Rəqəmsal Memarlıq (Digital Architecture), bu tədqiqatda rəqəmsal infrastruktur, maliyyə texnologiyası (FinTech) və süni intellekt/maşın öyrənməsi qabiliyyətini eyni ölçmə çərçivəsində birləşdirən çoxqatlı iqtisadi quruluşdur. Tədqiqat 38 OECD iqtisadiyyatının 2010–2024 dövrünə aid açıq World Bank məlumatlarından istifadə edərək rəqəmsal iqtisadiyyatın məhsuldarlıq və sahibkarlıqla müəyyən edilən “yeni iqtisadiyyat” nəticələri ilə nə dərəcədə birgə hərəkət etdiyini araşdırır. Rəqəmsal memarlıq və AI/ML göstəricilərinin məlumat əhatəsinə görə əsas blok və birgə-konfiqurasiya təhlilləri 2010–2022 dövrü ilə məhdudlaşır. İkiistiqamətli sabit effektli panel modellərinin nəticələrinə görə ən güclü ölkədaxili izahedici məzmun rəqəmsal infrastrukturda görünür: eyni nümunədə ənənəvi iqtisadiyyat blokunun within-R² dəyəri təxminən 0,00, üç rəqəmsal sütunu birləşdirən Rəqəmsal Memarlıq İndeksinin 0,09, yalnız rəqəmsal infrastrukturun isə 0,24-dür. Lakin bu nəticə səbəbli təsirin qiymətləndirilməsi deyil və rəqəmsal infrastruktur əmsalı ölkə üzrə klasterləşdirilmiş standart xətalarda statistik baxımdan dəqiq deyil.

Tədqiqatın ikinci mühüm nəticəsi, rəqəmsal infrastruktur, FinTech və AI/ML qabiliyyətinin eyni zamanda yüksək olmasının yeni-iqtisadiyyat nəticələrinə əlavə üçlü “konfiqurasiya effekti” verdiyinə dair sübutun möhkəm olmamasıdır. Baseline üçlü qarşılıqlı təsir əmsalı 0,102 olsa da, ölkə üzrə klasterləşdirilmiş p-dəyəri 0,113-dür. Əmsal bəzi xəta strukturlarında əhəmiyyətli görünür, lakin dinamik spesifikasiyada mənfiyə çevrilir, real Findex sorğu illəri ilə aparılan təhlildə əhəmiyyətini itirir və gələcəyə sürüşdürülmüş placebo termini də güclü yük verir. Buna görə mənbə sözügedən əlaqənin ortaq zaman trendlərindən etibarlı şəkildə ayrıla bilmədiyini açıq şəkildə bildirir.

AI/ML sütunu müəssisələrdə real AI istifadəsini birbaşa ölçmür; R&D xərcləri, patentlər və elmi nəşrlərdən qurulmuş qabiliyyət proksisidir. Buna baxmayaraq, 2021 Eurostat müəssisə-AI istifadə nisbəti ilə ölkələrarası korrelyasiyası 0,80-dir. FinTech göstəriciləri isə Global Findex-in məhdud sayda real sorğu dalğaları arasında interpolyasiya və panelin sonunda ekstrapolyasiya edildiyinə görə daha ciddi zaman sırası ölçmə qeyri-müəyyənliyi daşıyır. Buna görə tədqiqatın əsas mesajı “AI, FinTech və infrastruktur birlikdə iqtisadiyyatı səbəbli şəkildə transformasiya edir” deyil; açıq OECD məlumatlarında məhsuldarlıq və sahibkarlıqla ən güclü ölkədaxili təsviri əlaqənin rəqəmsal infrastruktur vasitəsilə görüldüyüdür.

Tədqiqat hansı sualı verir?

Tədqiqatın çıxış nöqtəsi rəqəmsal iqtisadiyyatın artıq yalnız texnologiya sektorunun ölçüsü ilə izah edilə bilməyəcəyi fikridir. İstehsal rəqəmsal şəbəkələr və platformalar, maliyyə rəqəmsal kanallar, qərarvermə prosesləri isə getdikcə alqoritmik sistemlər vasitəsilə həyata keçirilir. Tədqiqatçılar bu transformasiyanın ənənəvi iqtisadi funksiyaları aradan qaldırmadığını; eyni istehsal, maliyyə və qərarvermə funksiyalarını fərqli texnoloji memarlıq daxilində yenidən təşkil etdiyini irəli sürürlər.

Tədqiqat buna görə “rəqəmsal iqtisadiyyat yeni iqtisadiyyatdırmı?” sualını sektor tərifi kimi deyil, ölçmə problemi kimi nəzərdən keçirir. Əsas sual açıq və təkrar istehsal edilə bilən beynəlxalq göstəricilərin rəqəmsal memarlıq ilə məhsuldarlıq/sahibkarlıq nəticələrinin nə dərəcədə birgə hərəkət etdiyini göstərə bilib-bilməməsi və bu əlaqəni hansı rəqəmsal qatın daşımasıdır.

