Mageuzi pacha (twin transition), ni mfumo wa kufikiri ambapo mageuzi ya kidijitali na mageuzi ya nishati ya kijani hayachukuliwi kama michakato miwili huru, bali kama mfumo uliounganishwa wa mageuzi unaoweza kuathiri kwa pamoja muundo wa uchumi, tija na soko la ajira. Utafiti huu unachunguza uhusiano wa mageuzi ya kidijitali na ya kijani na kutokuwa rasmi kwa ajira pamoja na tija ya kazi katika uchumi 17 wa Asia-Pasifiki katika kipindi cha 2005–2022 kwa kutumia data za paneli za kila mwaka, fahirisi changamano zilizoundwa kwa Uchanganuzi wa Vipengele Vikuu, modeli za paneli tendaji zenye athari zisizobadilika za pande mbili, uchanganuzi wa kizingiti wa aina ya Hansen na modeli za utofauti wa makundi ya mapato. Katika sampuli kamili, hakuna uhusiano wa wastani wenye umuhimu wa kitakwimu unaoonyesha kuwa mageuzi ya kidijitali hupunguza kutokuwa rasmi; mwingiliano wa kidijitali–kijani pia si muhimu kwa kutokuwa rasmi. Kinyume chake, mwingiliano huo huo unaonyesha uhusiano chanya na wenye umuhimu na kiwango cha tija ya kazi. Kizingiti cha takribani %47,5 kinabainishwa katika kiwango cha matumizi ya internet, na ishara ya uhusiano kati ya ujidijitalishaji na kutokuwa rasmi hubadilika katika pande mbili za kizingiti hicho.

Matokeo yanayovutia zaidi katika utafiti, lakini yanayohitaji kufasiriwa kwa tahadhari kubwa zaidi, ni utofauti kati ya makundi ya mapato. Katika modeli tofauti ya kikundi kidogo, katika uchumi wa mapato ya chini-kati, mgawo wa mwingiliano wa mageuzi ya kidijitali na ya kijani ni −8,685 na p-value ya wild cluster bootstrap ni 0,011; hali hii inadokeza kwamba mageuzi ya kidijitali na ya kijani yanapoendelea pamoja yanaweza kuhusishwa na kiwango cha chini cha kutokuwa rasmi. Hata hivyo, baadaye modeli ya pooled inayolinganisha makundi yote ya mapato katika mlinganyo mmoja hubadilisha ishara ya mwingiliano unaodokezwa kwa kundi la mapato ya chini-kati hadi +6,660 na kufanya matokeo yasiwe na uhakika wa kitakwimu. Kwa hiyo, utafiti hauthibitishi “sinergia ya mageuzi pacha” iliyo thabiti na ya kisababishi katika nchi za mapato ya chini-kati; unaonyesha kwamba utofauti unaowezekana unaotegemea kiwango cha mapato ni nyeti kwa uchaguzi wa modeli.

Kuonekana kwa fahirisi ya mageuzi ya kijani kuwa na uhusiano chanya na kutokuwa rasmi hakupaswi kufasiriwa kwamba nishati ya kisasa inayoweza kurejeshwa huongeza kutokuwa rasmi. Kiashiria cha kimataifa cha nishati inayoweza kurejeshwa kilichotumika hujumuisha katika kigezo kimoja vyanzo vya kisasa kama nishati ya jua, upepo na umeme wa maji pamoja na biomasi ya jadi kama kuni, mkaa na mabaki ya kilimo. Kwa kuwa matumizi ya biomasi ya jadi huenda sambamba na mapato ya chini, mazingira ya vijijini na kiwango cha juu cha kutokuwa rasmi, muundo huu wa kipimo unaweza kuathiri kwa kiasi kikubwa ishara ya fahirisi ya kijani.

Tatizo kuu la utafiti

Ujidijitalishaji na mageuzi ya nishati yenye kaboni kidogo leo huchukuliwa katika mifumo mingi ya sera kama mabadiliko mawili ya kimuundo yanayoendelea pamoja. Miundombinu ya kidijitali inaweza kusaidia mifumo ya malipo, kumbukumbu za kielektroniki, usimamizi wa kodi na hifadhi ya jamii, biashara ya mtandaoni na aina mpya za uzalishaji. Uwekezaji katika nishati ya kijani unaweza pia kuunda sekta mpya, ujuzi mpya na mahusiano mapya ya ajira. Mtazamo wa “mageuzi pacha” unapendekeza kuwa michakato hii miwili inaweza kuimarisha athari ya kila mmoja.

Hata hivyo, haijulikani wazi ikiwa dhana hii ni halali kweli kwa upande wa kutokuwa rasmi kwa ajira. Kwa upande mmoja, ujidijitalishaji unaweza kurahisisha usajili rasmi wa biashara, lakini kwa upande mwingine unaweza kuunda aina mpya za kazi zisizo na uhakika katika uchumi wa majukwaa na gig. Mageuzi ya kijani yanaweza kuunda nafasi mpya za kazi rasmi, lakini yanaweza pia kusababisha gharama za marekebisho katika sekta zinazotegemea sana nishati ya kisukuku. Zaidi ya hayo, athari za michakato hiyo hiyo si lazima ziwe sawa katika uchumi wa mapato ya juu na wa mapato ya chini-kati.

Kwa hiyo, utafiti unazingatia maswali makuu matatu: mageuzi ya kidijitali na ya kijani yanahusianaje na kutokuwa rasmi pamoja na tija ya kazi; je, kuna kizingiti ambacho athari ya uwezo wa kidijitali hubadilika; je, athari ya pamoja ya mageuzi ya kidijitali na ya kijani hubadilika kulingana na kundi la mapato?

