Индексы обладают необходимыми статистическими свойствами для дальнейшего анализа: их распределения подчинены нормальному закону, выбросы отсутствуют.

2.3 Исследование связи между основными показателями развития цифровых технологий и качества жизни

На первом этапе определения взаимосвязи между показателями развития цифровых технологий и качества жизни были построены диаграммы рассеивания. Так, можно утверждать, что между индексом человеческого развития и индексом сетевой готовности существует прямая линейная связь. Однако в странах с высоким индексом сетевой готовности (5 и выше) это связь слабеет (Рисунок 14). В странах с низким развитием цифровых технологий, их уровень развития оказывает большее влияние на качество жизни населения, чем в странах с высоким уровнем цифрового развития. Это подтверждает гипотезу о том, что развитие цифровых технологий в первую очередь необходимо для стран с низким социально-экономическим развитием для выхода их из зоны крайней бедности.

Рисунок 14. График зависимости индекса человеческого развития от индекса сетевой готовности

Далее рассмотрим взаимосвязь между индексом счастья и его составляющими и индексом сетевой готовности. Продолжительность счастливой жизни также положительно и линейно зависит от уровня развития цифровых технологий, однако значимость данной связи ниже, чем для связи между ИЧР и индексом сетевой готовности (Рисунок 15).

Рисунок 15. График зависимости счастливой продолжительности жизни от индекса сетевой готовности

Рисунок 16. График зависимости удовлетворенности жизнью от индекса сетевой готовности

Построив диаграмму рассеивания для уровня удовлетворенности жизнью и индекса сетевой готовности, видим, что связь положительна, но слабее и еще менее значима (Рисунок 16). И, наконец, связь между индексом счастья и индексом сетевой готовности отсутствует (Рисунок 17). Так, качество жизни в субъективном понимании в меньшей степени зависит от развития цифровых технологии, нежели объективное качество жизни.

Рисунок 17. График зависимости индекса счастья от индекса сетевой готовности

Рисунок 18. График зависимости индекса человеческого развития от глобального индекса подключения

Перейдем к анализу взаимосвязи между индексом человеческого развития и глобальным индексом подключения. Так, взаимосвязь носит уже нелинейный характер и остается положительной. График можно описать как степенную функцию с показателем меньше единицы. При увеличении значений индекса подключения скорость приращения функции сокращается, то есть уменьшается взаимосвязь между качеством жизни и развитием цифровых технологий (Рисунок 18).

Так как индекс подключения характеризует степень трансформации к цифровой экономике, рассмотрим взаимосвязь между логарифмом валового национального дохода на душу населения и индексом подключения. Так, зависимость носит нелинейный характер и является положительной. Также можно отметить, что график схож с логистической кривой, и наибольшее влияние на экономику страны цифровые технологии оказывают в развивающихся странах со значением индекса от 35 до 55 (Рисунок 19).

Рисунок 19. График зависимости логарифма валового национального дохода на душу населения от глобального индекса подключения

На основе корреляционной матрицы можно утверждать, что ИЧР имеет положительные и статистически значимые коэффициенты корреляции Пирсона со всеми показателями, кроме неравенства, с которым имеет отрицательную взаимосвязь. ИЧР положительно, но слабо коррелирует с индексом счастья, это объясняется положительной связью ИЧР с экологическим следом, в то время, как индекс счастья имеет отрицательную корреляцию с экологическим следом. Результаты, полученные на основе графиков рассеивания, подтверждаются матрицей корреляций. Так, ИЧР положительно и значимо взаимосвязан со всеми компонентами индекса сетевой готовности и с самим индексом. Также ИЧР имеет высокую положительную корреляцию с глобальным индексом подключения. Однако, индекс счастья не значимо коррелирует с компонентами индекса сетевой готовности, и слабо положительно с самим индексом, также он имеет незначимую связь с глобальным индексом подключения (Приложения, Таблица 31).

Итак, показатели характеризуются отсутствием выбросов и большая часть из них распределены согласно нормальному закону распределения. Кроме того, показатели качества жизни положительно и значимо зависят от показателей развития цифровых технологий, что подтверждается диаграммами рассеивания и матрицей коэффициентов корреляции Пирсона. Однако взаимосвязь между показателями качества жизни и развитием цифровых технологий имеет нелинейную форму, поэтому в следующей главе будут построены несколько нелинейных моделей для выбора оптимальной функциональной формы.

