Анализ стран ОЭСР и стран, не входящих в ОЭСР, по индексу ограничения торговли цифровыми услугами

Автор: Андрей Викторович Плотников, Алла Александровна Плотникова

Журнал: В центре экономики @vcec

Рубрика: Мировые тенденции развития экономики

Статья в выпуске: 1 т.5, 2024 года.

Бесплатный доступ

В работе проведен анализ различных стран на основе кластерного анализа (k-средних), с целью разделить 86 стран на два кластера в соответствии с их принадлежностью к странам ОЭСР и не входящим в ОЭСР. Основываясь на многомерном пространстве Индекса ограниченности торговли цифровыми услугами, кластер №1, характеризующийся отрицательными значениями по всем переменным, описывает группу стран с менее строгими ограничениями в торговле цифровыми услугами, причём преимущественно из числа стран ОЭСР. Кластер №2, напротив, имеет положительные значения по всем переменным, что указывает на строгие ограничения в данной сфере и в большей степени включает страны, не являющиеся членами ОЭСР. Результаты кластеризации подтверждаются U-критерием Манна-Уитни, указывающим на статистически значимые различия между группами по нескольким показателям, таким как инфраструктурная связонность, права интеллектуальной собственности, другие барьеры и системы платежей, за исключением показателя электронных транзакций в группе OECD, где статистически значимые различия отсутствуют. Полученные результаты также указывают на корреляцию между членством в ОЭСР и характеристиками кластеров, выявленными в исследовании.

Еще

Цифровая трансформация, цифровая экономика, цифровая торговля, цифровые услуги, Индекс ограниченности торговли цифровыми услугами

Короткий адрес: https://sciup.org/14130029

IDR: 14130029

Текст научной статьи Анализ стран ОЭСР и стран, не входящих в ОЭСР, по индексу ограничения торговли цифровыми услугами

Введение / Introduction

Цифровая торговля является продуктом экономической глобализации и цифровой трансформации, которой отводится роль ключевой драйверной силы, поддерживающей рост глобальной экономики. Цифровая торговля набирает обороты благодаря увеличению спроса на цифровые товары и услуги, а также за счёт интеграции цифровых и сетевых технологий в различные отрасли. В свете этих факторов, цифровая торговля обещает стать одним из основополагающих элементов национальных экономик и международного экономического пространства в обозримом будущем. Рост цифровой торговли стимулируется применением интернет-технологий, инновационными бизнес-моде-лями и увеличением конкурентоспособности интернет-компаний. Тем не менее рост цифровой торговли отстаёт от роста цифровой торговли услугами, которая опирается на индустрии цифрового контента, социальные сети, программное обеспечение, а также на аутсорсинг. Предполагается, что сектор программного обеспечения, особенно в области облачных вычислений, продолжит расти [1].

В условиях цифровой трансформации главный вызов для развития человеческого капитала — скорость трансформации социотехнологической инфраструктуры [2]. Низкие издержки поиска упрощают сравнение цен для потребителей, оказывая также понижательное давление на цены аналогичных товаров, что должно способствовать не только снижению цен, но и уменьшению их разброса [4].

Наряду с положительными тенденциями экономическая уязвимость усилилась из-за массовой цифровизации и неравного доступа к цифровым ресурсам и инфраструктуре развитых и развивающихся стран [3], что в свою очередь является входящей информацией для государственного регулирования реализации цифровых услуг. Результаты регулирования разных стран отражаются в интегрированном индексе ограниченности торговли цифровыми услугами (Digital Services Trade Restrictiveness Index — DSTRI). Индекс состоит из двух компонентов: нормативной базы данных, которая собирает информацию о регуляторных барьерах из общедоступных законов и подзаконных актов стран и сводных индексов, измеряющих ограничительный характер этой политики в торговле по следующим пяти показателям: инфраструктура и подключение, электронные транзакции, платежные системы, права интеллектуальной собственности, другие барьеры для торговли услугами с поддержкой цифровых технологий. Индексы принимают значения от 0 до 1, где 0 указывает на открытую нормативно-правовую среду для торговли с использованием цифровых технологий, а 1

указывает на полностью закрытый режим [9].

