Детерминанты развития информационной инфраструктуры стран Шанхайской организации сотрудничества

Введение. Информационная экономика является одной из ключевых областей эволюции современного мира, оказывая значительное влияние на экономическое и социальное развитие стран. Данный тип экономической организации приобретает особую актуальность для Шанхайской Организации Сотрудничества (ШОС), учитывая ее растущее значение на мировой арене и необходимость следовать мировым трендам цифровизации и цифровой трансформации.

Исследование информационной экономики ШОС позволяет выявить особенности инфраструктуры, которая играет важную роль в обеспечении ее эффективности и экономического роста. Анализ инфраструктуры информационной экономики ШОС позволяет лучше понять особенности развития цифровой сферы в странах-участниках организации и выявить потенциал для совместных проектов и инициатив в области цифровизации.

Основная часть. Деятельность ШОС стала объектом пристального внимания со стороны академического сообщества, поскольку изучение динамики ее экономического развития позволяет приблизиться к пониманию международных процессов не только в республиках бывшего СССР, но и в Азиатском регионе в целом. При этом, по мнению Д.В. Малышева, «в рамках ШОС идет работа по созданию потенциала для трансформации этой структуры в организацию, где будут гармонично соединены военно-политический и экономический компоненты, что позволит превратить ее в реальный инструмент регионального сотрудничества и кооперативной безопасности» [1].

В ряде научных работ [1-7] предпринимается попытка проанализировать практическую реализацию экономического и политического сотрудничества стран-участниц ШОС в рамках формирования особой модели экономического развития на базе идей «государственного капитализма». В этой связи исследователи указывают на тот факт, что ШОС способна добиться мирового признания благодаря отстаиванию и продвижению своих ценностей, которые могут составить определенную конкуренцию западным региональным проектам [3].

Информационная экономика представляет особый интерес для данной организации. К настоящему моменту в странах-членах ШОС уже разработаны и утверждены национальные программы по стимулированию информационного развития. Китай пытается реализовать подобную практику с помощью ряда планов и инновационных политик: «Сделано в Китае 2025» (中国 制造 2025) , «Основной план-стратегия информационных технологий», «Национальная стратегия кибербезопасности».

Так, стратегическая программа «Сделано в Китае 2025» (中国 制造 2025) направлена на обеспечение мирового лидерства в высокотехнологичных сферах экономики [8]. Достижение данной цели предполагает активную инновационную политику, снижение зависимости Китая от зарубежных технологий и инвестиций, увеличение доли локализации производства до 70% к 2025 году. В соответствии с Белой книгой развития цифровой экономики, опубликованной Китайской академией ИКТ (China Academy of Information and Communications Technology) доля цифровой экономики КНР должна составить к 2030 году более 50%. В этих целях предполагаются рост информатизации, интеллектуализации производства, финансовых и торговых инструментов [9].

В остальных членах ШОС действуют свои национальные законодательные инициативы в области информатизации. Так, в России – национальная программа «Цифровая экономика Российской Федерации», утвержденная протоколом № 7 заседания президиума Совета при Президенте Российской Федерации по стратегическому развитию и национальным проектам от 4 июня 2019 года; В Казахстане – Государственная программа «Цифровой Казахстан» на 2018-2022 годы (Министерство цифрового развития, инноваций и аэрокосмической промышленности Республики Казахстан), в Киргизии – Концепция Цифровой трансформации «Цифровой Кыргызстан 2019-2023» [10], в Узбекистане — стратегия «Цифровой Узбекистан 2030» (была утверждена в 2020 г.); в Индии — Программа «Цифровая Индия» (была утверждена в 2015 г.); в Пакистане — Политика «Цифровой Пакистан 2030» (была разработана в 2018 г.).

Помимо этого, на уровне организации в 2019 году на 18-м заседании Совета глав правительств стран ШОС была подписана Программа многостороннего торгово-экономического сотрудничества государств-членов ШОС, в которой перечислены основные задачи и направления по развитию цифровой экономики как нового приоритета сотрудничества. Согласно Программе, в долгосрочной перспективе до 2035 г. задачами являются «повышение глобальной конкурентоспособности и обеспечение цифрового преобразования национальных экономик стран ШОС путем внедрения цифровых технологий и создания благоприятных условий для постепенного осуществления свободного передвижения товаров, капитала, услуг и технологий»; в среднесрочной перспективе до 2030 г. задачей является «обеспечение трансформации национальных экономик путем разработки правил в области торговли и инвестиций в рамках ШОС, продвижения индустрии услуг и электронной коммерции, а также упрощения процедур торговли» [11].

