчитанного коэффициента корреляции на национальном уровне России, Германии, Японии, Франции, США, Великобритании за период 2012-2019 гг. Выделены индивидуальные особенности, присущие странам. Было выполнено моделирование на основе отобранных параметров. В результате было доказано наличие взаимосвязи между процессами цифровизации, устойчивого развития в части энергоэффективности и общим уровнем экономического развития, также выявлены национальные особенности.
Ключевые слова: анализ, модель, цифровизация, энергоэффективность, устойчивое развитие
JEL-классификация: O31, O32, O33, Q01
Введение
Современная мировая система характеризуется массовым проникновением цифровых и сетевых технологий во все сферы хозяйствования и бытовой жизни. Поэтому аспекты данной тематики находятся в центре внимания как отечественных, так и зарубежных исследователей. Под воздействием этого нового вектора развития происходят, формируются новые и изменяется характер функционирования существующих процессов. Среди последних следует выделить проблемы устойчивого развития и энергоэффективности.
Гипотезой данной работы является предположение о наличии взаимосвязи между процессами устойчивого развития в части энергоэффективности и цифровой направленностью современного развития.
Цель становится возможным сформулировать как анализ взаимосвязи между показателями цифровизации, энергоэффективности и индикатором общего экономического развития, а также моделирование данных процессов на уровне отдельных стран с использованием методов регрессионного анализа.
Методами исследования выступили корреляционно-регрессионный анализ и метод анализа.
К элементам научной новизны можно отнести формирование инструментария оценки взаимосвязи между процессами цифровизации и устойчивым развитием в части энергоэффективности, а также формирование моделей на национальном уровне.
В условиях активного внедрения цифровых и сетевых технологий вопросы энергоэффективности остаются актуальными [1] (Adom et al., 2021), так как повышение энергоэффективности стимулирует экономический рост, хотя эмпирические данные, подтверждающие это утверждение, остаются неоднозначными. Наблюдаемый эффект высокой зависимости и положительного влияния роста общего уровня энергоэффективности на увеличение темпов экономического роста на национальном уровне в странах с высоким неравенством нарушается. Учитывая общий вектор развития, можно высказать предположение, что энергетические системы во всем мире станут более интегрированными, эффективными и надежными благодаря цифровым технологиям. Кроме того, ожидается, что энергоемкость устройств активного контроля сократится вдвое в течение следующих 25 лет благодаря цифровизации, экономии за счет масштаба и постоянному совершенствованию продукции в энергетическом секторе [2] (Ren et al., 2021). Соответственно, становится возможным предположить и рост конкурентоспособности национальных экономических систем при одновременном снижении экологической нагрузки, а следовательно, повышение устойчивости развития.
Подобные процессы должны оцениваться и координироваться на государственном уровне для обеспечения согласованности развития и интегрированности энергетических систем. В большинстве стран это вылилось в разработку нормативных актов и стратегий развития, которые рассматривают цифровые технологии [3] (Li, 2021) и экологический энергетический сектор [4] (Kunkela, Tyfield, 2021) как залог повышения эффективности функционирования национальных экономических систем.
Однако исследования данного сектора в России выявляют ряд особенностей, зачастую носящих негативный характер. Так, в качестве примера можно привести высокую зависимость от иностранных цифровых продуктов. Долю последних в отдельных секторах оценивают до 90% [5] (Nasibullin, 2020). Также Доржиева В.В [6] (Dorzhieva, 2021) в ходе изучения отдельных особенностей цифровизации России выявила несогласованность части показателей Энергетической стратегии на период 2035 года и проекта Стратегии цифровой трансформации топливно-энергетического комплекса до 2030 года. Мы полагаем, что подобные рассогласования в целом ряде направлений хозяйствования могут привести не только к снижению эффективности процессов цифровизации в целом, но и к появлению негативных ее последствий.
Также важным аспектом процесса цифровизации экономики являются изменения, происходящие в процессах формирования и использования трудового капитала страны. Абсолютно справедливым является вывод, полученный Mody A. и Aiyar S. [7] (Mody, Aiyar, 2011), о том, что страны, в которых наблюдается всплеск численности населения трудоспособного возраста, получают дополнительное преимущество в виде перспективы увеличения дохода на душу населения. Кроме того, можно предположить, что в подобной ситуации следует ожидать некоторое увеличение экономического роста, а также адекватного изменения объемов накопления и сбережения.