Вопросы рассмотрения индекса раскрываются в работах различных авторов. Ф. Янг и др. [14] рассматривают его влияние на экспорт произведенных товаров; S. Seyam [12] раскрывает особенности влияния индекса на торговые потоки в сфере услуг; H.Y. Yang, X.Y. Tian [15] определяют влияние ограничений на трансграничный поток данных на торговлю цифровыми услугами

Исследование индекса ограниченности торговли цифровыми услугами имеет большое значение для политиков, руководителей бизнеса и экономистов из-за его влияния на глобальную политику цифровой торговли, экономическое развитие и международные бизнес-стратегии.

Для государственных служащих анализ DSTRI позволяет определить области ограничений, где можно стимулировать реформы на повышение конкурентоспособности своей цифровой торговли. Кроме того, DSTRI служит ценным инструментом во время торговых переговоров, позволяя странам сравнивать свою политику с глобальными стандартами и определять потенциальные области для взаимного соглашения или уступок, выгоды от либерализации цифровой торговли. С точки зрения микроэкономики исследование индекса помогает предприятиям в стратегическом планировании, особенно при выходе на новые рынки или расширении предложений цифровых услуг, что позволяет предвидеть проблемы регулирования, адаптировать свои бизнес-модели.

Цель исследования представляет собой подтверждение гипотезы о том, что страны-члены ОЭСР сформируют отличные от стран, не входящих в ОЭСР, кластеры, характеризующиеся своей спецификой ограничений в торговле цифровыми услугами. Исследование позволит получить представление о различиях внутри кластеров и между ними, составе каждого кластера и определяющих характеристиках каждого кластера, соответственно.

Материалы и методы / Materials and Methods

Материалы исследования содержат данные индекса ограниченности торговли цифровыми услугами за 2022 г. [5] по следующим показателям:

  • 1.    Инфраструктура и подключение (Infr_Connect) включает цифровые меры STRII, охватывающие ограничения, связанные с подключением к инфраструктурам связи, и ограничения, влияющие на подключение (например, меры, влияющие на трансграничные потоки данных).

  • 2.    Электронные транзакции (E-Transact) охватывают барьеры, влияющие на электронные транзакции (например, непризнание электронных подписей и т.п.).


  • 3.    Платежные системы (Paym_Sys) включают меры цифрового контроля, которые влияют на платежи, осуществляемые с помощью электронных средств (например, ограничения на интернет-банкинг).

  • 4.    Права интеллектуальной собственности (Intel_ Prop_Rights) включают в себя меры внутренней политики в области цифровых технологий, связанные с защитой и обеспечением соблюдения товарных знаков, авторского права и смежных прав.

  • 5.    Другие барьеры для торговли услугами с поддержкой цифровых технологий (Other_Barriers) отражают степень барьеров в области требований к производительности, ограничений на загрузку и потоковую передачу или ограничения на онлайн-рекламу.

МИРОВЫЕ ТЕНДЕНЦИИ РАЗВИТИЯ ЭКОНОМИКИ

Описательные статистики приведены в таблице 1.

№ 1 имеет более широкий спектр стран с точки зрения показателей DSTRI по сравнению с кластером № 2.

Визуальное распределение представлено на рис. 1.

Согласно рис. 6 кластеры распределены следующим образом, кластер № 1 (с минимумом ограниченности торговли цифровыми услугами) содержит как страны из списка OECD, так и страны, не входящие в OECD. В составе кластера № 1 отметим присутствие преимущественно стран из списка OECD. Второй кластер (страны, у которых повышенный уровень ограниченности торговли цифровыми услугами) преимущественно состоит из стран, не входящих в OECD.