29 декабря 2023 года принято постановление Совета Министров Республики Беларусь № 976 «О присоединении Республики Беларусь к международным договорам и реализации международных обязательств в рамках Шанхайской организации сотрудничества», в соответствии с которым Республика Беларусь присоединилась к ряду соглашений, заключенных в рамках ШОС, Меморандуму между Правительствами государств – участников Шанхайской организации сотрудничества об основных целях и направлениях регионального экономического сотрудничества и запуске процесса по созданию благоприятных условий в области торговли и инвестиций [11].

По результатам анализ правовых актов развития информационной экономики стран-участниц ШОС, можно сделать вывод, что для развития инфраструктуры информационной экономики ШОС крайне важно обеспечить увеличение следующих показателей:

1. Анализ уровня кластерного развития в странах-участниках ШОС необходим для выявления потенциала сотрудничества между компаниями, институтами и организациями в сфере информационных технологий. Развитие кластеров способствует ускоренному обмену знаниями и опытом, а также обеспечивает создание благоприятной среды для инноваций и технологического прогресса.

2. Проведение анализа в области исследований и разработок в информационной сфере позволяет определить направления деятельности, требующие приоритетного внимания для обеспечения роста информационной экономики ШОС. Инвестиции в научные исследования, разработку новых технологий и цифровые инновации играют ключевую роль в стимулировании экономического роста и повышении конкурентоспособности региона.

3. Изучение процессов диффузии знаний и инноваций в информационной экономике ШОС поможет выявить механизмы распространения новых технологий и передачи ноу-хау между участниками рынка. Обмен знаниями и опытом способствует улучшению качества продуктов и услуг, а также повышению эффективности бизнес-процессов в цифровой сфере.

4. Акцент на создании знаний в информационной экономике ШОС является ключевым элементом для обеспечения инновационного роста и повышения уровня конкурентоспособности. Способность генерировать новые знания, применять их на практике и создавать ценность через инновационные продукты и услуги является основой для устойчивого развития цифровой экономики в рамках ШОС.

Проводя градацию стран ШОС по уровню развития научной, образовательной и информационной инфраструктур необходимо отметить следующие уровни:

Высокий уровень развития:

- Китай – лидер в области научных исследований и технологического развития. Страна активно инвестирует в науку, разработки новых технологий и цифровые инновации. Образовательная система Китая также признана одной из самых развитых в мире [10];

- Россия и Беларусь имеет богатое научное наследие и сильную научную базу. Страны активно занимаются исследованиями в различных отраслях, поддерживают развитие высшего образования и цифровизацию экономики.

Средний уровень развития:

- Индия известна своими IT-компаниями и высококвалифицированными специалистами в области информационных технологий. В стране также развиты образовательные программы в сфере IT и цифровизации;

- Казахстан активно работает над развитием научной базы и информационных технологий. Страна сосредоточена на повышении качества образования и цифровизации экономики [12].

Низкий уровень развития – Таджикистан, Узбекистан, Киргизия. Данные страны испытывают определенные трудности в развитии научной, образовательной и информационной инфраструктуры из-за различных факторов, включая экономические ограничения и ограниченный доступ к ресурсам. Однако они также предпринимают шаги для улучшения этой ситуации и развития данных сфер.

Данная градация подтверждается данными международных исследовательских институтов, в частности Глобального Индекса Инноваций 2021 (таблица 1).

Таблица 1 – Рейтинг стран по субиндексам «Уровень кластерного развития», «Исследование и развитие», «Диффузия знаний и инноваций», «Создание знаний», рейтинг по созданию ИКТ Глобального Индекса инноваций 2021 год

Страна		Уровень кластерного развития (2021)	Исследование и развитие (2021)	Диффузия знаний и инноваций (2021)	Создание знаний (2021)	Среднее	Создание ИКТ
	Китай	3	51	9	4	16,75	46
	Россия	73	32	68	26	49,75	49
	Беларусь	60	64	34	61	54,75	54,8
	Киргизия	112	111	97	76	99	121
	Казахстан	117	54	91	66	82	88
	Иран	87	48	119	14	67	92
	Индия	72	35	13	51	42,75	47
	Пакистан	55	63	71	65	63,5	76
	Таджикистан	119	113	115	44	97,75	99
	Узбекистан	130	95	102	77	101	106

Составлено автором по данным [13]

Произведем регрессионный анализ среднего показателя уровня кластерного развития, исследовательского, инновационного потенциала, показателя создания знаний и показателя создания ИКТ в информационной экономике по странам ШОС и Республике Беларусь.