Глава 3. Эконометрический анализ влияния цифровых технологий на качество жизни населения

3.1 Влияние цифровых технологий на качество жизни населения: линейные и нелинейные регрессионные модели

Для выявления факторов развития информационного общества и цифровых технологий, оказывающих статистически значимое влияние на показатели качества жизни,будем использовать аппарат регрессионного моделирования.В качестве независимых переменных будут выступать индекс сетевой готовности (nri) за 2016 год по 140 странам мира, а также глобальный индекс подключения (gci)за 2017 год по 50 странам мира. Зависимой переменной является индекс человеческого развития (hdi)за 2015 год. Так как независимые переменные обладают разным количеством наблюдений, будут построены отдельные модели для индекса сетевой готовности и для глобального индекса подключения.Согласно полям корреляции, линейной связью может характеризоваться только связь между индексом человеческого развития и индексом сетевой готовности. Проверим наличие линейной связи, построив линейное регрессионное уравнение:

(1)

Модель статистически значима, все ее коэффициенты также значимы на уровне 0,01. Модель обладает хорошей объясняющей способностью (R²=0,792), остатки распределены нормально на уровне значимости 0,1. Можно говорить, что при увеличении индекса сетевой готовности на единицу, индекс человеческого развития увеличится на 0,144 (Таблица 5). Однако, согласно тесту Рамсея на адекватность функциональной формы, линейная форма модели не является адекватной, кроме того в остатках модели присутствует гетероскедастичность. Также это можно наблюдать на графике наблюдаемых и расчетных значений (Рисунок 20).

Таблица 5. Линейная регрессионная модель (1) с зависимой переменной HDI

	Коэффициент	Стандартная ошибка	Значимость
const	0,139	0,026	4,48e-07
NRI	0,144	0,006	7,02e-49
R2	0,792
F-статистика	525,04	p-value	7,02e-49
AIC	-350	BIC	-344
Тест на нормальность распределения ошибок
2	0,836	p-value	0,658
Тест Вайта на гетероскедастичность
LM	12,932	p-value	0,002
Reset-тест
F	10,154	p-value	7,76e-05

Рисунок 20. График наблюдаемых и расчетных значений модели 1



Зависимость ИЧР от индекса сетевой готовности можно описать функцией логарифма, поэтому была построена следующая модель:

(2)

Модель 2 статистически значима, все ее коэффициенты значимы на уровне значимости 0,05. Объясняющая способность модели с логарифмом выше, чем у линейной модели (R²=0,813) (Таблица 6). График наблюдаемые-расчетные значения логарифмической модели показывает большую согласованность, чем график линейной модели (Рисунок 21). Модель адекватна на уровне значимости 0,05 (Тест Рамсея), однако в ошибках присутствует гетероскедастичность. Так, при увеличении индекса сетевой готовности на один процент, индекс человеческого развития увеличится на 0,006. Также можно отметить, что для наиболее развитых стран в сфере цифровых технологий зависимость между цифровым развитием и качеством жизни ниже, чем для развивающихся стран.

Таблица 6. Логарифмическая регрессионная модель (2) с зависимой переменной HDI

N=140	Коэффициент	Стандартная ошибка	Значимость
const	-0,076	0,033	0,023
lnNRI	0,582	0,024	7,14e-52
R2	0,813
F-статистика	599,604	p-value	0
AIC	-364	BIC	-358
Тест на нормальность распределения ошибок
2	5,716	p-value	0,06
Тест Вайта на гетероскедастичность
LM	16,651	p-value	0,0002
Reset-тест
F	2,52	p-value	0,084



Рисунок 21. График наблюдаемых и расчетных значений модели 2

Также проверим наличие логарифмической связи между индексом человеческого развития и индексом подключения. Построим регрессионное уравнение:

(3)

Модель 3 и ее параметры статистически значимы на уровне значимости 0,01. Предпосылки модели выполнены: остатки подчиняются нормальному закону распределения, гетероскедастичность отсутствует. Объясняющая способность высокая (R²=0,857) (Таблица 7). Наблюдаемые и модельные значения хорошо согласуются (Рисунок 22). При увеличении глобального индекса подключения на 1% индекс человеческого развития увеличится на 0,004.

Таблица 7. Логарифмическая регрессионная модель (3) с зависимой переменной HDI

N=50	Коэффициент	Стандартная ошибка	Значимость
const	-0,57	0,08	6,04e-9
lnGCI	0,358	0,021	6,11e-22
R2	0,857
F-статистика	288,73	p-value	0
AIC	-164	BIC	-161
Тест на нормальность распределения ошибок
2	0,142	p-value	0,931
Тест Вайта на гетероскедастичность
LM	3,02	p-value	0,22
Reset-тест
F	9,68	p-value	0,003

Рисунок 22. График наблюдаемых и расчетных значений модели 3

Диаграмма рассеивания индекса человеческого развития в зависимости от индекса подключения имеет нелинейную форму и может быть задана логистической функцией (s-кривая), которая имеет следующий вид:

Регрессионная модель выглядит следующим образом:



Чтобы линеаризовать уравнение, зависимая переменная была приведена к следующему виду:

Далее были найдены коэффициенты линеаризованного уравнения, и с помощью поиска решений, сумма квадратов остатков исходной модели была приведена к минимуму при изменении параметров регрессии (минимальное и максимальные значения, коэффициенты при независимой переменной).

Модель и ее параметры статистически значимы на уровне значимости 0,01. Модель обладает хорошей объясняющей способностью (R²=0,852) (Таблица 8). Расчетные значения по модели хорошо согласуются с наблюдаемыми значениями (Рисунок 23). Распределение остатков модели на уровне значимости 0,1 является нормальным. Однако, график остатков демонстрирует, что присутствует гетероскедастичность (Рисунок 24).

