Оценка влияния факторов цифровой трансформации на региональный экономический рост

Введение. Широкое распространение информационно-коммуникационных или, иначе говоря, цифровых технологий, которыми характеризует -ся современная мировая экономика, привело к появлению новой категории «цифровая экономика». Однако до настоящего времени не сформировалось общепринятого понимания сущности этой категории. Под цифровой экономикой нами понимается «совокупность отношений, складывающихся в системе производства, распределения, обмена и потребления материальных и нематериальных благ при таком уровне использования цифровых технологий, который обеспечивает прямое положительное влияние на экономический рост» [1, с. 382].

Помимо цифровой экономики, получила распространение и цифровая трансформация экономики - это «процесс интеграции ИКТ во все экономические процессы, требующий внесения принципиальных изменений как в производство существующих, так и создание новых продуктов и услуг, их распределение, обмен и потребление, изменяющий качественные характеристики экономической системы» [2, с. 255].

Специалисты Economist Intelligence Unit, основываясь на проведенном ими исследовании влияния информационно-коммуникационных технологий (ИКТ) на экономический рост, пришли к выводу, что данные технологии способствуют экономическому росту в странах, но только по достижении ими определенного уровня распространенности ИКТ. В противном случае, если масштабы распространения цифровых технологий не достигли необходимого уровня, их влияние на экономический рост либо отсутствует, либо является отрицательным. Более подробно эти аспекты рассмотрены нами ранее [1].

Представляется, что количественная оценка цифровой трансформации будет строиться на оценке масштабов использования ИКТ при производстве товаров и услуг. В свою очередь, масштабы использования ИКТ могут быть оценены с помощью двух показателей - затраты на ИКТ во всех видах экономической деятельности и численность занятых в секторе ИКТ.

Как известно, на уровне страны для количественного измерения объема экономики и экономического роста применяется показатель валового внутреннего продукта (ВВП), который характеризует конечные результаты экономической деятельности субъектов экономики страны. На уровне региона аналогом ВВП является валовой региональный продукт (ВРП), характеризующий конечные результаты экономической деятельности субъектов экономики региона.

Гипотеза данного исследования основывается на наших предыдущих работах [1; 2] и состоит в том, что в регионах России в настоящее время уже существует такой уровень использования цифровых технологий, который обеспечивает прямое положительное влияние на экономический рост. При этом величина ВРП будет определяться как факторами «труд» и «капитал» в целом, так и факторами «труд» и «капитал» с «цифровым» содержанием. Наша модель будет отличаться от иных моделей применением ключевых факторов производства с «цифровым» содержанием.

Цель статьи – по результатам проведенного исследования разработать модель зависимостей для региональной экономики между факторами «труд» и «капитал» с «цифровым» содержанием и уровнем ВРП на душу населения регионов России с применением эконометрического моделирования через отобранные факторы экономического роста и цифровой трансформации. Подобные модели могут быть положены в основу формирования государственной политики стимулирования развития цифровой экономики на региональном уровне.

Обзор литературы. В современной литературе есть множество исследований, посвященных влиянию цифровой трансформации на экономическое развитие стран и регионов. Например, Л. Мичич рассматривает влияние инвестиций в информационно-коммуникационные технологии и величины ВВП на душу населения на примере ряда европейских стран. Автором показано, что более высокая доля инвестиций в ИКТ в ВВП страны сопутствует более высокому значению ВВП на душу населения [3]. Я. Ганчлова с коллективом авторов исследует зависимость ВВП в странах Европейского союза от численности рабочей силы, капитальные затраты на ИКТ и капитальные затраты, не связанные с ИКТ. Модели, построенные на панельных данных, подтвердили, что средний рост ВВП в странах поддерживался стабильным ростом количества рабочей силы и ИКТ-капитала, а также увеличением общей производительности [4]. П. Легри, Дж. Ингхэм и П. Коллеретт рассмотрели влияние ИКТ и их восприятие обществом на социально-экономическое развитие в США [5]. На основе панельных данных по странам М. Фархади, Р. Исмаил и М. Фоолади показали, что существует положительная взаимосвязь между темпами роста реального ВВП на душу населения и индексом использования ИКТ [6]. Индекс ИКТ в исследовании измерялся количеством пользователей интернета, количеством

У^У -абонентов фиксированного широкополосного доступа в интернет и количеством абонентов мобильной связи на 100 жителей. Было обнаружено, что влияние использования ИКТ на экономический рост выше в группе с высоким доходом, чем в других группах.

