Наибольшее число регистраций зафиксировано у домена .tk. Не так далеко от Ниуэ находится островная автономия Токелау (под управлением Новой Зеландии). Токелау выделен домен первого уровня .tk. Маленькое государство, с численностью населения всего 1400 человек, успешно извлекает из этого домена существенную часть своего бюджета. Это единственный национальный домен предоставляющий бесплатную регистрацию. Правда, бесплатная регистрация предполагает согласие регистрирующего домен на публикацию рекламы, а функционирование домена организовано таким образом, что в дальнейшем вместе с сайтом показывается коммерческая реклама. Количество регистраций .tk исчисляется многими миллионами, делая этот национальный домен одним из крупнейших.

Количество сайтов, использующих национальные домены Европы, очень велико из-за высоких темпов внедрения сети Интернет. К примеру, Великобритания является только 21-й страной по численности населения и 78-й - й по площади. Но с точки зрения использования Интернета, Великобритания находится на вершине рейтинга. В 2015 году в Соединённом Королевстве примерно четыре взрослых из пяти заходили в Интернет ежедневно, и более трех четвертей покупали товары или услуги через Интернет. Домен .uk насчитывает 10,6 миллионов регистраций. Каждые 20 секунд в доменной зоне .uk регистрируется новое доменное имя.

США, с другой стороны, является аномалией. Несмотря на высокий уровень использования Интернета, электронной коммерции и интернет-инноваций, зафиксирован сравнительно мало регистраций под доменным именем .us, официальным доменом страны. Американцы и американские предприятия, как правило, предпочитают регистрировать сайты под доменом .com, который является самым распространённым доменом верхнего уровня, с более 123 млн. регистрациями.

Малое количество зарегистрированных сайтов под национальными доменами стран Африки объясняется низкими уровнем распространения Интернета. Только 15 процентов населения континента имеют регулярный доступ в сеть Интернет.

Лидерами по числу регистраций являются домены .cn - Китая и .de Германии. Количество регистраций в данных доменных зонах составило 16,810,737 и 16,056,043 доменов второго уровня соответственно.

Германия считается одним из европейских лидеров по количеству населения, охваченного Интернетом. При этом численность населения Германии велика. Эти факторы вносят свою лепту в популярность национального домена. Поддерживают популярность и либеральные правила регистрации имен в .de. Так, при условии наличия представителя на территории Германии домены .de могут регистрировать иностранные граждане. В именах доменов, кроме символов латиницы, разрешены немецкие умляуты. Немаловажную роль играет развитый вторичный рынок доменов, который поддерживает крупнейший игрок этого рынка - компания Sedo. Существует мнение, согласно которому большое количество регистраций в домене .de обусловлено тем, что политика регистратуры всячески препятствует удалению имен второго уровня.

На карте от компании Nominet Россия выглядит значительно меньше своих реальных размеров. В зоне .ru зарегистрировано 5,209,252 доменных имён. Отметим, что при составлении карты не учитывались данные об адресах, зарегистрированных в кириллической зоне .рф и .su, число которых составляет 882,340 и 119,063 соответственно.

Таблица 4

Число доменных имён в крупнейших

национальных доменах верхнего уровня

Место в рейтинге	Националь-ный домен	Страна	Домены, тыс.	Место в рейтинге	Националь-ный домен	Страна	Домены, тыс.
1	.tk	Токелау	31300,00	15	.co	Колумбия	2043,60
2	.cn	Китай	18507,13	16	.ch	Швейцария	1994,32
3	.de	Германия	16112,32	17	.es	Испания	1808,84
4	.uk	Соединенное Королевство	10711,10	18	.us	Соединенные Штаты	1713,24
5	.nl	Нидерланды	5617,75	19	.be	Бельгия	1544,37
6	.ru	Россия	5166,02	20	.jp	Япония	1421,49
7	.br	Бразилия	3788,15	21	.se	Швеция	1395,19
8	.au	Австралия	3032,34	22	.dk	Дания	1326,41
9	.fr	Франция	2971,81	23	.at	Австрия	1275,90
10	.it	Италия	2926,33	24	.cz	Чешская Республика	1252,31
11	.pl	Польша	2710,50	25	.za	Южная Африка	1075,81
12	.ar	Аргентина	2600,00	26	.kr	Корея, республика	1037,16
13	.ca	Канада	2463,70	27	.me	Черногория	1025,85
14	.in	Индия	2072,21

В рамках исследования Nominet проведём анализ количества национальных доменных имён на душу населения. Как было видно из карты компании Nominet, большой размер страны и значительная численность населения не гарантирует большое число зарегистрированных доменных имён. Важным показателем выступает число доменов на жителя страны.

Для анализа было выбрано 27 стран с максимальным числом зарегистрированных доменных имён (ccTLD). К крупнейшим ccTLD относятся домены с базой выше одного миллиона доменных имен. Список стран и их национальные доменные имена представлены в таблице 4.

Токелау был исключён из анализа из-за бесплатной регистрации доменного имени, которая сильно искажает результаты. На одного жителя Токелау приходится 22183 доменов в зоне .tk.

Рис. 8. Распределение стран по численности населения, количеству зарегистрированных доменных имён, числу доменных имён на душу населения, 26 стран, 2016 г.

Источник: Домены России

На рисунке 8 диаметр окружности зависит от количества доменов на душу населения. Наименьшее значение количества доменов на 10 тыс. человек населения показала Индия. На 10,000 человек приходится менее 1 домена. Данный результат закономерен, так как согласно данным Всемирного банка в 2015 г. лишь 18% жителей страны пользовались Интернетом.

Несмотря на огромное число зарегистрированных доменов, Китай показал очень низкое количество доменов на 10 тыс. человек населения. На 10 тыс. жителей Китая приходится лишь 100 доменных имён. Это можно объяснить большой численностью населения страны. Такой же результат плотности доменных имён показали США и Япония (100 доменов на 10 тыс. человек населения). Как было сказано выше, в Соединённых Штатах компании предпочитают регистрировать свои сайты в доменной зоне .com, этим объясняется низкое количество доменов на душу населения. Малая плотность доменных имён в Японии определяется правилами регистрации доменного имени. Во-первых, регистрация под доменом .jp гораздо дороже регистраций под другими национальными доменами. Во-вторых, регистрироваться могут только компании, состоящие в японском реестре компаний. Информация на сайте должна быть на японском языке. Таким образом, это становится препятствием и для японских компаний, и, в особенности, для компаний зарубежных.