Mfumo wa kinadharia: kwa nini mageuzi ya kidijitali na ya kijani yanaweza kuzingatiwa pamoja?

Utaratibu mkuu katika nadharia ya mageuzi pacha ni ukamilishanaji. Miundombinu ya kidijitali inaweza kurahisisha uendeshaji wa mifumo kama gridi mahiri, usimamizi wa nishati, ufuatiliaji wa mazingira, malipo ya kielektroniki, usajili wa kielektroniki na uzalishaji unaotegemea data. Ukuaji wa sekta za kijani unaweza kuongeza mahitaji ya ujuzi wa kidijitali, miundombinu ya vipimo na usimamizi wa data. Uhusiano huu wa pande mbili unaweza kuleta athari ya mwingiliano iliyo tofauti na jumla tu ya mageuzi hayo mawili.

Utaratibu unaodhaniwa katika soko la ajira ni huu: miundombinu ya kiutawala na kifedha ya kidijitali iliyoendelea zaidi inaweza kurahisisha wafanyakazi na biashara kuunganishwa na mifumo rasmi, huku kuibuka kwa kazi mpya katika sekta za kijani kukipanua njia za ajira zilizosajiliwa. Hata hivyo, utaratibu huu unaweza kutofanya kazi ikiwa hakuna uwezo wa kutosha wa kidijitali. Kwa hiyo, utafiti pia unajaribu uwezekano wa kizingiti kisicho cha mstari.

Nadharia tete tano za utafiti

Sampuli: uchumi 17 wa Asia-Pasifiki

Utafiti unatumia paneli ya kila mwaka isiyo na uwiano inayojumuisha kipindi cha 2005–2022. Sampuli ya juu zaidi ya kinadharia ni nchi 17 × miaka 18 = uchunguzi 306 wa nchi-mwaka. Ili nchi ijumuishwe katika sampuli, ilihitajika kuwa na angalau miaka 10 ya uchunguzi unaoweza kutumika katika mfululizo mkuu wa ajira unaohusiana na kutokuwa rasmi, na kusiwe na pengo la zaidi ya miaka mitatu kati ya uchunguzi. Urefu wa data inayoweza kutumika kwa kila nchi ni miaka 10–18, kwa wastani wa takribani miaka 16.

Kwa kuwa katika kundi la mapato ya chini kuna Cambodia pekee, kundi hili halikujumuishwa katika regresha ya sampuli ndogo ya kundi la mapato; haiwezekani kuunda utofauti wa sehemu mtambuka ndani ya kundi kwa nchi moja. Cambodia ilihifadhiwa katika modeli za sampuli kamili.

Kutokuwa rasmi kunapimwaje?

Kigezo kikuu tegemezi cha utafiti ni INF_PROXY. Kigezo hiki kinaonyesha sehemu iliyojumlishwa ya waliojiajiri na wafanyakazi wa familia wasiolipwa katika ajira yote. Chanzo kilitumia kiashiria hiki ili kukabiliana na upungufu wa nchi-mwaka katika mfululizo mpana zaidi wa ajira isiyo rasmi wa ILO unaotegemea modeli. Ufunikaji wa sampuli wa INF_PROXY ni %93,5, huku ufunikaji wa mfululizo wa kutokuwa rasmi wa ILO unaotegemea modeli unaolinganishwa katika seti hiyo hiyo ya nchi ukiwa takribani %17.

Hata hivyo, INF_PROXY si “ajira yote isiyo rasmi”. Inaweza kuwaacha nje wafanyakazi wanaolipwa katika biashara ndogo zisizo rasmi; aidha, hasa katika uchumi wa mapato ya juu, baadhi ya wataalamu wenye ujuzi wa juu wanaojiajiri wanaweza kwa kweli kuendesha shughuli rasmi za kiuchumi. Kwa hiyo, katika makala hii neno “kutokuwa rasmi” linapaswa kueleweka ndani ya mipaka ya proxy hii maalum iliyotumiwa na utafiti.

Kigezo cha pili tegemezi LAP_level, ni kiwango cha uzalishaji kwa kila mfanyakazi kilichomodeliwa na ILO na hupimwa kwa maelfu ya dola za PPP za kudumu. Kigezo hiki si kiwango cha ukuaji wa tija kwa mwaka, bali ni kiwango cha pato kwa kila mfanyakazi.

Fahirisi za mageuzi ya kidijitali na ya kijani zinaundwaje?

Mageuzi ya kidijitali yanawakilishwa na vigezo vitatu vya World Development Indicators: asilimia ya watu wanaotumia internet katika idadi ya watu, usajili wa broadband ya kudumu kwa kila watu 100, na asilimia ya mauzo ya nje ya bidhaa za ICT katika mauzo yote ya nje ya bidhaa.

Mageuzi ya kijani yanaundwa kutokana na vigezo viwili: sehemu ya nishati inayoweza kurejeshwa katika matumizi ya mwisho ya nishati kwa jumla na toleo la uzalishaji wa CO₂ kwa kila mtu lenye ishara iliyogeuzwa. Lengo la kugeuza ishara ya kiashiria cha CO₂ ni kuhakikisha kwamba thamani ya juu ya fahirisi inalingana na wasifu ulio “kijani” zaidi.

