УДК 330.341:303.725.3:004
DOI: 10.36871/ek.up.p.r.2025.11.14.012

Авторы

Ирина Романовна Топунова,
Государственный университет управления, Москва, Российская Федерация
Алина Сергеевна Топунова,
Финансовый университет при Правительстве РФ, Москва, Российская Федерация

Аннотация

В условиях стремительного развития цифровых технологий цифровизация стала ключевым драйвером экономического роста, структурных преобразований и повышения конкурентоспособности на глобальном уровне. Однако между развитыми и развивающимися странами наблюдаются существенные различия в темпах и результатах цифровой трансформации. Целью настоящего исследования является сравнительное моделирование темпов цифровизации экономики развитых и развивающихся государств на основе анализа макроэкономических и цифровых индикаторов. Методологическая основа включает построение панельных регрессионных моделей и кластерный анализ, с использованием данных Всемирного банка, ITU и ОЭСР за период 2010–2023 гг. Результаты моделирования показывают, что в развитых странах цифровизация оказывает устойчивое влияние на рост производительности и инновационную активность, в то время как в развивающихся странах ключевыми эффектами являются рост занятости и расширение доступа к рынкам. Полученные выводы позволяют сформулировать рекомендации по выработке адаптивной цифровой политики, учитывающей институциональные и инфраструктурные особенности разных стран.

Ключевые слова

цифровизация, цифровая экономика, эконометрическое моделирование, развивающиеся страны, развитые страны, ИКТ, производительность, занятость, цифровой разрыв, трансформация

Список литературы

  1. ВанЮ., Ю., Ч. и ФезенмайерД. Р. (2020). Аналитика больших данных в электронной коммерции. Журнал бизнес-исследований.
  2. НгуенТ., и СимкинЛ. (2021). Цифровые следы и понимание потребителей. Технологическое прогнозирование и социальные изменения.
  3. Ведель М., и Каннан П. К. (2016). Маркетинговая аналитика для сред с большим объемом данных. Журнал маркетинга.
  4. Гревал Д., Роггевен А. Л., и Нордфэльт Й. (2017). Будущее розничной торговли. Журнал розничной торговли.
  5. Чжан С., и Чжэн И. (2019). Метод глубокого обучения для прогнозирования поведения пользователей электронной коммерции. Информационные науки.
  6. Ян, С., Лу, Ю. и Чау, П. Ю. К. (2021). Поведение пользователей в многоканальной электронной коммерции: предиктивное моделирование. Системы поддержки принятия решений.
  7. Google Think Insights (2020). Микромоменты: Ваше руководство по успешному переходу на мобильные устройства.
  8. Миттельштадт Б. Д. и др. (2016). Этика алгоритмов. Большие данные и общество.
  9. Рибейро М. Т., Сингх С. и Гестрин К. (2016). «Почему я должен вам доверять?»: объяснение прогнозов любого классификатора. ACM KDD.
  10. Дастин Дж. (2018). Предвзятость в ИИ: приложения для розничной торговли и уроки. Специальные репортажи Reuters.