Таблица 3 содержит стандартизированные значения, относящиеся к сумме квадратов, что помогает по нять изменчивость внутри кластера и между кластера -

Таблица 1. / Table 1. Описательные статистики / Индекса Index Descriptive Statistics

OECD

E-Transact

Infr_Connect

Intel_Prop_ Rights

Other_Barriers

Paym_Sys

N

0

48

48

48

48

48

1

38

38

38

38

38

Среднее

0

0,027

0,149

0,010

0,045

0,017

1

0,027

0,086

0,002

0,021

0,004

Медиана

0

0,021

0,119

0,000

0,033

0,018

1

0,021

0,060

0,000

0,022

0,000

Станд. откл.

0

0,019

0,112

0,013

0,038

0,017

1

0,013

0,065

0,008

0,019

0,009

Минимум

0

0,000

0,000

0,000

0,000

0,000

1

0,000

0,000

0,000

0,000

0,000

Максимум

0

0,085

0,476

0,043

0,110

0,055

1

0,043

0,278

0,043

0,066

0,037

В качестве основного метода выступает кластерный анализ с использованием метода k-средних — это тип неконтролируемого обучения [7], целью которого является разбиение n = 86 стран наблюдений на k = 2 кластеров в соответствии с группировкой стран (OECD и страны, не входящие в OECD), в которых каждое наблюдение принадлежит кластеру с ближайшим средним значением. Результаты исследования подкрепляем U-критерием Манна-Уитни [8]. Используем выбранный метод для определения однородных групп в данных. В качестве программного обеспечения выступает Jamovi 2.3 [10, 13].

Результаты / Results

Набор данных разделен на два кластера, при этом кластер № 1 включает 64 страны, а кластер № 2 содержит 22 страны (табл. 2), предполагая, что кластер ми [11]. Сумма квадратов внутри кластера № 1 равна 153, а для кластера № 2 она равна 135, что указывает на изменение внутри кластера или сумму квадратов расстояний от каждой точки до центроида кластера. Сумма квадратов между кластерами равна 136, что иллюстрирует разницу между центроидами кластеров. Общая сумма квадратов, которая является мерой общей дисперсии в наборе данных, равна 425.

Таблица 4 центроидов показывает среднее положение каждого кластера в многомерном пространстве, определяемом индексами DSTRI (электронные транзакции; инфраструктура и возможности подключения; права интеллектуальной собственности; другие барьеры, влияющие на торговлю услугами с использованием цифровых технологий; платежная система), Кластер № 1 имеет отрицательные значения по всем

Таблица 2. / Table 2. Распределение кластеров / Cluster distribution

Номер кластера

Количество

OECD

Количество

% от общего количества

Кумулятивный %

1

64

0

28

32,6 %

32,6 %

1

36

41,9 %

74,4 %

2

22

0

20

23,3 %

97,7 %

1

2

2,3 %

100,0 %

В центре экономики

Таблица 3. / Table 3. Сумма квадратов кластеров / Sum of squares of clusters

Стандартное значение суммы квадратов

Кластер №1

153

Кластер №2

135

Между кластерами

136

Всего

425

WORLD TRENDS IN ECONOMIC DEVELOPMENT

Cluster

Рис. 1 / Fig. 1. Распределение кластеров по странам OECD. Источник: составлено авторами на основе программы jamovi [13]. / Distribution of clusters by OECD countries

Рис. 2 / Fig. 2. Средние значения кластеров. Источник: составлено авторами на основе программы jamovi [13]. / Cluster means

Результаты примененного критерия Манна-Уитни в таблице 5 показывают, что по показателю электронных транзакций из индекса статистически значимых различий между группами OECD и кластерами отсутствуют (p-значение = 1,000) для статистики OECD, что указывает на отсутствие различий в распределениях. Однако для группы кластеров наблюдается высокая статистическая значимость (p < 0,001), что указывает на наличие значимых различий в распределении значений относительно контрольной группы. Для показателя инфраструктурной связности обе группы (OECD и кластеры) демонстрируют статистически значимые различия (p = 0,005 для OECD и p < 0,001 для класте-