Германия и Великобритания заметно оторвались от остальных Европейских стран по числу регистраций (рис. 8). На 10,000 жителей Германии и Соединённого Королевства приходится 2 тыс. и 1,6 тыс. доменных имён соответственно. Эти страны занимают 5 и 6 место по числу доменов на 10 тыс. человек населения. Таким образом, здесь зафиксировано большое число регистраций доменов и высокая плотность доменов.

Очень интересный случай представляет пример Черногории, в которой отмечено самое большое число доменных имён на 10 тыс. человек населения. Плотность домена .me составила 165 тыс. доменных имён на 10 тыс. человек населения. Таких высоких результатов Черногория достигла потому, что Me - важное слово в английском языке, означающее, в зависимости от контекста, мне, мой, я. Домен .me преподносится как первый персональный домен в Интернете. Сайт официальной регистратуры домена (nic.me) встречает пользователя не информацией о Черногории, а слоганом Express yourself (в переводе «найди самовыражение»). Правительство Черногории - формальный администратор домена .me.

Россия продемонстрировала хороший результат по количеству регистраций домена .ru, оказавшись на 6 позиции в рейтинге, опередив Бразилию, Австралию, Францию, Италию. Однако, по плотности доменных имён Россия показала значения ниже среднего, на 10 тыс. человек населения в нашей стране приходится лишь 400 доменных имён. Заметим, что данные о регистрации доменов .рф и .su не были учтены.

Исключим страны со значениями-выбросами, чтобы более подробно рассмотреть распределение остальных стран. Рисунок 9 наглядно иллюстрирует распределение стран по численности населения, количеству регистраций и числу доменов не 10 тыс. человек населения.

В первую очередь бросается в глаза кластер, состоящий из Чешской Республики, Австрии, Дании, Швеции и Бельгии. Данный кластер характеризуется невысоким числом регистраций, малой численностью населения, высокой плотностью доменных имён (от 1200 до 2300 доменных имён на 10 тыс. человек населения).

На фоне остальных стран выделяется .ch - домен Швейцарии с максимальной плотностью доменных имён. Здесь на 10,000 человек приходится 2400 доменов. Швейцария характеризуется высоким уровнем информационных технологий. Подавляющее число населения (87%) пользуется Интернетом. Такая высокая плотность доменов объясняется тем, что зона .ch является общедоступной, и любой желающий, без каких-либо ограничений, может зарегистрировать в ней домен.

Рис. 9. Распределение стран по численности населения, количеству зарегистрированных доменных имён, числу доменных имён на душу населения, 16 стран, 2016 г.

Источник: Домены России

Перейдём непосредственно к анализу национальных доменов Российской Федерации, к которым относятся домены .ru, .рф и .su. Домен .ru - национальный домен верхнего уровня России. Домен .рф - уникальный в своём роде домен. Домен .рф - национальный кириллический домен верхнего уровня России. Он стал доступен для навигации в глобальном Интернете 12 мая 2010 года. Отметим, что домен .рф оказался первым национальным кириллическим доменом верхнего уровня в истории Интернета. Домен .su - необычный национальный домен. В 1990 году домен .su был выделен Советскому Союзу. Несмотря на то, что СССР не существует более двух десятков лет, домен .su всё ещё функционирует - настолько мощным оказалось международное правовое наследие СССР.

Сайт проекта «Домены России» предоставляет следующие данные о развитии российского Интернета и доменов .RU, .РФ. По итогам 2015 года в .RU насчитывалось 5 041 685 доменных имен, в .РФ - 744 360 имён, в .SU - 103 542 домена. За год число доменных имен в .RU возросло на 180 000 (4%).

Рис. 10. Динамика количества доменов .RU, 2010-2015 гг.

Источник: Домены России

Домен .РФ сохранил 16е место среди ccTLDs Европы, опережая домены Черногории, Румынии, Венгрии, Украины. При этом домен .РФ является лидером среди национальных доменов верхнего уровня на национальных языках (IDN ccTLDs).

Распределение доменных имен между физическими и юридическими лицами в доменах .RU и .РФ идентично: в .RU 77,5% имен зарегистрировано физическими лицами (в .РФ - 77,0%) и 22,5% - юридическими (в .РФ - 23,0%).

Количество нерезидентов Российской Федерации в домене .РФ за 4 года выросло с 3% в конце 2010 года до 6% в конце 2015 года. Это связано с тем, что до 11 ноября 2011 года в домене .РФ действовало ограничение, в соответствии с которым право на регистрацию домена второго уровня в домене .РФ в первый год открытой регистрации имели только граждане России. В домене .RU количество нерезидентов также подросло - с 12% в 2010 году до 16% в 2015. Это свидетельствует об интересе к доменным именам в российских национальных доменах среди иностранных граждан.

2.3 Интернет-проникновение в России

Всероссийский центр изучения общественного мнения (ВЦИОМ) опросил россиян, с каких устройств они выходят в Интернет чаще всего, какова доля интернет-пользователей в России и какие ресурсы они посещают. В целом за последний год доля интернет-пользователей в стране практически не претерпела изменений - это около двух третей россиян (65,67% в 2014 г. и 69,34% в 2015 г.). Доля тех, кто выходит в сеть ежедневно, продолжает расти ежегодно. С 2006 года эта цифра возросла в десять раз (с 4,97% до 52,34%). Несколько раз в неделю или месяц обращается к Интернет-ресурсам каждый пятый (17,05%).

Ежегодно наиболее активными потребителями контента является молодёжь, среди 18-24-летних Интернетом пользуются практически все (96,21%). Также активно выходят в Сеть жители Москвы и Санкт-Петербурга (87,56%), лица с высоким достатком (85,23%), имеющие неоконченное и законченное высшее образование (80,97%).

По оценке ВЦИОМ в отличие от стационарных устройств, переносные гаджеты с каждым годом используются всё активнее. С 2012 по 2015 год доля тех, кто пользуется планшетами для выхода в Интернет возросла в 10 раз (с 4,34% до 40,87%), смартфоном - в 3,5 раза (с 14,88% до 55,45%). Также увеличилась доля лиц, выходящих в Сеть через ноутбуки и нетбуки (с 38,34% до 60,76% в 2015 году). С помощью мобильного телефона пользуется Интернетом каждый третий (33,34%). В то же время, доля лиц, выходящих в Интернет через компьютеры, сократилась с 49% в 2012 году до 45% в 2015. С различной периодичностью просматривают сайты, пользуются социальными сетями и скачивают файлы с компьютеров 73,33% интернет-пользователей, тогда как в 2012 году их доля составляла 77,65%.