Р Разиа установил связь между ИКТ и ВВП на душу населения и доказал, что рост ВВП предшествует росту в сфере ИКТ. Автор определил положительную взаимосвязь между ВВП на душу населения и ИКТ и пришел к выводу, что экономическое влияние ИКТ на ВВП на душу населения со временем будет расти [7].

Многочисленные исследования зарубежных авторов подтверждают положительную взаимосвязь между инфраструктурой широкополосного доступа (и пользователями Интернета) и экономическим ростом. В частности, об этом вместе со своими соавторами пишут Р П. Прадхан [8], М. Бакаш [9], И. Бер-чек [10], С. Бойнец [11] и другие ученые [12-19].

Вместе с тем отмечается, что производительность в промышленно развитых странах сейчас сталкивается с явным снижением, что ставит вопрос о возможном парадоксе производительности в цифровой экономике [20]. Некоторые исследования также посвящены негативному влиянию цифровизации на экономический рост. Так, Ч. Ватанабе, Ю. Тоу и П. Нейттаанмяки выявили структурные механизмы производительности в цифровой экономике [21].

Инфраструктура ИКТ является одним из основных факторов роста в государствах, осознавших ее важность. Не удивительно то, что многие развивающиеся страны прилагают все усилия, чтобы нарастить инфраструктуру ИКТ, уравновешивая ограниченное распределение своих доходов, чтобы догнать страны с развитой экономикой. Все чаще возникают споры о том, могут ли развивающиеся страны достичь экономического процветания за счет цифровизации так же, как это сделали развитые страны [22]. В то же время развивающиеся страны возлагают большие надежды на цифровые технологии, которые приведут к преобразованию экономики в направлении процветания.

К. Л. Крэмер, Дж. Дедрик выявили существенную взаимосвязь между инвестициями в ИКТ и производительность, а также рост ВВП для стран Азиатско-Тихоокеанского региона [23]. Также было проанализировано влияние мобильных телефонов и интернета на доход и ВВП в странах Африки и определено, что увеличение показателя проникновения мобильной связи ведет к изменению ВВП [24]; в другой публикации авторы исследуют вклад цифровизации в экономический рост стран Африки к югу от Сахары и сравнивают эти данные с данными стран Организации экономического сотрудничества и развития (OECD) [25].

А. Юсефи оценивает вклад рабочей силы, ИКТ и капитала, не связанного с ИКТ, в экономический рост в развитых и развивающихся странах [26]. По мнению автора, влияние ИКТ на экономический рост различается в разных группах стран: в странах с низким уровнем доходов показатели ИКТ медленнее увеличивают ВВП, чем в странах с высоким уровнем доходов. Такие результаты предполагают, что уровень инвестиций в ИКТ не является причиной медленного роста в развивающихся странах с низким уровнем доходов, хотя до этого считалось иначе. Т. Нибель оценивает влияние показателей ИКТ на экономический рост в развивающихся и развитых странах на основе панельных данных [27]. Между капиталом в области ИКТ и ростом ВВП существует положительная взаимосвязь, несмотря на то, что модели, построенные отдельно для выборок по разным группам стран, не выявляют статистически значимых различий в эластичности ИКТ на выпуск.

Зарубежными исследователями изучена роль ИКТ в нигерийской экономике и проведена оценка факторов, влияющих на решения инвесторов в секторе телекоммуникаций Нигерии. Доказана значительная и положительная взаимосвязь между ИКТ и экономическим ростом Нигерии [28]. В другой статье исследуется взаимосвязь между ИКТ, экономическим ростом и потреблением электроэнергии с использованием данных по ОАЭ. Показано, что ИКТ увеличивают спрос на электроэнергию, но потребление электроэнергии снижает экономический рост [29].