Watafiti wanatumia kwa seti za viashiria vya kidijitali na vya kijani, kila moja kivyake, Uchanganuzi wa Vipengele Vikuu (Principal Component Analysis, PCA) . Kipengele kikuu cha kwanza cha fahirisi ya kidijitali kinaeleza %68,7 ya utofauti wote. Mizigo ni 0,655 kwa matumizi ya internet, 0,645 kwa broadband na 0,394 kwa mauzo ya nje ya ICT. Kipengele cha kwanza cha fahirisi ya kijani kinaeleza %82,5 ya utofauti; sehemu ya nishati inayoweza kurejeshwa na kiashiria cha CO₂ kilichogeuzwa kila kimoja kina mzigo wa 0,707.

Fahirisi za `DIGI_std` na `GREEN_std` zote zimesanifishwa ili wastani wao uwe sifuri na mkengeuko wa kawaida uwe moja. Neno la zao `DIGI_std × GREEN_std` linawakilisha mwingiliano wa mageuzi pacha uliotabiriwa katika H3.

Kikomo cha kisayansi cha fahirisi ya kijani ni muhimu hasa. Sehemu ya nishati inayoweza kurejeshwa huakisi muundo wa usambazaji wa nishati, huku CO₂ iliyogeuzwa ikiakisi kiwango cha utoaji wa hewa chafu katika uchumi mzima; viashiria hivi viwili si vipimo kamili vya muundo mmoja fiche. Chanzo kinafafanua fahirisi ya GREEN si kama modeli iliyothibitishwa ya kigezo fiche, bali kama fahirisi ya muhtasari inayotumika kwa utoaji taarifa.

Kwa nini fahirisi ya mageuzi ya kijani inaonekana kuhusishwa na kutokuwa rasmi kwa kiwango cha juu?

Maelezo yenye nguvu zaidi katika utafiti wa chanzo ni kwamba kiashiria cha kimataifa cha “matumizi ya nishati inayoweza kurejeshwa” kinajumuisha si tu nishati ya kisasa ya jua, upepo na umeme wa maji, bali pia uchomaji wa jadi wa kuni, mkaa na mabaki ya kilimo. Kwa kuwa uchumi wa vijijini wa mapato ya chini una viwango vya juu vya matumizi ya biomasi ya jadi na kazi isiyo rasmi, kiashiria ghafi cha nishati inayoweza kurejeshwa hakitengi athari halisi ya ajira ya kuenea kwa nishati ya kijani ya kisasa; hivyo mgawo chanya wa GREEN–kutokuwa rasmi hauwezi kufasiriwa kama ushahidi kwamba nishati ya kisasa inayoweza kurejeshwa huongeza kutokuwa rasmi.

Tatizo hili la kipimo linaonekana wazi pia katika vielelezo vya chanzo. Katika Kielelezo 2 kwenye ukurasa wa 13 wa utafiti, wastani wa sehemu ghafi ya nishati inayoweza kurejeshwa kwa kundi la mapato ya juu ni takribani %7,7, huku katika kundi la mapato ya chini ikiwa %63,9. Katika paneli ya pili ya kielelezo hicho hicho, kuna uhusiano chanya wa takribani r = 0,80 kati ya sehemu ya nishati inayoweza kurejeshwa na INF_PROXY. Watafiti wanaeleza muundo huu hasa kwa kuchanganyika kwa biomasi ya jadi, lakini pia wanaeleza wazi kwamba kwa kuwa hakuna data kamili ya paneli inayopima biomasi tofauti na nishati ya kisasa inayoweza kurejeshwa, utaratibu huo haujatenganishwa moja kwa moja kwa njia ya ekonometriki.

Vigezo vya udhibiti

Katika modeli za msingi, logarithmu asilia ya Pato la Taifa halisi kwa kila mtu (`LGDP`), uwazi wa biashara (`OPEN`), uingiaji halisi wa uwekezaji wa moja kwa moja kutoka nje (`FDI`), kiwango cha ukuaji wa miji (`URB`) na matumizi ya serikali katika elimu (`EDU`) vinadhibitiwa. Dummy ya COVID-19 kwa kipindi cha 2020–2021 pia imejumuishwa katika spesifikesheni za msingi; hata hivyo, katika modeli ya pooled ya kundi la mapato yenye athari zisizobadilika za mwaka, kigezo cha COVID kinafyonzwa na athari za mwaka na hivyo hakikadiriwi kando.

Modeli ya paneli tendaji

Modeli kuu ya ekonometriki hutumia kwa pamoja athari zisizobadilika za nchi na mwaka na ucheleweshaji wa kipindi kimoja wa kigezo tegemezi:

\[ INF_{it} = \alpha + \rho INF_{i,t-1} + \beta_1 DIGI\_std_{it} + \beta_2 GREEN\_std_{it} + \beta_3(DIGI\_std\times GREEN\_std)_{it} + \gamma X_{it} + \mu_i + \lambda_t + \varepsilon_{it} \]

Hapa \(INF_{it}\) inaonyesha proxy ya kutokuwa rasmi katika nchi i katika mwaka t; \(\rho\) inaonyesha mwendelezo wa kutokuwa rasmi kutoka mwaka uliopita; \(\beta_1\) mgawo unaohusishwa na fahirisi ya kidijitali; \(\beta_2\) mgawo unaohusishwa na fahirisi ya kijani; na \(\beta_3\) mgawo unaohusishwa na mwingiliano wa kidijitali-kijani. \(X_{it}\) ni vekta ya vigezo vya udhibiti. \(\mu_i\) inawakilisha sifa maalum za nchi zisizobadilika kwa muda, \(\lambda_t\) mishtuko ya pamoja ya mwaka inayoathiri nchi zote, na \(\varepsilon_{it}\) neno la hitilafu lisiloelezwa na modeli.