Таблица 4. / Table 4. Центроиды кластеров / Центроиды кластеров

Номер кластера E-Transact Infr_Connect Intel_Prop_ Rights Paym_Sys Other_Barriers Paym_Sys 1 -0,243 -0,232 -0,320 -0,392 -0,419 -0,392 2 0,708 0,675 0,930 1,141 1,220 1,141 переменным DSTRI, что указывает на более низкие ограничения или барьеры в торговле цифровыми услугами по сравнению с общим средним значением. И, наоборот, кластер № 2 имеет положительные значения по всем переменным, что указывает на более высокие ограничения или барьеры в торговле цифровыми услугами.

Визуализация кластеров схематично изображена на рис. 2 и 3.

Результаты кластеризации подтверждают гипотезу о том, что страны — члены ОЭСР образуют отличные от стран, не входящих в ОЭСР, кластеры, характеризующиеся специфическими моделями ограничений в торговле цифровыми услугами. Отмечается, что материалы исследования не привязывают членство в ОЭСР к кластерам, наличие бинарного показателя членства в ОЭСР в наборе данных и отчетливые закономерности, наблюдаемые в центроидах кластеров, указывают на корреляцию. Кроме того, гипотезу подтверждает и тест Манна-Уитни.

ров), что свидетельствует о различиях в распределении значений между группами. Показатель прав интеллектуальной собственности также показывает наличие статистически значимых различий в обеих группах (p < 0,001 как для OECD, так и для кластеров), что говорит о значимых различиях между группами. Для других барьеров, также как и для предыдущих показателей, наблюдаются статистически значимые различия (p = 0,003 для OECD и p < 0,001 для кластеров), подтверждая наличие различий в распределениях между группами. Показатель системы платежей показывают статистически значимые различия в обеих группах (p < 0,001 для OECD и для кластеров), что указывает на значимые различия между распределениями групп.

Результаты свидетельствуют о наличии статистически значимых различий между группами OECD и кластерами для большинства рассмотренных показателей, входящих в индекс. Однако для показателя электронных транзакций в группе OECD статистически значимых различий не обнаружено, что может указывать на

МИРОВЫЕ ТЕНДЕНЦИИ РАЗВИТИЯ ЭКОНОМИКИ

Рис. 3 / Fig. 3. Визуальное распределение кластеров. Источник: построено авторами на основе пакета factoextra [6] / Visual distribution of clusters (built on the basis of the factoextra package [6])

?ЮЮ^^ЕЙ

Таблица 5. / Table 5. Сравнение подвыборок на основе U-критерия Манна-Уитни / Comparison of subsamples based on the Mann-Whitney U test

Statistic (OECD) Р-значение Statistic (кластеры) Р-значение E-Transact 912 1,000 342 < 0,001 Infr_Connect 592 0,005 367 < 0,001 Intel_Prop_Rights 587 < 0,001 328 < 0,001 Other_Barriers 586 0,003 125 < 0,001 Paym_Sys 515 < 0,001 167 < 0,001 Примечание: Hₐ μ 0 ≠ μ 1 сходство распределений показателя между группами.

Заключение / Conclusion

Кластер № 1 с более низкими показателями индекса (отрицательные значения центроида) состоит как из стран OECD, так и стран, не входящих в список, но преимущественно из стран ОЭСР, что отражает менее ограничительную среду цифровой торговли, возможно, под влиянием руководящих принципов и политики ОЭСР.

Кластер № 2, демонстрирующий более высокие оценки индекса (положительные значения центроида), в большинстве своем включает страны, не входящие в ОЭСР, с более ограничительной средой для торговли цифровыми услугами.