В России подобные исследования стали появляться относительно недавно. Отечественные авторы в целом отмечают, что цифровизация имеет положительное влияние на благосостояние в развитых странах [30, с. 1058].

Ю. Я. Дранев, И. И. Кучин, М. А. Фадеев провели оценку макроэкономических эффектов процессов цифровизации экономики в России и показали, что в скором времени объем инвестиций в сектор ИКТ станет ключевым фактором роста экономики1. Авторы сделали прогноз, что к 2030 г. рост ВВП в России будет зависеть как от показателей ИКТ, так и от повышения эффективности и конкурентоспособности других секторов экономики.

М. Г. Дубинина проанализировала вклад отдельных факторов в добавленную стоимость промышленности и ИКТ для некоторых зарубежных стран (Японии, Нидерландов, Великобритании и Италии) за период с 1970-х до конца 2000-х гг. [31]. Автору удалось выявить зависимость макроэкономических показателей и показателей внедрения ИКТ, в результате чего была определена положительная эластичность прироста добавленной стоимости от увеличения инвестиций в программное обеспечение и коммуникационное оборудование. Наиболее эластичным оказался прирост вложений в программное обеспечение для промышленного сектора [31, с. 26]. С. П. Петров, М. П. Маслов, А. И. Карпович показали влияние реальных затрат на ИКТ на ВРП регионов России с помощью регрессионных моделей на перекрестных данных. Итоговым результатом исследования является количественная оценка потерь ВРП регионов при сохранении динамики затрат на цифровизацию [32]. Т. В. Краминым, А. Р. Климановой были построены регрессионные модели по региональным данным с 2011 по 2016 г. в форме Кобба – Дугласа, характеризующие влияние показателей ИКТ на ВРП и ВРП на душу населения. Авторами доказано, что такие показатели ИКТ значимо влияют на ВРП и имеют постоянную эластичность [33].

Е. В. Попов, В. Л. Симонова протестировали «гипотезу о наличии связи между уровнем информатизации регионов и показателями экономической и инновационной деятельности» [34]. Для этого ими был рассчитан интегральный показатель уровня информатизации регионов, на основе которого были построены различные статистические модели. Они обозначили влияние цифровизации на такие показатели, как валовой региональный продукт на душу населения, инновационная активность предприятий, объем инновационной продукции.

Результаты многочисленных исследований были обобщены в статье Е. В. Попова, К. А. Семячкова, В. Л. Симоновой (табл. 1), где авторы представили анализ различных моделей оценки влияния ИКТ на социально-экономическое развитие [35].

Т а б л и ц а 1. Анализ моделей оценки влияния ИКТ на социально-экономическое развитие [35]

T a b l e 1. Analysis of models for assessing the impact of ICT on socio-economic development

Зависимая переменная / Dependent variable	Факторные признаки / Factors	Авторы исследования / Authors of the study
1	2	3
Доступ домохозяйств	Стратегия развития ИКТ,	А. Клейбринк;
в интернет / Household	инвестиции в информационно-	Б. Ниехавес, П. Палоп;
Internet access	коммуникационные технологии / ICT development strategy; investment in information and communication technology	Дж. Сорвик, Б. Тапа / A. Kleibrink, B. Niehaves, P. Palop, J. Sörvik, B. Thapa
Готовность	Использование персонального	Я. Николаидис;
к инновациям	компьютера, доступ в интернет,	К. Фускас;
и предпринимательству /	наличие электронной почты /	Е. Караяннис /
Readiness for innovation	Using a personal computer;	Y. Nikolaidis,
and entrepreneurship	Internet access; availability of e-mail	K. Fouskas, E. G. Carayannis
Качество жизни, человеческий капитал / Quality of life, human capital	Распространение интернета, телефонии, компьютеров / Spread of the Internet, telephony, and computers	Дж. Джеймс / J. James