Таблица 8. Логистическая регрессионная модель (4) с зависимой переменной HDI

N=50	Коэффициент	Стандартная ошибка	Значимость
const	-0,849	0,15	8,27e-07
GCI	0,0504	0,003	1,44e-21
R2	0,852
F-статистика	276,9	p-value	0
AIC	24,8	BIC	28,6
Тест на нормальность распределения ошибок
2	1,205	p-value	0,547



Рисунок 23. График наблюдаемых и расчетных значений модели 4

Рисунок 24. График остатков модели 4

Проверим наличие логистической связи для индекса человеческого развития и индекса сетевой готовности. Модель и ее параметры значимы, объясняющая способность высокая (R²=0,846). Однако остатки не подчиняются нормальному закону распределения, присутствует гетероскедастичность (Таблица 9, Рисунок 26). Наблюдаемые и модельные значения хорошо согласуются (Рисунок 25).

Таблица 9 Логистическая регрессионная модель (5) с зависимой переменной HDI

N=140	Коэффициент	Стандартная ошибка	Значимость
const	-2,24	0,124	0
NRI	0,824	0,03	0
R2	0,846
F-статистика	760,5	p-value	0
AIC	86,5	BIC	92,4
Тест на нормальность распределения ошибок
2	9,47	p-value	0,009

Рисунок 25. График наблюдаемых и расчетных значений модели 5

Также описанные зависимости можно представить функцией модифицированной экспоненты. Уравнение функции записывается следующим образом: , где прямая является горизонтальной асимптотой.В экономических моделях кривая возрастает с замедлением и стремится к асимптоте, причем всегда лежит ниже асимптоты



Рисунок 26. График остатков модели 5

После линеаризации модель выглядит следующим образом

.

Используя описанную линеаризацию построим следующую модель:

(6)

Модель статистически значима на уровне 0,01, также обладает хорошей объясняющей способностью (R²=0,886), остатки подчинены нормальному закону распределения (Таблица 10). Модельные значения хорошо согласуются с реальными данными (Рисунок 27).



Таблица 10. Регрессионная модель модифицированной экспоненты (6) с зависимой переменной HDI и независимой GCI

Параметры модели	Значения
k	0,987
	-1,413
	0,954
ESS	0,081
TSS	0,709
	0,886
F-статистика	374,364
p-value	0
N	50
AIC	-170,57
Тест на нормальность распределения ошибок
Статистика Шапиро-Уилкса	0,972
Значимость	0,289

Рисунок 27. Наблюдаемые и расчетные значения модели 6

(7)

Модифицированная показательная модель хорошо объясняет связь между индексом человеческого развития и индексом сетевой готовности. Модель 7 статистически значима, и ее объясняющая способность высокая (R²=0,815), остатки подчиняются нормальному закону распределения (Таблица 11). Модельные значения хорошо аппроксимируют наблюдаемые (Рисунок 28).

Таблица 11. Регрессионная модель модифицированной экспоненты (7) с зависимой переменной HDI и независимой NRI

Параметры модели	Значения
k	1,205
	-1,654
	0,731
ESS	0,5799
TSS	3,133
	0,815
F-статистика	607,602
p-value	0
N	140
AIC	-361,785
Тест на нормальность распределения ошибок
Статистика Шапиро-Уилкса	0,986
Значимость	0,153

Рисунок 28. Наблюдаемые и расчетные значения модели 7



Итак, все модели и их параметры статистически значимы. Объясняющая способность всех моделей высокая (R²>0,8), особенно, она выше у нелинейных моделей, остатки по всем моделям распределены нормально. Для объяснения влияния индекса сетевой готовности на индекс человеческого развития подходит как логистическая модель, так и модель модифицированной экспоненты. Однако модель модифицированной экспоненты обладает наилучшими информационными критериями. Наибольшее влияние изменения в цифровом развитии оказывают на качество жизни в развивающихся странах, в отстающих странах и развитых странах эта связь слабее. Связь между глобальным индексом подключенияи индексом человеческого развития представляется в форме модифицированной экспоненты: для развивающихся стран влияние улучшения в цифровом развитие больше сказывается на качестве жизни, чем в развитых странах.

3.2 Разбиение стран на кластеры в зависимости от уровня их цифрового развития. Описание и сравнение полученных кластеров

Страны мира характеризуются высокой дифференциацией по развитию цифровых технологий. В связи с неоднородностью показателей и нелинейностью изучаемых связей, возникает проблема гетероскедастичности и неэффективности оценок. Данную проблему можно решить путем разбиения стран на однородные группы и выявления связей между показателями в каждой из групп. Кроме того, для оценки структуры развития цифровых технологий по миру необходимо выявить группы стран, схожих по показателям доступности цифровых технологий, их использования и влияния на экономическую и социальную сферы.

