65、新乌兹别克斯坦电子商务有效管理的预测模型

新乌兹别克斯坦电子商务有效管理的预测模型

一、引言

数字化是当今全球经济发展不可或缺的重要因素。数字技术提升了客户服务质量，降低了风险和成本，使贸易更高效，还能打击欺诈和洗钱行为。电子商务正致力于提供无缝的客户体验，为此推出了新的分析平台，可实时收集和处理客户数据，以创建相关且及时的个性化优惠。

到2019年底，全球零售总额的14.1%为电子商务销售额。目前，全球约有19.2亿数字购物者。中国拥有最大的电子商务市场，规模达7400亿美元。全球最大的在线零售商阿里巴巴的商品交易总额达7680亿美元。

据专注于市场和消费者数据的德国公司Statista称，当前电子商务零售销售额占比超过15%，且这一数字每年都在增长，预计到2023年将达到22%。鉴于全球四分之一的人口现在都在网上购物，这些预测似乎是合理的。

在乌兹别克斯坦，由于该国互联网和电子交易平台的扩展，2019年电子商务发展指标增长了6.7倍。2019年通过互联网的贸易额达2753亿苏姆（增长率为6.7倍），占该国贸易总额的0.11%（2018年为0.02%）。自2020年以来，考虑到疫情因素，电子商务交易量有所增加。

为分析乌兹别克斯坦向数字经济转型过程中影响电子商务国家管理质量的因素，我们将进行计量经济分析，并将政府效能作为结果因素。

二、文献综述

（一）不同学者对电子商务的定义

• 美国经济学家大卫·科齐尔是最早定义“电子商务”一词并为该概念发展理论做出重要贡献的科学家之一。他认为，电子商务的基础是传统贸易结构，电子网络的使用使其更加灵活。
• 索科洛娃A.N.和格拉申科N.I.在其著作中描述了电子商务的全球经验，详细探讨了电子商务的主要组成部分，以及互联网商务的主要方向，如销售书籍、音乐和视频产品、计算机和软件等。此外，他们还分析了互联网商务的其他领域，如提供旅游服务、鲜花和礼品的销售与配送、信息服务等。
• 科别列夫O.A.和皮罗戈夫S.V.认为电子商务是电子商务的主要且非常重要的部分，将其描述为利用电子数据交换手段进行商业交易的创业活动，也是利用电子数据交换手段进行商业交易和管理生产过程的技术。
• 西方经济学家D.阿莫里和I.戈尔多维茨将电子商务描述为商品销售，其中至少商品需求的组织是通过互联网进行的。
• 比斯特罗娃N.V.和马克西莫娃K.A.指出电子商务的主要标准包括：使用现代电子支付系统作为真实货币的替代品；通过使用现代信息技术进行交易；用户操作的一致性以及提供商或第三方组织进行测量和审计的可能性；产权和资产以传统和数字电子两种形式存在。

（二）乌兹别克及其他国家学者对电子商务的研究

乌兹别克作者在其作品中也探讨了全球电子商务的出现和演变，以及其在乌兹别克斯坦的发展。他们研究并分析了阻碍电子商务更广泛发展的障碍，并提出了克服这些障碍的措施。

许多国内外学者的作品中都反映了对从事电子商务企业活动建模的问题。例如，韦尔塔科娃Yu.V.及其合著者指出，由于传统预测方法无法预测经济的数字化转型，他们构建了一个综合领先指数（TSLI），反映未来数字经济的发展水平，以及所谓的“信号”指标。该指数基于信息通信技术（ICT）部门的总增加值、ICT部门组织的内部研发支出、有互联网接入的家庭比例、有个人电脑的家庭比例等指标。

基谢列娃I.A.和伊斯卡吉安S.O.在对从事电子商务的公司活动进行建模时，强调了对该市场发展影响较大的因素，同时考虑了所选关联模型有效实施的关键因素和市场趋势，如能够在互联网空间工作的员工的可用性、传统市场的相对份额、广泛的客户网络的存在等。