Таким образом, следует предположить, что как в развитых, так и развивающихся странах на фоне изменения возрастной структуры трудового капитала наблюдается рост безработицы, вызванный в том числе и цифровизацией. Можно предположить, что речь идет скорее о краткосрочной форме данного явления, которое захватывает отдельные сферы. Также на интенсивность использования трудового капитала стран оказывает влияние и неблагоприятная эпидемиологическая обстановка. С одной стороны, речь идет о вынужденной безработице и, соответственно, возрастании необходимости повышения квалификации или полной смены сферы деятельности. С другой стороны, следует отметить перенос значительной части выполняемых трудовых функций в цифровую сферу, что как повышает интенсивность использования сетевых технологий, так и способствует принудительному росту цифровой грамотности.
Озвученные факторы приводят к тому, что сфера услуг, в которой немаловажную роль играет система коммуникационного взаимодействия, увеличивает свою значимость в экономике и зачастую увеличивает удельный все в общей структуре валового внутреннего продукта (ВВП). Так, исследования, частично затрагивающие данные сферы, показали в России, что изменилась система взаимодействия на рынке [8] (Deryabina, Trubnikova, 2021), а также формируются новые факторы, призванные обеспечить повышение эффективности маркетинговых составляющих [9] (Soldatova, 2021).
Целый ряд исследований влияния цифровизации на сектор услуг в различных странах мира показывают, что данные направления трансформируются [10] (WTO, 2019). Цифровизация привела к перераспределению рабочих мест, при этом возможная их потеря в промышленности компенсировалась услугами, которые, как правило, менее подвержены негативному влиянию внедрения сетевых технологий [11] (Spiezia et al., 2016). Данные особенности вызваны тем фактом, что, как правило, сфера услуг является более информационноемкой и интерактивной, что повышает скорость и уровень цифровизации данной отрасли [12] (Miles, 2004).
Следовательно, цифровизация экономической системы на национальном уровне вызывает изменения в энергоемкости производств (в оптимальном случае ее снижение в средне- и долгосрочной перспективе) и в структуре трудового капитала. При этом значительное влияние на данные процессы оказывает и общий уровень развития экономики. Так, согласно исследованиям Рахмана M. [13] (Rahman et al., 2021), изучавшего аналогичные аспекты в странах Южной Азии, страны, переходящие от трудоемкого сельского хозяйства к капиталоемким и энергоемким отраслям, соответственно увеличивают свое потребление энергии.
Отсюда следует логичный вывод о том, что в случае анализа зависимостей параметров цифровизации, энергоэффективности, трудового капитала и общего уровня экономического развития на международном уровне следует проводить исследование на основе схожего уровня развития экономик.
Учитывая озвученные особенности изучаемых процессов, в рамках данной работы был сформирован инструментарий, который позволит проанализировать существующие зависимости.
Дополнительные ограничения накладывает также ограниченность статистических данных по целому ряду стран в количественном и временном аспектах. Поэтому анализ будет произведен по следующему перечню стран: Россия, Германия, Соединенное Королевство (Великобритания), Франция, Япония, США. Мы понимаем и полностью признаем неравенство уровня экономического развития данных государств по отдельным параметрам. Однако на их примере становится возможным также оценить изменение зависимостей и связей на различных стадиях цифровой трансформации, а также согласованности и интегрированности национальной экономической системы в мировую.
Период исследования составляет 2012–2019 гг., что обусловлено также особенностями официальных баз статистических данных и различиями в методологии исчисления отдельных индикаторов на национальных уровнях.
Для достижения указанной выше цели исследования были отобраны критерии, которые характеризуют озвученные сферы анализа (исходные данные представлены в таблице 1):
- общий уровень экономического развития – валовой внутренний продукт (Y) – (в текущих ценах; миллиардов единиц национальной валюты);
- вовлеченность трудового капитала – численность безработных (X1) (тысяч человек);
- цифровизация – численность абонентов сотовых мобильных телефонных сетей (X2) (миллионов), удельный вес населения, пользующегося сетью интернет (X3) (в процентах);
- энергоэффективность и устойчивое развитие – энергоемкость ВВП при постоянном соотношении покупательной способности (Х4) (koe/$15p).
