ИИ и устойчивость регионов: что показали 30 провинций Китая

Регион держится не на среднем росте, а на способности выстоять в плохой год: когда падает спрос, рвутся цепочки поставок, растёт долг. Экономическая устойчивость это про то, как быстро территория возвращается к нормальному росту после такого удара. Логичный вопрос: помогает ли здесь искусственный интеллект. Китайское исследование отвечает да, но с поправкой, которая важнее самого ответа. Разберу задачу, данные, модель и место, где выводам нельзя доверять.

Коротко, если времени мало

Изучали 30 провинций Китая с 2013 по 2022 год.
Устойчивость собрали из 15 показателей методом энтропии.
Развитие ИИ измеряли по числу патентов.
В целом ИИ повышает устойчивость региона.
Но эффект сильно разнится по частям страны: на западе он отрицательный.
У модели есть слабое место. Ниже разберу, в чём оно.

Что такое экономическая устойчивость региона

Устойчивость (Regional Economic Resilience, REZ) это способность территории выдержать внешний шок и восстановиться. Не «богатый регион», а «регион, который не разваливается, когда становится плохо».

Готового показателя устойчивости в статистике нет. Его собирают из других данных по выбранной схеме. Здесь взяли пять блоков верхнего уровня: экономическое развитие, открытость, структуру промышленности, институциональную опору и инновационную способность. Внутри них раскрыли 15 показателей второго уровня: ВВП и ВВП на душу населения, располагаемый доход, объёмы торговли и инвестиций, доли отраслей, доходы и расходы бюджета, число студентов и исследователей, расходы на НИОКР.

Каждый показатель привели к сопоставимой шкале, а затем свернули в один индекс методом энтропии. Энтропия назначает веса по разбросу данных: чем сильнее показатель различается между регионами, тем больше веса он получает. Здесь и спрятан первый риск. Вес зависит от разброса, а не от экономического смысла. Если ряд случайно «разъехался», он потянет итоговый индекс за собой.

Как измеряли сам ИИ

Развитие искусственного интеллекта авторы оценили по числу патентов в этой сфере, взятых из Государственного управления по патентам КНР. Патенты отнесли к категории ИИ по таблице соответствия Международной патентной классификации, а затем прологарифмировали.

Логика понятна: патент это измеримый след технологической активности. Но это прокси, а не сам ИИ. Часть патентов остаётся на бумаге, а регион может наращивать заявки ради отчётности. Поэтому вывод «ИИ повышает устойчивость» точнее читать так: «устойчивость растёт там, где растёт патентная активность в сфере ИИ».

Данные охватывают 2013 по 2022 год и 30 провинций Китая (без Тибета). Собраны из Китайского статистического ежегодника, баз EPS, патентного ведомства и Государственного статистического управления.

Что показала базовая модель

Перед оценкой авторы прогнали тест Хаусмана, чтобы выбрать между моделью со случайными и с фиксированными эффектами. Тест указал на фиксированные эффекты, и основную модель построили как модель с двумя наборами фиксированных эффектов, по регионам и по годам.

Зачем это нужно на практике. Фиксированные эффекты убирают влияние того, что не меняется во времени (география, базовая структура хозяйства), и того, что общее для всех в конкретном году (общенациональный кризис). Связь между ИИ и устойчивостью считается «внутри» регионов и лет, а не за счёт простого совпадения.

Результат базовой модели: рост патентной активности в сфере ИИ связан с ростом индекса устойчивости региона. Механизм авторы проверяли отдельно: ИИ снижает издержки и повышает эффективность выпуска в традиционных отраслях, и за счёт этого предприятия скапливаются в одном месте. Это называется экономическая агломерация. Её измеряли как логарифм отношения валового промышленного продукта провинции к её площади. Рост агломерации поддерживает устойчивость.

Среди контрольных переменных: рыночные отношения, инновации, урбанизация, открытость, инфраструктура, человеческий капитал, госвмешательство.

Разбираю, как методы data science применяют к регионам и кампаниям. Подпишись на канал, ссылки в конце.

Запад, центр и восток: эффект не одинаков

Самое интересное в работе это не среднее значение, а разбивка по частям страны. Авторы разделили провинции на три группы и оценили модель в каждой.

Восток: коэффициент 0.056, значим на уровне 1%. ИИ заметно повышает устойчивость.
Центр: коэффициент 0.001, незначим. Эффекта практически нет.
Запад: коэффициент минус 0.006, слабо значим. Связь отрицательная.

Картина понятная, если смотреть на базу. Восток стартует с сильной экономикой, развитой цифровой индустрией и научной базой. Там технология ложится на готовую почву и даёт отдачу. В западных провинциях с более слабой промышленностью и дефицитом кадров рост вложений в ИИ не отбивается сразу. Ресурсы уходят на технологию вместо текущей поддержки хозяйства, и устойчивость в короткой перспективе может просесть.

Для практика это важнее усреднённого вывода. Одна и та же технология даёт разный результат в зависимости от того, куда её ставить. «Внедрить ИИ везде» это не стратегия.

Где выводам нельзя доверять

Первое. Устойчивость это собранный индекс, а не наблюдаемый факт. Поменяйте набор показателей или способ взвешивания, и итог сдвинется. Значит, коэффициенты измеряют связь с конкретной конструкцией индекса, а не с неким объективным «уровнем устойчивости».

Второе. Модель показывает связь, а не причину. Рост патентов и рост устойчивости могут идти вместе потому, что оба зависят от третьего фактора: общего экономического подъёма региона. Фиксированные эффекты часть таких факторов снимают, но не все.

Третье. Заявленный R² держится в районе 0.966 и выше. Для панели из 30 регионов это подозрительно: часть вариации может уходить в сам индекс устойчивости, собранный из показателей развития, а оно же стоит и в правой части модели. Проще говоря, часть связи может быть встроена в конструкцию, а не найдена в данных.

Четвёртое. В тексте есть нестыковка: механизмом названа то агломерация, то обновление промышленной структуры. Вывод это не ломает, но показывает, что механизм описан не строго.

Результат стоит читать как ориентир: направление связи устойчиво и повторяется в соседних работах, а точные коэффициенты к переносу на другой регион не готовы.

Если тема ваша

Если выбираешь, где технология даст отдачу, а где сработает в минус, полезно видеть границы метода и качество данных. Ссылки в конце.

Частые вопросы

Это первая работа такого рода?

Одна из первых, где влияние ИИ на устойчивость регионов оценили количественно на панельных данных, а не описали словами.

Почему центр Китая не отреагировал, а запад просел?

Разница в базе: восток уже готов принять технологию, у центра и запада не хватает промышленной и кадровой опоры, поэтому отдача запаздывает или уходит в минус.

Это нейросети или классическая эконометрика?

Классическая эконометрика: тест Хаусмана, регрессия с фиксированными эффектами, проверка значимости. Глубокое обучение авторы упоминают лишь как возможное продолжение.

Средний эффект говорит, что ИИ повышает устойчивость регионов, но разбивка по территории и уязвимость самого индекса говорят не меньше. Если бы вы решали, вкладывать ли в ИИ ресурсы конкретной территории, на что смотрели бы в первую очередь: на среднюю отдачу или на готовность базы?

Разбираю политические технологии через data science: анализ настроений, сегментация аудитории, прогноз явки, мониторинг дезинформации. Простым языком, без агитации.

Подписывайся:

Дзен: https://dzen.ru/1cc
Telegram: https://t.me/lab_ds
Сайт: https://ds-avtomatizaciya24.ru