Рис. 11. Устройства, используемые для ежедневного выхода в Сеть (% от всех пользователей Интернета), в 2012 и 2015 гг.

Источник: Всероссийский центр изучения общественного мнения (ВЦИОМ)

В 2012 году самыми популярными причинами выхода в Сеть были работа и учеба (51%), новости о стране и мире (47%) и получение необходимой информации (46%). Опрошенные могли указать несколько вариантов ответов. В 2015 году интернет-пользователи применяли Интернет прежде всего, для прослушивания музыки, просмотра фильмов, чтения книг (56%), для получения необходимой информации и расширения кругозора (55%) и для того, чтобы следить за новостями, событиями в мире и стране (55%).

По данным Омнибуса GfK, немецкой исследовательской компании, 84 миллиона человек в возрасте от 16 лет и старше являются пользователями Интернета в России. В опросе участвовало 11000 респондентов. В 2014 году 67,5%. населения в возрасте старше 16 лет пользовались услугами Интернета, в 2015 году - 70,4%.

Рис. 12. Динамика доли пользователей Интернета старше 16 лет в России, %, 2008 - 2015 гг.

Источник: Омнибус GfK

Активное использование россиянами мобильных устройств и развитие мобильного интернета стало стимулом впечатляющего прироста Интернет-аудитории. Согласно результатам GfK, с 2014 по 2015 гг. пользование Интернетом со смартфонов выросло более чем в два раза. Более трети россиян в возрасте от 16 лет (37,2%) выходили в Интернет со смартфона и каждый пятый (19,2%) - с планшета (в 2014 году - 17,6% и 8,4% соответственно). Также стимулом к развитию мобильного интернета стали его выгодные пакеты телеком-операторов и активное развитие точек Wi-fi.

Рис. 13. Динамика доли интернет-пользователей старше 16 лет, использующих мобильные устройства для ежедневного выхода в Сеть (% от всех пользователей Интернета), с 2013 по 2015 гг.

В 2015 году в РФ 50 млн. человек (42% взрослого населения страны) пользовались доступом в Интернет с мобильных устройств. Отметим, что в 2015 году рост Интернет пользователей происходил за счёт людей более старшего возраста.

Рис. 14. Профиль пользователя Интернета, 2015 гг.

Источник: Омнибус GfK

По данным GfK, проникновение Интернета в среду молодых россиян (16-29 лет) составило 97% и достигло предельных значений еще в предыдущие годы. Молодёжь активно осваивала Интернет с мобильных устройств. Среди аудитории 16-29 лет наблюдается самая высокая доля пользователей Интернета со смартфонов (70%) и планшетов (35%).

Вышеприведенные данные ярко иллюстрируют, что в технологическом отношении, в сферах применения и использования информационных технологий Россия уверенно следует за развитыми странами и приближается к формированию информационного общества.



Глава 3. Анализ влияния социально-экономических факторов субъектов Российской Федерации на ключевые показатели уровня развития ИКТ

3.1 Анализ влияния социально-экономического развития субъекта РФ на число доменных имён .RU на 1000 жителей

В рамках данного раздела работы анализируются показатели, касающиеся уровня развития информационно-коммуникационных технологий в регионах Российской Федерации. Учитывая, что цель работы - исследование факторов, влияющих на уровень информационных технологий в Российской Федерации, в качестве переменной, отражающей развитие субъекта Российский Федерации в сфере ИКТ, было выбрано число доменных имён на 1000 жителей. Эта переменная содержит в себе долю жителей, пользующихся Интернетом, долю компаний, продвигающих свой бизнес с помощью Интернета, длительность пребывания жителей в сети Интернет, активность интернет-покупок, стоимость интернет-траффика, возможность выхода в Сеть для самых широких слоев населения, развитость вторичного рынка доменных имен, стоимость доменного имени.

В качестве наблюдений из базы данных сайта Домены России и Единой межведомственной информационно-статистической системы (ЕМИСС) были взяты следующие показатели для 82 субъектов Российской Федерации (по состоянию на 2014 г.):

· domen (Y) - результативный признак, число доменных имён .RU на 1000 человек населения, домены единица измерения;

· unempl (X₁) - уровень безработицы, по данным выборочных обследований населения по проблемам занятости, в среднем за год, в процентах;

· orgPC (X₂) - число персональных компьютеров на 100 работников, штук;

· link (X₃) - объем услуг связи на душу населения, рублей;

· small (X₄) - число малых предприятий на 10000 человек населения;

· food (X₅) - оборот общественного питания, в фактически действовавших ценах, миллионов рублей;

· retail (X₆) - оборот розничной торговли, в фактически действовавших ценах, миллионов рублей.

Для того чтобы модель удовлетворяла всем необходимым требованиям, все денежные переменные были прологарифмированы в целях достижения нормального закона распределения.

Вышеназванные факторы были выбраны для анализа с целью выявления зависимости числа доменных имён .RU на 1000 жителей субъекта РФ (Y) от следующих переменных: уровня развития регионов страны (переменная X₁), объема услуг связи на душу населения (переменная X₃), уровня развития малого бизнеса (переменная X₄), уровня внутренней торговли и потребления платных услуг населением в субъектах Российской Федерации (переменные X₅, X₆), и непосредственно фактора, напрямую влияющего на рынок доменных имён, а именно числа персональных компьютеров на 100 работников (X₂).

Перейдём к более детальному анализу результативной переменной «Число доменных имён .RU на 1000 жителей» и исследуем закон распределения, которому она подчиняется. Изначально построим гистограмму частот по исходным данным и сравним ее с нормальным распределением (рис. 15).



Рис. 15. Гистограмма распределения числа доменных имён .RU на 1000 жителей

Гистограмма не опровергает наше предположение о нормальном распределении результативной переменной. Теперь по полученной переменной оценим присутствие в данной совокупности выбросов. Для этого в первую очередь построим ящичковую диаграмму по переменной «число доменных имён на 1000 жителей» (рис.16).



Рис. 16. Ящичковая диаграмма числа доменных имён .RU на 1000 жителей

Удалим наблюдения, которые при проведении анализа в пакете IBM SPSS Statistics имеют значения, превышающие допустимые границы. К ним относятся г. Москва, г. Санкт-Петербург, Амурская область, Смоленская область, Мурманская область, Московская область, Воронежская область и Ярославская область. Теперь наша зависимая переменная свободна от выбросов, и можно продолжить исследование.

