Статья: Классификация стран Европы по уровню цифровизации

Рисунок 3. График средних для 2 кластера переменных.

По уровню образованности населения в сфере ИКТ все страны Европы были разделены на 4 кластера. В первый и второй кластеры вошли страны, имеющие средний уровень распространенности ИКТ среди населения. 3 кластер представлен 4 странами с наименьшей информационной образованностью. Это схожие друг с другом страны по уровню экономического развития. 4 кластер имеет самые высокие результаты. В этих странах уделяется повышенное внимание образованию населения в области ИКТ (в среднем 75,5%), помимо школ и университетов, организовывается специальное обучение на предприятиях и на специальных курсах. А также 80% населения использует Интернет на мобильном телефоне или смартфоне, что говорит о хорошем материальном достатке в данных странах и распространенности 3G и 4G (таблица 4).

Таблица 4 Страны, составляющие кластеры по второй группе переменных

Третья группа признаков состоит из показателей, характеризующих использование компьютера и Интернета дома. Все страны по данным переменным объединились также в четыре группы (рис. 4).

Рисунок 4. График средних для третьего кластера переменных.

Данный кластер представляет собой признаки, характеризующие индивидуальное использование Интернета на работе и дома. Первая группа включает в себя 10 стран, это преимущественно страны Прибалтики и Восточной Европы. Имеет средние значения по признакам, тем самым показывая средний уровень распространения Интернета в этих странах. Второй кластер представлен 5 странами: жители Бельгии, Великобритании, Эстонии и Австрии активно используют Интернет-ресурсы. 3 группа состоит из 6 стран, наименее развитых в данной сфере, это те страны, которые еще только встают на инновационный путь. 4 кластер - 8 стран Европы с самым сильным развитием Интернета (таблица 5).

Таблица 5 Страны, составляющие кластеры по третьей группе переменных

Для жителей всех стран данной группы наиболее популярными Интернет-ресурсами (в процентах от Интернет-пользователей) являются: чтение новостей в Интернете (70%), просмотр видео, музыка (39%), социальные сети (63%), Интернет-магазины (66%), онлайн-банкинг (59%).

В четвертый кластер стран вошли показатели, характеризующие, так или иначе, деятельность предприятия в информационной сфере: ; ; ; ; ; ; Четвертый кластер показывает использование цифровых технологий в странах Европы в бизнесе. Они также были разделены на четыре группы (рис. 5).

Рисунок 5. График средних для четвертого кластера переменных.

Средние значения показателей четвертой группы отражены в таблице 6.

Таблица 6 Средние значения показателей четвертой группы переменных по странам Европы

Четвертый кластер переменных показывает использование цифровых технологий в бизнесе. Так, все страны Европы были разделены на четыре группы (таблица 7).

Таблица 7 Страны, составляющие кластеры по четвертой группе переменных

Первая и вторая группы стран характеризуются тем, что в среднем на 17% у них освоены технологии в предпринимательстве. Третий кластер стран имеет самые низкие показатели, то есть пока на современном этапе развития экономики и бизнеса в этих странах применяются стандартные технологии. Четвертая группа стран имеет самые высокие результаты. В данную группу входят страны: Дания, Нидерланды, Великобритания, Норвегия, Швеция. Большое значение в развитии цифровых технологий данных стран оказывает то, что в этих странах в бизнесе большая доля предприятии проводила обучение по повышению квалификации ИКТ для своего персонала.

Для определения комплексного развития цифровой экономики в странах Европы были использованы составляющие всех четырех кластеров и найдены их пересечения (таблица 8).