Продолжение табл. 1 / Continuation of table 1

1	2	3
Валовой внутренний	Инвестиции в информационно-	П. Дж. Велфенс,
продукт / Gross domestic	коммуникационные	Дж. К. Перрет /
product	технологии / Investment in information and communication technology	P. J. J. Welfens, J. K. Perret
Показатели научно-	Затраты на ИКТ, число	Ш. М. Магомедгаджиев /
технического и инновационного развития (число организаций, выполнявших научные исследования и разработки; выданных патентов на изобретения и полезные модели; используемых передовых производственных технологий; объем инновационных товаров), производительность труда / Indicators of scientific, technical and innovative development (number of organizations that carried out research and development,of issued patents for inventions and utility models, of advanced production technologies used; volume of innovative products), labor productivity	персональных компьютеров на 100 работников / Expenditures on ICT; number of personal computers per 100 employees	Sh. M. Magomedgadzhiev
Средний оборот	Число персональных	М. Ю. Архипова;
организаций: отгружено	компьютеров, специальные	Е. В. Грибова /
(продано) товаров	программные средства,	M. Yu. Arkhipova,
(работ, услуг) сектора ИКТ / Average turnover of organizations: shipped (sold) goods (works, services) within the ICT sector	антивирусное программное обеспечение, интернет в коммерческих целях, кооперация / Number of personal computers; special software; antivirus software; Internet for commercial purposes; cooperation	E. V. Gribova
Валовой региональный	Аппаратный, софтверный,	М. Ю. Карышев /
продукт / Gross regional product	телекоммуникационный, инновационный / Hardware; software; telecommunication; innovation	M. Yu. Karyshev

Окончание табл. 1 / End of table 1

Валовой региональный продукт, уровень безработицы, инвестиции в основной капитал / Gross regional product, unemployment rate, investment in fixed capital

_______________2__________

Образование, программноаппаратное обеспечение, информационный фактор, инновационное развитие / Education; software and hardware; information; innovative development

Е. П. Митрофанов /

E. P. Mitrofanov

Проведенный нами анализ различных исследований влияния показателей цифровизации на экономическое развитие показал, что авторская оценка влияния факторов труда и капитала с «цифровым» содержанием на уровень ВРП на душу населения регионов России является новой и оригинальной.

Материалы и методы. В своем исследовании мы исходим из того, что закономерности, описывающие взаимозависимость ВВП и факторов экономического роста, могут применяться по отношению к региону.

Поскольку в настоящем исследовании были проведены расчеты по всем регионам России, то для сопоставимости регионов возьмем показатель ВРП на душу населения.

Известная функция Кобба – Дугласа демонстрирует зависимость между ВВП, капиталом и трудом. Исходя из этого, построим модели, отражающие зависимости между данными показателями на уровне регионов.

Для установления зависимости между цифровой трансформацией и экономическим развитием введем в эконометрические модели параметры, отражающие процессы цифровой трансформации. Аналогично функции Кобба – Дугласа, это будут труд и капитал , но с «цифровым» содержанием – цифровой труд и цифровой капитал.

В данном исследовании предполагается, что результаты цифровой трансформации экономики региона должны вести к росту уровня благосостояния населения и повышению качества жизни.

Основу исследования составляет проверка гипотезы о положительном влиянии показателей ИКТ на экономический рост регионов, характеризующийся показателем ВРП на душу населения.

Для анализа влияния факторов цифровой трансформации на экономическое развитие были использованы панельные данные Федеральной службы государственной статистики по 87 регионам России в период с 2010 по 2018 г. Выбор типа данных обусловлен целью данного исследования.

В качестве зависимой переменной нами взят показатель ВРП на душу населения, в качестве объясняющих переменных - численность занятых в регионах, стоимость основных фондов, численность занятых в секторе ИКТ и затраты на информационно-коммуникационные технологии. Первые два показателя отражают два фактора экономического развития – труд и капитал, вторые два показателя являются факторами цифровой трансформации - цифровой труд и цифровой капитал.