Чтобы оценить влияние каждой сферы развития цифровых технологий, среды, готовности, использования и влияния ИКТ, на выделение однородных групп и состав этих групп, были проведены кластерный и дискриминантный анализы. Методом к-средних страны были разбиты на три группы по уровню развития цифровых технологий на основе десяти компонент индекса сетевой готовности. Третий кластер включает 37 стран, которые обладают максимальными средними значениями по всем показателем (Таблица 12). Данный кластер характеризует страны-лидеры с высоким развитием цифровых технологий. К странам-лидерам по развитию цифровых технологий относятся страны Западной Европы и Северной Америки, а такие нефтедобывающие страны, как Катар и Саудовская Аравия, а также Малайзия (Таблица 32). Наиболее характерные для данного кластера следующие страны: Франция, Бельгия, Эстония, они наиболее близко расположены к центру кластера. Средние значения по показателям первого кластера лежат между значениями второго и третьего кластеров (Рисунок 29). Однако по четвертой компоненте, доступности цифровых технологий, кластеры не отличаются. Страны первого кластера отстают от стран-лидеров по цифровому развитию и являются развивающимися в сфере цифровых технологий и их использования. Кластер является самым многочисленным и включает 58 стран. В основном, это страны Восточной Европы, Азии и развитые страны Африки. Наиболее характерные страны для этого кластера: Таиланд, Молдова, Румыния. Также к кластеру развивающихся в области цифровых технологий относится и Россия (Таблица 32).

Второй кластер - кластер отстающих по развитию цифровых технологий. Средние значения по всем показателям ниже, чем у первого и третьего кластеров. В основном, кластер состоит из стран Африки, всего, к этому кластеру относится 42 страны. Наиболее типичные страны для второго кластера: Габон, Танзания, Нигерия.

Таблица 12. Конечные центры кластеров

	Кластеры
Показатели	1	2	3
pil1	3,58	3,25	4,98
pil2	4,26	3,60	5,15
pil3	3,98	2,39	6,08
pil4	5,51	3,62	5,48
pil5	4,95	3,26	5,83
pil6	3,95	2,19	5,92
pil7	3,55	3,16	4,94
pil8	3,95	3,18	4,98
pil9	3,18	2,65	4,79
pil10	4,13	3,06	5,32

Рисунок 29. График средних значений показателей в кластерах

С помощью дискриминантного анализа определим роль каждой переменной в разбиении стран на кластеры. Лямбда Уилкса позволяет оценить дискриминирующую способность переменных. Так, наилучшей дискриминирующей способностью обладает шестая компонента индекса сетевой готовности, отвечающая за индивидуальное использование цифровых технологий. Наибольшей разностью средних значений по кластерам (F) обладает также шестая компонента (292,9) (Таблица 13). Все переменные значимы на уровне значимости 0,01. Между переменными, включенными в дискриминантный анализ отсутствует высокая корреляция (Таблица 33).



Таблица 13. Критерии равенства групповых средних

	Лямбда Уилкса	F	df1	df2	Значимость
pil1	,389	105,080	2	134	,000
pil2	,310	149,272	2	134	,000
pil3	,231	223,203	2	134	,000
pil4	,573	49,837	2	134	,000
pil5	,270	181,299	2	134	,000
pil6	,186	292,881	2	134	,000
pil7	,286	167,562	2	134	,000
pil8	,425	90,796	2	134	,000
pil9	,227	228,535	2	134	,000
pil10	,277	174,966	2	134	,000

Согласно тесту Бокса о равенстве ковариационных матриц, гипотеза о принадлежности многомерному нормальному закону отвергается с вероятностью ошибки б=0,05, следовательно, нарушается многомерное нормальное распределение. Однако, это не говорит о плохом качестве модели. В Таблица 15представлены собственные значения дискриминантных функций. Собственное значение характеризует отношение межгрупповой дисперсии к внутригрупповой дисперсии выборочных значений дискриминантной функции. Так, более точной оказалась первая дискриминантная функция, ее собственное значение выше, чем у второй функции. Кроме того, первая дискриминантная функция обладает максимальным значением канонической корреляции, что свидетельствует о высоком качестве достоверности дискриминации.

Таблица 14 Критерий Бокса равенства ковариационных матриц

М Бокса	307,058
F	Примерная	2,482
	df1	110
	df2	38557,040
	Значимость	,000



Таблица 15. Собственные значения дискриминационных функций

Функция	Собственное значение	% дисперсии	Суммарный %	Каноническая корреляция
1	6,809	86,2	86,2	,934
2	1,091	13,8	100,0	,722

Лямбда Уилкса характеризует долю дисперсии значений дискриминантной функции, не обусловленную различиями между группами. Наименьшим значением лямбды Уилкса обладает первая дискриминантная функция (0,061,Таблица 16). Итак, первая дискриминантная функция обладает лучшими характеристиками, следовательно, в дальнейшем анализе будем рассматривать только ее.

