Измерение экономики знаний

Автор: Пользователь скрыл имя, 04 Марта 2013 в 22:44, курсовая работа

Описание работы

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.

Содержание

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

Работа содержит 1 файл

Курсовая Ведерников С.О..docx

— 112.69 Кб (Скачать)

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=-9118942692911,670-150675833719,513*X16+3792915682,189*X43-2537657476839,644*X32+2924153912104,140*X67-2846222273585,014*X53-38025386532,435*X69-29514827872,588*X13+3567539038469,344*X23-2129475385483,899*X21+2682475782935,707*X27+4664162381949,050*X6-2220052534936,135*X52+91427980219,083*X59+990573025807,216*X7+13432919426335,121*X37+36941147437,299*X17+894044019027,936*X48

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.

 

Заключение

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.

 

 

Список используемой литературы

Специальная литература

  1. Derek H. C. Chen and Carl J. Dahlman. The Knowledge Economy, The KAM Methodology And World Bank Operations. 2006. 42 pages. Stock No. 37256.
  2. Dougherty Ch. Introduction to Econometrics. // Oxford University Press. New York Oxford. 1992. P. 34-111, 134-159.
  3. Human Development Report 2001. Making New Technologies Work for Human Development. United Nations Development Programme (UNDP). New York, 2001.
  4. Бортвин Д. О., Лобза Е. В., Хасаншин Р. Р. Оценка инновационного потенциала через призму индикаторов развития информационного общества и экономики знаний. // Вестник международных организаций.  2010, № 1, с. 33–50
  5. Московин В. М. и др. Развитие методологии оценки экономики знаний (на примере стран ASEAN и MEDA) // Международная экономика. 2011. №4. С.59-75.
  6. Пипия Л. К. Проблемы измерения экономики знаний. С. 61-85.
  7. Чугунов А. В. Системы индикаторов и мониторинг развития информационного общества и экономики знаний. // Вестник международных организаций. 2006. №7.
  8. Чугунов А. В. Концепция обществ знаний и индикаторы измерения готовности к переходу на модель развития, основанную на знаниях // Вестник международных организаций. 2007. №4.

 

Электронные ресурсы.

  1. Freedom House. / Database. Available at: http://www.freedomhouse.org/template.cfm?page=5
  2. Index of Economic Freedom / Database. Available at: http://www.heritage.org/index/
  3. KAM Data / World Bank Database. Available at: http://data.worldbank.org
  4. Measuring the Information Society / International Telecommunication Union. Available at: http://www.itu.int/ITU-D/ict/publications/idi/2009/index.html.
  5. NRI Data / World Economic Forum. Available at: http://www.weforum.org/en/initiatives/gcp/index.htm
  6. The Knowledge Assessment Methodology / The World Bank/ Date of access: 20 February 2010, available at: www.worldbank.org/kam
  7. The Knowledge Economy Index (KEI) Rankings/ The World Bank. Available at: http://siteresources.worldbank.org/INTUNIKAM/Resources/KEI2008Highlights_final12052008.pdf.
  8. The Global Information Technology Report 2008-2009 / World Economic Forum, INSEAD. Available at: http://www.weforum.org/en/initiatives/gcp/Global%20Information%20Technology%20Report/index.htm
  9. The Global Information Technology Report 2012 / World Economic Forum, INSEAD. Available at: http://www.weforum.org
  10. The Knowledge-Based Economy. OCED, 1996. Available at http://oced.org
  11. The Global Information Technology Report 2010 / World Economic Forum, INSEAD. Available at: http://www3.weforum.org/docs/WEF_GITR_Report_2010.pdf
  12. The Global Information Technology Report 2011 / World Economic Forum, INSEAD. Available at: http://www3.weforum.org/docs/WEF_GITR_Report_2011.pdf
  13. UNESCO Institute for Statistics. / Database. Available at: http://www.uis.unesco.org/Pages/default.aspx
  14. United States Patent and Trademark Office (USPTO) / Database. Available at: http://www.uspto.gov/

 

Приложения

Приложение 1

Дисперсионный анализ KEI

Модель

Сумма квадратов

ст.св.

Средний квадрат

F

Знч.

1

Регрессия

771304469031884400000000000,000

12

64275372419323710000000000,000

21,762

0,000

Остаток

209703090897511100000000000,000

71

2953564660528325600000000,000

   

Всего

981007559929395500000000000,000

83

     

2

Регрессия

771301146559579800000000000,000

11

70118286050870890000000000,000

24,074

0,000

Остаток

209706413369815760000000000,000

72

2912589074580774600000000,000

   

Всего

981007559929395500000000000,000

83

     

3

Регрессия

770517701363533100000000000,000

10

77051770136353310000000000,000

26,722

0,000

Остаток

210489858565862400000000000,000

73

2883422720080307000000000,000

   

Всего

981007559929395500000000000,000

83

     

4

Регрессия

762873000040352100000000000,000

9

84763666671150240000000000,000

28,755

0,000

Остаток

218134559889043420000000000,000

74

2947764322824911400000000,000

   

Всего

981007559929395500000000000,000

83

     

5

Регрессия

758116178906983200000000000,000

8

94764522363372900000000000,000

31,887

0,000

Остаток

222891381022412300000000000,000

75

2971885080298830600000000,000

   

Всего

981007559929395500000000000,000

83

     

6

Регрессия

752276911425156600000000000,000

7

107468130203593800000000000,000

35,708

0,000

Остаток

228730648504238920000000000,000

76

3009613796108407000000000,000

   

Всего

981007559929395500000000000,000

83

     

7

Регрессия

746497765611419300000000000,000

6

124416294268569900000000000,000

40,851

0,000

Остаток

234509794317976200000000000,000

77

3045581744389301000000000,000

   

Всего

981007559929395500000000000,000

83

     

8

Регрессия

744229359686521500000000000,000

5

148845871937304300000000000,000

49,033

0,000

Остаток

236778200242874000000000000,000

78

3035617951831717700000000,000

   

Всего

981007559929395500000000000,000

83

     

9

Регрессия

739026275249419000000000000,000

4

184756568812354730000000000,000

60,318

0,000

Остаток

241981284679976640000000000,000

79

3063054236455400700000000,000

   

Всего

981007559929395500000000000,000

83

     

 

 

10

Регрессия

Остаток

Всего

732942561387469100000000000,000

248064998541926400000000000,000

981007559929395500000000000,000

3

80

83

244314187129156400000000000,000

3100812481774080000000000,000

78,790

0,000

Информация о работе Измерение экономики знаний