Y.V.梅尔尼科娃构建了俄罗斯电子商务市场的数学模型，从而能够对其未来动态进行预测。为了进行预测，开发了各种数学模型（线性、指数、多项式、幂、对数），并根据决定系数选择了最优质的模型。

博博胡贾耶夫Sh.I.和奥塔库齐耶娃Z.M.的作品中研究并提出了信息通信技术和数字经济领域计量经济分析的实际例子。国内研究人员也对影响数字经济的法律因素进行了研究。

然而，尽管该领域有许多国内外学者的研究，但仍存在一些差距，改善电子商务管理机制的问题仍需进一步研究。

三、研究方法与材料

为研究这一主题，我们使用了来自Stat.uz、Sciencedirect.com的统计材料，以及Stata 14.0软件和计量经济方法与模型，包括相关矩阵。研究基于2012 - 2021年的动态序列。模型中选取了四个显著因素，总观测数为55。所有指标（包括解释变量和被解释变量）均以系数（指数）形式呈现。

（一）变量描述

符号	变量
y	政府效能
x1	公共管理效率
x2	监管影响
x3	腐败控制
x4	创新指数

（二）相关矩阵分析

为研究变量之间的随机依赖程度，我们构建了相关矩阵，如下所示：
| | Y | X4 | X3 | X2 | X1 |
| — | — | — | — | — | — |
| Y | 1.00 | 0.43 | 0.77 | 0.87 | 0.57 |
| X4 | 0.43 | 1.00 | 0.49 | 0.50 | 0.63 |
| X3 | 0.77 | 0.49 | 1.00 | 0.95 | 0.71 |
| X2 | 0.87 | 0.50 | 0.95 | 1.00 | 0.73 |
| X1 | 0.57 | 0.63 | 0.71 | 0.73 | 1.00 |

从相关矩阵的计算结果可以看出，所有因素之间存在正相关关系，其中政府效能指标与监管影响指数（r = 0.87）以及腐败控制指数（r = 0.77）之间的相关性最为密切。这意味着上述指标的提高有可能显著提升政府效率。

四、实证结果与分析

（一）ADF检验

通过基于ADF检验进行描述性统计，我们得出序列Y在一阶差分上具有平稳性的结论。因为概率p = 0.002，我们拒绝了存在单位根的假设。具体检验结果如下表所示：
| 变量 | 系数 | 标准误差 | t统计量 | 概率 |
| — | — | — | — | — |
| D(Y(−1),2) | -2.785467 | 0.177830 | -15.66363 | 0.0006 |
| D(Y(−1),3) | 0.909747 | 0.104553 | 8.701332 | 0.0032 |
| C | -0.009733 | 0.004191 | -2.322224 | 0.1029 |
| @TREND(“2011”) | 0.002131 | 0.000574 | 3.709901 | 0.0340 |
| R - squared | 0.992208 | Mean dependent var | -0.002857 | |
| Adjusted R - squared | 0.984415 | S.D. dependent var | 0.024300 | |
| S.E. of regression | 0.003034 | Akaike info criterion | -8.462601 | |
| Sum squared resid | 2.76E - 05 | Schwarz criterion | -8.493510 | |
| Log likelihood | 33.61910 | Hannan - Quinn criter | -8.844624 | |
| F - statistic | 127.3298 | Durbin - Watson stat | 1.798630 | |