Makosa ya kawaida yamewekwa katika makundi katika kiwango cha nchi. Lengo ni kuzingatia muundo unaoweza kutokea kutokana na heteroskedasticity na serial correlation katika uchunguzi wa nchi hiyo hiyo kwa muda.

Modeli hutumia mkadiriaji wa athari zisizobadilika za two-way within kwa paneli ya nchi 17 na hadi miaka 18. Watafiti hawakuchagua system GMM kama modeli kuu kwa sababu walizingatia tatizo la kuunda idadi kubwa ya vigezo ala katika sehemu mtambuka ndogo.

Kwa nini upendeleo wa Nickell na endogeneity ni muhimu?

Katika makadirio ya paneli yenye athari zisizobadilika yanayojumuisha kigezo tegemezi kilichocheleweshwa, wakati kipimo cha muda ni chenye ukomo, upendeleo wa Nickell unaweza kujitokeza. Katika utafiti, kipimo cha wastani cha muda kwa kila nchi ni takribani miaka 16; kwa hiyo inakubaliwa kwamba upendeleo huo hauwezi kupuuzwa. Mwelekeo unaotarajiwa ni kuvuta mgawo wa kigezo tegemezi kilichocheleweshwa kuelekea sifuri.

Aidha, `DIGI_std`, `GREEN_std` na `LGDP` zinadhaniwa kuwa exogenous kwa masharti chini ya athari zisizobadilika za nchi na mwaka. Hata hivyo, muundo wa uchumi usio rasmi unaweza pia kuathiri ujidijitalishaji au uwekezaji katika miundombinu ya kijani; sera ya tatu au mshtuko wa kimuundo unaweza kusogeza kwa pamoja vigezo elezi na kutokuwa rasmi. Kwa hiyo, migawo inapaswa kufasiriwa kama uhusiano wa masharti, si athari ya kisababishi.

Chanzo kinapendekeza kwamba katika siku zijazo vijaribiwe bias-corrected dynamic panel estimators, collapsed-instrument Arellano–Bond/Blundell–Bond GMM na modeli tendaji za paneli za kizingiti zinazojumuisha endogeneity; hata hivyo, kinaeleza kwamba kwa sababu ya N ndogo ya sasa, uaminifu wa mbinu hizi pia unaweza kuwa mdogo.

Uchanganuzi wa kizingiti unafanywaje?

Ili kujaribu H4, upenyaji wa internet (`INT`) umetumika kama kigezo cha kizingiti. Vizingiti vinavyowezekana vimechunguzwa kwenye grid iliyokatwa kati ya asilimiaile za %15 na %85 za usambazaji wa upenyaji wa internet. Katika kila kizingiti kinachowezekana, modeli yenye athari zisizobadilika za nchi na mwaka ilikadiriwa na thamani inayopunguza jumla ya miraba ya mabaki ilichaguliwa.

Jumla ya miraba ya mabaki ya modeli ya kizingiti ililinganishwa na modeli ya mstari. Hapa kuna kikomo muhimu cha kimetodolojia: chanzo hakikukokotoa seti rasmi ya kujiamini ya kizingiti inayotegemea mbinu ya likelihood-ratio ya Hansen. Aidha, spesifikesheni hii ya kizingiti ni muundo tuli wa aina ya Hansen ambao haujumuishi kigezo tegemezi kilichocheleweshwa kilichotumiwa katika modeli kuu tendaji.

Kizingiti cha %47,5 cha upenyaji wa internet kinamaanisha nini?

Thamani ya %47,5 ni kadirio linalopunguza jumla ya miraba ya mabaki ya modeli ya kizingiti katika grid ya upenyaji wa internet iliyochunguzwa: chini ya thamani hii mgawo wa `DIGI_std` ni +3,039, na juu yake ni −1,633, hivyo ishara ya uhusiano hubadilika. Hata hivyo, hakuna mgawo wowote wa regime kati ya miwili ambao ni muhimu kivyake katika kiwango cha kawaida cha %5, na muda rasmi wa kujiamini kwa kizingiti haujakokotolewa; kwa hiyo %47,5 si “mpaka wa sera” kamili au wa ulimwengu wote, bali ni kadirio la mabadiliko la kimaelezo linaloonyesha kwamba uhusiano unaweza kutokuwa wa mstari kadiri uwezo wa kidijitali unavyoongezeka.

Utoaji wa hitimisho la kitakwimu unalindwaje wakati idadi ya makundi ya nchi ni ndogo?

Kwa kuwa katika modeli za makundi ya mapato kuna nchi 4–6 pekee, makosa ya kawaida ya kawaida ya cluster-robust yanaweza kutoa umuhimu wa kitakwimu wenye matumaini kupita kiasi. Kwa hiyo, kwa mgawo wa `DIGI × GREEN` pia imetumika wild cluster bootstrap-t . Chini ya null hypothesis ya mwingiliano sifuri, marudio 999 ya bootstrap yalitolewa kwa kutumia uzani wa Rademacher katika kiwango cha makundi ya nchi. Chanzo kinatumia katika tafsiri thamani ya p iliyo ya tahadhari zaidi kati ya thamani za p za kawaida na za bootstrap.

Uchunguzi wa multicollinearity

Katika sampuli ndogo za makundi ya mapato, uhusiano mkubwa wa mstari kati ya regressors unaweza kufanya migawo kutokuwa thabiti. Kwa hiyo, utafiti uliripoti uchunguzi wa Variance Inflation Factor (VIF).

