Как Информационные коммуникационные технологии (ИКТ) способствуют росту реальных доходов населения в Узбекистане?
                
                ИКТ проникают во все сферы жизни, предоставляя людям новые, лучшие и быстрые способы взаимодействия, общения, поиска помощи, доступа к информации и обучения. Помимо повсеместного присутствия, ИКТ имеют огромное экономическое значение. Согласно исследованиям консалтинговой компании IDC, в 2020 году глобальная индустрия информационных технологий превысила 5 трлн долларов.
Сектор ИКТ влияет на экономический рост и доходы населения посредством нескольких каналов: влияние на систему образования, в том числе и за счет внедрения онлайн уроков и курсов, ростом деятельности финансовых организаций, снижением безработицы за счёт новых профессий и рабочих мест, в том числе и в онлайн-пространстве.
Институт прогнозирования и макроэкономических исследований (ИПМИ) оценил вклад от развития информационно-коммуникационной инфраструктуры на реальные доходы населения в Узбекистане. По результатам анализа, были получены следующие результаты:
Увеличение протяженности волоконно-оптических линий связи на 100 км способствует росту реальных доходов населения на 1,43%
Увеличение пользователей интернета на 1 п.п. приведет к росту реальных доходов населения на 0,9%.

За последние несколько десятилетий наблюдается стремительный рост услуг ИКТ во всем мире. Глобальные расходы на ИКТ в 2020 году составляли примерно 4,9 трлн долларов США и, как ожидается, вырастут до 5,8 трлн долларов США к 2023 году[1].
В соответствии с докладом[2] Международного союза электросвязи (International Telecommunication Union – ITU) от 2021 года показывают, что во время пандемии ускорилось распространение Интернета. Если в 2019 году Интернетом пользовались 4,1 млрд человек (54% населения мира), то к 2021 году данный показатель вырос до 4,9 млрд человек (63% населения мира). Тем не менее, это означает, что вне сети остается 37% населения планеты, большинство из которых проживает в развивающихся странах. Так, в 2021 году среднее число абонентов фиксированной широкополосной связи достигло 17 абонентов на 100 жителей.
Все большую значимость в сфере образования получает применение современных информационных технологий и перевод учебных процессов на онлайн платформы. В качестве примера можно привести одну из наиболее популярных в мире онлайн образовательную платформу Coursera[3]. Например, в 2016 году на платформе Coursera зарегистрировалось 21 млн человек. В следующие 2 года это число ежегодно увеличивалось на 7 млн. Распространение коронавируса и введение в странах мира карантинных ограничений способствовало повышению заинтересованности населения к получению дистанционного образования. Так, в условиях пандемии наблюдалось трехкратное увеличение числа новых регистраций, в результате чего этот показатель достиг 71 млн в 2020 году и 92 млн в 2021 году.
Использование цифровых финансовых услуг (ЦФУ) позволяет снизить затраты, повысить скорость, безопасность и прозрачность транзакций, а также повысить доступность для населения страны. На сегодняшний день, в 90 странах мира зарегистрировано более 850 млн цифровых счетов, через которые ежедневно совершаются операции на сумму 1,3 млрд долл. США[4].
В Узбекистане за последние несколько лет уделяется особое внимание развитию сектора ИКТ. Так, за 2019–2021 гг. скорость передачи проводного интернета выросла практически в 2 раза (до 40 Мбит/с), количество пользователей интернета превысило 70% населения[5].
Для анализа влияния ИКТ на рост реальных доходов населения в Узбекистане экспертами ИПМИ были использованы эконометрические модели на основе статистических данных Государственного Комитета по статистике Республики Узбекистан в разрезе регионов (12 областей, Республика Каракалпакстан и город Ташкент) за период с 2015 по 2020 годы (84 наблюдения) (таблица 1).
Таблица 1. Описательная статистика используемых данных
			Показатели | 
			