Результаты исследования. Рассмотрим для начала распределение регионов Российской Федерации за 2018 г. по таким показателям, как затраты регионов на информационно-коммуникационные технологии и численность занятых в ИКТ-секторе.

На рисунке 1 представлены данные о затратах регионов на информационнокоммуникационные технологии в 2018 г. На карте видно, что наибольший объем затрат на ИКТ в Московской (147 654 361,4 тыс. руб.), Тюменской (51 949 409,8), Свердловской областях (30 711 326,5), Ханты-Мансийском автономном округе – Югре (27 867 360,5), Татарстане (24 438 395,5), Краснодарском крае (22 961 322,4), Нижегородской (22 678 503,1), Новосибирской (20 476 212,2), Самарской областях (19 633 554,3), Республике Башкортостан (19 076 727,4), Саратовской области (18 568 587,4), Пермском крае (16 856 254,5), Иркутской области (16 843 040,7) и Красноярском крае (16 434 198,5). Наименьшие затраты на ИКТ выявлены в таких регионах, как Адыгея, Северная Осетия, Чукотский автономный округ, республики Тыва, Алтай, Карачаево-Черкесская, Кабардино-Балкария, Ингушетия и Калмыкия, а также Еврейская автономная область.

Затраты (тыс. руб.) / Expenditures (thousand rubles)

Р и с. 1. Затраты регионов на информационно-коммуникационные технологии в 2018 г. (тыс. руб.)2

F i g. 1. Regional expenditures on information and communication technology in 2018 (thousand rubles)

• ²    Составлено авторами по данным Федеральной службы государственной статистики ( https://rosstat.gov.ru ).

В таблице 2 приведен рейтинг данных о численности занятых в ИКТ-секторе в регионах России за 2018 г. В состав регионов-аутсайдеров, согласно представленным данным, ожидаемо вошли Ненецкий автономный округ, республики Калмыкия, Алтай, Карачаево-Черкессия, Еврейская автономная область, которые отличаются более низкими показателями в уровне занятости в секторе ИКТ.

Т а б л и ц а 2. Рейтинг регионов по численности занятых в ИКТ-секторе в 2018 г. (чел.)³

T a b l e 2. Ranking of regions by the number of people employed in the ICT sector in 2018

Топ-10 регионов-лидеров / Top ten leading regions		Топ-10 регионов-аутсайдеров / Top ten outsider regions
г. Москва / Moscow	217 650,33	Чукотский автономный округ / Chukotka Autonomous Area	1 340,96
г. Санкт-Петербург / St. Petersburg	91 459,28	Магаданская область / Magadan Region	1 330,90
Московская область / Moscow Region	79 332,16	Камчатский край / Kamchatka Territory	1 252,36
Новосибирская область / Novosibirsk Region	37 947,91	Республика Тыва / Republic of Tuva	1 252,28
Свердловская область / Sverdlovsk Region	32 621,67	Республика Ингушетия / Republic of Ingushetia	1 149,85
Ростовская область / Rostov Region	32 577,96	Республика Калмыкия / Republic of Kalmykia	1 009,49
Челябинская область / Chelyabinsk Region	29 020,26	Республика Алтай / Republic of Altai	974,74
Республика Татарстан / Republic of Tatarstan	28 351,68	Еврейская автономная область / Jewish Autonomous Region	889,05
Самарская область / Samara Region	26 120,96	Карачаево-Черкесская Республика / Karachayevo-Circassian Republic	783,41
Нижегородская область / Nizhny Novgorod Region	23 898,54	Ненецкий автономный округ / Nenets Autonomous Area	275,17

На рисунке 2 представлены данные о численности занятых в секторе ИКТ регионов России за 2018 г. Как видим, наиболее высоким уровнем численности занятых в ИКТ-секторе отличаются Москва и Санкт-Петербург, Московская, Новосибирская и Свердловская области. В основном на территории

• ³    Таблица 2 и все последующие составлены авторами статьи.

783.41              217650.33

России в 2018 г наблюдался достаточно низкий уровень численности занятых в ИКТ-секторе в регионах.