Воспользуемся пакетом Excel для анализа. Информация о модели приведена в таблицах 2-4.

Таблица 2 – Регрессионная статистика

Множественный R	0,937925896
R-квадрат	0,879704987
Нормированный R-квадрат	0,862519985
Стандартная ошибка	9,817731386
Наблюдения	9

Составлено автором

Таблица 3 – Первая часть таблицы «Дисперсионный анализ»

	df	SS	MS	F	Значимость F
Регрессия	1	4934,120609	4934,120609	51,19027586	0,000184594
Остаток	7	674,714947	96,38784957
Итого	8	5608,835556

Составлено автором

Таблица 4 – Вторая часть таблицы «Дисперсионный анализ»

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение
Y-пересечение	0,969184	11,71126	0,082757	0,936362
Переменная X 1	1,101258	0,15392	7,154738	0,000185

Составлено автором

Cвязь фактора X₁ с фактором Υ является весьма сильной (множественный коэффициент корреляции равен 0,937925896). Коэффициент детерминации R-квадрат составляет 0,879704987, что свидетельствует о высокой адекватности уравнения регрессии: изменения фактора Υ на 83,4 % объясняются изменением фактора X₁.

Свободный член уравнения не является статистически значимыми, так как показатель «P-Значение» больше 0,05. Коэффициент регрессии является статистически значимым. Таким образом, качество построенной модели, как следует из приведенных таблиц 2-4 требует уточнения спецификации в виде линейной формы с нулевым свободным членом (таблицы 5-7).

Таблица 5 – Регрессионная статистика модели с нулевым свободным членом

Регрессионная статистика
Множественный R	0,994813
R-квадрат	0,989653
Нормированный R-квадрат	0,864653
Стандартная ошибка	9,188138
Наблюдения	9

Составлено автором

Таблица 6 – Первая часть таблицы «Дисперсионный анализ» модели с нулевым свободным членом

Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия	1	64599,66	64599,66	765,2005	2,07E-08
Остаток	8	675,3751	84,42188
Итого	9	65275,04

Составлено автором

Таблица 7 – Вторая часть таблицы «Дисперсионный анализ» модели с нулевым свободным членом

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение
Y-пересечение	0	#Н/Д	#Н/Д	#Н/Д
Х	1,113489	0,040253	27,66226	3,15E-09

Составлено автором

Таблица 8 – Значения остатков модели с нулевым свободным членом

Наблюдение	Предсказанное Y	Остатки
1	55,39607	-6,39607
2	60,96351	-6,16351
3	110,2354	10,76461
4	91,30608	-3,30608
5	74,60375	17,39625
6	47,60165	-0,60165
7	70,70654	5,293461
8	108,8435	-9,84353
9	112,4624	-6,46237

Составлено автором

Уравнение линейной модели с нулевым свободным членом имеет вид y= 1,1135X₁ Линейная связь фактора Χ с фактором Υ является весьма сильной (линейный коэффициент корреляции равен 0,994813). Коэффициент детерминации R-квадрат составляет 0,9896. Значит, адекватность уравнения регрессии относительно высокая: изменения фактора Υ на 98,96 % объясняются изменением фактора Χ. Так как показатель «Значимость F» меньше 0,05, то полученное уравнение регрессии статистически значимо в целом. Показатель «P-Значение» в таблице 7 меньше 0,05, поэтому коэффициенты уравнения регрессии линейной модели статистически значимы. Таким образом, построенная линейная модель является качественной, т.к. она адекватная, статистически значима в целом и все ее коэффициенты являются статистически значимыми.

Отметим, что введение нулевого свободного члена в модель не приводит к нарушению первой модельной предпосылки. Для проверки гипотезы о равенстве нулю математического ожидания случайной переменной сравниваем наблюдаемое значение t-статистики =0,0247 и критическое (с числом степеней свободы, равным 9). Так как , то нулевая гипотеза о равенстве нулю математического ожидания случайной переменной принимается, а значит, первая предпосылка теоремы Гаусса-Маркова выполняется.