Ədəbiyyatda hansı boşluq hədəflənir?

Rəqəmsal iqtisadiyyat ədəbiyyatı əsasən bağlantı infrastrukturu və məhsuldarlığa, FinTech ədəbiyyatı maliyyə vasitəçiliyi və inklüzivliyə, AI/ML ədəbiyyatı isə avtomatlaşdırma, proqnozlaşdırma və innovasiyaya fokuslanır. Mənbə tədqiqatın iddia etdiyi daha dar boşluq bu üç sahəni eyni açıq-məlumat memarlığında birləşdirib “hansı qat siqnal daşıyır?” sualını eyni OECD panelində sınaqdan keçirən tədqiqatların məhdud olmasıdır.

Bu məqsədlə tədqiqatçılar Open-Data Digital Financial Intelligence (OD-DFI) adlandırdıqları təkrar istifadə edilə bilən ölçmə çərçivəsi qururlar. Çərçivə yalnız ictimaiyyət üçün açıq beynəlxalq göstəricilərdən istifadə edir və özəl FinTech investisiya məlumat bazalarından xüsusi olaraq yayınır.

Çoxqatlı rəqəmsal iqtisadiyyat memarlığı

Mənbənin Şəkil 1-ində iqtisadiyyat üç klassik funksiya ətrafında təşkil olunur: istehsal, maliyyə və qərarvermə. Ənənəvi tərəfdə bunlara fiziki kapital, ənənəvi bankçılıq və insan tərəfindən yönləndirilən qərarvermə uyğun gəlir. Rəqəmsal tərəfdə isə baza qat rəqəmsal infrastrukturdur; FinTech onun üzərində işləyən maliyyə qabiliyyətidir; AI/ML qabiliyyəti isə həm infrastruktur, həm rəqəmsal maliyyə, həm də qərarvermə üzərindən kəsişən bir qabiliyyət kimi qurulur.

Bu quruluş üç sütunun bir-birindən müstəqil olması demək deyil. Əksinə, mənbə sütunların üst-üstə düşməsini nəzəri çərçivənin təbii nəticəsi sayır. FinTech rəqəmsal infrastrukturdan asılıdır; alqoritmik qabiliyyət də infrastruktur və maliyyə sistemlərinin daxilində işləyir. Buna görə üç sütunun yüksək korrelyasiya göstərməsi gözlənilən xüsusiyyətdir.

Rəqəmsal infrastruktur niyə üç sütunlu Rəqəmsal Memarlıq İndeksindən daha çox izahedici güc daşıyır?

Çünki mənbə məlumatlarında rəqəmsal infrastruktur, FinTech və AI/ML qabiliyyəti bir-biri ilə güclü şəkildə birgə hərəkət edir və onları sadəcə vahid kompozitdə ortalamaq, infrastrukturun daşıdığı güclü ölkədaxili siqnalı digər yüksək korrelyasiyalı sütunlarla seyrəldə bilər; eyni ortaq nümunədə rəqəmsal infrastruktur within-R²=0,24 yaratdığı halda üç-sütunlu kompozit yalnız təxminən 0,09 yaradır.

Beş ölçmə bloku

İndekslər necə yaradılır?

Hər bir göstərici əvvəlcə paylanmanın %1 və %99 persentillərində winsorize edilir. Sonra hər komponent z-balına çevrilir, eyni blok daxilində mövcud standartlaşdırılmış komponentlər ortalanır və alınan blok indeksi yenidən standartlaşdırılır.

Rəqəmsal Memarlıq İndeksi standartlaşdırılmış rəqəmsal infrastruktur, FinTech və AI/ML qabiliyyəti sütunlarının ortalamasıdır. Mənbə həmçinin əsas təsviri örüntülərin principal-component əsaslı alternativ indekslərlə də yoxlandığını bildirir.

Təmiz Yeni İqtisadiyyat İndeksində işçi başına GSYH ilə yeni müəssisə sıxlığının hər ikisinin eyni ölkə-ilində mövcud olması tələb olunur. Bu daha sərt tərif 446 müəyyən edilmiş ölkə-il müşahidəsi yaradır.

“Yeni iqtisadiyyat” indeksi nəyi ölçür?