			Единицаизмерения | 
			
			Кол-во наблюдений | 
			
			Среднее значение | 
			
			Стандартное отклонение | 
			
			Мини-мальное значение | 
			
			Макси-мальное значение | 
		
			Количество станций сотовой связи | 
			
			тыс. штук | 
			
			84 | 
			
			1.599 | 
			
			0.907 | 
			
			0.5 | 
			
			5 | 
		
			Протяженность волокно-оптических линий связи | 
			
			тыс. км | 
			
			84 | 
			
			2.358 | 
			
			1.809 | 
			
			0.8 | 
			
			11.9 | 
		
			Количество пользователей интернета | 
			
			на 100 человек | 
			
			84 | 
			
			40.796 | 
			
			28.99 | 
			
			9.9 | 
			
			174.9 | 
		
			Пользователи подвижной мобильной связи | 
			
			на 100 человек | 
			
			84 | 
			
			70.877 | 
			
			35.786 | 
			
			20.2 | 
			
			204.1 | 
		
			Реальные совокупные доходы на душу населения | 
			
			тыс. сум | 
			
			84 | 
			
			7893.109 | 
			
			3503.898 | 
			
			3703.22 | 
			
			22080.8 | 
		
			Количество субъектов малого бизнеса | 
			
			тыс. ед | 
			
			84 | 
			
			17155.655 | 
			
			11801.768 | 
			
			6309 | 
			
			74108 | 
		
Источник: расчеты автора.
Для построения эконометрических моделей использовались методы анализа панельных данных с учетом робастных ошибок и кластеризации по регионам[6] (LSDV), а также с робастными ошибками Дрискролла-Крея[7] (DKSE). Эти модели являются наиболее эффективными в условиях присутствия перекрестной (региональной) и временной зависимостей. Другими словами, данные модели позволяют получить наиболее точные результаты при наличии взаимосвязи переменных от региона к региону и от предыдущих значений (влияние результатов прошлых лет на настоящее).
В качестве зависимой переменной был использован показатель «реальные доходы населения». Факторами, влияющими на зависимую переменную, были определены (таблица 2):
1. Протяженность волоконно-оптических линий связи, тыс. км (VOLC);
2. Количество базовых станций сотовой связи, тыс. штук (Mobstat);
3. Количество абонентов с доступом в сеть Интернет, на 100 человек (Users)
4. Количество субъектов предпринимательства, логарифм (lnBusiness)
5. Показатель, определяющий эффект временного периода (Time dummy)
Таблица 2. Влияние ИКТ на реальные доходы населения
| 
			 | 
			
