Автор: Пользователь скрыл имя, 04 Марта 2013 в 22:44, курсовая работа
Целью работы является изучение методов измерения экономики знаний и их применения на реальных статистических данных. Провести регрессионный анализ по данным четырнадцати стран для определения влияния экономики знаний на производство валового внутреннего продукта страны. Для этого необходимо:
Рассмотреть суть Экономики знаний;
Определить индикаторы, позволяющие измерить Экономику знаний;
Собрать данные по выбранным четырнадцати странам для проведения статистического анализа;
Провести статистический анализ связи.
Введение 3
Глава 1. Экономика знаний 6
1.1. Основная черта 6
1.2. Метод измерения экономики знаний 6
1.3. Индексы измерения экономики знаний 8
1.4. Эффективность методик и проблемы. 19
Глава 2. Практическая часть 22
2.1. Характеристика выборки и метод анализа 22
2.2. Регрессионный анализ для KEI 22
2.3. Регрессионный анализ для NRI 25
Заключение 31
Список используемой литературы 33
Приложения 35
Под таблицей видно что в двадцать седьмую модель включено семнадцать переменных.
Аналогично предыдущему анализу. Если включение переменной увеличивает R-квадрат, следовательно эта переменная включается в уравнение регрессии.
По дисперсионному анализу (Приложение 2) видно, что каждая модель была значимой.
Таблица 6
Коэффициенты
Модель |
Нестандартизованные коэффициенты |
Стандартизованные коэффициенты |
t |
Знч | ||
В |
Стд. Ошибка |
Бета | ||||
27 |
(Константа) |
-9118942692911,670 |
2183739783692,447 |
-4,176 |
0,000 | |
X16 |
-150675833719,513 |
29907566354,825 |
-0,471 |
-5,038 |
0,000 | |
X43 |
3792915682,189 |
675414931,675 |
0,429 |
5,616 |
0,000 | |
X32 |
-2537657476839,644 |
254479858828,612 |
-0,633 |
-9,972 |
0,000 | |
X67 |
2924153912104,140 |
289133711224,309 |
0,457 |
10,114 |
0,000 | |
X53 |
-2846222273585,014 |
231345359183,624 |
-1,208 |
-12,303 |
0,000 | |
X69 |
-38025386532,435 |
5436656587,545 |
-0,367 |
-6,994 |
0,000 | |
X13 |
-29514827872,588 |
5075572181,187 |
-0,221 |
-5,815 |
0,000 | |
X23 |
3567539038469,344 |
500930514046,858 |
0,752 |
7,122 |
0,000 | |
X21 |
-2129475385483,899 |
551229725724,902 |
-0,398 |
-3,863 |
0,000 | |
X27 |
2682475782935,707 |
515952986234,158 |
0,696 |
5,199 |
0,000 | |
X6 |
4664162381949,050 |
348984542993,003 |
1,261 |
13,365 |
0,000 | |
X52 |
-2220052534936,135 |
507805485223,131 |
-0,538 |
-4,372 |
0,000 | |
X59 |
91427980219,083 |
21642104125,979 |
0,161 |
4,225 |
0,000 | |
X7 |
-990573025807,216 |
348077584086,858 |
-0,229 |
-2,846 |
0,006 | |
X37 |
13432919426335,121 |
5151611213854,141 |
0,086 |
2,608 |
0,012 | |
X17 |
36941147437,299 |
14462199281,103 |
0,252 |
2,554 |
0,014 | |
X48 |
894044019027,936 |
432123139292,845 |
0,144 |
2,069 |
0,044 |
По индексу сетевой готовности было построено двадцать семь моделей, поэтому здесь представлена только последняя двадцать седьмая. Таким образом, анализ таблиц показывает, в модель множественной регрессии целесообразно включить: “Количество абонентов широкополосного Интернета (на 100 человек)”, “Количество защищенных Интернет-серверов (на млн. чел.)”, “ Качество математического и научного образования”, “Влияние системы налогообложения (гибкость системы налогообложения)”, “Независимость судебной системы”, “Время, необходимое для начала бизнеса (в днях)”, “Количество пользователей мобильных телефонов (на 100 человек)”, “Важность ИКТ с точки зрения государства”, “Приоретизация ИКТ государством”, “Сотрудничество университетов и промышленности”, “Инновационный потенциал”, “ Законы в области ИКТ”, “Количество процедур, необходимых для заключения контракта”, “Степень использования Интернета бизнесом”, “Фиксированные телефонные тарифы”, “Пользователи сети Интернет на 100 человек”, “Доступность ученых и инженеров”. (Соответственно)
Зная коэффициенты β можем составить уравнение регрессии:
Y=-9118942692911,670-