Mənbənin “clean New Economy Index” adlandırdığı nəticə dəyişəni rəqəmsal sektorun istehsal və ya ixrac payını ölçmür. İndeks ümumi iqtisadi performansın iki ölçüsünü — əmək məhsuldarlığı və yeni firma yaranmasını — birləşdirir. Mənbə məlumatlarında təmiz indeksin ICT mal ixracatı ilə korrelyasiyası −0,29, yüksək texnologiya ixracatı ilə 0,12-dir. Buna görə nəticə dəyişəni “rəqəmsal sektorun ölçüsü” deyil, rəqəmsal memarlıqla birgə hərəkət edə bilən məhsuldarlıq və sahibkarlıq nəticəsi kimi oxunmalıdır.

AI/ML göstəricisinin mühüm ölçmə məhdudiyyəti

AIMLI birbaşa ChatGPT, maşın öyrənməsi modeli, korporativ AI proqram təminatı və ya avtomatlaşdırmadan istifadə nisbətini ölçmür. R&D xərcləri, patentlər və akademik nəşrlər ölkənin AI və alqoritmik innovasiya üçün malik olduğu tədqiqat/innovasiya qabiliyyətinin proksisi kimi istifadə olunur.

AI/ML Qabiliyyət İndeksi müəssisələrin real AI istifadəsini ölçürmü?

Xeyr; indeks R&D, patentlər və elmi nəşrlərdən qurulmuş milli qabiliyyət proksisidir, lakin 2021 Eurostat müəssisə-AI istifadə nisbəti ilə 24 ortaq Avropa iqtisadiyyatında 0,80 korrelyasiya göstərməsi və adambaşına GSYH nəzarətə alındıqda əlaqənin 0,73 olaraq qalması, proksinin yalnız ümumi gəlir səviyyəsindən ibarət olmayan AI-xüsusi məlumat daşıdığını dəstəkləyir.

FinTech məlumatları niyə daha ehtiyatla oxunmalıdır?

Global Findex illik inzibati sıra deyil. Mənbə təxminən 2011, 2014, 2017 və 2021 ətrafındakı real sorğu dalğalarından çıxış edərək illik FinTech panelini qurur. Sorğu dalğaları arasındakı illər interpolyasiya edilmiş, 2010 geriyə doldurulmuş və son dalğadan sonrakı dövr ekstrapolyasiya edilmişdir.

Buna görə sabit effektlər modelində istifadə olunan illik FinTech dəyişməsinin mühüm hissəsi birbaşa müşahidə edilmiş illik dəyişmə deyil. Mənbə bunun standart xətaları olduğundan kiçik göstərə biləcəyini qəbul edir. Buna görə üçlü qarşılıqlı təsir həmçinin yalnız real Findex sorğu illərində yenidən qiymətləndirilir.

ABŞ niyə əsas təmiz-nəticə modelində yoxdur?

World Bank yeni müəssisə sıxlığı sırasında ABŞ üçün tələb olunan müşahidələr olmadığından Təmiz Yeni İqtisadiyyat İndeksi ABŞ üçün müəyyən edilə bilmir. Beləliklə, əsas təmiz-nəticə təhlilləri 37 iqtisadiyyata şərtlənir. ABŞ rəqəmsal memarlıq ölçmələrindən və ya geniş nəticə indekslərindən çıxarılmayıb.

Mənbə möhkəmlik yoxlamasında U.S. Census Bureau Business Formation Statistics məlumatlarını yeni müəssisə sıxlığına proksi kimi istifadə edərək ABŞ-ni yenidən nümunəyə əlavə edib. Bu əlavə əsas üçlü-konfiqurasiya şərhini dəyişmir.

Təsviri korrelyasiya quruluşu

Bu cədvəl üç rəqəmsal sütunun mühüm dərəcədə eyni struktur inkişaf ölçülərini paylaşdığını göstərir. Lakin sadə korrelyasiyalar ölkənin sabit xüsusiyyətlərini və ya ortaq illik şokları ayırmadığı üçün tədqiqatın əsas ölkədaxili müqayisələri ikiistiqamətli sabit effektlər modellərinə əsaslanır.

Tədqiqatın Metodu və Nəticələri

Nümunə və zaman quruluşu

İkiistiqamətli sabit effektlər modeli

Əsas ekonometrik quruluş ölkə və il sabit effektlərini birlikdə istifadə edir. Ölkə effektləri zamanla dəyişməyən milli xüsusiyyətləri; il effektləri isə qlobal şokları və bütün ölkələrə təsir edən ortaq zaman trendlərini absorbsiya etməyi hədəfləyir.