Jedwali hili linaonyesha kuwa multicollinearity kubwa imejikita hasa katika vikundi vidogo vya mapato ya juu na ya juu-kati. Katika modeli ya mapato ya chini-kati, VIF ya juu zaidi ni ndogo zaidi; hata hivyo, 12,6 bado si kiwango kinachoweza kupuuzwa. Kwa hiyo, migawo ya makundi ya mapato haipaswi kufasiriwa kama vigezo vya kimuundo vilivyo sahihi kabisa.

Mbinu na Matokeo ya Utafiti

Takwimu elezi

Wastani wa INF_PROXY katika sampuli ni %35,3, lakini unaonyesha usambazaji mpana sana kutoka %5,9 hadi %74,8. Kielelezo 1 kwenye ukurasa wa 12 wa chanzo kinaonyesha kuwa licha ya kupungua kwa muda katika makundi yote ya mapato, tofauti ya kimuundo ya takribani pointi za asilimia 45–50 kati ya nchi za mapato ya juu na makundi ya mapato ya chini/chini-kati kwa kiasi kikubwa imeendelea kuwepo.

Uhusiano rahisi wa korrelasheni unaonyesha nini?

Korrelasheni rahisi kati ya vigezo viwili haizingatii vigezo vya udhibiti au athari zisizobadilika za nchi/mwaka, lakini inaonyesha mteremko mkubwa wa kiwango cha maendeleo katika muundo wa data. Korrelasheni ya Pearson kati ya `DIGI_std` na INF_PROXY ni −0,780; kati ya `GREEN_std` na INF_PROXY ni +0,803; na kati ya `LGDP` na INF_PROXY ni −0,854.

Hasa, korrelasheni kati ya `DIGI_std` na `GREEN_std` ni −0,815, kati ya `GREEN_std` na `LGDP` ni −0,848, na kati ya ukuaji wa miji na `GREEN_std` ni −0,873. Muundo huu unaunga mkono tahadhari ya kipimo kwamba fahirisi ya GREEN husogea kwa kiasi kikubwa pamoja na kiwango cha mapato na matumizi ya biomasi ya jadi; hauonyeshi usababisho peke yake.

Matokeo ya kutokuwa rasmi katika sampuli kamili

* p<0,10; ** p<0,05; *** p<0,01.

Katika milinganyo ya kutokuwa rasmi, mgawo wa kigezo tegemezi kilichocheleweshwa ni takribani 0,48 na ni muhimu katika kiwango cha %1. Hii inaashiria kuwa INF_PROXY ina mwendelezo mkubwa kwa muda.

Tofauti na sehemu ya kutokuwa rasmi ya H1, `DIGI_std` si muhimu kitakwimu katika spesifikesheni yoyote kati ya nne za kutokuwa rasmi. Makadirio yako takribani kati ya +0,36 na +0,75. Kwa hiyo, baada ya kuzingatia athari zisizobadilika za nchi na mwaka pamoja na kutokuwa rasmi kwa kipindi kilichopita, sampuli kamili haionyeshi kwamba mageuzi ya kidijitali kwa wastani hupunguza kutokuwa rasmi.

`GREEN_std` kwa upande mwingine ni chanya na muhimu katika spesifikesheni tatu za msingi. Chanzo kinafasiri matokeo haya si kama athari hasi ya kuenea kwa nishati ya kisasa inayoweza kurejeshwa, bali kama mwonekano muhimu wa tatizo la kipimo cha biomasi ya jadi katika fahirisi ya GREEN.

Mwingiliano wa `DIGI × GREEN` katika sampuli kamili ni 0,591 na 0,230 kwa kutokuwa rasmi; migawo yote miwili si muhimu. Kwa hiyo, kwa H3 hakuna sinergia ya wastani ya urasimishaji iliyoonyeshwa katika sampuli ya pooled.

Matokeo ni tofauti kwa tija ya kazi

Katika Modeli 5, kigezo tegemezi ni kiwango cha uzalishaji kwa kila mfanyakazi. Hapa mgawo wa `DIGI × GREEN` ni 1,685 na p<0,01. `DIGI_std` peke yake pia inaonyesha uhusiano chanya wa pembezoni kwa mgawo wa +0,985 na p=0,090.

Matokeo haya yanaonyesha kuwa mageuzi ya kidijitali na ya kijani yanaweza kukamilishana kwa upande wa tija; lakini haiwezi kusemwa kwamba mageuzi hayo hayo ya pamoja huwahamisha moja kwa moja wafanyakazi wasio rasmi kwenda kwenye ajira rasmi. Tija na urasimishaji ni matokeo tofauti ya kiuchumi na si lazima yasogee kwa kasi moja.

Kizingiti cha 47,5% cha upenyaji wa internet

Kugeuka kwa mgawo wa kidijitali kutoka chanya kwenda hasi kunaonyesha utofauti unaoweza kueleza kwa nini katika sampuli kamili uhusiano wa wastani wa ujidijitalishaji unaonekana kuwa karibu na sifuri. Hata hivyo, migawo ya regime si thabiti kivyake; kwa hiyo tafsiri kwamba “kiwango cha internet kinapozidi %47,5 ujidijitalishaji kwa hakika hupunguza kutokuwa rasmi” haiungwi mkono na chanzo.

Kielelezo 4 kwenye ukurasa wa 16 wa chanzo kinaonyesha regime ya internet ya chini kwa rangi ya chungwa na regime ya internet ya juu kwa rangi ya bluu kwa pointi tofauti na mistari ya fitted. Grafu inaonyesha kwa nguvu mabadiliko ya ishara kwa kuona; hata hivyo, kwa kuwa wingu la pointi lina uchunguzi wa nchi-mwaka, mteremko wa mstari si athari ya kisababishi ya uingiliaji.