Автокорреляция остатков в пространственных данных встречается крайне редко, целесообразным является проверка нормальности распределения остаточной компоненты (таблица 9).

Таблица 9 – Описательная статистика остатков, оценка среднеквадратического отклонения и RS-критерия

Среднее	0,075679
Стандартная ошибка	3,062596
Медиана	-3,30608
Стандартное отклонение (Se)	9,187788
Дисперсия выборки	84,41544
Эксцесс	-0,10945
Асимметричность	0,984511
Интервал	27,23978
Минимум (Emin)	-9,84353
Максимум (Emax)	17,39625
Сумма	0,681111
Счет	9
Расчетное значение RS-критерия	(17,39625-(-9,84353))/ 9,187788=2,9647
Критерий Дарбина—Уотсона (DW-критерий)	𝐷𝑊 =

Составлено автором

Расчетное значение RS-критерия попадает в интервал (2,7-3,7), следовательно, выполняется свойство нормального распределения. Таким образом, модель адекватна по нормальности распределения остаточной компоненты.

По таблице Дарбина-Уотсона для n=9 и k=1 (уровень значимости 5%) находим: d₁ = 1,08; d₂ = 1,36. Поскольку 1,08 < 2,27 и 1,36 < 2,27 > 4 – 1,36, то автокорреляция остатков отсутствует.

Возможна экономическая интерпретация параметров модели: увеличение X₁ (среднего показателя уровня кластерного развития, исследовательского, инновационного потенциала, показателя создания знаний) на 1 пункт приводит к увеличению Y (показателя создания ИКТ в информационной экономике по странам ШОС и Республике Беларусь) в среднем на 1,1135 пункта. Установлено, что в исследуемой ситуации 87,97% общей вариабельности Y объясняется изменением факторов X₁. Установлено также, что параметры модели статистически значимы. Статистическая значимость модели в целом и ее коэффициентов говорит о возможности распространения выводов, сделанных по частной выборке, на всю генеральную совокупность.

Увеличение среднего показателя уровня кластерного развития, исследовательского, инновационного потенциала и показателя создания знаний приводит к увеличению показателя создания ИКТ в информационной экономике по странам ШОС и Республике Беларусь по следующим причинам:

1. Кластеры объединяют предприятия, исследовательские учреждения и другие организации, связанные с определенной отраслью или технологией, что способствует обмену знаниями, сотрудничеству и инновациям, приводит к созданию новых ИКТ-продуктов и услуг [14].

2. Страны ШОС с высоким уровнем исследований и разработок обладают большей способностью создавать и внедрять новые ИКТ-решения. Исследовательские учреждения и университеты являются важными источниками инноваций и новых технологий.

3. Создание знаний включает в себя производство, распространение и использование новых знаний, что необходимо для развития ИКТ-сектора, поскольку ИКТ основаны на знаниях и требуют постоянных инноваций [15].

Кластерное развитие создает благоприятную среду для исследований и инноваций. Исследовательский и инновационный потенциал приводит к созданию новых знаний. Создание знаний обеспечивает основу для разработки и производства ИКТ-продуктов и услуг.

Таким образом, увеличение среднего показателя уровня кластерного развития, исследовательского, инновационного потенциала и показателя создания знаний стран ШОС создает положительный цикл, который приводит к увеличению показателя создания ИКТ в информационной экономике.

Заключение. Исследование приоритетов развития информационной инфраструктуры стран Шанхайской Организации Сотрудничества позволяет выделить ряд ключевых факторов, влияющих на уровень информационного развития в регионе. Анализ показывает, что кластерный, научный, инновационный потенциал играют важную роль в формировании современной информационной инфраструктуры. Дальнейшее развитие в этой области требует комплексного подхода, учитывающего специфику каждой страны и ее экономические особенности для достижения оптимальных результатов.

Практические выводы относительно совершенствования информационной инфраструктуры в странах ШОС и Беларуси, имеют значение для разработки конкретных стратегий и институциональных механизмов. Данный анализ подчеркивает необходимость углубленного изучения и применения современных технологий в информационной сфере для достижения конкурентоспособности и устойчивого развития.