Таблица 1
Исходные данные для анализа процессов цифровизации по странам мира
Период
|
Показатель
| ||||
Y
|
Х1
|
Х2
|
Х3
|
Х4
| |
Российская Федерация
| |||||
2012
|
68103,4
|
4131
|
208,1
|
62
|
0,207
|
2013
|
72985,7
|
4137
|
218,3
|
64
|
0,197
|
2014
|
79030
|
3889
|
221
|
67
|
0,196
|
2015
|
83087,4
|
4264
|
227,3
|
70
|
0,196
|
2016
|
85616,1
|
4243
|
229,1
|
73
|
0,202
|
2017
|
91843,2
|
3969
|
227,3
|
76
|
0,203
|
2018
|
104629,6
|
3658
|
229,4
|
81
|
0,207
|
2019
|
110046,1
|
3465
|
239,8
|
83
|
0,206
|
Германия
| |||||
2012
|
2745,3
|
2224
|
92,4
|
82
|
0,084
|
2013
|
2811,4
|
2182
|
100
|
84
|
0,086
|
2014
|
2927,4
|
2090
|
99,5
|
86
|
0,080
|
2015
|
3026,2
|
1950
|
96,4
|
88
|
0,079
|
2016
|
3134,7
|
1774
|
103,5
|
84
|
0,078
|
2017
|
3259,9
|
1621
|
109,7
|
84
|
0,076
|
2018
|
3356,4
|
1468
|
107,5
|
90
|
0,073
|
2019
|
3449,1
|
1374
|
107,2
|
88
|
0,071
|
Соединенное Королевство (Великобритания)
| |||||
2012
|
1712,3
|
2533
|
78,3
|
87
|
0,075
|
2013
|
1782,1
|
2437
|
78,7
|
90
|
0,072
|
2014
|
1862
|
1996
|
78,5
|
92
|
0,067
|
2015
|
1916,9
|
1746
|
79,3
|
92
|
0,066
|
2016
|
1995,5
|
1599
|
78,9
|
95
|
0,063
|
2017
|
2071,7
|
1447
|
79,2
|
95
|
0,061
|
2018
|
2144,3
|
1347
|
78,9
|
95
|
0,060
|
2019
|
2216,5
|
1269
|
78,9
|
93
|
0,058
|
Франция
| |||||
2012
|
2088,8
|
2677
|
62,3
|
81
|
0,097
|
2013
|
2117,2
|
2840
|
63,3
|
82
|
0,097
|
2014
|
2149,8
|
3026
|
65,4
|
84
|
0,093
|
2015
|
2198,4
|
3054
|
66,7
|
78
|
0,093
|
2016
|
2234,1
|
2968
|
67,6
|
79
|
0,090
|
2017
|
2297,2
|
2786
|
69
|
81
|
0,088
|
2018
|
2360,7
|
2682
|
70,5
|
82
|
0,086
|
2019
|
2425,7
|
2506
|
72
|
83
|
0,084
|
Япония
| |||||
2012
|
495
|
2850
|
141,1
|
79
|
0,092
|
2013
|
503,2
|
2650
|
147,9
|
88
|
0,090
|
2014
|
513,9
|
2360
|
157,9
|
89
|
0,087
|
2015
|
531,3
|
2220
|
160,6
|
91
|
0,085
|
2016
|
535,5
|
2080
|
166,9
|
93
|
0,083
|
2017
|
545,9
|
1900
|
172,8
|
85
|
0,082
|
2018
|
546,9
|
1660
|
177,1
|
85
|
0,081
|
2019
|
553,8
|
1620
|
177,1
|
85
|
0,078
|
США
| |||||
2012
|
16197,1
|
12506
|
304,8
|
75
|
0,127
|
2013
|
16784,8
|
11460
|
310,7
|
71
|
0,127
|
2014
|
17527,3
|
9617
|
355,5
|
73
|
0,125
|
2015
|
18238,3
|
8296
|
382,3
|
75
|
0,120
|
2016
|
18745,1
|
7751
|
395,9
|
86
|
0,117
|
2017
|
19543
|
6982
|
400,2
|
87
|
0,114
|
2018
|
20611,9
|
6314
|
404,6
|
87
|
0,115
|
2019
|
21433,2
|
6001
|
404,6
|
87
|
0,111
|
Силу связи исходных данных возможно оценить посредством расчета коэффициента корреляции, который является стандартным инструментом анализа данного аспекта.
где x и y – исследуемые величины, представленные в виде статистических совокупностей {x1, x2, … , xn} и {y1, y2, … , yn} соответственно.
Как правило, применяют следующую трактовку величин данного коэффициента по модулю (шкала Чеддока) [16] (Eliseeva, 2018):
- от 0 до 0,3 – очень слабая сила связи;
- от 0,3 до 0,5 – слабая сила связи;
- от 0,5 до 0,7 – средняя сила связи;
- от 0,7 до 0,9 – высокая сила связи;
- от 0,9 до 1 – очень высокая.