Занятые в секторе ИКТ региона (тыс. чел.) / People employed in the regional ICT sector (thousand people)

Чукотский автономный округ

Республика Карелия

Псковская область

Архангельская область

Магаданская область

Московская область Республика Коми

Кировская область

Ханты-Мансийский автономный округ - Югра

„          „   „ Республика

Красноярский край Саха Якутия)

Республика Башкортостан

Оренбургская область

Сахалинская область

Томская область

Хабаровский край

Новосибирская область

Алтайский край j

Республи ка Ал тай

Иркутская область

Забайкальский край

Приморский край

Р и с. 2. Занятые в секторе ИКТ регионов в 2018 г. (тыс. чел.)4

F i g. 2. People employed in the regional ICT sector in 2018 (thousand people)

В таблице 3 приведены переменные, используемые в эконометрической модели.

Для анализа влияния отобранных показателей на экономическое развитие региона авторами применялась следующая эконометрическая модель в виде модифицированной функции Кобба – Дугласа:

GRPPC = A • EmplP1 • CostFundp2 • EmplICTp3 • CostICTp4 • e, где ɛ – ошибка модели.

Поскольку модель является нелинейной по параметрам, то для нахождения ее неизвестных параметров необходимо линеаризовать данную модель:

ln( GRPPC ) = ln( A ) + Р 1 • ln( Empl ) + P 2 • ln( CostFund ) +

+ p ₃ • ln( EmplICT ) + P ₄ • ln( CostICT ) + e ,

Т а б л и ц а 3. Обозначение переменных

T a b l e 3. Designation of variables

Показатели / Indicator Обозначения / Designation Единицы измерения / Units Зависимая переменная / Dependent variable ВРП на душу населения / GRP per capita GRPPC руб. на чел. / rubles per capita Объясняющие переменные / Explanatory variables Численность занятых в регионах / Number of employed people in the regions Empl тыс. чел. / thousand people Стоимость основных фондов / Costs of fixed assets CostFunds тыс. руб. на душу населения / thousand rubles per capita Занятые в ИКТ / Employed in ICT EmplICT тыс. чел. / thousand people Затраты на ИКТ / Expenditures on ICT CostsICT тыс. руб. / thousand rubles где β1 – эластичность труда, β2 – эластичность капитала, β3 – эластичность цифрового труда, β4 – эластичность цифрового капитала.

В таблице 4 приведены описательные статистики логарифмов рассматриваемых переменных, в таблице 5 – корреляционная матрица.

Анализ корреляционной матрицы показал, что на логарифм ВРП наибольшее влияние оказывают логарифм стоимости основных фондов (коэффициент корреляции Пирсона 0,9251) и логарифм затрат на ИКТ (коэффициент корреляции Пирсона 0,4919).

Поскольку рассмотренные данные имеют панельную структуру, то их применение содержит ряд преимуществ5 [36]. Так, большое количество наблюдений приводит к увеличению числа степеней свободы, они уменьшают мультиколлинеарность объясняющих переменных и позволяют получить более эффективные оценки параметров модели. Еще одним преимуществом панелей является возможность контроля неоднородности объектов в выборке, что позволяет предотвратить смещение агрегированности, которое возникает как при анализе динамических данных, так и при анализе кросс-секционных данных. Также применение моделей на панельных данных позволяет выявлять эффекты, которые невозможно наблюдать отдельно в перекрестных данных и временных рядах, а именно проследить индивидуальные эффекты объектов во временном разрезе.

Т а б л и ц а 4. Описательные статистики за 2010 – 2018 гг.