Modeli tofauti kulingana na kundi la mapato

Modeli tofauti ya kikundi kidogo inaonyesha mwingiliano hasi wenye nguvu zaidi katika kundi la mapato ya chini-kati. Kundi hili linajumuisha Vietnam, Indonesia, Ufilipino, Sri Lanka, Pakistan na Bhutan. Mgawo wa `DIGI_std` ni +10,127, `GREEN_std` +19,456 na mwingiliano wao ni −8,685. Kihisabati, mwingiliano hasi unamaanisha kuwa kadiri fahirisi zote mbili zinavyoongezeka pamoja, jumla ya athari kuu chanya zinazojitegemea hudhoofika na katika viwango fulani vya pamoja inaweza kugeuka kuwa uhusiano hasi wa pembezoni.

Hata hivyo, kuna jambo muhimu la kimetodolojia hapa: katika modeli ndogo za makundi ya mapato, athari zisizobadilika za mwaka hazikutumika kwa sababu sampuli hupungua; modeli zina entity fixed effects. Modeli ya pooled inayofuata hutumia kwa pamoja athari zisizobadilika za nchi na mwaka. Kwa hiyo, matokeo haya mawili si vipande tofauti tu vya data chini ya spesifikesheni ileile kabisa.

Je, sinergia ya kidijitali–kijani katika kundi la mapato ya chini-kati ni matokeo yaliyothibitishwa?

Hapana. Regresha tofauti ya kikundi kidogo inatoa mgawo hasi wa `DIGI × GREEN` ulio mkubwa na unaobaki muhimu hata baada ya marekebisho ya bootstrap; hata hivyo, modeli ya pooled inayolinganisha makundi yote ya mapato katika mlinganyo mmoja kwa athari zisizobadilika za nchi na mwaka hubadilisha ishara ya mgawo unaodokezwa kwa kundi la mapato ya chini-kati kutoka −8,685 hadi +6,660 na kufanya matokeo yasiwe na uhakika wa kitakwimu. Kwa hiyo, tafsiri salama zaidi ya utafiti wa chanzo ni kwamba utofauti unaotegemea kiwango cha mapato unawezekana na unastahili kuchunguzwa, lakini sinergia thabiti ya mapato ya chini-kati au utaratibu wa kisababishi bado haujathibitishwa.

Kwa nini modeli ya pooled ya mwingiliano wa makundi ya mapato ni muhimu?

Katika modeli ya pooled, uchumi wa mapato ya juu ni kundi rejea. Mgawo wa msingi wa `DIGI × GREEN` ni −3,231 na p=0,619. Tofauti ya mara tatu kwa mapato ya juu-kati ni −3,154 na p=0,626; kwa mapato ya chini-kati ni +9,891 na p=0,210.

Migawo hii inapounganishwa kwa kila kundi:

Ulinganisho wa moja kwa moja wa Wald wa tofauti za mapato ya chini-kati na ya juu-kati ni χ²=5,374 na p=0,020, huku jaribio la pamoja la maneno mawili ya mwingiliano wa makundi likiwa χ²=5,388 na p=0,068. Tofauti za kila kundi kivyake si muhimu. Chanzo kinaeleza kuwa kwa N=186 nchi-mwaka na makundi 16 ya nchi, modeli hii ina vigezo vingi na kwamba makosa makubwa ya kawaida yanaakisi kutokuwa thabiti kwa spesifikesheni.

Msuguano muhimu wa tafsiri katika sehemu ya matokeo ya chanzo

Sehemu ya kwanza ya matokeo ya chanzo inasisitiza kwa nguvu matokeo ya modeli tofauti ya kundi la mapato ya chini-kati kama mchango mkuu wa utafiti. Kinyume chake, abstract ya makala hiyo hiyo, Sehemu ya 5.4, uchanganuzi wa modeli ya pooled na sehemu ya mipaka zinaeleza wazi matokeo haya kuwa “specification-sensitive” na kusema kuwa hayapaswi kuchukuliwa kama ushahidi thabiti wa sinergia ya kisababishi. Kwa Verianla, usomaji salama kisayansi ni mfumo wa pili, wenye tahadhari zaidi; kadirio kubwa la kikundi kidogo linapaswa kuripotiwa, lakini mabadiliko ya ishara katika modeli ya pooled hayapaswi kufichwa kwa hali yoyote.

Nadharia tete ziliungwa mkono kwa kiwango gani?

Utafiti unapendekeza nini kwa upande wa sera?

Chanzo kinawasilisha matokeo ya sera si kama maagizo madhubuti, bali kama mapendekezo ya ajenda yanayopaswa kujaribiwa. Kinaeleza kuwa mikakati ya kidijitali na ya kijani inapaswa kufikiriwa kwa uratibu, lakini isiwe dhana kwamba itatoa athari sawa katika kila kundi la mapato.

Kwa uchumi wa mapato ya chini-kati, zana zinazowezekana zinazojadiliwa katika chanzo ni uingiliaji uliobuniwa kwa pamoja, kama kuunganisha motisha za viwanda vya kijani na mifumo rasmi ya malipo ya kidijitali na usajili wa kielektroniki, kupanua miundombinu ya utambulisho wa kidijitali na malipo ya simu katika maeneo ya vijijini na pembezoni mwa miji ambako kuna uwekezaji wa nishati inayoweza kurejeshwa, na kuelekeza programu za ujumuishaji wa kifedha wa kidijitali kwa waliojiajiri katika minyororo ya thamani ya kijani inayoibuka.