Проанализируем каждую переменную функции. Количество абонентов Широкополосного интернета имеет отрицательный коэффициент, значит отрицательно влияет на валовой внутренний продукт. Скорее всего, это связано с тем, что технология ШПД недавно введена в эксплуатацию, поэтому ею пользуются только домохозяйства, и как мне кажется используют они интернет в большей степени для общения и развлечения, то есть не происходит обмена какой-либо научной информации или инновационных идей. Количество защищенных Интернет серверов имеет положительное влияние на ВВП, это можно объяснить следующим, люди не боятся хранить информацию об ИКТ и т.п. на серверах, что упрощает поиск и изучения статей, то есть так же ускоряет процесс обмена знаниями. Увеличение качества образования требует определенные затраты, а именно временные, следовательно, обмена как такового не происходит в данный момент времени, студент получив информацию не использует её для улучшения производства и т.п., а значит не увеличивает ВВП. Гибкость системы налогообложения подразумевает способность налоговой системы быстро перестраиваться для эффективного решения той или иной проблемы, это скорее всего решает проблемы с увеличением валового продукта стран. Независимость судебной системы может способствовать перекрытию доступа какой-либо информации, как например фирмы скрывают некоторые данные, ссылаясь на то, что это строгая конфиденциальность и не дают доступа другим (примером такой информации может быть успешная модель управления, какая-нибудь производственная модель внутри компании). Количество дней, которые необходимы для того чтобы начать бизнес, как видим по формуле влияет на ВВП отрицательно, объяснить это можно так же как и в случае с качеством образования, здесь индивид терпит временные издержки, тем самым он не может приступить к работе вовремя, иногда может случиться и так, что совсем и не начнет свою деятельность, а значит ВВП не будет увеличиваться. Количество пользователей мобильных телефонов как было указанно ранее может отрицательно влиять на ВВП, так как может использоваться не для обмена информации а для развлечений. Важность ИКТ с точки зрения государства имеет положительно влияние на ВВП, так как увеличение использования ИКТ в политике и других сферах государства позволяет ускорить процесс обмена информации и знаний. Сотрудничество университетов и предприятий позволяет увеличит валовой внутренний продукт, так как предприятия могут использовать новые модели, которые были разработаны в университетах, для улучшения производства и т.п. Инновационный потенциал страны имеет положительную связь в уравнении, так как в стране, где данный показатель высокий, процесс обмена информации протекает более быстро, что позволяет ускорить процессы производства и обмена. Количество процедур для заключения контракта положительно влияет на ВВП, это связано с тем, что множество процедур могут укрепить контракт лучше, и учесть все нюансы заключения договора, при этом исход будет более эффективный, нежели в случае с наиболее меньшим количеством процедур. Степень использования Интернета бизнесом так же способствует увеличению ВВП, это объясняется быстрым обменом информации, что ускоряет производство. Доступность инженеров и ученых, при увеличении данного показателя ВВП страны увеличивается.
В результате регрессионного анализа были получены функции, которые характеризуют зависимость ВВП страны с переменными индексов KEI и NRI. Все результаты указывают на значимость регрессии и входящих в него показателей, однако сказать, что мы получили точную зависимость нельзя, так как мы не учитывали других показателей включенных в значения ВВП страны, поэтому в результате коэффициенты перед независимыми переменными получились очень большие. Так же стандартная ошибка оценки указывает на это.
Данная тема актуальна для изучения в наши дни, так как экономика перешла в экономику знаний, а это значит, что все производство основано на информации. Люди производят информацию, люди её продают и используют для производства новой информации, а так же средств передачи и другие технологии не только в области ИКТ. Знания действительно играют очень важную роль, это основной ресурс и продукт. Экономический рост стран всё больше зависит от развития знаний. Сегодня это уже замкнутый круг – знания способствуют развитию ИКТ, а ИКТ способствуют развитию знаний, ускоряют процесс передачи и обработки той или иной информации, что позволяет быстро принимать решения.
