Надіслати статтю
вул. Інститутська 11, м. Хмельницький, 29016
visnyk.khnu@khmnu.edu.ua
(0382) 67-51-08

МОДЕЛЮВАННЯ ПРОГНОЗУ РОЗВИТКУ МІЖНАРОДНОЇ ЕЛЕКТРОННОЇ КОМЕРЦІЇ

MODELING OF FORECAST FOR THE DEVELOPMENT OF INTERNATIONAL ELECTRONIC COMMERCE

Сторінки: 145-153. Номер: №2, Том 1, 2022 (304)

https://doi.org/10.31891/2307-5740-2022-304-2(1)-20

ДУБЕЛЬ М. В.
https://orcid.org/0000-0003-2229-0419
e-mail: m.dubel@donnu.edu.ua
Донецький національний університет імені Василя Стуса

Mykhailo DUBEL
Vasyl Stus Donetsk National University

Анотація мовою оригіналу

Статтю присвячено моделюванню прогнозів обсягу світових показників електронної комерції. Відповідно до поставленої мети, у роботі наведено основну інформацію по результативному фактору Y (обсяг продажів електронної комерції) та факторам впливу (поширенню мережі Інтернет у світі; кількість онлайн-покупців; середньосвітовому обсягу ВВП на душу населення; рівню світової безробіття, кількості користувачів мобільних телефонів; кількість карт систем Visa та MasterCard; обсяг переказів у світових банках). Завдяки проведеному багатофакторному аналізі у програмному забезпеченні Eviews 8 з семи факторів впливу залишилося чотири фактори (поширення Інтернету в світі, кількість онлайн-покупців, рівень світового безробіття у світі, кількість користувачів мобільними телефонами. За даними збудованої чотирьох-факторної моделі фактори Х на 99,95% впливають на результативний фактор Y, вірогідність впливу інших чинників складає лише 0,05%. Наведена чотирьох-факторна модель є задовільною для прогнозування даних за досліджуваним показником Y. На підставі програмного забезпечення BPstat наведено прогнозні дані для факторів впливу. Прогнозування показників проведено на підставі лінійного параметричного методу «Бокса-Дженкінса» для факторів «кількість онлайн-покупців» і «загальна кількість користувачів мобільними телефонами» та на підставі методу «Олімп» для факторів «поширення мережі Інтернет у світі» і «середній рівень безробітних у світі». Вибір методів прогнозування обумовлено тим, що з чотирьох можливих методів саме зазначені мали найменшу похибку апроксимації. Відповідно до побудованих ліній тренду, обсяг електронних продажів за період 2021-2023 рр. складатиме 4 641, 5 381 та 5 789 млрд дол. США відповідно. Таким чином, у 2021 році обсяг продажу збільшиться на 361 млрд дол. або 8,43%, у 2022 році – на 740 млрд дол. або 16% та у 2023 році – 408 млрд дол. або 7,58% (24,7% у порівнянні з даними 2021 року). Беручи до уваги відносні зміни показників, варто зазначити, що збільшення відсотку проникнення Інтернету в світі та зменшення середнього рівня безробіття мають більший вплив на темпи розвитку електронної комерції та обсяги реалізації через мережу Інтернет, ніж фактори «кількість онлайн-покупців» чи «кількість користувачів мобільними телефонами».

Ключові слова: багатофакторний аналіз, діджиталізація, економіко-математичне моделювання, електронна комерція , інтернет-торгівля, світова торгівля

Розширена анотація англійською мовою

The article is devoted to modeling forecasts of global e-commerce indicators. In accordance with the set goal, the paper provides basic information on the effective factor Y (e-commerce sales) and factors influencing the spread of the Internet in the world, the number of online shoppers, global GDP per capita, global unemployment, mobile phone users The number of Visa and MasterCard cards, the volume of transfers in world banks, thanks to the multifactor analysis of Eviews 8 out of seven factors, four factors remain (the spread of the Internet in the world, the number of online shoppers, global unemployment, the number of mobile users According to the constructed four-factor model, factors X affect 99.95% of the performance factor Y, the probability of influence of other factors is only 0.05%. BPstat software is shown forecast data for influencing factors. The indicators were based on the boxing-Jenkins linear parametric method for the factors “number of online shoppers” and “total number of mobile phone users” and on the basis of the “Olympus” method for the factors “Internet penetration in the world” and “average unemployment rate”. in the world”. The choice of forecasting methods is due to the fact that of the four possible methods, these had the smallest approximation error. According to the constructed trend lines, the volume of electronic sales for the period 2021-2023 will amount to 4,641, 5,381 and 5,789 billion dollars. USA, respectively. Thus, in 2021, sales will increase by 361 billion dollars. or 8.43%, in 2022 – by 740 billion dollars. or 16% and in 2023 – 408 billion dollars. or 7.58% (24.7% compared to 2021). Given the relative changes in the indicators, it should be noted that increasing the percentage of Internet penetration in the world and reducing the average unemployment rate have a greater impact on the pace of e-commerce and sales over the Internet than factors “number of online shoppers” or “mobile users” by phone”.

