КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ ИННОВАЦИОННОГО РАЗВИТИЯ АГРАРНОГО СЕКТОРА КЫРГЫЗСКОЙ РЕСПУБЛИКИ В УСЛОВИЯХ ЦИФРОВОЙ ТРАНСФОРМАЦИИ

Полный текст

Продовольственная безопасность и устойчивое сельское хозяйство играют центральную роль в глобальной повестке ЦУР 2. Изменение климата и рост населения делают инновации жизненно важными для повышения производительности. Цифровая трансформация, такая как использование интернета, мобильных технологий и точного земледелия, может кардинально изменить доступ фермеров к знаниям, рынкам и ресурсам. В результате она может повысить урожайность и эффективность использования ресурсов.

Центральная Азия уникальна. Сельское хозяйство играет важную роль в её экономике, и модернизация сектора крайне важна. Немногие эмпирические исследования напрямую оценивают влияние цифровизации на производительность в этом регионе. Существующие исследования, как правило, используют методы наименьших квадратов (OLS), которые могут страдать от эндогенности, когда обратная причинно-следственная связь и ненаблюдаемые факторы (например, качество институтов) подрывают обоснованность причинно-следственных связей.

Методология

В нашем исследовании используются панельные данные по Казахстану, Кыргызстану, Таджикистану, Туркменистану и Узбекистану за период с 2015 по 2023 год (при условии их доступности), всего 38 наблюдений. Данные взяты из Доклада об устойчивом развитии (SDR)  [1-3].

Таблица.

Для учета факторов, не зависящих от времени или относящихся к разным странам, таких как климат, институциональное наследие или глобальные потрясения, мы используем панельную регрессионную модель с двухфакторной фиксированными эффектами (FE).

Модель FE устойчива, но не устраняет смещение, обусловленное эндогенностью основного регрессора sdg9_users. В нашем исследовании эндогенность возникает по двум основным причинам:

1. Обратная причинно-следственная связь: высокая урожайность и доходы в сельском хозяйстве могут способствовать финансированию инвестиций в цифровые технологии, искажая наблюдаемую связь между цифровизацией и урожайностью.

Существуют также ненаблюдаемые факторы, такие как качество управления или агрономические знания. Эти факторы способствуют повышению как цифровизации, так и урожайности. Это приводит к завышению β1 в МНК.

Для получения несмещенной оценки причинно-следственной связи мы используем метод инструментальных переменных (ИП), который изолирует экзогенные вариации в эндогенном регрессоре [5]. Мы реализуем это с помощью двухшагового метода наименьших квадратов (2МНК).

Доступ к электроэнергии (sdg7_elecac) выбран в качестве инструментальной переменной Z. Для валидности оценки по методу 2SLS инструмент Z должен удовлетворять двум строгим условиям:

Инструмент Z должен быть сильным предиктором эндогенной переменной D.

Мы оцениваем силу инструмента в регрессии «первого этапа»:

Фактический результат: F-статистика первого этапа=12.395.

Поскольку значение 12,395 превышает 10, стандартный порог для слабого инструмента, мы подтверждаем, что доступ к электроэнергии является сильным и релевантным инструментом для прогнозирования цифровизации.

Инструмент Z должен влиять на зависимую переменную Y только через эндогенную переменную D.

Доступ к электроэнергии (sdg7_elecac) является технологическим и инфраструктурным условием для доступа к интернету и цифровым услугам. Однако он не оказывает прямого линейного влияния на урожайность в сельском хозяйстве. Любое влияние на урожайность происходит только при наличии доступа к интернету и цифровым сельскохозяйственным технологиям.

На втором этапе мы используем прогнозируемое значение цифровизации sdg9_users, полученное на первом этапе. Это позволяет оценить влияние коэффициента β1, используя следующую модель: 

Коэффициент β1 отражает истинное причинно-следственное влияние цифровизации на урожайность зерна, свободное от эндогенных искажений.

Результаты

В этом разделе представлены результаты регрессионного анализа. Он оценивает причинно-следственное влияние цифровизации (sdg9_users) на урожайность зерновых (sdg2_crlyld) в странах Центральной Азии. Использован метод двухшагового метода наименьших квадратов (2SLS) с фиксированными эффектами.

1. Диагностика инструментальных переменных (первый этап)

Прежде чем интерпретировать окончательные коэффициенты, необходимо подтвердить валидность и мощность инструментальной переменной (sdg7_elecac).

F-статистика первого этапа составила 12,395. Поскольку это значение превышает критический порог 10 (правило Стайгера и Стока) [6], мы отвергаем гипотезу о слабом инструменте [4]. Это подтверждает, что доступ к электричеству является сильным и значимым предиктором использования интернета. Наши окончательные оценки, полученные с помощью 2SLS, не подвержены влиянию слабого инструментального смещения.

2. Основные результаты регрессии (второй этап)

Основные результаты исследования представлены в таблице 1. В ней представлены оценки панельной регрессии 2SLS с фиксированными эффектами по странам и годам.

Таблица 1. Влияние цифровизации на урожайность зерновых (2SLS с FE)

Примечание: p < 0,001, p < 0,01. Оценка выполнена с использованием панели 2SLS с фиксированными эффектами по стране и году; стандартные ошибки сгруппированы по странам.

3. Интерпретация ключевых эффектов
4. Причинно-следственная связь цифровизации

Главным результатом исследования является статистически значимая связь, указывающая на потенциальную причинно-следственную связь между цифровизацией и урожайностью.

Коэффициент прогнозируемого значения sdg9_users составил 0,0766 (P < 0,01). Это подтверждает следующую интерпретацию:

1. Каждый дополнительный процентный пункт (пп) населения, использующего интернет (как показатель цифровизации), оценивается как увеличение урожайности зерновых на 0,077 тонны с гектара (т/га) в соответствии с идентификационными предположениями метода 2SLS.
2. Эта оценка, точнее оценок, полученных с помощью традиционного метода OLS, который может иметь смещение из-за эндогенности.

Результат подтверждает гипотезу о том, что цифровизация имеет решающее значение для повышения производительности в сельскохозяйственном секторе Центральной Азии. Она предоставляет фермерам доступ к метеорологическим данным, рыночной информации и передовым агрономическим знаниям.

1. Влияние социально-экономических факторов

Контрольные переменные показывают важность социально-экономического контекста для производительности сельского хозяйства.

Человеческий капитал (sdg3_lifee): Коэффициент 0,1837 (P < 0,001) имеет сильное положительное значение. Увеличение продолжительности жизни на один год приводит к увеличению урожайности сельскохозяйственных культур на 0,184 с гектара. Этот эффект показывает, что здоровое и образованное население с большей вероятностью будет внедрять инновации, внедрять новые технологии (в том числе цифровые) и эффективно управлять сельскохозяйственными процессами.

Бедность (sdg1_wpc): Коэффициент -0,0142 (P < 0,01) отрицателен и имеет значительную величину. Увеличение крайней бедности на один процентный пункт снижает урожайность сельскохозяйственных культур на 0,014 т/га. Бедность ограничивает доступ к капиталу, необходимым ресурсам (качественным семенам, удобрениям), а также цифровым устройствам и услугам. Это подрывает потенциальное влияние цифровой трансформации.

Модель обладает высокой объяснительной силой в пределах стран с течением времени (R²(Within)=0,781). Это означает, что включенные переменные, особенно после фиксированных эффектов, объясняют большую часть изменений урожайности сельскохозяйственных культур с течением времени.

Заключение

В этом исследовании оценивалось причинно-следственное влияние цифровизации (проникновения интернета) на урожайность зерновых в пяти странах Центральной Азии (2015-2023 гг.). Мы применили двухшаговый метод наименьших квадратов (2SLS) с фиксированными эффектами и использовали доступ к электроэнергии в качестве инструмента для учета эндогенности.

Основные выводы: Причинно-следственная связь: увеличение проникновения интернета на 1 процентный пункт приводит к увеличению урожайности зерновых на 0,077 т/га (P < 0,01).

Надежность: F-статистика первого этапа (12,395) подтверждает силу нашего инструмента и обоснованность нашей оценки.

Человеческий капитал: более высокая ожидаемая продолжительность жизни (β = 0,184) повышает производительность, в то время как бедность (β = -0,014) ограничивает ее.

Теоретический вклад: мы устраняем основной методологический пробел, предоставляя надежную идентификацию причинно-следственной связи для эффекта цифровизации, впервые в Центральной Азии.

Практический вклад: Инвестиции в цифровую инфраструктуру являются как социальными, так и стратегическими экономическими приоритетами для обеспечения продовольственной безопасности. Рекомендации по политике:

Инфраструктура: Отдайте приоритет электроснабжению и высокоскоростному интернету в сельской местности как прямым инвестициям в повышение урожайности.

Комплексные программы: Интегрируйте программы поддержки сельского хозяйства и цифровизации; сочетайте субсидии с обучением фермеров работе с цифровыми инструментами.

Сокращение бедности: устраните барьеры, связанные со стоимостью устройств и подписки, для беднейших домохозяйств, чтобы обеспечить доступ к цифровым инструментам повышения производительности.

Об авторах

А. Т. Мамыралиева

Автор, ответственный за переписку.
Email: aynagul.mamyralieva@mail.ru

канд. экон. наук, доцент

Список литературы

Дополнительные файлы