Рассчитанные таким образом коэффициенты корреляции показателей Х1–Х4 относительно индикатора Y представлены в таблице 2.
Таблица 2
Коэффициенты корреляции
Показатель
|
Коэффициент корреляции
|
Характеристика силы связи
|
Россия
| ||
Х1
|
-0,80
|
высокая
|
Х2
|
0,90
|
очень высокая
|
Х3
|
0,99
|
очень высокая
|
Х4
|
0,48
|
слабая
|
Германия
| ||
Х1
|
-0,99
|
очень высокая
|
Х2
|
0,87
|
высокая
|
Х3
|
0,65
|
средняя
|
Х4
|
-0,98
|
очень высокая
|
Соединенное Королевство (Великобритания)
| ||
Х1
|
-0,97
|
очень высокая
|
Х2
|
0,59
|
средняя
|
Х3
|
0,81
|
высокая
|
Х4
|
-0,98
|
очень высокая
|
Франция
| ||
Х1
|
-0,54
|
средняя
|
Х2
|
0,99
|
очень высокая
|
Х3
|
0,15
|
очень слабая
|
Х4
|
-0,98
|
очень высокая
|
Япония
| ||
Х1
|
-0,98
|
очень высокая
|
Х2
|
0,98
|
очень высокая
|
Х3
|
0,22
|
очень слабая
|
Х4
|
-0,99
|
очень высокая
|
США
| ||
Х1
|
-0,96
|
очень высокая
|
Х2
|
0,90
|
очень высокая
|
Х3
|
0,86
|
высокая
|
Х4
|
-0,96
|
очень высокая
|
На данной стадии уже становится возможным сделать ряд выводов относительно национальных особенностей развития. Так, Россия является единственной страной из перечня анализируемых, в которой сила связи между индикатором ВВП и показателем энергоэффективности и устойчивого развития является слабой (0,48). Во всех остальных случаях – сила связи очень высокая. Однако также следует выделить, что в России связь прямая, в то время как в иных случаях она обратная. Это связано, возможно, с тем фактом, что развитие энергоэффективности связано с ростом затрат в краткосрочной перспективе и, следовательно, приводит к снижению экономической эффективности. Кроме того, это также косвенно связано со специализацией России на экспорте продукции топливно-энергетического комплекса.
Следующей особенностью является связь параметра блока «Цифровизация» – Х3 – с ВВП стран. Во Франции и Японии сила связи данных критериев может быть охарактеризована как очень слабая, что, видимо, объясняется также национальными особенностями.
Единственным государством, в котором все рассматриваемые параметры демонстрируют высокую и очень высокую силу связи, – это США. Таким образом, можно говорить, что там цифровизация, энергоэффективность и трудовой капитал как процессы более синхронизированы, сбалансированы и интегрированы в национальную систему.
Таким образом, можно анализируемые страны разделить на несколько групп относительно сформированности процессов цифровизации, энергоэффективности, адаптации трудового капитала к текущим изменениям и их связи с параметром экономического развития:
- полная согласованность процессов – сила связи высокая и очень высокая, все параметры значимы – США;
- частичная согласованность процессов – сила связи средняя и выше, значимы не менее трех рассматриваемых параметров – Россия, Германия, Япония, Великобритания;
- частичная несогласованность процессов – сила связи средняя и выше, значимы менее трех рассматриваемых параметров – Франция;
- полная несогласованность процессов – сила связи ниже средней, значимы два и менее параметра – представителей не выявлено.
Данные результаты не стоит трактовать как однозначный вывод касательно оптимальности или неоптимальности состояния национальных экономических систем. Учитывая относительно короткий анализируемый период, а также специфику рассматриваемых индикаторов (зачастую они характеризуют процессы косвенно и частично), можно говорить о выделении национальных особенностей и диагностировать схожесть или различие тенденций развития.
Опираясь на полученные результаты, можно построить модели развития:
Россия Y=-9578,78–9,31Х1+1485,93Х3 при p=0,00 R2=0,87;
Германия Y=4179,31–13853,16X4 при p=0,05 R2=0,53;
Великобритания Y=7016,35–22766,03X4 при p=0,13 R2=0,27;
Франция Y=-1059,09–0,11Х1+42,85Х2 при p=0,00 R2=0,89;
Япония Y=522,79–4009,60X4 при p=0,09 R2=0,52;
США Y=57070,06–1,42X1–54,02X2 при p=0,00 R2=0,95.