Следующий тест Колмогорова-Смирнова проведем в пакете IBM SPSS Statistics по зависимой переменной Y. Получим следующие результаты:

Таблица 5

Результаты проверки гипотезы о нормальном

распределении переменной domen методом Колмогорова-Смирнова

	domen
Параметры нормального распределенияa,b	Среднее значение	14,59
	Среднеквадратичное отклонения	7,46
Наибольшие экстремальные расхождения	Абсолютная	0,06
	Положительные	0,05
	Отрицательные	-0,06
Статистика критерия	0,06
Асимптотическая значимость (2-сторонняя)	,200c,d
a. Проверяемое распределение является нормальным
b. Вычислено из данных.
c. Коррекция значимости Лильефорса.
d. Это нижняя граница истинной значимости.

Данный метод подтверждает принадлежность распределения величины Y нормальному закону распределения.

Далее проведем корреляционный анализ, чтобы выявить степень взаимосвязи зависимой переменно с объясняющими и корреляции между самими факторами. Для этого воспользуемся пакетом IBM SPSS Statistics. Результаты расчетов парной корреляции представлены в Таблице 6.

Полученные результаты свидетельствуют о наличии средней положительной связи между зависимой переменной Y (число доменных имён .RU на 1000 жителей) и числом малых предприятий на 10000 человек населения (парный коэффициент корреляции составляет 0,442). В то же время, была выявлена средняя отрицательная взаимосвязь между зависимой переменной Y и уровнем безработицы, коэффициент парной корреляции составил -0,423.

Таблица 6

Парные коэффициенты корреляции

	domen	unempl	orgPC	link	small	food	retail
domen	Корреляция Пирсона	1	-,423**	,313**	-,024	,442**	,312**	,318**
	Знач. (двухсторонняя)		,000	,007	,837	,000	,007	,002
unempl	Корреляция Пирсона		1	-,008	-,119	-,335**	-,311**	-,326**
	Знач. (двухсторонняя)			,947	,314	,000	,000	,001
orgPC	Корреляция Пирсона			1	,262*	,400**	-,255*	-,315**
	Знач. (двухсторонняя)				,024	,000	,028	,006
link	Корреляция Пирсона				1	,271**	,057	,014
	Знач. (двухсторонняя)					,001	,630	,903
small	Корреляция Пирсона					1	,264*	,228
	Знач. (двухсторонняя)						,023	,050
food	Корреляция Пирсона						1	,444**
	Знач. (двухсторонняя)							,000
retail	Корреляция Пирсона							1
	Знач. (двухсторонняя)
**. Корреляция значима на уровне 0,01 (двухсторонняя).
*. Корреляция значима на уровне 0,05 (двухсторонняя).

Между некоторыми независимыми переменными также прослеживается довольно тесная взаимосвязь; такие факторы, как логарифм оборота общественного питания и логарифм оборота розничной торговли, коэффициент корреляции между которыми составляет 0,444; число малых предприятий на 10000 человек населения и число персональных компьютеров на 100 работников (коэффициент корреляции 0,400). Выявлена средняя отрицательная взаимосвязь между следующими независимыми переменными: уровень безработицы и число малых предприятий на 10000 человек (корреляция составила -0,335); уровень безработицы и логарифм оборота розничной торговли (парная корреляция равна -0,326); число персональных компьютеров на 100 работников и логарифмом оборота розничной торговли, паркая корреляция между которыми достигает -0,315. Остальные переменные между собой коррелируют несильно.

Следующим этапом анализа будет исследование проблемы мультиколлинеарности. Чтобы формально проверить проблему наличия мультиколлинеарности, оценим VIFы (Variance Inflation Factor) - фактор роста дисперсии, при введении регрессора в модель.

В пакете Eviews были получены следующие результаты.

Таблица 7

Результаты оценки VIFов в пакете Eviews

	Coefficient Variance	Uncentered VIF	Centered VIF
Variable
C	543.86	1689.87	NA
X1	0.02	48.41	1.07
X2	4.77E-12	3.62	1.90
X3	4.93	1194.12	1.70
X4	0.004	65.21	2.11
X5	0.02	349.61	2.01
X6	3.03	768.37	2.02

Значения VIFов не превышают трёх, следовательно, мультиколлинеарность не была выявлена.

Для построения адекватной и работающей модели необходимо определить, является ли выборка однородной. Для этих целей можно использовать тест Чоу, проведённый в пакете Eviews.

, соответственно гипотеза Н₀ о равенстве коэффициентов регрессии не отвергается на уровне значимости . Исходя из этого, можно сделать вывод, что наша выборка является однородной.



Таблица 8

Тест Чоу в Eviews

F-statistic	1.22	Prob. F (8,58)	0.30
Log likelihood ratio	11.53	Prob. Chi-Square(8)	0.17
Wald Statistic	9.78	Prob. Chi-Square(8)	0.28

Для того чтобы определить вид функциональной формы, необходимо обосновать справедливость применения линейной регрессионной модели. Проверим гипотезу о линейности модели, используя RESET-тест. Данный тест основан на влиянии вспомогательной регрессии зависимой переменной на факторы исходной модели плюс различные степени оцененных по исходной модели значений зависимой переменной.

Таблица 9

RESET-тест в Eviews

	Value	df	Probability
F-statistic	1,00	(2, 64)	0,37
Likelihood ratio	2,28	2,00	0,32

Гипотеза о линейности модели не отвергается на уровне значимости .

Модель имеет наилучшие оценки при условии, что данные оценки являются несмещенными, состоятельными и эффективными. Для этого необходимо, чтобы выполнялись определенные предпосылки, такие как:

1. Случайный характер остатков;

2. Нулевая средняя величина остатков, не зависящая от x;

3. Гомоскедастичность, т.е. одинаковая дисперсия каждого отклонения для всех наблюдений;

4. Нормальное распределение остатков/

Так как сами ошибки являются ненаблюдаемыми величинами, их оценка невозможна. Поэтому анализу подвергаются остатки. Чтобы убедиться в том, что полученные МНК оценки являются наилучшими, проверим перечисленные предпосылки.

Проверка данной гипотезы аналогична той, что была описана в начале работы для исходных переменных. Первым тестом, который поможет определить закон распределения остатков? будет критерий Колмогорова-Смирнова. Нулевая гипотеза состоит в том, что распределение остатков согласуется с нормальным. Для этого воспользуемся пакетом SPSS.