Таблица 8 Пересечение стран по кластерам

Таким образом, в первую группу стран, имеющих пересечение по всем группам переменных, вошли Испания, Кипр и Мальта. Во второй кластер - Чехия и Франция. Третий кластер образовали соседствующие друг с другом страны Болгария, Греция и Италия. Они имеют схожий уровень экономического развития. Экономика Болгарии пережила немало драматичных моментов в течение 1990-х годов. Экономика страны испытала серьёзный кризис после роспуска СЭВ и ослабления хозяйственных связей с бывшими социалистическими странами. Уровень жизни населения значительно упал. Все эти страны сильно зависели и до сих пор зависят от «титанов» Евросоюза, в связи с этим развитие в них идет постепенно и последовательно. Четвертый кластер включает страны с передовыми цифровыми технологиями. Сильное развитие цифровой экономики в данных странах обусловлено несколькими причинами. Прежде всего, это связано с государственной политикой: Норвегия и Финляндия зафиксировали доступ к Интернету в своих законах как одно из прав, которое страна должна гарантировать своим гражданам. Дополнительное обучение, курсы, специальности IT в этих странах имеют большое распространение. Самые громкие примеры успеха - разработчик IP-телефонии Skype или музыкальный стриминг-сервис Spotify, позволяющий легально и бесплатно прослушивать музыкальные композиции, скоро станет доступным и в России. Также Стокгольм - один из лучших городов Европы для запуска стартапов в области цифровых технологий, то есть там созданы все условия для благоприятного развития IT-бизнеса.

Таким образом была получена качественная классификация, позволившая четко определить отнесение пятнадцати стран Европы в группы со схожими характеристиками внедрения и использования ИТК и цифровой экономики. Данную классификацию можно считать обучающими выборками и использовать ее для уточнения классификации оставшихся четырнадцати стран, используемых в анализе. Из всех 19 показателей были выбраны 7 наиболее значимых для развития цифровой экономики с учетом развития инновационного климата: доля предприятий, получивших заказы через компьютерные сети, % - ; доля предприятий, которые проводили обучение по разработке/повышению квалификации ИКТ для своего персонала, % - ; доля лиц, имеющих базовые или выше базовых общие навыки в сфере ИКТ, % - ; использование мобильных подключений к Интернету сотрудниками (доля наемных работников, которым предоставлено портативное устройство, с мобильным подключением к Интернету для использования в бизнесе), % от общей занятости - ; процент лиц, использующих Интернет на ноутбуке или нетбуке, % - ; процент лиц, использующих Интернет на мобильном телефоне или смартфоне, % - ; процент лиц, использующих Интернет на интеллектуальном телевизоре (напрямую подключенном к Интернету),% - ;

Исследование проводилось с помощью дискриминантного анализа. На первом этапе была проверена правильность распределения стран на группы (кластеры) по объединяющим признакам. Для проверки качества классификации используются различные статистики, связанные с дискриминантным анализом. Мы использовали значение статистики Уилкса и F-статистики. Значение «лямбда» Уилкса (Wilks's) -это отношение внутригрупповой суммы квадратов к общей сумме квадратов. Его значение варьирует от 0 до 1.

Значения статистики Уилкса близкое к 0 свидетельствуют о хорошей дискриминации, указывает на то, что средние групп различаются, близкое к 1 - о плохой дискриминации, средние групп не различаются. Значения f-статистики вычисляют с помощью однофакторного дисперсионного анализа, используя разбивку на группы независимой переменной. Каждый предиктор, в свою очередь, служит в ANOVA метрической зависимой переменной. Данный показатель должен быть достаточно большим. Для проведенной классификации стран Европы значение «лямбда» Уилкса (Wilks's) равно 0,0018998 , значение F-критерия - 5,583479, можем предположить, что данная классификация корректная. В целях проверки корректности обучающих выборок рассмотрены результаты классификационной матрицы. Классификационная матрица содержит ряд правильно классифицированных и ошибочно классифицированных случаев (таблица 9).

Таблица 9 Матрица классификации

Из классификационной матрицы можно сделать вывод, что объекты были правильно отнесены к выделенным группам, т.е. все 15 стран были распределены правильно по 4 кластерам и данную выборку можно использовать для классификации других стран.

Оставшиеся 14 стран были распределены по кластерам с помощью апостериорных вероятностей таким образом: новые случаи (страны) были отнесены к тем группам (классам), вероятность попадания в которые была максимальной (таблица 10).