Üçlü konfiqurasiya təhlilində istifadə olunan tənlik mənbədə aşağıdakı formada verilir:

\[ NEI_{i,t} = \alpha +\beta_1DEI_{i,t} +\beta_2FTI_{i,t} +\beta_3AIMLI_{i,t} +\beta_4(DEI_{i,t}\times FTI_{i,t}) +\beta_5(DEI_{i,t}\times AIMLI_{i,t}) +\beta_6(FTI_{i,t}\times AIMLI_{i,t}) +\beta_7(DEI_{i,t}\times FTI_{i,t}\times AIMLI_{i,t}) +\gamma'X_{i,t} +\mu_i+\lambda_t+\varepsilon_{i,t} \]

\(NEI_{i,t}\), Təmiz Yeni İqtisadiyyat İndeksini; \(DEI\), rəqəmsal infrastrukturu; \(FTI\), FinTech-i; \(AIMLI\), AI/ML qabiliyyətini təmsil edir. \(X_{i,t}\) nəzarət dəyişənləri vektorudur; \(\mu_i\) ölkə sabit effekti, \(\lambda_t\) il sabit effekti və \(\varepsilon_{i,t}\) xəta terminidir.

Elmi baxımdan ən kritik parametr \(\beta_7\)-dir. Bu əmsal üç rəqəmsal sütunun birlikdə yüksək və ya aşağı olmasının, daha aşağı dərəcəli tək və ikili terminlər nəzərə alındıqdan sonra, Təmiz Yeni İqtisadiyyat İndeksi ilə əlavə statik qismən əlaqə göstərib-göstərmədiyini ölçür. Mənbə bunu səbəbli sinerji əmsalı kimi şərh etmir.

Nəzarət dəyişənləri

Nəzarət dəsti ticarət açıqlığı, inflyasiya, ali təhsilə qəbul və iqtisadiyyata verilən özəl kreditdən ibarətdir. Adambaşına GSYH nəzarətə daxil edilməyib; çünki Təmiz Yeni İqtisadiyyat İndeksi ilə korrelyasiyası 0,83, indeksin komponentlərindən biri ilə isə 0,90-dır. Mənbə adambaşına GSYH-nin modelə əlavə edilməsinin nəticə dəyişənini mexaniki şəkildə absorbsiya edəcəyini bildirir.

Niyə iki fərqli standart xəta yanaşması istifadə olunur?

Əsas inferensiya ölkə səviyyəsində klasterləşdirilmiş standart xətalara əsaslanır. Tədqiqatçılar həmçinin kəsiklərarası asılılığa dayanıqlı Driscoll–Kraay xətalarını təqdim edirlər. 37–38 kimi məhdud sayda ölkə klasteri olduğuna görə ənənəvi əhəmiyyətlilik sərhədlərinə yaxın p-dəyərlərinin ehtiyatla oxunmalı olduğu açıq şəkildə vurğulanır.

Qarşılıqlı təsirlərin residualize edilməsi

Üçlü modeldə qarşılıqlı təsir terminləri aşağı dərəcəli terminlərə qarşı residualize edilmişdir. Məqsəd aşağı dərəcəli əmsallardakı ədədi kollinearlığı azaltmaqdır. Frisch–Waugh–Lovell teoreminə görə ən yüksək dərəcəli üçlü əmsal \(\beta_7\) və onun standart xətası xam spesifikasiya ilə eynidir; prosedur əsasən daha aşağı dərəcəli terminləri stabilləşdirir.

Blokların ölkədaxili izahedici gücü

Eyni modelə hazır nümunədə yalnız dörd nəzarət dəyişəni təxminən 0,12 within-R² yaradır. Beləliklə, rəqəmsal infrastrukturun 0,24 dəyəri nəzarət blokundan da yüksək, üç-sütunlu rəqəmsal kompozitdən isə aydın şəkildə yuxarıdır.

Rəqəmsal infrastrukturun təxminən %24 izahedici gücü səbəblilik deməkdirmi?

Xeyr; 0,24 dəyəri eyni OECD ölkələrində zamanla yeni-iqtisadiyyat indeksindəki dəyişmənin nə qədərinin rəqəmsal infrastruktur bloku ilə statistik olaraq birgə hərəkət etdiyini göstərən within-R² ölçüsüdür, lakin ölkə üzrə klasterləşdirilmiş xəta altında infrastruktur əmsalının p=0,28 olması və gələcəyə sürüşdürülmüş infrastruktur placebo-sunun da yük verməsi səbəbindən tədqiqat bu əlaqəni təmiz səbəbli təsir kimi müəyyən etmir.

İnfrastruktur əmsalının inferensiya həddi

Rəqəmsal infrastruktur əmsalı təxminən 0,11-dir. Ölkə üzrə klasterləşdirilmiş xətalarda p=0,28 olduğuna görə dəqiq deyil; Driscoll–Kraay xətalarında isə p<0,001-dir. Müəlliflər bu fərqi görməzliyə vurmaq əvəzinə nəticələrini within-R² səviyyəsində “izahedici güc” kimi məhdudlaşdırırlar.