Hata hivyo, chanzo kinasisitiza hasa katika sehemu hiyo hiyo kwamba utaratibu huu haujatambuliwa kwa uthabiti na paneli iliyopo. Kwa matumizi katika kiwango cha nchi, utenganishaji wa sekta, vipimo mbadala vya kutokuwa rasmi, mifululizo ya nishati ya kisasa inayoweza kurejeshwa pekee na ufuatiliaji maalum wa nchi vinahitajika.

Upenyaji wa internet wa %47,5 pia si kitufe cha sera cha kimekanika cha “kabla/baada”. Chanzo kinajadili kwamba katika uchumi wenye uwezo mdogo sana wa kidijitali, muunganisho, utambulisho wa kidijitali na miundombinu ya malipo vinaweza kupewa kipaumbele; katika uchumi ulio karibu na kizingiti au juu yake, sera za urasimishaji wa sekta za kijani zinaweza kuunganishwa moja kwa moja zaidi na miundombinu ya kidijitali iliyopo. Hata hivyo, pendekezo hili linapaswa kutathminiwa katika kiwango cha nadharia tete kwa sababu ya kutokuwa na uhakika wa kizingiti na unyeti wa spesifikesheni katika modeli ya pooled.

Matokeo yanayoungwa mkono na utafiti

• Katika sampuli ya Asia-Pasifiki, kutokuwa rasmi kunaonyesha tofauti kubwa za kimuundo kati ya makundi ya mapato.
• Uhusiano wa wastani wa mageuzi ya kidijitali na kutokuwa rasmi katika sampuli kamili si muhimu.
• Mgawo chanya wa kutokuwa rasmi wa fahirisi ya GREEN una tatizo kubwa la kipimo cha biomasi ya jadi.
• Mwingiliano wa kidijitali–kijani ni chanya na muhimu katika kiwango cha tija ya kazi.
• Kuna muundo wa kizingiti karibu na upenyaji wa internet wa takribani %47,5 ambapo ishara ya uhusiano hubadilika.
• Modeli tofauti za makundi ya mapato zinaonyesha uwezekano mkubwa wa utofauti.
• Katika kikundi kidogo cha mapato ya chini-kati, kadirio hasi la DIGI × GREEN linaendelea kuwa muhimu hata baada ya marekebisho ya wild cluster bootstrap.
• Modeli ya pooled inaonyesha kuwa muundo huu wa mapato ya chini-kati si thabiti na kwamba ishara yake inaweza kugeuka kulingana na spesifikesheni.

Matokeo yasiyoungwa mkono na utafiti

• Haiwezi kusemwa kuwa ujidijitalishaji hupunguza kutokuwa rasmi kiotomatiki katika nchi zote za Asia-Pasifiki.
• Haiwezi kuhitimishwa kuwa nishati ya kisasa inayoweza kurejeshwa huongeza kutokuwa rasmi.
• Haiwezi kusemwa kuwa matumizi ya internet ya %47,5 ni kizingiti cha sera cha ulimwengu wote na cha uhakika.
• Haijathibitishwa kuwa katika nchi za mapato ya chini-kati mageuzi pacha hupunguza kutokuwa rasmi kwa njia ya kisababishi.
• Haiwezekani kutoa agizo moja la sera kwa Vietnam, Indonesia au Ufilipino.
• INF_PROXY haiwakilishi aina zote za ajira isiyo rasmi.
• Haiwezekani kufanya ujumlishaji wa moja kwa moja kutoka paneli ya nchi 17 kwenda kwa ulimwengu wote unaoendelea.

Vikwazo vikuu

Kikwazo cha kwanza: kipimo cha kutokuwa rasmi. INF_PROXY inajumuisha waliojiajiri na wafanyakazi wa familia wanaochangia pekee; si sawa na ufafanuzi kamili wa kutokuwa rasmi wa ILO unaotegemea kazi na biashara.

Kikwazo cha pili: kipimo cha mageuzi ya kijani. Katika kigezo cha nishati inayoweza kurejeshwa, biomasi ya jadi haiwezi kutenganishwa na vyanzo vya kisasa vinavyoweza kurejeshwa. Hali hii hufanya tafsiri ya fahirisi ya GREEN kuwa ngumu hasa katika uchumi wa mapato ya chini.

Kikwazo cha tatu: idadi ndogo ya nchi. Paneli kuu ina uchumi 17 pekee; modeli ya pooled ya kundi la mapato, baada ya kuondoa nchi moja ya mapato ya chini, hushuka hadi makundi 16 ya nchi na uchunguzi 186 unaoweza kutumika.

Kikwazo cha nne: unyeti wa spesifikesheni. Mgawo wa `DIGI × GREEN` katika kundi la mapato ya chini-kati ni −8,685 katika modeli tofauti, huku mgawo unaodokezwa katika modeli ya pooled ukiwa +6,660.

Kikwazo cha tano: upendeleo wa Nickell. Mkadiriaji wa athari zisizobadilika tendaji uliotumika hausawazishi upendeleo huu chini ya T yenye ukomo.

Kikwazo cha sita: endogeneity. Ujidijitalishaji, mageuzi ya kijani na kutokuwa rasmi vinaweza kuamuliwa kwa kutegemeana. Muundo uliotumika hautatui tatizo hili kwa vigezo ala halali.