			1 | 
			
			2 | 
			
			3 | 
		|||
| 
			 | 
			
			LSDV[8] | 
			
			DKSE[9] | 
			
			LSDV | 
			
			DKSE | 
			
			LSDV | 
			
			DKSE | 
		
			VOLC | 
			
			0.143*** | 
			
			0.143* | 
			
			 | 
			
			 | 
			
			 | 
			
			 | 
		
			Mobstat | 
			
			 | 
			
			 | 
			
			0.843 | 
			
			0.843 | 
			
			 | 
			
			 | 
		
			Users | 
			
			 | 
			
			 | 
			
			 | 
			
			 | 
			
			0.009*** | 
			
			0.009*** | 
		
			lnBusiness | 
			
			-0.094 | 
			
			-0.094 | 
			
			0.072 | 
			
			0.072 | 
			
			-0.074 | 
			
			-0.074*** | 
		
			Time dummy 2 | 
			
			0.119*** | 
			
			0.119*** | 
			
			0.125*** | 
			
			0.125*** | 
			
			0.109*** | 
			
			0.109*** | 
		
			Time dummy 3 | 
			
			0.217*** | 
			
			0.217*** | 
			
			0.231*** | 
			
			0.231*** | 
			
			0.192*** | 
			
			0.192*** | 
		
			Time dummy 4 | 
			
			0.359*** | 
			
			0.359*** | 
			
			0.368*** | 
			
			0.368*** | 
			
			0.299*** | 
			
			0.299*** | 
		
			Time dummy 5 | 
			
			0.464*** | 
			
			0.464*** | 
			
			0.529*** | 
			
			0.529*** | 
			
			0.433*** | 
			
			0.433*** | 
		
			Time dummy 6 | 
			
			0.292* | 
			
			0.292 | 
			
			0.603*** | 
			
			0.603*** | 
			
			0.498*** | 
			
			0.498*** | 
		
			Constant | 
			
			9.224*** | 
			
			9.224*** | 
			
			7.760** | 
			
			7.760*** | 
			
			8.999*** | 
			
			8.999*** | 
		
			Number of observations | 
			
			84 | 
			
			84 | 
			
			84 | 
			
			84 | 
			
			84 | 
			
			84 | 
		
			R-squared | 
			
			0.64 | 
			
			0.64 | 
			
			0.53 | 
			
			0.53 | 
			
			0.76 | 
			
			0.76 | 
		
Примечание: ***, **, * - уровень значимости на 1%, 5% и 10% соответственно (чем ниже процент, тем более значимым считается эффект, оказываемый фактором)
Источник: расчеты автора.
Как видно из таблицы 2, по результатам моделирования были получены одинаковые коэффициенты по каждому фактору при использовании как метода LSDV, так и DKSE. При этом модели отличаются между собой уровнем значимости факторов. К примеру, значимость фактора «Протяженность волоконно-оптических линий связи» в модели LSDV определяется на 1% уровне, а в модели DKSE – на 10% уровне.
Таким образом увеличение протяженности волоконно-оптических линий связи на 100 км способствует увеличению реальных доходов населения на 1,43%. А увеличение пользователей интернета на 1 п.п. приведет к росту реальных доходов населения на 0,9%.
При этом стоит отметить, что количество базовых станций сотовой связи имеет коэффициент значимости на уровне 47% значимости в обеих моделях: LSDV и DKSE. Это можно объяснить тем, что скорость мобильного интернета, предоставляемого посредством данных станций, является более низкой по сравнению с оптико-волоконным интернетом. Также распространение базовых станций сотовой связи в республике гораздо выше, чем волоконно-оптических линий связи, в следствии чего их эффект является менее ощутимым.
Таким образом, развитие информационно-коммуникационной инфраструктуры имеет важное значение для роста реальных доходов населения. Анализируя план действий по развитию ИКТ на ближайшие годы можно предположить, что данный фактор увеличит свою значимость и приведет к повышению образования населения, доступности цифровых услуг, в том числе финансовых, а также в целом к росту доходов населения.
Так, в ближайшие годы на развитие цифровой инфраструктуры планируется привлечь около 2,5 млрд долларов[10]. Предусматривается запуск трех крупных новых дата-центров в таких городах как Ташкент, Бухара и Коканд, а также дальнейшее расширение фиксированной сети телекоммуникации и модернизация сети мобильной связи. В результате в каждом населённом пункте для домохозяйств будет обеспечен доступ к интернету, имеющему скоростью не менее 10 Мбит/с.
О.Назаров,
Старший научный сотрудник ИПМИ
[1] https://www.statista.com/statistics/946785/worldwide-ict-spending/
[2] https://www.itu.int/en/ITU-D/Statistics/Pages/facts/default.aspx
[3] https://www.weforum.org/agenda/2022/01/online-learning-courses-reskill-skills-gap/
[4] https://pubdocs.worldbank.org/en/230281588169110691/Digital-Financial-Services.pdf
[5] Статистические данные Всемирного банка data.worldbank.org
[6] S. H. Law, 2018: https://upmpress.com.my/product/applied-panel-data-analysis-short-panels/
[7] Driscoll-Kraay standard errors: http://fmwww.bc.edu/repec/bocode/x/xtscc_paper
[8] Least square dummy variable model with clustered regions
[9] Driscoll-Kraay standard errors model with time variables
[10] https://www.gazeta.uz/ru/2021/05/05/research/#
                      
                       3653