Таблица 16. Лямбда Уилкса дискриминационных функций

Критерий для функций	Лямбда Уилкса	Хи-квадрат	df	Значимость
1 through 2	,061	361,688	20	,000
2	,478	95,529	9	,000

Коэффициенты стандартизованной канонической дискриминантной функции (Таблица 17) определяют приоритетность факторов при включении новых объектов в кластеры. Так, значительную роль при включении элементов в кластеры играет шестая компонента индекса сетевой готовности, характеризующая индивидуальное использование цифровых технологий, также значительную роль играют восьмая и третья компоненты, отвечающие за государственное использование и инфраструктуру.

Таблица 17. Коэффициенты стандартизованной канонической дискриминантной функции

	Функция
	1	2
pil1	-,127	-,390
pil2	,107	,114
pil3	,217	-,245
pil4	,205	,527
pil5	,240	,643
pil6	,388	,018
pil7	,057	-,139
pil8	,252	,009
pil9	,195	-,550
pil10	,087	,274

Коэффициенты корреляции также характеризуют, какие переменные обладают высоким значением в модели. Так, наибольшую часть берет на себя шестая (индивидуальное использование) компонента, а также третья (инфраструктура), девятая (экономическое влияние) и десятая (социальное влияние) компоненты, они в большей степени определяет, какой объект к какому кластеру будет отнесен (Таблица 18). Ненормированные коэффициенты позволяют вычислить значение дискриминантной функции для новых объектов (Таблица 19).

Таблица 18. Матрица структуры дискриминантных функций

	Функция
	1	2
pil6	,801*	-,055
pil3	,697*	-,144
pil9	,674*	-,539
pil10	,619*	-,046
pil5	,617*	,327
pil7	,570*	-,514
pil2	,570*	-,122
pil8	,444*	-,099
pil4	,275	,457*
pil1	,445	-,447*

Модель обладает хорошим качеством, так как значение лямбды Уилкса невысокое, а достоверность дискриминации высокая. В распределении стран на кластеры наибольшее влияние оказывают индивидуальное использование цифровых технологий, инфраструктура и социально-экономическое влияние.

Таблица 19. Коэффициенты канонической дискриминантной функции

	Функция
	1	2
pil1	-,226	-,693
pil2	,267	,286
pil3	,280	-,316
pil4	,202	,517
pil5	,388	1,042
pil6	,568	,026
pil7	,127	-,305
pil8	,423	,015
pil9	,422	-1,192
pil10	,162	,511
(Constant)	-10,751	-1,683

Итак, наибольшее влияние на формирование кластеров оказывает компонента, характеризующая индивидуальное использование цифровых технологий. К странам-лидерам по уровню развития цифровых технологий относятся страны Северной Америки, Западной Европы и прогрессивные страны Азии, такие как Сингапур и Гонконг. Развивающиеся страны - это, в основном, страны Азии и Восточной Европы, также в этот кластер попадает Россия. Наиболее отстающие по развитию цифровых технологий страны Африки южнее Сахары.

3.3 Влияние использования цифровых технологий на субъективное качество жизни населения: порядковая регрессия

Субъективное качество жизни определяется оценкой индивидами своего состояния. Такой микро-подход основан на анализе результатов специальных обследований населения, направленных на выявление качества жизни. Одним из таких обследований является Лонгитюдное обследование домохозяйств РМЭЗ НИУ ВШЭ . Данные представлены за 2016 год репрезентативно по России.

Для определения качества жизни воспользуемся следующими вопросами, ответами на которые является шкала от 1 до 5, где 1 - полностью удовлетворен / очень счастлив, 5 - совсем не удовлетворен / совсем несчастлив: «Насколько Вы удовлетворены своей жизнью в целом в настоящее время?» (satisfaction), «Скажите, пожалуйста, Вы счастливы?» (happiness). Данные переменные являются порядковыми, чем выше порядок, тем ниже качество жизни, поэтому для определения влияния цифровых технологий на качество жизни воспользуемся порядковой регрессией. Независимыми переменными будут ответы на следующие вопросы: «Скажите, пожалуйста, приходилось ли Вам в течение последних 12 месяцев пользоваться персональным компьютером в любых целях, включая печатание текстов, компьютерные игры и другое?» (pc_use), «Приходилось ли Вам в течение последних 12 месяцев пользоваться Интернетом?» (int_use), «Вы посещаете социальную сеть Вконтакте?» (vk_use), «Вы посещаете социальную сеть Фейсбук?» (fb_use). В качестве контрольных переменных взяты пол (gender), возраст (age), удовлетворенность материальным положением (mat_satisfaction), семейное положение (marital).

Так как переменные являются номинальными и порядковыми проверим наличие связи между ними с помощью коэффициентов корреляции Спирмена.Удовлетворенность жизнью имеет значимую положительнуюсвязь со всеми переменными, однако, наиболее сильно связана с удовлетворенностью материальным положением, использованием интернета и персонального компьютера. Уровень счастья в большей степени коррелирует с использованием персонального компьютера и интернета, нежели удовлетворенность жизнью. Также можно сказать, что при увеличении возраста, удовлетворенность жизнью падает (Приложения, Таблица 34).