Таблица 10

Результаты проверки гипотезы о нормальном распределении переменной error методом Колмогорова-Смирнова

	Error
N	74
Параметры нормального распределенияa,b	Среднее значение	,0001
	Среднеквадратичная отклонения	4,64
Наибольшие экстремальные расхождения	Абсолютная	,086
	Положительные	,086
	Отрицательные	-,068
Статистика критерия	,086
Асимптотическая значимость (2-сторонняя)	,200c,d
a. Проверяемое распределение является нормальным.
b. Вычислено из данных.
c. Коррекция значимости Лильефорса.
d. Это нижняя граница истинной значимости.

Таким образом, согласно данному критерию гипотеза не отвергается на уровне значимости 0,05.

В пакете Eviews был проведён текст Уайта - тест, имеющий наибольшую надёжность, так как учитывает нелинейные связи.



Таблица 11

Тест Уайта в Eviews

F-statistic	0.55	Prob. F(35,38)	0.95
Obs*R-squared	25.04	Prob. Chi-Square(35)	0.89
Scaled explained SS	29.63	Prob. Chi-Square(35)	0.72

Данный тест не выявил наличие гетероскедастичности в нашей модели.

Итак, согласно проведенному ранее анализу лучшей оказалась модель, рассматривающая все перечисленные переменные. Модель и все коэффициенты значимы.

Таблица 12

Метод наименьших квадратов в Eviews

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-7,03	25,03	-0,28	0,78
X1	-0,51	0,15	-3,40	0,00
X2	0,32	0,14	2,25	0,03
X3	-5,66	1,67	-3,40	0,00
X4	0,07	0,02	4,32	0,00
X5	-3,04	1,34	-2,27	0,00
X6	4,69	1,58	2,97	0,00
R-squared	0.658	Mean dependent var	15.676
Adjusted R-squared	0.631	S.D. dependent var	7.457
S.E. of regression	4.880	Akaike info criterion	1.110
Sum squared resid	1571.863	Schwarz criterion	1.359
Log likelihood	-33.071	Hannan-Quinn criter.	1.209
F-statistic	14.926	Durbin-Watson stat	0,524
Prob(F-statistic)	0.000

Регрессия имеет вид:

Y = -7,03-0,51*X1+0,32*X2-5,66*X3+0,07*X4-3,04*X5+4,69*X6

(-3,40) (2,25) (-3,40) (4,32) (-2,27) (2,97)

Объясняющая способность модели (R²) составляет 66%. Коэффициенты регрессии , , , , , показывают, на сколько единиц в среднем изменится зависимая переменная из-за изменения факторов на единицу.

Согласно полученной модели, прирост числа доменов .RU на 1000 жителей составит в среднем 0,51 домена при уменьшении уровня безработицы (Х₁) на 1%. Действительно, чем ниже уровень безработицы, тем более развита экономика субъекта РФ, больше компаний регистрируют доменные имена. При изменении числа персональных компьютеров на 100 работников (Х₂) на 1 штуку прирост числа доменов . RU на 1000 жителей составит 0,36 доменов. Оснащённость фирм компьютерами показывает, что предприятие идёт в ногу со временем, активно использует все достижения технического прогресса. Предприятие без сайта имеет меньший вес в глазах клиента, так как клиентам будет сложно узнать информацию о фирме без сайта. Увеличение логарифма объёма услуг связи (Х₃) на 1 повлечет уменьшение числа доменных имён .RU на 1000 жителей на 5,66 доменов. Это можно объяснить тем, что в развитых субъектах РФ существует тенденция перехода с услуг связи на услуги мобильного Интернета, стоимость которого значительно ниже. Чем больше пользователей мобильного Интернета, тем выше число сайтов. При увеличении на 1 числа малых предприятий на 10 тыс. человек населения (Х₄) количество доменов .RU на 1000 жителей возрастёт на 0,07 доменов. Прирост небольшой, но отражает факт, что развитие малого бизнеса стимулирует рост рынка доменных имён. Сайт рассказывает потенциальному покупателю о компании, её услугах, преимуществах. Более того, сайт является современным и относительно недорогим рекламным носителем. При увеличении логарифма оборота общественного питания (Х₅) на 1 количество доменов на тыс. жителей сократится на 3,04 домена. Одновременно с этим увеличение на 1 логарифма оборота розничной торговли (Х₆) приведёт к появлению 4,69 доменов .RU на 1000 жителей. Чем выше оборот розничной торговли, тем выше потребительская способность жителей субъекта РФ. Сайт выполняет большое число функций: поддерживает имидж компании, является постоянной рекламой компании, даёт возможность обратной связи с пользователем.

Для полученного итогового уравнения регрессии рассчитаем коэффициенты эластичности по формуле

E₁ = -0,23

E₂ = 0,95

E₃ = -3,43

E₄ = 0,61

E₅ = -4,72

E₆ = 8,30

Это означает, что при увеличении уровня безработицы (Х₁) на 1% количество доменов на 1000 человек населения должно в среднем уменьшиться на 0,23%, при увеличении числа компьютеров на 100 работников (Х₂) на 1% количество доменов на 1000 человек населения в регионе должно в среднем увеличиться на 0,95%, при увеличении логарифма объёма услуг связи на душу населения (Х₃) на 1% количество доменов на 1000 человек населения в субъекте Российской Федерации должно в среднем уменьшиться на 3,43%, а при увеличении числа малых предприятий на 10000 человек населения (Х₄) на 1% количество доменных имён на тысячу человек населения в регионе должно в среднем увеличиться на 0,61%. Увеличение логарифма оборота общественного питания (Х₅) на 1%, число доменных имён .ru на 1 тыс. человек населения в среднем сократится на 4,72%, увеличение логарифма розничной торговли (Х₆) на 1% приведёт к росту числа доменных имён на 1000 человек населения на 8,30%. Коэффициенты эластичности переменных X₃, X₅ и X₆ больше единицы, следовательно, влияние данных на зависимую переменную значительно.

3.2 Классификация регионов РФ по уровню развития ИКТ

Продолжим статистическое исследование классификацией субъектов Российской Федерации по уровню развития ИКТ с помощью методов кластерного анализа. Для целостной и эффективной реализации Государственной программы «Информационное общество» (2011-2020 годы) необходимо выявить регионы-лидеры по уровню развития информационных технологий, регионы со средними значениями и отстающие регионы. Результаты кластерного анализа покажут, каким регионам требуется дополнительная поддержка для осуществления всех задач Государственной программы, на какие регионы стоит равняться.