При этом следует признать, что часть моделей является непоказательной и не может применяться для моделирования прогнозирования процессов. Наиболее оптимальные модели получены на уровне России, Франции и США.
Заключение
Подводя итог проведенному исследованию, следует отметить, что объективно протекающие процессы цифровизации влияют на все сферы хозяйствования. Крупные перемены наблюдаются в том числе в сфере трудового капитала и энергетическом секторе. Все озвученные процессы, протекая практически во всех странах, имеют индивидуальные особенности в зависимости от уровня цифровой трансформации национальной экономики.
Анализ взаимосвязи указанных параметров на уровне отдельных стран был произведен за период 2012–2019 гг. В результате была получена группировка государств, отражающая уровень согласованности процессов цифровизации, энергоэффективности, адаптации трудового капитала стран и их влияния на ВВП. Выявленные недостатки в функционировании процессов видятся в неполной сформированности национальных цифровых систем, а также малым периодом исследования, так как рассматриваемые проблемы имеют накопительный эффект и пока не проявились в полной мере. Кроме того, ситуация осложняется и ситуацией с коронавирусом.
Дальнейшее направление видится в последующем изучении индивидуальных особенностей национальных экономических систем.
Источники:
2. Ren S., Hao Y., Xu L., Wu H., Ba N. Digitalization and Energy: How Does Internet Development Affect China's Energy Consumption // Energy Economics. – 2021. – № 98. – doi: 10.1016/j.eneco.2021.105220.
3. Yi Li Internet Development and Structural Transformation: Evidence from China // Journal of Applied Finance & Banking, SCIENPRESS Ltd. – 2020. – № 10(1). – p. 1-8.
4. Kunkela S., Tyfield D. Digitalisation, sustainable industrialisation and digital rebound – Asking the right questions for a strategic research agenda // Energy Research & Social Science. – 2021. – № 82. – p. 102295.
5. Насибулин М.М. ТЭК России: оцифровка // Деловой журнал Neftegaz.RU. – 2020. – № 4(100). – c. 18-25.
6. Доржиева В.В. Цифровая трансформация топливно-энергетического комплекса России: приоритеты и целевые ориентиры развития // Креативная экономика. – 2021. – № 11. – c. 4079-4094. – doi: 10.18334/ce.15.11.113802.
7. Mody A., Aiyar S. The demographic dividend: evidence from the Indian states // IMF Work. Pap.. – 2011. – № 11. – p. 1. – doi: 10.5089/9781455217885.001.
8. Дерябина Г.Г., Трубникова Н.В. Российский рекламный рынок: цифровые трансформации и проблемы менеджмента // Креативная экономика. – 2021. – № 12. – doi: 10.18334/ce.15.12.114053.
9. Солдатова Н.Ф. Цифровая трансформация управления маркетингом в контексте целей устойчивого развития // Креативная экономика. – 2021. – № 11. – c. 4009-4024. – doi: 10.18334/ce.15.11.113819.
10. World trade report 2019: The future of services trade (2019). Geneva. [Электронный ресурс]. URL: https://www.wto.org/english/rese/bookspe/00wtr19e.pdf (дата обращения: 26.02.2022).
11. Spiezia V., Polder M., Presidente G. ICTs and jobs: Complements or substitutes? The effects of ICT investment on labour demand by skills and by industry in selected OECD countries (2016). [Электронный ресурс]. URL: https://one.oecd.org/document/DSTI/ICCP/IIS(2016)1/FINAL/en/pdf (дата обращения: 26.02.2022).
12. Miles I. Innovation in services. / J. Fagerberg, D.C. Mowery, R.R. Nelson (Eds.), The oxford handbook of innovation. - Oxford University Press, Oxford, 2004. – 433-458 p.
13. Rahman M.M., Hosan S., Karmaker S.C., Chapman A.J., Saha B.B. The effect of remittance on energy consumption: panel cointegration and dynamic causality analysis for South Asian countries // Energy. – 2021. – № 220. – p. 119684. – doi: 10.1016/j.energy.2020.119684.
14. Россия и страны мира - 2020 г.. / Стат. сб. / Росстат. - M., 2020. – 385 c.
15. Статистический Ежегодник мировой энергетики 2021. [Электронный ресурс]. URL: https://yearbook.enerdata.ru/ (дата обращения: 24.01.2022).
16. Елисеева И.И. Бизнес-статистика. - М.: Издательство Юрайт, 2018. – 411 c.
Страница обновлена: 26.11.2024 в 12:59:11