Оценкой качества жизни является шкала от 1 до 5, поэтому, чтобы оценить влияние использования цифровых технологий на качество жизни используем модель упорядоченного выбора. Предполагается, что существует скрытая переменная, которая также зависит от независимых факторов:

Также оценивается вероятность дискретной зависимой переменной принимать какое-либо значение в зависимости от значения латентной переменной:

.

Также вероятности могут выражены с помощью распределения зависимой переменной:

.

Оценка параметров модели производится с помощью метода максимального правдоподобия.

Далее будут оценены две модели с латентными переменными satisfaction*и happiness*:

Для выбора связующей функции построим гистограммы распределений зависимых переменных. Так, для обеих переменных низшие категории представлены сильнее, следовательно, будем использовать функцию отрицательного двойного логарифма (Рисунок 30, Рисунок 31).

Рисунок 30. Гистограмма распределения переменной satisfaction

В качестве оценки значимости модели порядковой регрессии используется отрицательное удвоенное значение логарифма функции правдоподобия. Тестовой статистикой служит разность между начальным и конечным значениями, которая подчиняется распределению хи-квадрат. Так, полученная модель статистически значима.



Рисунок 31. Гистограмма распределения переменной happiness

Таблица 20. Информация о приближении модели (зависимая переменная: satisfaction)

Модель	-2 логарифмическое правдоподобие	Хи-квадрат	Степень свободы	Значимость
Только постоянное слагаемое	9074,309
Окончательно	8076,331	997,979	13	0,000
Связующая функция: Отрицательный двойной логарифм

Для проверки согласованности наблюдаемых частот и частот, полученных по модели, используется тест Пирсона. Нулевой гипотезой теста является отсутствие различий между наблюдаемыми и модельными частотами. Гипотеза отвергается с вероятность ошибки 0,01, что говорит о низкой степени приближения (Таблица 21).



Таблица 21. Критерий согласия (зависимая переменная: satisfation)

	Хи-квадрат	Степень свободы	Значимость
Пирсон	10069,645	7847	0,000
Отклонение	6193,889	7847	1,000
Связующая функция: Отрицательный двойной логарифм

Мера согласия, рассчитанная по методу Нагелькерке является аналогом R2 для линейной регрессии и отражает долю дисперсии зависимой переменной, объяснимой при помощи порядковой регрессии. Построенная модель объясняет 20% дисперсии, что является неплохим результатом для порядковой регрессии (Таблица 22).

Таблица 22. Псевдо R-квадрат (зависимая переменная: satisfaction)

Кокс и Шелл	0,191
Нагелькерке	0,204
МакФадден	0,077
Связующая функция: Отрицательный двойной логарифм

Значимое влияние на удовлетворенность жизнью на уровне значимости 0,1 оказывают возраст, использование компьютера, использование социальной сети Вконтакте, удовлетворенность материальным положением, женитьба / замужество (Таблица 23). Так как шкала является обратной, показатели с отрицательными коэффициентами будут оказывать положительное влияние на удовлетворенность жизнью. Так, увеличение возраста снижает удовлетворенность жизнью. Использование персонального компьютера увеличивает вероятность попадания в низшие категории зависимой переменной, то есть увеличивает удовлетворенность жизнью. Также положительное влияние на качество жизни оказывает то, что человек состоит в первом или повторном браке.

Использование социальной сети Вконтакте также положительно сказывается на удовлетворенности жизнью. В большей степени удовлетворенность жизнью определяется удовлетворенностью своим материальным положением.

Таблица 23. Оценки параметров порядковой регрессии

	Оценка	Стандартная ошибка	Вальд	Степень свободы	Значимость
Порог	[satisfaction = 1]	-1,700	,300	32,187	1	,000
	[satisfaction = 2]	-,201	,299	,455	1	,500
	[satisfaction = 3]	,813	,299	7,375	1	,007
	[satisfaction = 4]	2,453	,305	64,496	1	,000
Положение	age	,011	,002	44,665	1	,000
	[pc_use=1]	-,166	,076	4,779	1	,029
	[pc_use=2]	0	.	.	0	.
	[gender=1]	,017	,035	,237	1	,627
	[gender=2]	0a	.	.	0	.
	[marital=1]	-,252	,283	,792	1	,373
	[marital=2]	-,529	,282	3,516	1	,061
	[marital=3]	-,498	,289	2,979	1	,084
	[marital=4]	-,200	,285	,491	1	,483
	[marital=5]	-,331	,295	1,258	1	,262
	[marital=6]	0	.	.	0	.
	[mat_satisfaction=1]	-2,771	,180	236,064	1	,000
	[mat_satisfaction=2]	-1,147	,056	413,543	1	,000
	[mat_satisfaction=3]	-,681	,052	174,248	1	,000
	[mat_satisfaction=4]	-,378	,044	74,737	1	,000
	[mat_satisfaction=5]	0	.	.	0	.
	[vk_use=1]	-,115	,039	8,543	1	,003
	[vk_use=2]	0	.	.	0	.
Связующая функция: Отрицательный двойной логарифм

Теперь оценим порядковую для случая с зависимой переменной, отвечающей за счастье индивида, независимые переменные останутся теми же. Связующей функцией также является отрицательный двойной логарифм. Можно наблюдать значимый вклад независимых переменных в улучшение прогнозов, модель статистически значима (Таблица 24).