Для анализа использованы данные Росстата за 2014 год и данные сайта Домены России. В анализ включены показатели, характеризующие использование информационных и коммуникационных технологий в организациях, домашних хозяйствах, уровень инновационной активности регионов. Таким образом, в анализ включены следующие переменные:

· domen (x₁) - число доменных имён .RU на 1000 человек населения;

· innovation (x₂) - инновационная активность организаций, удельный вес организаций, осуществлявших технологические, организационные, маркетинговые инновации, общем числе обследованных организаций, в процентах;

· house PC (x₃) - домашние хозяйства, имевшие персональный компьютер с доступом к сети Интернет, по данным выборочного обследования бюджетов домашних хозяйств, в процентах от общего числа домохозяйств соответствующего субъекта Российской Федерации;

· eldoc (x₄) - организации, использовавшие системы электронного документооборота, в процентах от общего числа обследованных организаций соответствующего субъекта Российской Федерации;

· org PC (x₅) - организации, использовавшие персональные компьютеры, в процентах от общего числа обследованных организаций соответствующего субъекта Российской Федерации.

В анализе используются значения этих показателей по 82 субъектам РФ. Аномальные значения (г. Москва, г. Санкт-Петербург, республика Дагестан) были намеренно оставлены в выборке, так как одна из основных целей анализа - выявление регионов-лидеров и отстающих по уровню ИКТ регионы.

Парная корреляция между данными не превышает 0,39, на уровне значимости 0,01.

Таблица 13

Матрица парных коэффициентов корреляции признаков

	domen	innovation	housePC	eldoc	orgPC
domen	1	0,15	,39**	0,14	0,07
innovation		1	0,04	0,19	,27*
housePC			1	,33**	0,02
eldoc				1	0,19
orgPC					1
** Корреляция значима на уровне 0,01 (двухсторонняя) * Корреляция значима на уровне 0,05 (двухсторонняя)

Вначале построим дендрограммы методом Уорда (см. рис. 1. Приложения). Метод Уорда был выбран, так как он исключает возможность появления кластеров, состоящих из одного наблюдения. В ходе анализа было применено z-преобразование (стандартизация) значений. Благодаря стандартизации были получены значения всех преобразованных переменных к единому диапазону значений, а именно от -3 до +3.

На данном предварительном этапе кластерного анализа предполагаем наличие 5 кластеров. Такой прогноз необходим для использования метода k-средних. При разделении на 5 кластеров мы получили явный кластер-лидеров (кластер 4) и кластер-отстающих (кластер 5). В кластер-лидеров вошли г. Москва и г. Санкт-Петербург, в кластер отстающих - Республика Дагестан, Республика Ингушетия, Республика Саха (Якутия), Чеченская Республика.

В результате иерархического кластерного анализа получено разделение регионов на 5 кластеров (см. табл. 1 в Приложении). В первый из них вошло 35 регионов, во второй - 16, в третий - 25, и в последние - по 2 и 4 региона соответственно.

Рис. 17. Распределение субъектов РФ по кластерам, иерархический метод

По составу кластеров можно определить, что 1-1 кластер - это в большинстве регионы Северо-Кавказского Федерального округа и отдельные субъекты всех остальных ФО, 2-й кластер - большинство областей и республик Центрального, Северо-Западного и Сибирского Федеральных округов, 3-й кластер - регионы Дальневосточного, Центрального, Приволжского, Уральского ФО, 4-ый кластер - кластер-лидеров, который включает наиболее развитые субъекты, г. Москва и г. Санкт-Петербург, а 5-й кластер - регионы Северо-Кавказского Федерального округа и регион Дальневосточного ФО.

Рассчитаем кластерный профиль переменных. Для этого показателям x₁-x₅ был присвоен статус зависимых переменных, а переменной, отображающей принадлежность к кластеру, статус независимой переменной. В таблице 14 отражены средние значения кластеров.

Кластер 4, в который входят г. Москва и г. Санкт-Петербург, лидирует по 4 показателям из 5. В данный кластер входит 2,4% рассмотренных регионов. Отметим особенно значительный отрыв от остальных кластеров по показателю число доменных имён .RU на 1000 человек населения, почти 90 доменов (87,80 доменов) приходится на 1000 жителей. Это можно объяснить высокой конкуренцией фирм, предприятий. Интернет-ресурс обладает информационной функцией, он рассказывает потенциальному покупателю о компании, её услугах, преимуществах. Сайт - современный и относительно недорогой рекламный носитель. Компании понимают важность положительного образа в Интернет среде. Также сайт решает имиджевую функцию.

Таблица 14

Средние значения переменных в кластерах,

иерархический метод

	Номер кластера
	1	2	3	4	5
Переменные	Число доменных имён .RU на 1000 человек населения (x1)	16,18	30,29	15,37	87,80	3,83
	Инновационная активность организаций, % (x2)	7,89	7,18	13,27	18,85	10,30
	Домашние хозяйства, имевшие персональный компьютер с доступом к сети Интернет, % (x3)	63,66	73,98	68,02	83,95	40,20
	Организации, использовавшие системы электронного документооборота, % (x4)	54,77	57,84	68,92	65,00	33,55
	Организации, использовавшие персональные компьютеры, % (x5)	90,85	95,43	97,24	99,10	99,00
	Максимальное среднее значение переменной
	Минимальное среднее значение переменной



Регионы, входящие в кластер 4, превзошли остальные кластеры по среднему значению инновационной активности организаций; доли домашних хозяйства, имевших персональные компьютеры с доступом к сети Интернет; доли организаций, использовавших ПК. Каждая пятая организация (18,85%) осуществляла технологические, организационные, маркетинговые инновации. Свыше 80% домохозяйств (83,95%) имеют персональный компьютер с выходом во всемирную сеть Интернет. Почти все организации (99,10%) используют персональный компьютер. Кластер 4 - кластер регионов-лидеров в сфере ИКТ. Такой результат был ожидаем, поскольку г. Москва и г. Санкт-Петербург, как отмечалось выше, - самые развитые регионы России, в том числе и по уровню информационных технологий. В Москве и Санкт-Петербурге находятся штаб-квартиры таких успешных ИТ компаний, как: Google, Яндекс, Лаборатория Касперского, B2B-Center, Yota, Яндекс.Деньги, Вконтакте. Эти города характеризуются высокой средней зарплатой, развитой инфраструктурой и большим числом мест для отдыха и досуга.