Kikwazo cha saba: kifurushi cha uthabiti ambacho hakijakamilika. Chanzo kinaeleza wazi kwamba majaribio kama leave-one-country-out, clustering mbadala, upangaji wa placebo wa makundi ya mapato na uainishaji mbadala wa mapato yanapaswa kufanywa katika siku zijazo; majaribio ambayo hayajafanywa hayajawasilishwa kana kwamba yamefanywa.

Kikwazo cha nane: kutokuwa na uhakika wa kizingiti. Kwa kadirio la kizingiti cha %47,5, seti ya kujiamini ya Hansen likelihood-ratio haijakokotolewa na modeli ya kizingiti haijumuishi kigezo tegemezi tendaji kilichocheleweshwa.

Maana ya kisayansi

Mchango muhimu zaidi wa kisayansi wa utafiti ni kuonyesha kwamba swali “je, mageuzi pacha hupunguza kutokuwa rasmi?” huenda lisiweze kujibiwa kwa mgawo mmoja wa wastani. Mbinu ya kipimo, uwezo wa kidijitali, kundi la mapato na spesifikesheni ya ekonometriki vinaweza kubadilisha matokeo kwa kiasi kikubwa.

Kwa hiyo, ujumbe salama zaidi wa makala si kuthibitisha modeli fulani ya sera, bali ni kwamba katika kuchunguza matokeo ya soko la ajira ya mageuzi ya kidijitali na ya kijani, hatua ya maendeleo na muundo wa kipimo vinapaswa kuwekwa katikati ya modeli. Hasa, kuchanganywa kwa biomasi ya jadi na vyanzo vya kisasa vinavyoweza kurejeshwa pamoja na kugeuka kwa matokeo ya kikundi kidogo katika modeli ya pooled vinaonyesha wazi kwamba migawo inayoonekana kuwa mikubwa na muhimu haitoshi peke yake kuwa ushahidi thabiti wa kimuundo.

Maelezo ya Chanzo na Mbinu

Kichwa asilia: Twin Transition and Labor Informality in Asia-Pacific: Threshold Effects and Income-Group Heterogeneity

Waandishi: Vu Mai Phuong; Nguyen Thi Giang; Le Thi Anh.

Mwandishi wa mawasiliano: Nguyen Thi Giang.

Taasisi: Faculty of Political Theory, Banking Academy of Vietnam, Hanoi 100000, Vietnam.

Jarida: Economies.

Mchapishaji: MDPI.

Rekodi ya bibliografia: Economies, 2026, 14(9), 398.

DOI: 10.3390/economies14090398

Kiungo rasmi cha uchapishaji: https://doi.org/10.3390/economies14090398

Mchakato wa uchapishaji: Ilipokelewa 13 Julai 2026; ikarekebishwa 27 Agosti 2026; ikakubaliwa 28 Agosti 2026; ikachapishwa 7 Septemba 2026.

Aina ya chanzo: Makala ya utafiti yenye ufikiaji wazi iliyopitiwa na wataalamu.

Leseni: Creative Commons Attribution (CC BY).

Vyanzo vya data: ILOSTAT na World Bank World Development Indicators; data zilifikiwa kupitia huduma ya data ya ILO SDMX na World Bank Data360 API.

Programu: Stata 18.

Mbinu kuu: Paneli ya nchi ya kila mwaka; fahirisi za kidijitali na kijani zinazotegemea PCA; athari zisizobadilika za pande mbili; paneli tendaji yenye kigezo tegemezi kilichocheleweshwa; makosa ya kawaida yaliyowekwa katika makundi kwa nchi; regresha ya kizingiti cha upenyaji wa internet ya aina ya Hansen; modeli za sampuli ndogo za makundi ya mapato; wild cluster bootstrap-t yenye marudio 999; uchunguzi wa VIF; modeli ya pooled ya mwingiliano wa mara tatu wa makundi ya mapato.

Ufadhili: Utafiti ulifadhiliwa na Banking Academy of Vietnam (BAV).

Kamati ya maadili: Haitumiki.

Ridhaa yenye taarifa: Haitumiki.

Upatikanaji wa data: Data za msingi zinapatikana hadharani katika ILOSTAT na World Bank. Seti ya data iliyochakatwa, hati za programu za kuunda data na msimbo wa replication zinaweza kupatikana kutoka kwa mwandishi wa mawasiliano kwa ombi linalofaa.

Mgongano wa maslahi: Waandishi hawakuripoti mgongano wa maslahi.

Michango ya waandishi: Uundaji wa dhana N.T.G. na V.M.P.; mbinu N.T.G.; programu V.M.P.; uthibitishaji N.T.G., V.M.P. na L.T.A.; uchanganuzi rasmi N.T.G. na V.M.P.; utafiti L.T.A.; rasilimali L.T.A.; usimamizi wa data V.M.P.; rasimu ya kwanza N.T.G.; mapitio na uhariri waandishi wote watatu; uonyeshaji wa data V.M.P.; ushauri na usimamizi wa mradi N.T.G.; upatikanaji wa ufadhili N.T.G.

Kikomo kikuu cha kisayansi: Modeli zilizotumika zinakadiria uhusiano wa masharti katika data za paneli za uchunguzi. Kwa kuwa endogeneity haijatatuliwa kikamilifu na mkadiriaji wa athari zisizobadilika tendaji hausawazishi upendeleo wa Nickell, matokeo hayapaswi kusomwa kama athari za kisababishi. Hasa, ingawa mwingiliano hasi wa kidijitali–kijani katika kundi la mapato ya chini-kati ni mkubwa katika modeli tofauti ya kikundi kidogo, ishara yake hubadilika katika modeli ya pooled.