T a b l e 4. Descriptive statistics for 2010–2018

Переменная / Variable	Среднее / Mean	Медиана / Median	S.D.	Min	Max
ln( GRPPC )	12,6	12,5	0,713	10,8	15,8
ln( Empl )	6,34	6,36	0,977	3,01	8,88
ln( CostFund )	6,68	6,57	0,792	4,59	10,1
ln( EmplICT )	2,02	2,06	1,16	-1,73	5,45
ln( CostICT )	15,2	15,1	1,35	10,2	20,6
Т а б л и ц а 5. Корреляционная матрица с коэффициентами корреляции Пирсона T a b l e 5. Correlation matrix with Pearson correlation coefficients

ln( GRPPC )	ln( Empl )	ln( CostFund )	ln( EmplICT )	ln( CostICT )
1,0000	0,4560	0,9251	0,3707	0,4919	ln( GRPPC )
	1,0000	-0,0566	0,7334	0,7513	ln( Empl )
		1,0000	-0,0022	0,4470	ln( CostFund )
			1,0000	0,7641	ln( EmplICT )
				1,0000	ln( CostICT )

Рассмотрим линейную панельную модель:

ln( GRPPC t ) = ln( A ) + P 1 • ln( Empl i, ) + P ₂ • ln( CostFund i, ) +

+P3 • ln(EmplICTt) + P4 • ln(CostICTt) + ei,, где i – индекс региона, t – индекс момента времени, β1, β2, β3, β4 – параметры модели.

Наиболее простым способом анализа панельных данных является модель сквозной регрессии ( pooled -модель), т. е. модель без учета пространственной и временной структуры данных. Оценка параметров такой модели осуществляется методом наименьших квадратов, а при выполнении условий Гаусса – Маркова, оценки неизвестных параметров являются линейными, несмещенными, состоятельными и эффективными. Чаще всего данная модель используется для предварительного анализа данных⁶.

Если погрешность модели имеет вид git = pi + Xt + utf, причем pi - случайные величины, характеризующие ненаблюдаемые индивидуальные эффекты, λt – случайные величины, характеризующие ненаблюдаемые временные эффекты, uit – случайные ошибки, и рассматриваемые эффекты (временные или пространственные) считаются фиксированными (fixed effects), то мы имеем дело с моделями с фиксированными эффектами; если эффекты считаются случайными, то мы имеем дело с моделями со случайными эффектами (random effects)7.

Для анализа были построены pooled -модели (с оценками коэффициентов по методу наименьших квадратов), модели с фиксированными и случайными эффектами, а также модели с включенными временными эффектами в виде dummy -переменных, которые затем сравнивались между собой. Для выбора между моделями с фиксированными и случайными эффектами применялся критерий Хаусмана. Для сравнения pooled -модели с моделью со случайными эффектами использовался критерий Бройша – Пагана. Критерий Фишера ( robust test for differing group intercepts ) применялся для сравнения pooled -модели и модели с фиксированными эффектами. Также были рассмотрены модели с фиксированными и случайными эффектами с включенными временными эффектами. Наличие таких эффектов в моделях панельных данных проверялось с помощью критерия Вальда⁸.

Результаты построения pooled -модели, параметры которой оцениваются обычным методом наименьших квадратов, модели с фиксированными эффектами и со случайными эффектами с включенными временными dummy -переменными представлены в таблице 6.

Анализ таблицы 6 показал, что наилучшей моделью является модель с фиксированными эффектами с включенными временными dummy -переменными (p-value. Hausman = 0,0335, наименьшее значение Bayesian information criterion – BIC, p-value Wald joint test on time dummies FE = 0), что является логичным для региональных данных, поскольку каждый регион обладает своими индивидуальными особенностями, отличающими его от других субъектов Российской Федерации. Также в модели установлено высокозначимое влияние фактора времени (т. е. учтены ненаблюдаемые факторы, принимающие различные значения для каждого года, но одинаковые для всех регионов). Модель с фиксированными эффектами была проверена на мультиколлинеарность с помощью коэффициентов вздутия регрессии. Все коэффициенты оказались меньше 10, что говорит об отсутствии мультиколлинеарности.

