E’
cresciuto del 19,10% tra il 2014 ed il 2021
L’European Innovation
Scoreboard-EIS analizza il valore delle esportazioni di prodotti a media e alta
tecnologia in percentuale del valore complessivo delle esportazioni di
prodotti. In modo particolare nell’ambito dell’European Innovation
Scoreboard-EIS il valore delle dell’esportazione di prodotti di media ed alta
tecnologia viene considerato in funzione dell’occupazione del capitale umano.
Ovvero le imprese che esportano di più in termini di prodotti di media ed alta
tecnologia sono anche imprese che hanno un capitale umano più qualificato e la
cui occupabilità è più resistente rispetto alle crisi economiche ed alle
recessioni.
Ranking dei paesi
europei per valore dell’export di prodotti di media e alta tecnologia nel 2021. L’Ungheria è al primo posto per esportazione
di prodotti di media e alta tecnologia con un ammontare pari a 143,53, seguita
dalla Slovacchia con un ammontare pari a 142,19 e dalla Repubblica Ceca con un
ammontare pari a 139,35. A metà classifica sono presenti l’Italia con un
ammontare pari a 93,54 unità, seguita dall’Olanda con un ammontare pari a 92,68
e dal Belgio con un valore pari a 92,05 unità. Chiudono la classifica il
Montenegro con un valore pari a 3,99 unità, seguito dall’Islanda e dalla Norvegia
con un valore pari a 0.
Classifica delle
variazioni percentuali dell’export di prodotti di media e alta tecnologia tra
il 2014 ed il 2021.
La Grecia è al primo posto per valore della crescita
percentuale dell’export di prodotti di media e alta tecnologia con un valore
pari a 1243,09% pari a 30,58 unità, seguita dalla Bosnia con un ammontare pari
a 272,77% pari a 15,63 unità e dalla Bulgaria con un valore pari a 92,26% pari
ad un ammontare di 24,43 unità. A metà classifica vi sono il Regno Unito con un
ammontare pari a 18,2% pari ad un ammontare di 15,33 unità, seguito dal Belgio
con un ammontare pari a 16,64% pari ad un valore di 13,13 unità e seguito dalla
Croazia con un ammontare di 14,61% pari ad un valore di 8,2 unità. Chiudono la
classifica Malta con un ammontare pari a -4,82% pari ad un valore di -5,05
unità, seguita dall’Estonia con un ammontare pari a -5,46% pari ad un valore di
-3,84 unità e dall’Ucraina con un valore pari a -47% pari ad un valore di
-23,37 unità.
Clusterizzazione
con l’algoritmo k-Means. Di seguito viene
proposta una clusterizzazione mediante l’algoritmo k-Means per verificare la
presenza di gruppi di paesi per valore dell’export di prodotti a media e alta
tecnologia. La scelta del numero di cluster avviene per il tramite dell’ottimizzazione
del coefficiente Silhouette. In base all’applicazione del coefficiente di
Silhouette sono stati trovati due clusters ovvero:
- ·
Cluster 1: Austria,
Belgio, Cipro, Repubblica Ceca, Danimarca, Finlandia, Francia, Germania,
Ungheria, Irlanda, Israele, Italia, Lussemburgo, Malta, Olanda, Macedonia del
Nord, Polonia, Romania, Slovacchia, Slovenia, Spagna, Svezia, Svizzera, Regno
Unito;
- ·
Cluster 2:
Bosnia, Bulgaria, Croazia, Estonia, Grecia, Islanda, Lettonia, Lituania,
Montenegro, Norvegia, Portogallo, Serbia, Turchia, Ucraina.
Inoltre considerando il
valore della mediana dei clusters risulta che il valore mediano dei paesi del
cluster 1 è pari ad un valore di 105,835 unità mentre il valore mediano dei
paesi del cluster 2 è pari ad un valore di 48,12. Ne deriva pertanto il
seguente ordinamento dei clusters C1>C2. Inoltre dall’analisi dei clusters
appare evidente una contrapposizione tra i paesi dell’Europa occidentale con
elevati livelli di esportazione di prodotti a media ed alta tecnologia e
l’Europa orientale con valori significativamente più contenuti.
Network analysis.
Di seguito viene presentata una network analysis mediata attraverso la distanza
di Manhattan. Nello specifico l’analisi mostra la presenza di alcuni nodi
particolarmente densi tra i vari paesi, tra i quali spiccano Austria, Polonia,
Lituania, Regno Unito, Irlanda, Slovenia. Inoltre, la cluster analysis presenta
i seguenti valori metrici ovvero:
- •
Numero di nodi
pari a 38;
- •
Numero di spigoli
pari a 151;
- •
Media
pari a 7.947;
- •
Densità
pari ad un valore di 0,2148;
- •
Diametro
pari ad un valore di 30,79;
- •
Raggio
pari ad un ammontare di 15,91;
- •
Lunghezza media del percorso più
breve pari a 9.053.
Machine Learning and Predictions. Di
seguito viene presentata una analisi di machine learning per la predizione del
valore dell’esportazione dei beni a media e alta tecnologia tra i paesi europei
considerati. Sono stati analizzati otto diversi algoritmi che sono stati
confrontati in termini di performance intesa come massimizzazione dell’R-quadro
e minimizzazione degli errori statistici. Il 70% dei dati è stato utilizzato
per l’addestramento degli algoritmi mentre il 30% dei dati è stato utilizzato
per la predizione vera e propria. Ne deriva pertanto il seguente ordinamento
degli algoritmi ovvero:
- 1. Random Forest Regression con un valore del payoff pari a 5;
- 2.
Linear Regression
con un valore del payoff pari a 7;
- 3.
