ЗАСТОСУВАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ АНАЛІЗУ ВПЛИВУ ІКТ-СЕКТОРУ НА ЕКОНОМІЧНЕ ЗРОСТАННЯ В УКРАЇНІ
DOI:
https://doi.org/10.32782/ecovis/2025-2-1Ключові слова:
ІКТ-сектор, економічне зростання, штучні нейронні мережі, економічне моделюванняАнотація
У статті аналізується вплив ІКТ-сектору на економічне зростання в України, з урахуванням можливих нелінійних та неочевидних взаємозв’язків. Сформульовано та перевірено гіпотезу про те, що ІКТ-сектор має складний і багатоканальний вплив на економічне зростання, який здійснюється у поєднанні з іншими ресурсними, фінансовими та монетарними змінними. Для перевірки гіпотези використані дані Світового банку та Державної служби статистики України за 2000–2023 рр. На першому етапі дослідження застосований регресійний аналіз, який підтвердив статистичну значущість показника частки ІКТ-сектору у валовій доданій вартості (ВДВ), з лагом у один рік. На другому етапі побудовано модель штучної нейронної мережі, що дозволило врахувати нелінійні комбінації факторів. Результати свідчать про те, що частка ІКТ-сектору у ВДВ належить до найвпливовіших чинників економічної динаміки. Отримані результати підтвердили гіпотезу про вплив ІКТ-сектору на економічне зростання в Україні.
Посилання
Eurostat. ICT sector – value added, employment and R&D. 2025. URL: https://ec.europa.eu/eurostat/statistics-explained/index.php?title=ICT_sector_-_value_added,_employment_and_R%26D (дата звернення: 14.09.2025).
IT Association of Ukraine. Digital Tiger 2024: The Market Power of Ukrainian IT. 2024. URL: https://itukraine.org.ua/en/digital-tiger-the-market-power-of-ukrainian-it-2024-a-research-on-the-prospects-of-ukrainian-it-in-key-global-export-markets/ (дата звернення: 14.09.2025).
Frost & Sullivan. Information and Communication Technology (ICT) in 2025: What’s Shaping Tomorrow’s Digital Landscape. 2025. URL: https://www.frost.com/growth-opportunity-news/information-communications-technology/artificial-intelligence-data-analytics/information-and-communication-technology-ict-in-2025-whats-shaping-tomorrows-digital-landscape-topgos-ictoutlook-cim-rg/ (дата звернення: 14.09.2025).
Радіонова І., Акулов О. Вплив ІТ-сектору на національну економіку: прикладний аспект. Економіка України. 2025. Т. 68, № 8 (765). С. 26–44. DOI: https://doi.org/10.15407/economyukr.2025.08.026
OECD. Nowcasting the growth rate of the ICT sector. OECD Digital Economy Papers. 2024. No. 362. URL: https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/05/nowcasting-the-growth-rate-of-the-ict-sector_8b641d8d/eb4938a0-en.pdf (дата звернення: 14.09.2025).
Hüsnüoğlu N., Oda V. Applying Artificial Neural Networks and Arima Models to Analyze the Impact of ICT on the Economic Growth in Turkey. Journal of the Knowledge Economy. 2022. Vol. 14. DOI: https://doi.org/10.1007/s13132-022-01031-9
Khodaveyrdi O., Mohandessi A., Nemati H. Study of relationship between ICT and economic growth (neural network approach). NN'09: Proceedings of the 10th WSEAS International Conference on Neural Networks. 2009. P. 25–29.