Bundan əlavə, bir il gələcəyə sürüşdürülmüş rəqəmsal infrastruktur dəyişəni təxminən 0,17 əmsal və p=0,09 yaratdığı halda eynizamanlı infrastruktur əmsalı təxminən 0,15 və p=0,12-dir. Gələcək infrastrukturun bugünkü iqtisadi nəticəni səbəbli şəkildə yarada bilməyəcəyi nəzərə alındıqda, oxşar yüklərin yavaş hərəkət edən ortaq trendlərin tam təmizlənməməsinə işarə edə biləcəyi qəbul edilir.

Ənənəvi və rəqəmsal memarlığın eyni modelə daxil edilməsi

Rəqəmsal Memarlıq İndeksi və Ənənəvi İqtisadiyyat İndeksi nəzarət dəyişənləri ilə eyni modelə birlikdə daxil edildikdə nəticə dəqiq deyil. Rəqəmsal memarlıq əmsalı 0,14 və p=0,41; ənənəvi iqtisadiyyat əmsalı 0,16 və p=0,19-dur. Buna görə tədqiqatın “rəqəmsal üstünlük” oxunuşu bu ortaq reqressiyadakı əmsallara deyil, eyni nümunədəki müstəqil within-R² müqayisəsinə və təsviri korrelyasiyalara əsaslanır.

Rəqəmsal–ənənəvi memarlıq fərqinin zamanla inkişafı

Rəqəmsal Memarlıq İndeksi ilə Ənənəvi İqtisadiyyat İndeksi arasındakı standartlaşdırılmış fərq 2010–2022 boyunca artır. Mənbə ölkədaxili trendi ildə təxminən 0,11 standart sapma vahidi və p<0,001 kimi təqdim edir.

Lakin bu qrafik qismən tərifə bağlıdır: fərq rəqəmsal indeks çıxılsın ənənəvi indeks kimi müəyyən edilir və bu iki indeks struktur olaraq əks istiqamətlərdə hərəkət edə bilər. Buna görə yüksələn xətt “rəqəmsal iqtisadiyyat ənənəvi iqtisadiyyatı səbəbli şəkildə aradan qaldırır” kimi şərh edilə bilməz.

2022-də ölkələr arasında Rəqəmsal Memarlıq fərqi

Mənbənin Şəkil 5-i 2022 Rəqəmsal Memarlıq İndeksində Danimarka, Koreya, İsveç, Finlandiya və Niderland kimi iqtisadiyyatların üst qrupda olduğunu; bəzi inkişaf etməkdə olan OECD üzvlərinin isə nümunə ortalamasından aşağı qaldığını göstərir. Qrafik ölkələrarası benchmark-dır; təkbaşına artım performansı və ya siyasət effektivliyi sıralaması deyil.

Rəqəmsal-dominant və ənənəvi-dominant müşahidələr

Rəqəmsal memarlığın ənənəvi blokdan yüksək olduğu müşahidələrdə orta Təmiz Yeni İqtisadiyyat İndeksi +0,41; ənənəvi blokun daha yüksək olduğu müşahidələrdə −0,55-dir. Mənbə bu fərqi xüsusilə “qismən tərifə bağlı” kimi işarələyir, çünki rejimin özü eyni indekslərdən müəyyən edilir.

Bütün ölkə-illərin səpilmə qrafikində Rəqəmsal Memarlıq İndeksi ilə Təmiz Yeni İqtisadiyyat İndeksi arasındakı korrelyasiya 0,53-dür. Bu müsbət əlaqə güclü təsviri örüntüdür, lakin ölkə və zaman trendlərindən müstəqil səbəbli mexanizmi sübut etmir.

Üçlü konfiqurasiyanın baseline nəticəsi

Niyə təkcə Driscoll–Kraay nəticəsi kifayət deyil?

Driscoll–Kraay altında eyni 0,102 əmsalının p=0,005 olması ilk baxışda güclü görünür. Lakin mənbə bütün spesifikasiyaları eyni elmi standartla birlikdə qiymətləndirir. Baseline ölkə üzrə klasterləşdirilmiş nəticə əhəmiyyətli deyil; yalnız real sorğu illəri əhəmiyyətli deyil; dinamik model işarəni dəyişir; geniş nəticə indeksi işarəni dəyişir və gələcəyə sürüşdürülmüş placebo da müsbət nəticə verir.

Buna görə mənbə ən əlverişli standart xəta seçimini təkbaşına əsas götürərək “üç rəqəmsal sütun birlikdə sinerji yaradır” nəticəsinə gəlmir.

Dinamik model niyə ayrıca diqqət tələb edir?

