EXPORT DI PRODOTTI DI MEDIA E ALTA TECNOLOGIA

È cresciuto del 19,10% tra il 2014 ed il 2021

1649554640EXPORT_DI_PRODOTTI_DI_MEDIA_E_ALTA_TECNOLOGIA.jpeg

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 è presente 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. Chiude 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 è 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, l’Estonia con un ammontare pari a -5,46% pari ad un valore di -3,84 unità e l’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=

cms_25565/Foto_1.jpg

cms_25565/Foto_2.jpg

cms_25565/Foto_3.jpg

cms_25565/Foto_4.jpg

cms_25565/Foto_5.jpg

cms_25565/Foto_6.jpg

cms_25565/Foto_7.jpg

cms_25565/Foto_8.jpg

cms_25565/Foto_9.jpg

cms_25565/Foto_10_.jpg

cms_25565/Foto_11.jpg

cms_25565/Foto_12.jpg

cms_25565/Foto_13.jpg

cms_25565/Foto_14.jpg

cms_25565/Foto_15.jpg

Angelo Leogrande

Tags:

Lascia un commento



Autorizzo il trattamento dei miei dati come indicato nell'informativa privacy.
NB: I commenti vengono approvati dalla redazione e in seguito pubblicati sul giornale, la tua email non verrà pubblicata.

International Web Post

Direttore responsabile: Attilio miani
Condirettore: Antonina Giordano
Editore: Azzurro Image & Communication Srls - P.iva: 07470520722

Testata registrata presso il Tribunale di Bari al Nrº 17 del Registro della Stampa in data 30 Settembre 2013

info@internationalwebpost.org
Privacy Policy

Collabora con noi

Scrivi alla redazione per unirti ad un team internazionale di persone dinamiche ed appassionate!

Le collaborazioni con l’International Web Post sono a titolo gratuito, salvo articoli, contributi e studi commissionati dal Direttore responsabile sulla base di apposito incarico scritto secondo modalità e termini stabiliti dallo stesso.


Seguici sui social

Newsletter

Lascia la tua email per essere sempre aggiornato sui nostri contenuti!

Iscriviti al canale Telegram