Кластер 5 показал наименьшие результаты по 3 показателям из 6. В данный кластер входит 4,8% рассмотренных регионов. В пятый кластер входят Республика Дагестан, Республика Ингушетия, Республика Саха (Якутия), Чеченская Республика. Эти регионы характеризуются наименьшим числом доменных имён .RU на 1000 человек населения, всего 4 домена приходится на 1000 человек населения. В регионах 5-го кластера менее половины домашних хозяйств (40,20%) имели персональный компьютер с выходом в Интернет. Наибольший разрыв со средними значениями показателей в других кластерах наблюдается в удельной доле домашних хозяйств, имевших персональный компьютер с доступом к сети Интернет и доле организаций, использовавших системы электронного документооборота. Среднее значение кластера по этим показателям составляет лишь 40,20% и 33,55% соответственно. Также 5-ый кластер сильно отстаёт от кластера 4, кластера-лидера, по показателю инновационной активности предприятий, лишь каждая десятая организация (10,30%) осуществляла технологические, организационные, маркетинговые инновации. Таким образом, кластер 5 - кластер регионов, отстающих по уровню развития ИКТ.

Рассмотрим остальные кластеры. Первый кластер характеризуется низкими, но не минимальными показателями. В него входит 42,6% рассмотренных регионов. В данном кластере число доменных имён .RU на 1000 человек населения составляет 16 доменов (16,18 доменов), инновационная активность организаций достигает 7,89%, доля домашних хозяйств, имевших персональный компьютер с доступом к сети Интернет, равняется 63,66%. Первый кластер можно определить как кластер с низким уровнем развития ИКТ, так как по основным показателям (инновационная активность организаций, домашние хозяйства, имевшие персональный компьютер с доступом к сети Интернет, организации, использовавшие персональные компьютеры) он показал слабые результаты. Регионы данного кластера можно охарактеризовать как низкоразвитые в сфере ИКТ.

Второй кластер, в свою очередь, отличается высокими показателями и одним минимальным. Во второй кластер вошло 19,5% рассмотренных регионов. С одной стороны, в регионах второго кластера наблюдается наименьшее среднее значение инновационной активности предприятий (7,18%). Только каждая 14 компания осуществляла технологические, организационные, маркетинговые инновации. С другой стороны, в регионах кластера 2 мы видим высокие показатели таких важных переменных, как число доменных имён .RU на 1000 человек населения и доля домашних хозяйств, имевших персональный компьютер с доступом к сети Интернет. Несмотря на минимальную инновационную активность, мы определим кластер 2 как высокоразвитый в сфере ИКТ, так как данный кластер показал высокие значения таких ключевых переменных, как число доменных имён .RU на 1000 человек населения и доля домашних хозяйств, имевших персональный компьютер с доступом к сети Интернет.

Средние значения переменных третьего кластера высокие, близкие к уровню кластера-лидера. Четверть проанализированных регионов входит в кластер 3. Каждая восьмая организация (13,27%) осуществляла технологические, организационные, маркетинговые инновации. На 1000 жителей приходится 15 доменных имён (15,37 доменов). Две трети домохозяйств (68,02%) имеют персональный компьютер с выходом в Интернет. Третий кластер показал наибольший результат по доле организаций, использовавших системы электронного документооборота. Более двух третей организаций (68,92%) используют системы электронного документооборота. Это значение в два раза выше аналогичного значения кластера 5. Регионы кластера 3 можно охарактеризовать как регионы с высоким уровнем развития информационных технологий.

Для наглядности построим график конечных центров кластеров. На графике можно увидеть закономерности, которые в таблице не так очевидны.

Рис. 18. График конечных центров кластеров (5 кластеров),

иерархический метод

График характеризуется несколькими пересечениями и повторениями значений. На нём видно, насколько сильно отстает кластер 5 от других кластеров, особенно заметен отрыв по показателю x₃ и x₄, - доля домашних хозяйств, имевших персональный компьютер с доступом к сети Интернет, и доля организаций, использовавших системы электронного документооборота. В то же время видно, что по показателю x₅ - доля организаций, использовавших системы электронного документооборота, кластер 5 обогнал остальные кластеры. Однако, средние значения всех кластеров по данному показателю очень схожи.

В порядке возрастания субъектов РФ по уровню развития ИКТ кластеры были расположены следующим образом. Лидирует по уровню развития ИКТ кластер 4, затем следуют второй и третий кластеры, далее следует кластер 1, завершает рейтинг кластер под номером 5.

В ходе проведения кластерного анализа методом k-средних для пяти кластеров были получены следующие результаты: в первый кластер вошло 25 регионов, во второй - 32, в третий - 21, и в последние - по 2 региона(см. табл. 2 в Приложении).

Рис. 19. Распределение субъектов РФ по кластерам, метод k-средних

К первому кластеру относятся регионы Сибирского, Дальневосточного, Южного федеральных округов. Во второй кластер входят регионы Центрального, Северо-западного, Сибирского ФО и частично регионы Дальневосточного Федерального округа. 3-й кластер включает в большинстве включает регионы Уральского и Приволжского федеральных округов. Как и при иерархической кластеризации, мы выявили кластер-лидер и кластер-отстающих регионов (кластеры 4 и 5). В кластер 4 вошли г. Москва и г. Санкт-Петербург. В кластер 5 вошли Республика Дагестан и Чеченская республика.

Таблица 15

Средние значения переменных в кластерах,

метод k-средних

	Номер кластера
	1	2	3	4	5
Переменные	Число доменных имён .RU на 1000 человек населения (x1)	11,07	26,77	14,80	87,80	3,07
	Инновационная активность организаций, % (x2)	8,96	8,48	12,19	18,85	6,35
	Домашние хозяйства, имевшие персональный компьютер с доступом к сети Интернет, % (x3)	58,29	69,78	70,68	83,95	49,35
	Организации, использовавшие системы электронного документооборота, % (x4)	54,84	56,17	71,22	65,00 ...

Подобные документы

• Экономическое значение информационно-коммуникационных технологий

  Изучение сущности, классификации и экономического значения информационно-коммуникационных технологий. Анализ проблемы использования информационно-коммуникационных технологий в России. Приоритетные направления развития технологий в Республике Татарстан.
  
  курсовая работа [967,3 K], добавлен 04.09.2014
  

• Региональный рынок информационных технологий

  Современные информационные технологии на региональном уровне. Становление рынка информационных технологий в России, основные проблемы его развития и поиск путей их решения. Информационные технологии как инструмент эффективного регионального развития.
  