Gecikdirilmiş asılı dəyişən əlavə edildikdə üçlü əmsal −0,045 və p=0,036-dır. Lakin təxminən 13 illik ikiistiqamətli sabit effektli paneldə gecikdirilmiş asılı dəyişənin istifadəsi Nickell qərəzinə açıqdır. Buna görə mənbə mənfi əmsalın özünü də qəti sübut saymır və gələcəkdə bias-corrected dinamik qiymətləndiricinin istifadə edilməsini təklif edir.

Geniş nəticə indeksində işarənin dəyişməsi

Geniş Yeni İqtisadiyyat İndeksi istifadə edildikdə üçlü əmsal −0,036-ya çevrilir və p=0,598 olur. Lakin geniş nəticə indeksi R&D və elmi məqalələri əhatə etdiyinə görə AI/ML qabiliyyəti sütununun iki komponentini nəticə dəyişənində yenidən istifadə edir. Mənbə buna görə işarə dəyişməsinin qismən mexaniki regressor–outcome overlap-dan qaynaqlana biləcəyini bildirir.

Placebo testinin elmi mənası

Bir il gələcəyə sürüşdürülmüş üçlü qarşılıqlı təsirin 0,147 və p=0,042 yaratması kritik xəbərdarlıqdır. Gələcəkdəki rəqəmsal quruluş bugünkü iqtisadi nəticəni səbəbli şəkildə izah edə bilməyəcəyinə görə bu nəticə üçlü qarşılıqlı təsirin yavaş hərəkət edən ortaq inkişaf trendlərini tuta biləcəyini düşündürür.

Eyni problem yalnız üçlü qarşılıqlı təsirə xas deyil; rəqəmsal infrastrukturun gələcəyə sürüşdürülmüş placebo-su da yük verir. Buna görə mənbə özünün əsas infrastruktur nəticəsini belə “təmiz partial effect” deyil, ölkədaxili izahedici gücün təsviri kimi məhdudlaşdırır.

Leave-one-country-out möhkəmliyi

Hər dəfə bir ölkə nümunədən çıxarılaraq baseline üçlü əmsal yenidən qiymətləndirildikdə bütün əmsallar müsbət qalır. Deməli, 0,102-lik baseline nöqtə qiymətləndirməsi tək bir ölkə tərəfindən yaradılmır.

Lakin mənbə bunun üçlü nəticəni xilas etmədiyini xüsusi vurğulayır: baseline onsuz da ölkə üzrə klasterləşdirilmiş xətalarda əhəmiyyətli deyil və dinamik, real sorğu ili və placebo testlərindən keçmir.

Kollinearlıq həqiqətən üçlü əmsalın əhəmiyyətsizliyini izah edirmi?

Xam rəqəmsal sütunlar yüksək korrelyasiyalı olsa da, ikiistiqamətli within-transformasiya edilmiş reqressorlar üzərində hesablanan bütün VIF dəyərləri 2,6-dan aşağıdır. Rəqəmsal infrastruktur üçün 1,24, FinTech üçün 1,81, AI/ML qabiliyyəti üçün 1,09, ikili qarşılıqlı təsirlər üçün 2,30 / 2,51 / 2,13 və üçlü qarşılıqlı təsir üçün 1,47 təqdim edilmişdir.

Buna görə mənbə üçlü əmsalın əhəmiyyətsizliyinin standart xətanı mexaniki olaraq böyüdən multicollinearity-dən qaynaqlandığı fikrini dəstəkləmir. Xam sütunların birgə hərəkəti məlumat quruluşunun xüsusiyyətidir; qiymətləndirmə modelində üçlü əmsal üçün VIF aşağıdır.

Wild cluster bootstrap

36 ölkə klasteri ilə aparılan null-imposed Rademacher wild cluster bootstrap üçlü termin üçün p=0,116 yaratmışdır. Bu dəyər analitik ölkə üzrə klasterləşdirilmiş p=0,113 nəticəsi ilə demək olar eynidir. Beləliklə, az sayda klaster üçün daha ehtiyatlı inferensiya da üçlü qarşılıqlı təsirin statistik baxımdan möhkəm olmadığı şərhini dəyişmir.

AI/ML proksisinin xarici doğrulanması

Bu xarici doğrulama AIMLI-ni birbaşa AI-adoption göstəricisinə çevirmir. Mənbə Eurostat-ın 2021-dən sonrakı qısa Avropa sırasını əsas panel reqressoruna deyil, yalnız validation alətinə çevirir.

ABŞ-ni nümunəyə əlavə edən möhkəmlik yoxlaması

U.S. Census Bureau Business Formation Statistics-dən şirkət müraciətlərindən istifadə etməklə yaradılan təxmini yeni müəssisə sıxlığı 1000 əmək qabiliyyətli yaşda olan yetkinə 2,5-dir; nümunə medianı 4,2-dir. ABŞ əlavə edildikdə təmiz-nəticə nümunəsi 38 iqtisadiyyata və baseline üçlü model 404 ölkə-ilə yüksəlir.