Radionova I., Fareniuk Ya. Data Science analysis for management decisionce with macro- and microeconomic uncertainty. In: Radionova I. (ed.). The economics of uncertainty: content, evaluation, and regulation: collective monograph. Tallinn: Scientific Center of Innovative Researches OU, 2022. С. 80–98. DOI: https://doi.org/10.36690/EUCER-80-98 URL: https://library.krok.edu.ua/media/library/category/monografiji/radionova_0012.pdf
Olawoyin, Anifat & Chen, Yangjuin. (2018). Predicting the Future with Artificial Neural Network. Procedia Computer Science. 140. 383-392. DOI: https://doi.org/10.1016/j.procs.2018.10.300
Cook, Thomas & Hall, Aaron. (2017). Macroeconomic Indicator Forecasting with Deep Neural Networks. The Federal Reserve Bank of Kansas City Research Working Papers. DOI: https://doi.org/10.18651/RWP2017-11
Xie, Huaqing & Xu, Xingcheng & Yan, Fangjia & Qian, Xun & Yang, Yanqing. (2024). Deep Learning for Multi-Country GDP Prediction: A Study of Model Performance and Data Impact. DOI: https://doi.org/10.48550/arXiv.2409.02551
González, S.O., Delorme, F., Pilon, G., & Lamy, R.E. (2000). Neural Networks for Macroeconomic Forecasting : A Complementary Approach to Linear Regression Models. URL: https://publications.gc.ca/Collection/F21-8-2000-7E.pdf
Lazcano de Rojas, Ana & Jaramillo-Morán, Miguel & Sandubete, Julio. (2024). Back to Basics: The Power of the Multilayer Perceptron in Financial Time Series Forecasting. Mathematics. 12. 1920. DOI: https://doi.org/10.3390/math12121920
Babii, Andrii & Ghysels, Eric & Striaukas, Jonas. (2023). Econometrics of Machine Learning Methods in Economic Forecasting. DOI: https://doi.org/10.48550/arXiv.2308.10993
da Costa, Kleyton & Silva, Felipe & Cordeiro, Josiane. (2020). A Systematic Comparison of Forecasting for Gross Domestic Product in an Emergent Economy. DOI: https://doi.org/10.48550/arXiv.2010.13259
Beltratti, Andrea & Margarita, Sergio & Terna, Pietro. (1999). Neural Networks for Economic and Financial Modelling. J. Artificial Societies and Social Simulation. 2. URL: https://www.researchgate.net/publication/220327358_Neural_Networks_for_Economic_and_Financial_Modelling
Simon Haykin, Neural Networks and Learning Machines Third Edition. URL: https://dai.fmph.uniba.sk/courses/NN/haykin.neural-networks.3ed.2009.pdf
World Development Indicators, WDI. URL: https://databank.worldbank.org/home.aspx
Державна служба статистики України. URL: https://www.ukrstat.gov.ua/operativ/oper_new.html
Statista. URL: https://www.statista.com/statistics/871513/worldwide-data-created/?srsltid=AfmBOoqhb9XQqYAixPbGlPD03yXIzp8hnBva2EOwiiFQX7gb6YYAtEQa
Eurostat. ICT sector – value added, employment and R&D. 2025. URL: https://ec.europa.eu/eurostat/statistics-explained/index.php?title=ICT_sector_-_value_added,_employment_and_R%26D (accessed: 14.09.2025).
IT Association of Ukraine. Digital Tiger 2024: The Market Power of Ukrainian IT. 2024. URL: https://itukraine.org.ua/en/digital-tiger-the-market-power-of-ukrainian-it-2024-a-research-on-the-prospects-of-ukrainian-it-in-key-global-export-markets/ (accessed: 14.09.2025).
Frost & Sullivan. Information and Communication Technology (ICT) in 2025: What’s Shaping Tomorrow’s Digital Landscape. 2025. URL: https://www.frost.com/growth-opportunity-news/information-communications-technology/artificial-intelligence-data-analytics/information-and-communication-technology-ict-in-2025-whats-shaping-tomorrows-digital-landscape-topgos-ictoutlook-cim-rg/ (accessed: 14.09.2025).
Radionova I., Akulov O. (2025). Vplyv IT-sektoru na natsionalnu ekonomiku: prykladnyi aspekt [The impact of the IT sector on the national economy: an applied aspect]. Ekonomika Ukrainy. T. 68, № 8 (765). S. 26–44. DOI: https://doi.org/10.15407/economyukr.2025.08.026
OECD. Nowcasting the growth rate of the ICT sector. OECD Digital Economy Papers. 2024. No. 362. URL: https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/05/nowcasting-the-growth-rate-of-the-ict-sector_8b641d8d/eb4938a0-en.pdf (accessed: 14.09.2025).