Рассмотренные индексы и методики измерения на данный момент единственное, что может дать характеристику развития той или иной страны в области ИКТ. Данные методики и индексы целесообразны для использования, так как учитывают большинство показателей характеризующих научное и технологическое развитие стран.
Регрессионный анализ ограничен лишь доступностью данных, большинство данных отсутствует, что ограничивает работу, ограничивает размер выборки.
Результаты регрессионного анализа показали зависимости ВВП от переменных индексов NRI и KEI. Некоторые переменные имеют положительную связь с ВВП, а значит эти функции могут быть использованы, чтобы четко представлять на какие показатели стоит обратить внимание и провести стимулирующую политику чтобы способствовать увеличению ВВП. Например, простимулировать население подключаться к Интернету и т.п. позволит увеличить валовой внутренний продукт страны, так как процесс обмена информации будет протекать более быстрее, что облегчит обучение, производство.
Данное исследование можно будет использовать в дальнейших исследованиях. Для начала можно посмотреть, как фирмы внутри страны влияют на показатель экономики знаний и вывести уравнение регрессии. Так же можно увеличить выборку по странам для построения более точной регрессии.
Специальная литература
Электронные ресурсы.
Приложение 1
Дисперсионный анализ KEI | |||||||||
Модель |
Сумма квадратов |
ст.св. |
Средний квадрат |
F |
Знч. | ||||
1 |
Регрессия |
771304469031884400000000000, |
12 |
64275372419323710000000000,000 |
21,762 |
0,000 | |||
Остаток |
209703090897511100000000000, |
71 |
2953564660528325600000000,000 |
||||||
Всего |
981007559929395500000000000, |
83 |
|||||||
2 |
Регрессия |
771301146559579800000000000, |
11 |
70118286050870890000000000,000 |
24,074 |
0,000 | |||
Остаток |
209706413369815760000000000, |
72 |
2912589074580774600000000,000 |
||||||
Всего |
981007559929395500000000000, |
83 |
|||||||
3 |
Регрессия |
770517701363533100000000000, |
10 |
77051770136353310000000000,000 |
26,722 |
0,000 | |||
Остаток |
210489858565862400000000000, |
73 |
2883422720080307000000000,000 |
||||||
Всего |
981007559929395500000000000, |
83 |
|||||||
4 |
Регрессия |
762873000040352100000000000, |
9 |
84763666671150240000000000,000 |
28,755 |
0,000 | |||
Остаток |
218134559889043420000000000, |
74 |
2947764322824911400000000,000 |
||||||
Всего |
981007559929395500000000000, |
83 |
|||||||
5 |
Регрессия |
758116178906983200000000000, |
8 |
94764522363372900000000000,000 |
31,887 |
0,000 | |||
Остаток |
222891381022412300000000000, |
75 |
2971885080298830600000000,000 |
||||||
Всего |
981007559929395500000000000, |
83 |
|||||||
6 |
Регрессия |
752276911425156600000000000, |
7 |
107468130203593800000000000, |
35,708 |
0,000 | |||
Остаток |
228730648504238920000000000, |
76 |
3009613796108407000000000,000 |
||||||
Всего |
981007559929395500000000000, |
83 |
|||||||
7 |
Регрессия |
746497765611419300000000000, |
6 |
124416294268569900000000000, |
40,851 |
0,000 | |||
Остаток |
234509794317976200000000000, |
77 |
3045581744389301000000000,000 |
||||||
Всего |
981007559929395500000000000, |
83 |
|||||||
8 |
Регрессия |
744229359686521500000000000, |
5 |
148845871937304300000000000, |
49,033 |
0,000 | |||
Остаток |
236778200242874000000000000, |
78 |
3035617951831717700000000,000 |
||||||
Всего |
981007559929395500000000000, |
83 |
|||||||
9 |
Регрессия |
739026275249419000000000000, |
4 |
184756568812354730000000000, |
60,318 |
0,000 | |||
Остаток |
241981284679976640000000000, |
79 |
3063054236455400700000000,000 |
||||||
Всего |
981007559929395500000000000, |
83 |
|||||||
10 |
Регрессия Остаток Всего |
732942561387469100000000000, 248064998541926400000000000, 981007559929395500000000000, |
3 80 83 |
244314187129156400000000000, 3100812481774080000000000,000 |
78,790 |
0,000 |