Bu halda üçlü əmsal 0,108 olur; ölkə üzrə klasterləşdirilmiş p=0,074, Driscoll–Kraay p=0,003-dür. Dinamik model yenə mənfiyə çevrilir və real sorğu illərində nəticə əhəmiyyətli deyil. Rəqəmsal infrastrukturun ölkədaxili izahedici payı təxminən 0,19 olaraq qalır. Mənbə Census biznes müraciəti anlayışı World Bank-ın yeni qeydiyyatdan keçmiş şirkət anlayışı ilə tam eyni olmadığı üçün 37 iqtisadiyyatlı əsas modeli saxlayır.

Tədqiqatın dəstəklədiyi nəticələr və dəstəkləmədiyi şərhlər

Əsas məhdudiyyətlər

Müşahidəvi dizayn: Ölkə və il sabit effektləri çoxsaylı qarışdırıcı amilləri nəzarətdə saxlasa da, təbii eksperiment, instrumental dəyişən və ya ekzogen siyasət şoku istifadə edilməyib. Səbəblilik müəyyən edilə bilmir.

Ortaq trend problemi: Gələcəyə sürüşdürülmüş üçlü qarşılıqlı təsir və rəqəmsal infrastruktur dəyişənlərinin də yük verməsi, yavaş hərəkət edən ortaq trendlərin ölkə və il sabit effektlərindən sonra tam ayrışdırıla bilmədiyini göstərir.

FinTech interpolyasiyası: İllik FinTech sıralarının mühüm hissəsi real illik müşahidədən deyil, az sayda Findex dalğası arasındakı interpolyasiyadan gəlir.

AI/ML qabiliyyət–istifadə fərqi: AIMLI milli tədqiqat və innovasiya qabiliyyətini ölçür; firma səviyyəsində real AI istifadəsini birbaşa ölçmür.

Təmiz nəticə dəyişəninin əhatəsi: Əmək məhsuldarlığı və yeni müəssisə sıxlığı ümumi iqtisadi performans göstəriciləridir; rəqəmsal sektorun çıxışı deyil.

ABŞ məlumat boşluğu: Əsas təmiz-nəticə modeli World Bank yeni müəssisə sıxlığı məlumatının çatışmaması səbəbindən ABŞ-ni əhatə etmir. Alternativ Census proksisi ilə aparılan möhkəmlik yoxlaması əsas şərhi dəyişməsə də, iki məlumat anlayışı tam eyni deyil.

Balanssız panel: Çatışmayan ölkə-illər xüsusilə 2010–2014 dövründə cəmləşir. Mənbə düşən müşahidələrin sistematik olaraq daha az rəqəmsal görünmədiyini bildirsə də, seçim probleminin tam aradan qalxdığını iddia etmir.

Qısa dinamik panel: Gecikdirilmiş asılı dəyişənli model təxminən 13 illik zaman ölçüsündə Nickell qərəzinə açıqdır.

Gələcək tədqiqat istiqamətləri

Mənbə dörd əsas inkişaf istiqaməti təklif edir. Birincisi, daha güclü identifikasiyadır: siyasət şokları, təbii eksperimentlər və uyğun instrumental dəyişənlərlə təsviri əlaqə səbəbli sınağa daşına bilər. İkincisi, daha detallı məlumat səviyyəsidir: firma və sektor məlumatları rəqəmsal infrastruktur, FinTech və AI/ML kanallarının iqtisadiyyat daxilində necə işlədiyini birbaşa sınaqdan keçirə bilər.

Üçüncü istiqamət ölçmədir. Daha uzun və ölkələrarası müqayisə oluna bilən rəsmi AI-adoption sıraları qabiliyyət proksisi əvəzinə müəssisələrin real istifadəsinin panel təhlilinə daxil olmasını təmin edə bilər. Dördüncü istiqamət əhatənin genişləndirilməsidir: platforma ticarəti, rəqəmsal logistika və tələbin fərdiləşdirilməsi kimi göstəricilər kifayət qədər açıq məlumat yarandıqda paylama və istehlak funksiyalarının da memarlığa əlavə edilməsinə imkan verə bilər.

Elmi məna

Tədqiqatın ən mühüm töhfəsi “rəqəmsal iqtisadiyyat”ı tək texnologiya və ya sektor kimi deyil, iqtisadi funksiyaların üzərində işləyən çoxqatlı ölçmə memarlığı kimi nəzərdən keçirməsidir. Bununla belə, mənbə öz nəticələrinin həddini güclü şəkildə qoruyur: rəqəmsal infrastrukturun yükdaşıyan qat olması onun səbəbli şəkildə artım yaratdığı demək deyil.