ANN-Artificial Neural Network
con un valore del payoff pari a 12;
- 4.
Gradient Boosted Tree Regression
con un valore del payoff pari a 19;
- 5.
Tree Ensemble Regression
con un valore del payoff pari a 20;
- 6.
Polynomial Regression
con un valore del payoff pari a 22;
- 7.
PNN-Probabilistic Neural Network
con un valore del payoff pari a 28;
- 8.
Simple Regression Tree
con un valore del payoff pari a 31.
Attraverso l’utilizzo
dell’algoritmo Random Forest Regression sono indicate le seguenti predizioni
ovvero:
- •
Svizzera con una variazione diminutiva da
un valore pari a 100,04 unità fino ad un valore pari a 92,95% pari ad una
variazione di -7,09 unità pari ad un valore di -7,09%;
- •
Germania con una variazione diminutiva da
un valore pari a 138,01 unità fino ad una variazione di 130,46 unità pari ad
una variazione di -7,55 unità ovvero pari ad una variazione di -5,47%;
- •
Irlanda con una variazione diminutiva da
un ammontare di 119,99 unità fino ad una variazione di 105,00 unità ovvero pari
ad una variazione di -14,99 unità pari ad una variazione di -12,49%;
- •
Islanda con una variazione da 0,00 unità
fino ad una variazione di 15,04 unità;
- •
Italia con una variazione aumentativa da
un ammontare pari a 93,54 unità fino ad una variazione di 99,51 unità ovvero
pari ad un valore di 5,97 unità pari ad una variazione di 6,38%;
- •
Norvegia con una variazione da 0,00 unità
fino ad un valore di 15,04 unità;
- •
Portogallo con una variazione da un
ammontare di 69,87 unità fino ad un valore di 65,13 unità ovvero pari ad una
variazione di -4,74 unità pari ad una variazione di -6,78%;
- •
Romania con una variazione aumentativa da
un ammontare di 110,44 unità fino ad una variazione di 109,02 unità ovvero pari
ad una variazione di -1,42 unità pari ad una variazione di -1,29%;
- •
Serbia con una variazione aumentativa da
un ammontare di 75,06 unità fino ad un valore di 75,40 unità ovvero pari ad una
variazione di 0,34 unità pari ad un ammontare di 0,45%;
- •
Svezia con una variazione diminutiva da un
ammontare di 106,37 unità fino ad un ammontare di 106,34 unità ovvero pari ad
una variazione di -0,003 unità pari ad un ammontare di -0,03%;
- •
Slovacchia con una variazione diminutiva
da un valore di 142,19 unità fino ad un valore di 129,61 unità ovvero pari ad
una variazione di -12,58 unità pari ad una variazione di -8,85%;
- •
Ucraina con una variazione aumentativa da
un ammontare di 26,35 unità fino ad un valore di 47,73 unità pari ad un valore
di 21,38 unità pari ad un valore di 81,15%.
In media il valore
dell’esportazione dei prodotti a media e alta tecnologia per i paesi
considerati è predetto in crescita da un ammontare di 81,82 unità fino ad un
valore di 82,60 unità ovvero pari ad una variazione di 0,78 unità pari ad un
ammontare di 0,95%.
Conclusioni.
Il valore dell’export dei prodotti a media ed alta tecnologia è aumentato tra
il 2014 ed il 2021 di un ammontare pari ad un valore di 19,10%. L’esportazione
dei prodotti a media e alta tecnologia è un indicatore significativo della
capacità delle imprese europee di effettuare degli investimenti rilevanti sia
sul capitale umano sia anche nella ricerca e sviluppo. Tuttavia occorre che i policy
makers europei creino le condizioni per un ulteriore protagonismo delle imprese
europee in termini di esportazione di prodotti a media e alta tecnologia anche alla
luce della techwar sino-americana.
Reference:
Laureti L., Costantiello A., Leogrande A., The
Finance-Innovation Nexus in Europe, IJISET - International Journal of
Innovative Science, Engineering & Technology, 2020/12, 7, 12, 11-55.
Costantiello A., Leogrande A., The Innovation-Employment Nexus in Europe,
American Research Journal of Humanities and Social Sciences, 2020, 166-187.
Leogrande, A., Costantiello, A., Human Resources in Europe. Estimation,
Clusterization, Machine Learning and Prediction, American Journal of
Humanities and Social Sciences Research (AJHSSR) e-ISSN :2378-703X, Volume-5, Issue-9, pp-240-259.
Leogrande, A., Costantiello, A., Laureti, L., The Impact of Venture
Capital Expenditures on Innovation in Europe, American Journal of
Humanities and Social Sciences Research (AJHSSR) e-ISSN :2378-703X, Volume-5,
Issue-10, pp-85-102.
Leogrande, A., Costantiello,
A., Laureti, L., The Broadband Penetration in
Europe, Journal of Applied Economic Sciences 3(73):324– 349.
Leogrande A,
Costantiello, A, Laureti, L., Leogrande, D. The Determinants of Design
Application in Europe (November, 05, 2021)
Laureti, L., Costantiello, A., Matarrese, M.,
Leogrande, A., The Employment in Innovative Enterprises in Europe
(January 1, 2022). Available at SSRN: https://ssrn.com/abstract=
Laureti, Lucio and Costantiello, Alberto and
Matarrese, Marco and Leogrande, Angelo, Enterprises Providing ICT Training
in Europe (January 29, 2022). Available at SSRN: https://ssrn.com/abstract=
Laureti, Lucio and Costantiello, Alberto and
Matarrese, Marco and Leogrande, Angelo, Foreign Doctorate Students in Europe
(February 11, 2022). Available at SSRN: https://ssrn.com/abstract=
Nessun commento:
Posta un commento