Keywords: мultifactor analysis, digitalization, economic and mathematical modeling, e-commerce, Internet trade, world trade

Література

  1. Слєпєнкова Є., Дудар З. Використання прогностичного аналізу та технологій big data в електронній комерції. Матеріали конференцій МЦНД. 2020. С. 61-62.
  2. Червона О. Ю. Тенденції розвитку електронної комерції. Науковий вісник Херсонського державного університету. Серія «Економічні науки». 2020. №. 39. С. 65-68.
  3. П’ятницька Г. Т., Григоренко О. М. Електронна комерція В2С: розвиток у східній Європі, ризики та ефект інституціонального витіснення. Менеджмент та підприємництво в Україні: етапи становлення та проблеми розвитку. 2019. №. 1. С. 121-129.
  4. Андронік О. Л., Воронін А. В. Можливості та загрози електронної комерції в Україні. Економіка і організація управління. 2021. С. 118-130.
  5. Zatonatska T, Dluhopolskyi O, Chyrak I, Kotys N 2019 The internet and e-commerce diffusion in European countries (modeling at the example of Austria, Poland, and Ukraine). Innovative Marketing 15(1) с. 66-75
  6. Individuals using the Internet (% of population) URL: https://data.worldbank.org/indicator/IT.NET.USER.ZS
  7. Number of digital buyers worldwide. URL: https://www.statista.com/statistics/251666/number-of-digital-buyers-worldwide/
  8. GDP per capita (current US$). URL: https://data.worldbank.org/indicator/NY.GDP.PCAP.CD
  9. Unemployment, total (% of total labor force) (modeled ILO estimate) URL: https://data.worldbank.org/indicator/SL.UEM.TOTL.ZS
  10. Number of smartphone users from 2016 to 2021. URL: https://www.statista.com/statistics/330695/number-of-smartphone-users-worldwide/
  11. Number of Mastercard credit cards in the United States and worldwide. URL: https://www.statista.com/statistics/618137/number-of-mastercard-credit-cards-worldwide-by-region/
  12. Personal remittances, received (current US$). URL: https://data.worldbank.org/indicator/BX.TRF.PWKR.CD.DT?view=chart

References

  1. Sliepienkova Ye., Dudar Z. Vykorystannia prohnostychnoho analizu ta tekhnolohii big data v elektronnii komertsii. Materialy konferentsii MTsND. 2020. S. 61-62.
  2. Chervona O. Yu. Tendentsii rozvytku elektronnoi komertsii. Naukovyi visnyk Khersonskoho derzhavnoho universytetu. Seriia «Ekonomichni nauky». 2020. №. 39. S. 65-68.
  3. Piatnytska H. T., Hryhorenko O. M. Elektronna komertsiia V2S: rozvytok u skhidnii Yevropi, ryzyky ta efekt instytutsionalnoho vytisnennia. Menedzhment ta pidpryiemnytstvo v Ukraini: etapy stanovlennia ta problemy rozvytku. 2019. №. 1. S. 121-129.
  4. Andronik O. L., Voronin A. V. Mozhlyvosti ta zahrozy elektronnoi komertsii v Ukraini. Ekonomika i orhanizatsiia upravlinnia. 2021. S. 118-130.
  5. Zatonatska T, Dluhopolskyi O, Chyrak I, Kotys N 2019 The internet and e-commerce diffusion in European countries (modeling at the example of Austria, Poland, and Ukraine). Innovative Marketing 15(1) с. 66-75
  6. Individuals using the Internet (% of population) URL: https://data.worldbank.org/indicator/IT.NET.USER.ZS
  7. Number of digital buyers worldwide. URL: https://www.statista.com/statistics/251666/number-of-digital-buyers-worldwide/
  8. GDP per capita (current US$). URL: https://data.worldbank.org/indicator/NY.GDP.PCAP.CD
  9. Unemployment, total (% of total labor force) (modeled ILO estimate) URL: https://data.worldbank.org/indicator/SL.UEM.TOTL.ZS
  10. Number of smartphone users from 2016 to 2021. URL: https://www.statista.com/statistics/330695/number-of-smartphone-users-worldwide/
  11. Number of Mastercard credit cards in the United States and worldwide. URL: https://www.statista.com/statistics/618137/number-of-mastercard-credit-cards-worldwide-by-region/
  12. Personal remittances, received (current US$). URL: https://data.worldbank.org/indicator/BX.TRF.PWKR.CD.DT?view=chart

Post Author: Кравчик Юрій

Translate