（二）多因素线性回归模型

我们构建了一个多因素线性回归模型，其中因变量Y为政府绩效，具体结果如下表：
| 变量 | 系数 | 标准误差 | t统计量 | 概率 |
| — | — | — | — | — |
| X4 | 0.000797 | 0.002966 | 0.268641 | 0.7972 |
| X3 | -0.001997 | 0.002114 | -0.944731 | 0.3813 |
| X2 | 0.081461 | 0.032164 | 2.532659 | 0.0445 |
| X1 | -0.020128 | 0.035228 | -0.571360 | 0.5885 |
| C | 0.209284 | 0.090599 | 2.310005 | |
| R - squared | 0.804216 | Mean dependent var | 0.237273 | |
| Adjusted R - squared | 0.673694 | S.D. dependent var | 0.017939 | |
| S.E. of regression | 0.010248 | Akaike info criterion | -6.020610 | |
| Sum squared resid | 0.000630 | Schwarz criterion | -5.839748 | |
| Log likelihood | 38.11335 | Hannan - Quinn criter | -6.134618 | |
| F - statistic | 6.161509 | Durbin - Watson stat | 1.928350 | |
| Prob(F - statistic) | 0.025611 | | | |

该模型的近似误差在正常范围内：
[A = \frac{1}{n} \cdot \sum_{i = 1}^{n} \left|\frac{y - \hat{y}}{y}\right| \cdot 100\% = 2.81\%]

决定系数R - square = 0.80，这意味着因变量的80%的变化可由模型中包含的四个解释变量解释，只有约20%是由于模型中未考虑的因素或随机因素的影响。根据费舍尔 - 斯内德科尔准则，我们可以认为该模型是合适的。在我们的案例中，F观测值 = 6.16，F表值 = 4.53，自由度f1 = m = 4，f2 = n - m - 1 = 11 - 4 - 1 = 6，这证实了在0.05的显著性水平下可以拒绝原假设，从而证明了回归模型的可靠性。

对应置信概率为0.95和给定自由度的学生t检验表值tcritical = t0,05;6 = 2.45。将方程系数的计算t统计量与表值进行比较，我们得出只有回归方程中x2的系数具有统计学意义。

（三）第二个经济数学模型

为了做出更准确的预测，我们构建了另一个经济数学模型，其解释变量和被解释变量如下表所示：
| 符号 | 变量 |
| — | — |
| y | 政府效能 |
| x1 | 数字经济中的监管和立法框架 |
| x2 | 监管质量 |
| x3 | 电子政务发展指数 |
| x4 | 全球网络安全指数 |

使用相关分析技术表明，政府绩效与所有解释变量之间存在密切的直接关系，根据相关矩阵，我们可以假设解释变量之间存在多重共线性，相关矩阵如下：
| | Y | X4 | X3 | X2 | X1 |
| — | — | — | — | — | — |
| Y | 1.000000 | 0.808838 | 0.749727 | 0.910017 | 0.873102 |
| X4 | 0.808838 | 1.000000 | 0.939300 | 0.830962 | 0.943209 |
| X3 | 0.749727 | 0.939300 | 1.000000 | 0.813106 | 0.940481 |
| X2 | 0.910017 | 0.830962 | 0.813106 | 1.000000 | 0.856715 |
| X1 | 0.873102 | 0.943209 | 0.940481 | 0.856715 | 1.000000 |

基于上述表格中的数据，我们构建了多元回归线性模型，并检查了回归系数的统计显著性，结果如下表：
| 变量 | 系数 | 标准误差 | t统计量 | 概率 |
| — | — | — | — | — |
| X4 | 0.004078 | 0.027109 | 0.150420 | 0.8854 |
| X3 | 0.146285 | 0.086035 | 1.700301 | 0.1400 |
| X2 | 0.050602 | 0.019337 | 2.616797 | 0.0398 |
| X1 | 0.051410 | 0.024820 | 2.071358 | 0.0837 |
| C | 0.370801 | 0.050516 | 7.340332 | |
| R - squared | 0.911283 | Mean dependent var | 0.237273 | |
| Adjusted R - squared | 0.852139 | S.D. dependent var | 0.017939 | |
| S.E. of regression | 0.006898 | Akaike info criterion | -6.812171 | |
| Sum squared resid | 0.000286 | Schwarz criterion | -6.631310 | |
| Log likelihood | 42.46694 | Hannan - Quinn criter | -6.926179 | |
| F - statistic | 15.40772 | Durbin - Watson stat | 2.303285 | |
| Prob (F - statistic) | 0.002607 | | | |