В центре экономики

WORLD TRENDS IN ECONOMIC DEVELOPMENT

Такая модель кластеризации может указывать на то, что страны ОЭСР имеют общие нормативные базы или стандарты, которые ведут к менее ограничительной среде цифровой торговли. И, наоборот, страны, не входящие в ОЭСР, не связанные этими рамками или стандартами, могут иметь более разнообразные и, как правило, более высокие торговые ограничения.

Список литературы Анализ стран ОЭСР и стран, не входящих в ОЭСР, по индексу ограничения торговли цифровыми услугами

  • Гэн Чанцзюнь Состояние, тенденции и проблемы цифровой торговли Китая // Международная торговля и торговая политика. 2021. №2 (26). – С. 62-79. – DOI 10.21686/2410-7395-2021-2-62-79. – EDN EZGHKG. – ISSN: 2410-7395. – eISSN: 2414-4649.
  • Канунникова А.А. Международная торговля образовательными услугами в условиях цифровой трансформации // Вестник ГУУ. 2023. № 9. – С. 140-148. – DOI 10.26425/1816-4277-2023-9-140-148. – EDN FTUFUI. – ISSN: 1816-4277. – eISSN: 2686-8415.
  • Лесюк М. И., Смирнов Е. Н. Направления цифровой трансформации международной торговли услугами в условиях глобального кризиса // E-Management. 2022. №2. – С. 91-98. – DOI 10.26425/2658-3445-2022-5-2-91-98. – EDN YCIIRD. – ISSN: 2658-3445. – eISSN: 2686-8407.
  • Смирнов Е.Н. Подходы к нейтрализации рисков развития международной цифровой торговли // Инновации и инвестиции. 2020. № 5. – С. 104-108. – ISSN 2307-180X
  • Digital Services Trade Restrictiveness Index [Электронный ресурс] – Режим доступа: https://public.knoema.com/wgumoyc/digital-services-trade-restrictiveness-index
  • Kassambara A., Mundt F. factoextra: Extract and Visualize the Results of Multivariate Data Analyses. 2020 [R package]. https://CRAN.R-project.org/package=factoextra.
  • Kodinariya TM, Makwana PR. Review on determining number of Cluster in K-Means Clustering. International Journal. Nov. 2013. № 1(6). С. 90-5.
  • McKnight PE, Najab J. Mann‐Whitney U Test. The Corsini encyclopedia of psychology. 2010 Jan 30. https://doi.org/10.1002/9780470479216.corpsy0524.
  • OECD Digital Services Trade Restrictiveness Index [Электронный ресурс] – Режим доступа: https://goingdigital.oecd.org/en/indicator/73
  • R Core Team. R: A Language and environment for statistical computing. 2021 (Version 4.1) [Computer software] – Режим доступа: https://cran.r-project.org. (R packages retrieved from MRAN snapshot 2022-01-01).
  • Seol H. snowCluster: Multivariate Analysis. 2023 (Version 7.1.7) [jamovi module]. – Режим доступа: https://github.com/hyunsooseol/snowCluster.
  • Seyam S. Data Restrictions and Digital Services Trade: A Gravity Analysis of the Impact of Data Restrictions on Trade Flows in Digital-Intensive Services. 2024.
  • The jamovi project. jamovi. 2022 (Version 2.3) [Computer Software] – Режим доступа: https://www.jamovi.org.
  • Yang F, Wang Y, Whang U. Trade restrictions on digital services and the impact on manufacturing exports. The Journal of International Trade & Economic Development. 2023 Mar 31, с. 1-28.
  • Yang H.Y., Tian X.Y. Research on the Impact of Cross-Border Data Flow Restrictions on Digital Service Trade and Its Countermeasures. InInternational conference on Variability of the Sun and sun-like stars: from asteroseismology to space weather 2022 Jul 14 (с. 243-253). Singapore: Springer Nature Singapore.
Еще
Статья научная