Elmi baxımdan ən dəyərli nəticə yalnız müsbət əlaqələrin təqdim edilməsi deyil, bu əlaqələrin harada pozulduğunun açıq göstərilməsidir. Üçlü qarşılıqlı təsirin xəta quruluşuna, dinamik modelə, nəticənin tərifinə, real sorğu illərinə və placebo testlərinə həssaslığı rəqəmsal iqtisadiyyat tədqiqatlarında “yüksək korrelyasiya” ilə “sübut edilmiş tamamlayıcılıq” arasındakı fərqi görünən edir.

Mənbə və Metod Qeydi

Orijinal başlıq: Financial Technology, Artificial Intelligence and Machine Learning: Is the Digital Economy the New Economy?

Müəlliflər: George Gkouskos; George Galanos; Charalampos Agiropoulos.

Məsul müəllif: George Gkouskos.

Affiliasiyalar: Statistics Directorate, Bank of Greece; Department of Business Administration, National and Kapodistrian University of Athens; Department of International and European Studies, University of Piraeus; Department of Economics, University of Piraeus.

Jurnal: Economies.

Nəşriyyat: MDPI.

Biblioqrafik qeyd: Economies, 2026, 14(8), Article 296.

DOI: 10.3390/economies14080296

Nəşr prosesi: Received 23 iyun 2026; revised 15 iyul 2026; accepted 16 iyul 2026; published 1 avqust 2026.

Mənbə növü və resenziya: Beynəlxalq resenziyalı açıq girişli iqtisadiyyat jurnalında dərc olunmuş empirik/müşahidəvi panel tədqiqat məqaləsi.

Lisenziya: Creative Commons Attribution (CC BY).

Nümunə: Ümumi məlumat memarlığı 38 OECD iqtisadiyyatını və 2010–2024 dövrünü əhatə edir. Rəqəmsal Memarlıq və AI/ML əhatəsinə görə əsas blok və birgə-konfiqurasiya təhlilləri 2010–2022 dövründədir. Təmiz-nəticə əsas modelləri World Bank yeni müəssisə sıxlığının çatışmaması səbəbindən ABŞ olmadan 37 iqtisadiyyata şərtlənir.

Məlumat mənbələri: World Bank Indicators API; World Development Indicators; Global Financial Development Database; Global Findex; AI/ML proksisinin doğrulanması üçün Eurostat müəssisə-AI sorğusu; ABŞ möhkəmlik yoxlaması üçün U.S. Census Bureau Business Formation Statistics.

Əsas metod: Winsorization; z-score standartlaşdırılması; kompozit indekslər; principal-component möhkəmlik yoxlaması; ikiistiqamətli ölkə/il sabit effektləri; ölkə üzrə klasterləşdirilmiş və Driscoll–Kraay standart xətaları; qarşılıqlı təsirin residualization-u; dinamik model; real sorğu illərinin təhlili; future-dated placebo; leave-one-country-out; VIF; wild cluster bootstrap; xarici proksi doğrulaması.

Maliyyələşdirmə: Tədqiqat University of Piraeus Research Center tərəfindən qismən dəstəklənmişdir.

Etika komitəsi: Tətbiq edilmir.

Məlumatlandırılmış razılıq: Tətbiq edilmir.

Məlumatların əlçatanlığı: İstifadə olunan əsas ölkə göstəriciləri ictimaiyyət üçün açıqdır. Tam təkrar istehsal kodu və yaradılmış panel məsul müəllifdən əsaslandırılmış sorğu əsasında əldə edilə bilər.

Maraqların toqquşması: Müəlliflər maraqların toqquşmasını bildirməyiblər. Məqalədə ifadə olunan fikirlərin Bank of Greece və ya Eurosystem-in fikirlərini mütləq əks etdirmədiyi qeyd olunub.

Müəllif töhfələri: Konseptuallaşdırma George Gkouskos və George Galanos; metod, proqram təminatı, formal təhlil, tədqiqat, resurslar, məlumat kurasiyası, ilkin layihə və vizuallaşdırma George Gkouskos; doğrulama üç müəllif; nəzərdən keçirmə və redaktə George Galanos və Charalampos Agiropoulos; məsləhətçilik Charalampos Agiropoulos; layihə idarəetməsi George Gkouskos.

Əsas şərh həddi: Nəticələr qısa və trendli OECD panelində co-movement və ölkədaxili izahedici güc haqqındadır. Rəqəmsal infrastruktur, FinTech və ya AI/ML üçün təmiz səbəbli təsir, optimal siyasət gəliri və ya sübut edilmiş üçlü tamamlayıcılıq mexanizmi qiymətləndirilməyib.