Таблица 6 демонстрирует положительное значимое влияние факторов цифровой трансформации на ВРП на душу населения регионов. Так, увеличение численности занятых в секторе ИКТ на 1 % ведет к увеличению ВРП на душу населения на 0,0181 % (эластичность 0,0181), увеличение затрат на ИКТ приведет к увеличению ВРП на душу населения на 0,0565 % (эластичность 0,0565), эластичность ВРП по численности занятых в регионах составляет 0,1927, а по стоимости основных фондов – 0,8242. Также в модели установлено высокое значимое положительное влияние временных годовых эффектов на ВРП, что говорит о ежегодном увеличении ВРП на душу населения.

Т а б л и ц а 6. Результаты эконометрического моделирования T a b l e 6. Results of econometric modeling

tively.

-

Обсуждение и заключение. Изучение существующих концептуальных подходов к развитию цифровой экономики показало, что исследователями зафиксировано влияние цифровой трансформации на экономическое развитие стран. В частности, зарубежными и российскими исследователями установлены следующие закономерности:

• –    более высокая доля инвестиций в ИКТ в ВВП страны сопутствует более высокому значению ВВП на душу населения;

• –    средний рост ВВП в странах поддерживается стабильным ростом количества рабочей силы и ИКТ-капитала;

• –    влияние использования ИКТ на экономический рост выше в группе стран с высоким доходом;

• –    существует взаимосвязь между инвестициями в ИКТ и производительность, а также рост ВВП;

• –    рост проникновения мобильных телефонов в значительной степени повлиял на ВВП на душу населения;

• –    ИКТ увеличивают спрос на электроэнергию, но потребление электроэнергии снижает экономический рост;

• –    выявлена положительная эластичность прироста добавленной стоимости от увеличения инвестиций в программное обеспечение и коммуникационное оборудование;

• – влияние цифровизации на валовой региональный продукт на душу населения, инновационную активность предприятий, объем инновационной продукции;

  – выявлены потери ВРП регионов при сохранении динамики затрат на цифровизацию.

В нашем исследовании мы использовали инструментарий эконометрического моделирования на панельных данных Росстата по регионам России. Авторское моделирование влияния факторов экономического роста и факторов цифровой трансформации на экономическое развитие регионов Российской Федерации выявило следующие зависимости:

– важнейшими факторами регионального экономического роста являются цифровой труд и цифровой капитал;

– на уровень ВРП на душу населения значимо положительно влияют такие факторы, как численность занятых в регионе, стоимость основных фондов (общие факторы экономического роста), а также численность занятых в секторе ИКТ и затраты на ИКТ (цифровые факторы экономического роста);

– наилучшей моделью для анализа региональных данных с 2010 по 2018 г. является модель с фиксированными временными эффектами;

– в модели установлено высокозначимое положительное влияние временных годовых эффектов на ВРП на душу населения.

Таким образом, гипотеза статьи подтвердилась, а цифровой труд и цифровой капитал являются особо значимыми факторами региональной экономики.

В связи с этим органами государственной власти регионов России для достижения наилучших результатов цифровой трансформации для населения и бизнеса необходимо создание благоприятных условий для роста численности занятых в секторе ИКТ, а также общих затрат на ИКТ. Соответственно, чем более проактивной будет государственная региональная политика в отношении сектора ИКТ региона, тем значительнее будет региональный экономический рост.

Дальнейшее развитие цифровых технологий, включая облачные технологии, мобильные сервисы и искусственный интеллект, будет значительно влиять на изменение образа жизни и предоставит гражданам исключительные услуги и блага, которых раньше не было, особенно в отдаленных от центра территориях.

Практическая значимость статьи состоит в том, что авторская модель влияния факторов экономического роста и факторов цифровой трансформации на экономическое развитие регионов Российской Федерации может использоваться для целей прогнозирования регионального экономического роста, при изменении цифровых факторов – затрат на ИКТ и численности занятых в секторе ИКТ. В свою очередь, полученные прогнозы могут быть положены в основу для определения приоритетов региональной экономической политики.

В дальнейших исследованиях могут быть использованы дополнительные показатели, характеризующие цифровой труд и цифровой капитал в регионах. В то же время применение дополнительных показателей требует внесения изменений в систему сбора статистических показателей Росстатом.