Таблица 24. Информация о приближении модели (зависимая переменная: happiness)

Модель	-2 логарифмическое правдоподобие	Хи-квадрат	Степень свободы	Значимость
Только постоянное слагаемое	6425,683
Окончательно	6076,37	349,313	14	0,000
Связующая функция: Отрицательный двойной логарифм

Согласно тесту Пирсона, существуют значимые различия между наблюдаемые и ожидаемыми частотами по модели, модель обладаетнизкой степенью приближения (Таблица 25).

Таблица 25. Критерий согласия (зависимая переменная: happiness)

	Хи-квадрат	Степень свободы	Значимость
Пирсон	8361,742	7782	0,000
Отклонение	5175,880	7782	1,000
Связующая функция: Отрицательный двойной логарифм

Модель обладает низкой объясняющей способностью, она способно объяснить только 12% дисперсии зависимой переменной (Таблица 26).

Таблица 26. Псевдо R-квадрат (зависимая переменная: happiness)

Кокс и Шелл	0,107
Нагелькерке	0,117
МакФадден	0,045
Связующая функция: Отрицательный двойной логарифм

Значимое влияние на ощущение счастья на уровне значимости 0,1 оказывают возраст, использование компьютера, использование социальной сети Вконтакте, наличие личного переносного компьютера, наличие личного мобильного телефона, удовлетворенность материальным положением. Так как шкала является обратной, показатели с отрицательными коэффициентами будут оказывать положительное влияние на ощущение счастья. Так, увеличение возраста снижает субъективноекачество жизни, измеренное уровнем счастья. Использование персонального компьютера и его наличие увеличивает вероятность попадания в низшие категории зависимой переменной, то есть увеличивает уровень счастья. Также положительно сказывается на ощущении счастья использование социальной сети Вконтакте и наличие мобильного телефона. В большей степени счастье определяется удовлетворенностью своим материальным положением (Таблица 27).

Таблица 27. Оценки параметров порядковой регрессии

	Оценка	Стандартная ошибка	Вальд	Степень свободы	Значимость
Порог	[happiness = 1]	-,802	,316	6,463	1	,011
	[happiness = 2]	,356	,316	1,270	1	,260
	[happiness = 3]	2,273	,320	50,522	1	,000
	[happiness = 4]	5,127	,389	173,354	1	,000
Положение	age	,015	,002	58,934	1	,000
	[pc_use=1]	-,161	,088	3,361	1	,067
	[pc_use=2]	0	.	.	0	.
	[marital=1]	,187	,295	,403	1	,525
	[marital=2]	-,215	,294	,536	1	,464
	[marital=3]	-,265	,303	,765	1	,382
	[marital=4]	,275	,297	,854	1	,355
	[marital=5]	,091	,308	,088	1	,767
	[marita...

Страница:

•  1 
•  2 
•  3 

диссертация "Исследование влияния цифровых технологий на качество жизни населения в странах мира" скачать

Подобные документы

• Статистические методы изучения качества и уровня жизни населения

  Статистика уровня жизни населения: показатели доходов и расходов. Виды уровня жизни и методы изучения динамики доходов населения. Качество жизни как совокупность показателей общего благосостояния людей. Сравнение уровня жизни различных регионов и стран.
  
  курсовая работа [419,6 K], добавлен 26.02.2009
  

• Экономическая оценка уровня и качества жизни населения Ставропольского края

  Подходы к определению уровня и качества жизни населения. Сравнительный анализ показателей уровня и качества жизни населения Ставропольского края и России в целом. Приоритетные меры по повышению уровня и качества жизни населения Ставропольского края.
  
  дипломная работа [1,4 M], добавлен 06.02.2018
  

• Уровень жизни населения и его региональные особенности

  Концептуальные аспекты и системы показателей уровня жизни населения. Методики оценки уровня и качества жизни населения. Анализ и оценка основных показателей уровня жизни населения Тюменской области и России в целом. Меры повышения уровня жизни населения.
  
  курсовая работа [1,9 M], добавлен 20.04.2011
  

• Уровень и качество жизни населения в России и за рубежом

  Понятие и система показателей уровня и качества жизни населения. Динамика уровня жизни в России в 2000-2009 гг. Международные сравнения по индексу развития человеческого потенциала. Основные направления повышения уровня и качества жизни в России.
  
  курсовая работа [1,6 M], добавлен 16.12.2010
  

• Уровень и качество жизни населения

  Теоретические подходы к определению уровня и качества жизни населения, индикаторы их измерения. Показатели уровня и качества жизни населения России: совокупность экономических отношений. Основные направления повышения уровня жизни населения России.
  