决定系数R² = 0.91表明因素之间存在密切的函数关系。费舍尔准则F观测值 = 15.41，F临界值 = 4.53。根据费舍尔准则，该模型是合适的。接受整个模型原假设H₀的概率为0.003，这表明有必要接受备择假设，即该模型整体具有显著性。

对应置信概率γ = 0.95和自由度v = n - m - 1 = 11 - 4 - 1 = 6的学生t检验表值tcritical = t0,05;6 = 2.45。将方程系数的计算t统计量与表值进行比较，我们得出回归方程中变量x1和x2的系数最具统计学意义。需要补充的是，上述变量系数接受原假设的概率均低于0.05，这证实了它们的显著性以及所构建模型的正确性。该模型的近似误差是可接受的值（小于15%）：
[A = \frac{1}{n} \cdot \sum_{i = 1}^{n} \left|\frac{y - \hat{y}}{y}\right| \cdot 100\% = 1.25\%]

（四）模型检验

• 自相关性检验 ：为检查残差是否存在自相关性，我们从上述表格中获取杜宾 - 沃森统计量的值：DW = 2.30。对于5%的显著性水平，m = 4，n = 11时，临界值dl = 0.444，du = 2.283。由于dl ≤ DW ≤ du，因此自相关性检验无法给出明确的答案。我们进一步使用布劳殊 - 戈弗雷检验，该检验基于以下思想：如果相邻观测值之间存在相关性，那么在方程(e_t = \rho \times e_{t - 1})（t = 1, …, n，其中(e_t)是通过普通最小二乘法获得的回归残差）中，系数(\rho)将显著不为零。布劳殊 - 戈弗雷检验结果表明，接受不存在自相关性原假设的概率Prob = 0.94，因此模型中不存在自相关性。
• 异方差性检验 ：我们使用格拉泽检验来确定模型随机偏差是否存在异方差性，结果显示接受原假设的概率高于5%，表明不存在异方差性。同时，布劳殊 - 帕根检验显示，整个模型接受原假设的概率为33.1%，因此我们可以接受备择假设，即模型残差不存在异方差性。

下面是研究过程的mermaid流程图：

graph LR
    A[引入研究主题] --> B[文献综述]
    B --> C[研究方法与材料]
    C --> D[实证结果与分析]
    D --> E[模型选择与预测]

五、模型选择与预测

（一）模型评估与选择

研究显示，模型变量间无自相关性，且具有同方差性。决定系数和费舍尔准则也证实了模型的高质量，同时第二个模型的近似误差略低于第一个模型。赤池信息准则也表明应选择第二个模型：
[AIC_1 = -6.02, AIC_2 = -17.60]

此外，第一个模型中四个变量系数仅有一个具有统计学意义，而第二个模型中有两个具有统计学意义。因此，我们得出应基于第二个模型进行预测的结论。

（二）预测模型构建

根据EViews最小二乘法得到的数据，第二个多因素模型的形式如下：
[Y = 0.371 + 0.051 \cdot x_1 + 0.051 \cdot x_2 + 0.015 \cdot x_3 + 0.004 \cdot x_4]
[(t) \quad (7.34) \quad (2.07) \quad (2.62) \quad (1.70) \quad (0.15)]

该方程表达了政府绩效指标（Y）与数字经济监管和立法框架指标（x1）、监管质量指标（x2）、电子政务发展指数（x3）以及全球网络安全指数（x4）之间的依赖关系。方程系数显示了每个因素在其他因素不变的情况下对结果指标的定量影响：
- 当数字经济监管和立法框架效率提高1个单位时（假设其他因素不变），政府绩效指标增长0.051个单位；
- 当监管质量指标增长1个单位时（其他因素保持不变），政府绩效指标倾向于增长0.051个单位；
- 当电子政务发展指数增长1个单位时（其他因素不变），政府绩效指标增长0.015个单位；
- 当全球网络安全指数增长1个单位时（其他因素不变），政府绩效指标增加0.004个单位。