Hüsnüoğlu N., Oda V. (2022). Applying Artificial Neural Networks and Arima Models to Analyze the Impact of ICT on the Economic Growth in Turkey. Journal of the Knowledge Economy. Vol. 14. DOI: https://doi.org/10.1007/s13132-022-01031-9
Khodaveyrdi O., Mohandessi A., Nemati H. (2009). Study of relationship between ICT and economic growth (neural network approach). NN'09: Proceedings of the 10th WSEAS International Conference on Neural Networks. P. 25–29.
Radionova I., Fareniuk Ya. (2022). Data Science analysis for management decisionce with macro- and microeconomic uncertainty. In: Radionova I. (ed.). The economics of uncertainty: content, evaluation, and regulation: collective monograph. Tallinn: Scientific Center of Innovative Researches OU. P. 80–98. DOI: https://doi.org/10.36690/EUCER-80-98 URL: https://library.krok.edu.ua/media/library/category/monografiji/radionova_0012.pdf
Olawoyin, Anifat & Chen, Yangjuin (2018). Predicting the Future with Artificial Neural Network. Procedia Computer Science. 140. 383-392. DOI: https://doi.org/10.1016/j.procs.2018.10.300
Cook, Thomas & Hall, Aaron (2017). Macroeconomic Indicator Forecasting with Deep Neural Networks. The Federal Reserve Bank of Kansas City Research Working Papers. DOI: https://doi.org/10.18651/RWP2017-11
Xie, Huaqing & Xu, Xingcheng & Yan, Fangjia & Qian, Xun & Yang, Yanqing. (2024). Deep Learning for Multi-Country GDP Prediction: A Study of Model Performance and Data Impact. DOI: https://doi.org/10.48550/arXiv.2409.02551
González, S.O., Delorme, F., Pilon, G., & Lamy, R.E. (2000). Neural Networks for Macroeconomic Forecasting: A Complementary Approach to Linear Regression Models. URL: https://publications.gc.ca/Collection/F21-8-2000-7E.pdf
Lazcano de Rojas, Ana & Jaramillo-Morán, Miguel & Sandubete, Julio. (2024). Back to Basics: The Power of the Multilayer Perceptron in Financial Time Series Forecasting. Mathematics. 12. 1920. DOI: https://doi.org/10.3390/math12121920
Babii, Andrii & Ghysels, Eric & Striaukas, Jonas. (2023). Econometrics of Machine Learning Methods in Economic Forecasting. DOI: https://doi.org/10.48550/arXiv.2308.10993
da Costa, Kleyton & Silva, Felipe & Cordeiro, Josiane. (2020). A Systematic Comparison of Forecasting for Gross Domestic Product in an Emergent Economy. DOI: https://doi.org/10.48550/arXiv.2010.13259
Beltratti, Andrea & Margarita, Sergio & Terna, Pietro. (1999). Neural Networks for Economic and Financial Modelling. J. Artificial Societies and Social Simulation. 2. Available at: https://www.researchgate.net/publication/220327358_Neural_Networks_for_Economic_and_Financial_Modelling
Simon Haykin, Neural Networks and Learning Machines Third Edition. Available at: https://dai.fmph.uniba.sk/courses/NN/haykin.neural-networks.3ed.2009.pdf
World Development Indicators, WDI. Available at: https://databank.worldbank.org/home.aspx
Derzhavna sluzhba statystyky Ukrainy. Available at: https://www.ukrstat.gov.ua/operativ/oper_new.html
Statista. Available at: https://www.statista.com/statistics/871513/worldwide-data-created/?srsltid=AfmBOoqhb9XQqYAixPbGlPD03yXIzp8hnBva2EOwiiFQX7gb6YYAtEQa