  курсовая работа [136,7 K], добавлен 03.10.2010
  

• Качество жизни населения и социальные стандарты

  Подходы к измерению качества жизни населения. Индекс развития человеческого потенциала как интегральный показатель измерения уровня жизни. Понятие и значение социальных стандартов. Характеристика государственных социальных стандартов Республики Беларусь.
  
  курсовая работа [159,8 K], добавлен 13.06.2014
  

• Исследование качества жизни населения региона (на примере Свердловской области)

  Определение, сущность и структура понятий "уровень жизни" и "качество жизни населения". Основные показатели уровня жизни и качества жизни населения. Факторы территориальной дифференциации качества жизни населения на примере Свердловской области.
  
  курсовая работа [355,4 K], добавлен 21.07.2015
  

• Анализ уровня и качества жизни населения России

  Уровень и качество жизни: понятие и сущность. Интегральный и частный подходы к познанию этих понятий. Факторы, определяющие динамику качества жизни населения. Оценка занятости населения и безработицы. Разработка направлений снижения уровня бедности.
  
  дипломная работа [83,5 K], добавлен 01.12.2014
  

• Качество жизни населения

  Сущность качества жизни как социально-экономической категории и ряд ее особенностей. Уровни и система показателей "качества жизни". Важнейшие парадигмы и индекс развития человеческого потенциала. Меры по совершенствованию "качества жизни населения".
  
  курсовая работа [205,9 K], добавлен 23.09.2010
  

• Уровень качества жизни как основа благосостояния населения

  Качество жизни населения, его социальная составляющая и оценка. Значение изучения динамики и качества уровня жизни населения, его прогнозирование. Показатели уровня и качества жизни населения Республики Беларусь, основные направления его повышения.
  
  курсовая работа [1,4 M], добавлен 19.10.2011
  

• Уровень и качество жизни населения как основные критерии устойчивого социально-экономического развития общества в Республике Беларусь

  Уровень жизни и бедности населения, показатели измерения. Качество жизни и методы его оценки. Характеристика уровня и качества жизни населения Республики Беларусь, способы их повышения. Факторы, определяющие динамику уровня жизни и степень их влияния.
  
  курсовая работа [419,3 K], добавлен 04.06.2012
  

• 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
  

• Качество и уровень жизни населения Республики Беларусь

  Понятие, значение уровня и качества жизни. Анализ динамики уровня жизни населения в Республике Беларусь. Оценка социальной составляющей уровня и качества жизни населения государства. Проблемы роста уровня жизни в Республике Беларусь на современном этапе.
  
  курсовая работа [97,0 K], добавлен 15.02.2018
  

• Качество и уровень жизни. Социальная политика государства

  Качество и уровень жизни населения как показатели социальной политики государства. Оценка качества жизни в России. Динамика, факторы влияние и государственное регулирование уровня и качества жизни в промышленно развитых странах (Германия, Швеция).
  
  курсовая работа [223,7 K], добавлен 24.05.2013
  

• Статистические методы оценки уровня и качества жизни населения

  Статистические методы изучения уровня и качества жизни населения на примере "Домашних хозяйств населения района". Анализ валового дохода на продукты питания на одного члена домохозяйства в год. Выявление закономерностей изменения благосостояния населения.
  
  курсовая работа [175,7 K], добавлен 19.03.2011
  

• Уровень и качество жизни населения (на примере муниципального района Туймазинский район)

  Уровень жизни как социально-экономическая категория. Факторы, влияющие на качество жизни населения и методы их оценки. Анализ уровня и качества жизни населения. Совершенствование уровня и качества жизни населения муниципального района Туймазинский район.
  
  курсовая работа [248,7 K], добавлен 18.06.2013
  

• Статистические методы изучения уровня и качества жизни населения

  Задачи статистики уровня и качества жизни населения. Методы изучения дифференциации доходов. Жилищные условия, покупательская способность населения, бедность населения. Показатели номинальных и располагаемых доходов. Статистический анализ расходов.
  
  курсовая работа [317,1 K], добавлен 16.05.2016
  

• 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
  

• Статистические методы изучения уровня и качества жизни населения

  Понятие уровня жизни населения и система показателей его статистики. Методы изучения показателей и дифференциации доходов, прожиточного минимума населения. Индекс потребительских цен (стоимости жизни). Показатели потребления материальных благ и услуг.
  
  курсовая работа [151,4 K], добавлен 17.11.2014
  

• Оценка уровня жизни населения Республики Беларусь

  Теоретические, методические и практические основы оценки уровня качества жизни населения страны. Анализ и оценка уровня качества жизни населения в Республике Беларусь, в том числе его социальной составляющей, а также общие рекомендации по его повышению.
  
  курсовая работа [731,4 K], добавлен 08.11.2010
  

Другие документы, подобные "Исследование влияния цифровых технологий на качество жизни населения в странах мира"

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