由此可见，数字经济监管和立法框架效率指标以及监管质量指标对政府效率指数的提升作用最大。

（三）变量趋势预测

研究表明，在对解释变量基于趋势进行预测后，模型（5）可用于进行预测。各解释变量的时间模型特征如下表所示：
| 变量 | 模型类型 | 关系方程 | (R^2) |
| — | — | — | — |
| (x_1) | 线性 | (x_1 = 0.0912 \cdot t - 0.175) | 0.8752 |
| (x_2) | 多项式 | (x_2 = -0.0011 \cdot t^3 + 0.0376 \cdot t^2 - 0.26773 \cdot t - 1.1073) | 0.9592 |
| (x_3) | 线性 | (x_3 = 0.0217 \cdot t + 0.43) | 0.7313 |
| (x_4) | 线性 | (x_4 = 0.0741 \cdot t - 0.0925) | 0.7964 |

（四）未来指标预测

基于上述趋势和模型（5），我们构建了解释变量和被解释变量的预测值，具体如下表：
| 年份 | 政府效能 | 数字经济监管和立法框架 | 监管质量 | 电子政务发展指数 | 全球网络安全指数 |
| — | — | — | — | — | — |
| 2021（实际） | 0.280 | 0.931 | -1.030 | 0.672 | 0.725 |
| 2022 | 0.280 | 0.919 | -0.801 | 0.690 | 0.797 |
| 2023 | 0.289 | 1.010 | -0.645 | 0.712 | 0.871 |
| 2024 | 0.299 | 1.101 | -0.498 | 0.734 | 0.945 |
| 2025 | 0.307 | 1.192 | -0.369 | 0.756 | 1.019 |
| 2026 | 0.314 | 1.283 | -0.264 | 0.777 | 1.093 |

从上述预测结果可以推测，未来五年乌兹别克斯坦政府的效率指数将虽有小幅但稳定的增长。

（五）总结与建议

• 总结 ：本研究通过计量经济分析，构建了两个模型来研究乌兹别克斯坦电子商务国家管理质量的影响因素。经过对模型各项指标的评估，选择了第二个模型进行预测。预测结果显示，未来五年乌兹别克斯坦政府在电子商务管理方面的效率将有所提升。
• 建议 ：为进一步提高政府在电子商务管理方面的效率，乌兹别克斯坦政府应着重发展国家计划以提升公共管理质量和监管影响。具体可采取以下措施：
  • 加强数字经济监管和立法框架建设，提高其效率，为电子商务发展提供坚实的法律保障。
  • 提升监管质量，确保监管措施科学、合理、有效，促进电子商务市场的健康有序发展。
  • 加大对电子政务的投入，提高电子政务发展指数，提升政府服务的便捷性和透明度。
  • 重视全球网络安全问题，提高全球网络安全指数，保障电子商务交易的安全可靠。

下面是建议实施步骤的mermaid流程图：

graph LR
    A[确定发展目标] --> B[加强立法框架建设]
    A --> C[提升监管质量]
    A --> D[加大电子政务投入]
    A --> E[重视网络安全]
    B --> F[完善法律法规]
    C --> G[优化监管流程]
    D --> H[升级政务系统]
    E --> I[加强安全防护]
    F --> J[实施与监督]
    G --> J
    H --> J
    I --> J
    J --> K[评估与改进]

综上所述，乌兹别克斯坦在电子商务管理方面具有一定的发展潜力，通过合理的政策措施和持续的努力，有望进一步提升政府在该领域的管理效率，推动电子商务的蓬勃发展。