  реферат [66,0 K], добавлен 10.04.2012
  

• Проблемы использования закономерностей влияния информационно-коммуникационных технологий на экономическое развитие страны

  Сущность информационно-коммуникационных технологий, их роль в построении информационного общества. Условия повышения эффективности их использования. Анализ мер на отраслевом и государственном уровнях. Состояние развития телекоммуникационной сферы.
  
  контрольная работа [30,8 K], добавлен 27.09.2011
  

• Перспективы использования ИКТ для развития бизнес-процессов

  Развитие сектора информационно-коммуникационных технологий в экономике. Причины информационного неравенства, его особенности в российском обществе. Сектор информационно-коммуникационных технологий в экономике России. Развитие ИКТ в Краснодарском крае.
  
  дипломная работа [77,9 K], добавлен 13.05.2015
  

• ИКТ как фактор развития российской экономики

  Современные тенденции развития информационно-коммуникационных технологий. Анализ структуры и динамики отрасли. Использование ИКТ в работе ЗАО "Тандер". Анализ состояния сектора ИКТ в Российской Федерации и его вклада в экономическое развитие страны.
  
  дипломная работа [1,6 M], добавлен 13.11.2015
  

• Рынок информационных услуг в России: проблемы формирования и развития

  Рынок информационных технологий в России. Интернет (Рунет). Великая "черная дыра" российской экономики. Проекты ИТ в сельскохозяйственном комплексе России. Национальный проект "Образование" в сельской местности. ИТ в торговле и общественном питании.
  
  курсовая работа [1,3 M], добавлен 30.01.2008
  

• Современные экономические теории

  Основные направления развития экономической теории. Методические вопросы современных экономических теорий. Анализ распространения и направления использования информационных и коммуникационных технологий в Российской Федерации статистическими методами.
  
  курсовая работа [56,3 K], добавлен 03.06.2010
  

• Статистическое исследование использования информационных и коммуникационных технологий организациями в РФ

  Проблемы внедрения ИКТ. Сводка и группировка данных. Расчет относительных величин. Анализ динамики изменения уровня использования информационных и коммуникационных технологий организациями. Применение выборочного метода. Расчет специфических показателей.
  
  курсовая работа [1,4 M], добавлен 23.05.2015
  

• Развитие информационно-коммуникативных технологий: новые возможности и новое социальное неравенство

  Развитие сектора информационно-коммуникационных технологий (ИКТ) в экономике. Применение новых возможностей ИКТ. Причины и понятие информационного неравенства. Современное состояние сектора ИКТ в мире и России. Развитие ИКТ в Краснодарском крае.
  
  дипломная работа [115,8 K], добавлен 25.05.2015
  

• Конъюнктурный обзор мирового рынка информационно-коммуникационных технологий

  Общая характеристика технологических трендов в сфере информационно-коммуникационных технологий. Прогноз конъюнктуры рынка программного обеспечения, оборудования, телекоммуникаций. Влияние ИКТ на экономический рост страны. Спрос и потребление товара.
  
  курсовая работа [582,5 K], добавлен 19.12.2015
  

• Экономика информационных технологий

  Характеристика факторов, влияющих на уровень цен на информационные продукты. Взаимосвязь динамики спроса и предложения. Оценка экономической эффективности использования информационных технологий. Классификация продукции и услуг в сетевой экономике.
  
  контрольная работа [431,4 K], добавлен 23.01.2012
  

• Рынок информационных услуг

  Аспекты развития рынка информационных услуг, его современное состояние на примере России. Становление и развитие информационных технологий экономики. Анализ основных факторов воздействия на рынок информационных услуг. Расчет многофакторной модели.
  
  дипломная работа [484,5 K], добавлен 22.12.2010
  

• Информационно-коммуникативные технологии и глобализация мирового пространства

  Развитие информационно-коммуникативных технологий (ИКТ) и их влияние на экономику. Применение и функции информационных систем в условиях глобализации мирового хозяйства. Приоритетные направления развития ИКТ в России в современной рыночной экономике.
  
  курсовая работа [346,6 K], добавлен 05.09.2011
  

• Статистический анализ дифференциации уровня жизни в регионах Российской Федерации

  Организация сбора информации для статистического изучения уровня жизни населения. Анализ динамики уровней гарантированных социальных выплат. Сравнительный анализ различий в уровне жизни населения Ростовской области и регионов Южного федерального округа.
  
  дипломная работа [1,5 M], добавлен 05.06.2014
  

• Применение информационных технологий в экономических кластерах

  Понятия и характерные черты экономических кластеров. Информационные технологии управления взаимодействием предприятий в рамках экономического кластера. Проблемы эффективности использования автоматизированных систем управления экономическими процессами.
  
  курсовая работа [31,4 K], добавлен 19.11.2011
  

• Статистика уровня жизни населения

  Понятие статистики уровня жизни населения, ее классификация. Методики определения основных показателей, характеризующих благосостояние и социально-экономическую дифференциацию населения. Статистический анализ уровня жизни населения в Российской Федерации.
  
  курсовая работа [175,9 K], добавлен 06.12.2010
  

• Направления динамики развития информационной экономики в России

  Роль информации в развитии современного общества. Особенности функционирования рынка информационных услуг, его состояние и развитие в России. Ограничения и барьеры на рынке информации. Экономическая эффективность использования информационных технологий.
  
  диссертация [1,2 M], добавлен 14.06.2014
  

• Статистическое изучение взаимосвязи инноваций и уровня жизни населения

  Понятия инноваций и уровня жизни населения. Система показателей, характеризующая связь инноваций с уровнем жизни. Анализ уровня жизни населения в Российской Федерации и в ее регионах. Моделирование влияния инноваций на уровень жизни населения в России.
  
  дипломная работа [2,1 M], добавлен 13.10.2016
  

• Статистический анализ уровня и качества жизни населения Российской Федерации

  Показатели уровня и качества жизни населения в современных условиях. Статистический анализ уровня и качества жизни населения Российской Федерации за период 2000-2013 гг. Анализ динамики и структуры доходов и расходов населения, оценка качества его жизни.
  
  курсовая работа [248,3 K], добавлен 11.02.2015
  

• Основные концепции стратегического развития рыночной экономики Российской Федерации. Перспективы развития экономики страны и субъектов федерации

  Стратегические альтернативы российской экономики. Концепция социально-экономического развития России. Сущность и роль регионального стратегического планирования, его основные этапы. Характеристика и перспективы развития субъектов Российской Федерации.
  
  курсовая работа [66,1 K], добавлен 06.03.2014
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам