СТАТИСТИЧЕСКИЕ МЕТОДЫ ИССЛЕДОВАНИЯ БЛАГОСОСТОЯНИЯ ПОТРЕБИТЕЛЯ В ИННОВАЦИОННОЙ ЭКОНОМИКЕ

В современной инновационной экономике, традиционные методы для оценки благосостояния, не всегда отражают сложные взаимосвязи между инновациями, потребительскими предпочтениями и уровнем удовлетворенности жизнью. Возникает необходимость в применении статистических методов, учитывающих не только материальное благосостояние, но и доступ к новым технологиям, возможности для самореализации и общее качество жизни. Целью статьи является обзор методов, применяемых для статистической оценки благосостояния потребителя в инновационной экономике.

Для инновационной экономики решающим фактором становится темп изменений: сокращение жизненных циклов продуктов, глобализация рынков и потребность в быстрой разработке новых товаров. Это вынуждает производителей оперативно реагировать на запросы потребителей, которые получают больше возможностей для выбора из-за конкуренции на глобальном уровне. Инновации открывают новые рынки, создают продукты с высокой маржинальностью. Быстрое устаревание технологий и обход патентов сокращают время, доступное для монетизации инноваций. Следствием является необходимость ускорения процессов разработки.

Традиционные макроэкономические показатели, такие как ВВП, оказываются недостаточными для оценки благосостояния. Они не учитывают множество важных факторов, оказывающих влияние на качество жизни: устойчивость развития, долговечность товаров и уровень экологической безопасности. Для более комплексной и точной оценки используется широкий спектр альтернативных индексов, таких как Индекс человеческого развития (ИЧР), Индекс устойчивого развития (ESI) и Индекс реального прогресса (GPI). Эти показатели, кроме экономических аспектов, учитывают социальные факторы, как уровень образования или продолжительность жизни.

Цифровая экономика и автоматизация изменяют структуру занятости, что сказывается на благосостоянии. Частая смена профессий и появление неформальных форм занятости уменьшают гарантии для работников, но при этом дают новые возможности для обучения. Образовательные платформы предлагают короткие курсы, позволяющих быстро осваивать новые навыки. Это приводит к проблеме фрагментации знаний и отсутствию системного подхода к образованию. Не все навыки, освоенные на коротких курсах, могут быть интегрированы в долгосрочную карьеру.

В инновационной экономике существует множество недостатков. Проблемой является цифровое неравенство, влияние искусственного интеллекта и больших данных. Персонализированные рекомендации и прогнозы спроса, которые улучшают качество обслуживания, затрагивают вопросы конфиденциальности данных.

Влияние инновационной экономики на благосостояние потребителя рассматривается отечественными исследователями. Афлятунов Р. Р. в своей работе «Факторный анализ поведения потребителя в инновационной экономике» использует факторный анализ для выявления ключевых детерминант выбора потребителей [1]. Монахова И. В. в диссертационном исследовании проводит всесторонний анализ инновационной экономики, освещая трансформации в потреблении, глобальные риски и перспективные направления [2]. Рождественский И. В. в своих трудах, в частности в статье «Стратегические возможности цифровых платформ для развития промышленной акселерации и венчурных инвестиций», затрагивает влияние инновационной экономики на поведение потребителя [3]. Хохлова А. П. в статье «Влияние информационной среды на формирование идеального потребителя» указывает значимую роль информационного общества потребления в формировании новой формы общественного бытия [4].

Несмотря на наличие исследований, анализ, моделирование и прогнозирование благосостояния потребителя в инновационной экономике зависит от многих факторов и нуждается в регулярном мониторинге. Это особенно относится к использованию статистических методов.

При исследовании благосостояния потребителя в инновационной экономике применяются различные методы комплексного статистического анализа, которые помогают оценить влияние инноваций на уровень жизни, доходы, доступ к товарам и услугам, а также на субъективное благополучие. Далее представлены основные методы.  

Корреляционный и регрессионный анализ. Эти методы помогают выявить возможные взаимосвязи между переменными при работе с большими объемами данных. Корреляционный анализ делает возможным оценить силу и направление взаимосвязи между переменными, выявить ключевые факторы для дальнейшего анализа. На практике этот метод может быть использован для оценки связи между доходами и доступу к инновационным продуктам.

Регрессионный анализ оценивает влияние независимых переменных на зависимую переменную и дает количественную оценку взаимосвязей. Может быть применен для оценки множества факторов на благосостояние. Примером может послужить оценка влияния дохода, образования и доступа к технологиям на уровень жизни. 

Формула 1 нужна для линейной регрессии и выглядит следующим образом:

                                                                                                   (1)

где

y — зависимая переменная;

 x — независимая переменная;

β0 — свободный член;

β1 — коэффициент наклона (угол наклона линии);

ε — ошибка модели.

Важное место занимает факторный и кластерный анализ. Факторный анализ нужен для выявления скрытых факторов, а кластерный для группировки потребителей на основе схожих характеристик. На практике кластерный анализ может быть применен для сегментации потребителей по уровню дохода, возрасту и использованию инновационных технологий.

Методы, которые используются при кластерном анализе - иерархическая кластеризация и метод К-средних. При факторном анализе используется метод главных компонент и факторный анализ с вращением.

Иногда факторный и кластерный анализ используют вместе. Факторный анализ определяет состав макропеременных. Кластерный анализ на основании выделенных значимых характеристик осуществляет формирование целевых сегментов, что используется для сокращения количества переменных, участвующих в кластерном анализе.

Существует двухстадийный метод, при котором на первом этапе к исходным признакам применяется факторный анализ для получения некоторых латентных показателей, объединяющих в некоторые группы сами признаки. Далее используют кластерный анализ для получения некоторых групп, однородных в смысле средних величин индивидуальных значений построенных факторов.

Далее рассмотрим индексный анализ. Главная цель применения данного метода — исследование тенденций изменения экономических показателей в динамике и сравнение их фактических уровней с запланированными или базисными. На практике может быть применен для расчета индекса благосостояния на основе дохода, уровня образования и доступа к технологиям. Далее представлены формулы.

Индекс человеческого развития (ИЧР) рассчитывается по формуле 2, которая имеет следующий вид:

                                               (2)

Формула 3 используется для расчета индекса потребительских цен (ИПЦ):

                                                                                            (3)

где

pt — цена отчетного периода;

p0 — цены в базисный период;

q0 — объемы потребления.

Кроме перечисленных ранее, есть множество методов статистического анализа, которые могут быть использованы: описательная статистика; анализ временных рядов, для изучения динамики; метод наблюдения, который опирается на документальное исследование важной информации; дисперсионный анализ, для сравнения средних значений между группами; метод машинного обучения, для прогнозирования и классификации данных; анализ больших данных, для выявления закономерностей и иные методы. Но особое внимание стоит уделить вышеперечисленным методикам.

Именно они были выбраны, так как регрессионный анализ и корреляционный анализ дают понимание о взаимосвязях между переменными, факторный анализ выявляет скрытые структуры в данных, кластерный анализ сегментирует потребителей для более детального изучения, индексный анализ дает обобщенную оценку благосостояния.

Вместе они работают следующим образом. Корреляционный анализ выявляет ключевые переменные для последующего анализа. Факторный - уменьшает количество переменных, выделяя основные факторы. Регрессионный анализ дает оценку влияния этих факторов на благосостояние. Кластерный анализ делит потребителей на группы для более точного анализа. Индексный анализ показывает обобщенную оценку благосостояния для сравнения между группами или регионами.

В заключении, хочется сказать, что в инновационной экономике для оценки благосостояние потребителя важен сбалансированный подход, учитывающий экономические и социальные аспекты жизни. Учет скорости изменений, глобализации, персонализации производства и новых методов измерения, которые выходят за рамки традиционных экономических показателей. Инновации открывают новые возможности по улучшению качества жизни, но их внедрение должно сопровождаться процедурами, направленными на сокращение неравенства и обеспечение устойчивого развития. Поэтому важны меры по стимулированию инноваций, социальная поддержка для уязвимых групп, развитие цифровой инфраструктуры, поддержка образовательных программ для подготовки потребителей к использованию новых технологий. В связи с этим, методы статистического анализа имеют особое значение для мониторинга актуальных данных и принятия своевременных решений.