Вплив інтегральних показників цифровізації суспільно- економічних трансформацій на рівень цифрового розвитку країни
DOI:
https://doi.org/10.35774/visnyk2022.01.083Анотація
Вступ. розуміння факторів, що ініціюють цифровізацію є надзвичайно актуальним для дослідження економіки в актуальних та перспективних умовах господарювання. Дедалі більшою постає залежність фінансово-економічних систем від великої кількості автоматизованих інформаційних систем та великих даних. Ця тенденція до зростання поступово стає нагальною необхідністю, що дозволяє функціонувати соціально-економічним об’єктам, а розуміння ключових уявлень про стан глобальної цифрової економіки є запорукою стабільного функціонування фінансової системи.
Мета дослідження полягає у розробленні багатофакторної регресійної моделі опису впливу ключових детермінант, що формують рівень ризику використання фінансових установ для легалізації кримінальних доходів та фінансування тероризму, аспекти ведення бізнесу та рівень національної кібербезпеки, на загальний рівень цифрового розвитку країн світу.
Методи дослідження ґрунтуються на системно-логічному узагальненні змістовної сутності інтегральних показників цифровізації суспільно-економічних трансформацій, контент-аналізу, дескриптивної статистики, рангової кореляції Спірмена, багатовимірного статистичного аналізу.
Результати. розроблено множинну лінійну економетричну модель, що описує вплив інтегральних показників рівня національної кібербезпеки, легкості ведення бізнесу та індексу протидії легалізації коштів, отриманих незаконним шляхом на загальний рівень цифрового розвитку країни. Модель є статистично значущою та може бути імплементована вітчизняними інституціями, зокрема Національним банком України, службами Фінансової розвідки України, Національним координаційним центром кібербезпеки та Міжнародними інституціями для посилення цифрової довіри, виявлення резервів щодо підвищення рівня кібербезпеки в розрізі кожної країни.
Перспективи. подальші дослідження будуть спрямовані на поглиблений аналіз та оцінювання даних дослідження під іншим кутом, а саме в розрізі розроблення квантильних регрерсій, які дозволять визначити, як показники національної кібербезпеки та легкості ведення бізнесу для країн з високим рівнем цифрового розвитку впливають на рівень цифрового розвитку, та як значення показників національної кібербезпеки та легкості ведення бізнесу для країн з низьким рівнем цифрового розвитку впливають на рівень цифрового розвитку.
Ключові слова: рівень цифрового розвитку; національний індекс кібербезпеки; легкість ведення бізнесу; рангова кореляція; багатовимірний статистичний аналіз.
Посилання
Ghernaouti-Helie, S. (2012). Going Digital Rethinking cybersecurity and confidence in a connected world: a challenge for society. Third International Conference on Emerging Security Technologies (Est). 8-11. http://doi.org/ 10.1109/EST.2012.16
Garcia-Perez, A., Sallos, MP., Tiwasing, P. (2021). Dimensions of cybersecurity performance and crisis response in critical infrastructure organisations: an intellectual capital perspective. Journal of intellectual capital. Vol. ahead-of-print No. ahead-of-print. http://doi.org/10.1108/JIC-06-2021-0166
Digital Development Dashboard. URL: https://www.itu.int/en/ITU-D/Statistics/ Dashboards/Pages/Digital-Development.aspx
National Cyber Security Index: URL : https://ncsi.ega.ee/ncsi-index/
Doing Business: The World Bank. URL: https://www.doingbusiness.org/en/data
Basel AML Index 2021: 10th Public Edition Ranking money laundering and terrorist financing risks around the world. URL: https://baselgovernance.org/sites/default/ files/2021-09/Basel_AML_Index_2021_10th%20Edition.pdf
Network Readiness Index 2021. Benchmarking the Future of the Network Economy. URL: https://networkreadinessindex.org/
Ukraine: NCSI. URL : https://ncsi.ega.ee/country/ua/?pdfReport=1
Methodology What’s behind the Basel AML Index? URL: https://index. baselgovernance.org/methodology
Sun, JC., Cao, XY., Liang, HW., Huang, WR., Chen, Zw., Li. ZG. (2020). New Interpretations of Normalization Methods in Deep Learning. Thirty-fourth AAAI conference on artificial intelligence, the thirty-second innovative applications of artificial intelligence conference and the tenth AAAI symposium on educational advances in artificial intelligence. P. 5875-5882.
Celen, A. (2014). Comparative Analysis of Normalization Procedures in TOPSIS Method: With an Application to Turkish Deposit Banking Market. Informatica, 25(2). 185-208.
Chen, CY., Chen, RL., Sheu, MH. (2003). A fast additive normalization method for exponential computation. Euromicro symposium on digital system design, proceedings. 286-293.
Chowdhury, M. (2020). Using themethodofnormalisation for mapping group marks to individual marks: some observations. Assessment and Evaluation in Higher Education. 45(5). 643-650. http://doi.org/10.1080/02602938.2019.1686606
Us, H., Malyarets, L., Chudaieva, I., & Martynova, O. (2018). Multi-Criteria Optimization of the Balanced Scorecard for the Enterprise’s Activity Evaluation: Management Tool for Business-Innovations. Marketing and Management of Innovations, 3. 48-58. http://doi.org/10.21272/mmi.2018.3-04
Xiao, W. (2019). “Novel Online Algorithms for Nonparametric Correlations with Application to AnalyzeSensor Data”. IEEE International Conference on Big Data (Big Data): 404–412. doi:10.1109/BigData47090.2019.9006483
Bartels R. (2007). The rank von Neumann test as a test for autocorrelation in regression models. Communications in Statistics – Theory and Methods. 13(20). P.2495-2502. http://doi.org/10.1080/03610928408828839