Bu tədqiqat uzunmüddətli iqtisadi inkişafı izah etmək üçün iki fərqli ardıcıllığı müqayisə edən nəzəri və ekonometrik çərçivə hazırlayır. Ticarət → İnvestisiya → Texnologiya (Trade → Investment → Technology, TIT), ixrac və xarici rəqabət vasitəsilə resurs, öyrənmə və istehsal qabiliyyəti yaradan, daha sonra bunları fiziki kapitala, insan kapitalına və yerli texnoloji qabiliyyətə çevirən inkişaf strategiyasıdır. Texnologiya → İnvestisiya → Ticarət (Technology → Investment → Trade, TIT*) isə xaricdən əldə olunan texnologiyanın xüsusilə təbii resurs və ilkin sektorlarda istifadəsini, investisiyaların böyük dövlət və ya enclave layihələrində cəmlənməsini və ticarətin daha sonra bu istehsal strukturundan yaranmasını təmsil edən alternativ strategiyadır. Tədqiqat süni intellekti Ümumi Məqsədli Texnologiya (General-Purpose Technology, GPT) kimi modelə daxil edir və mövcud texnoloji qabiliyyəti, insan kapitalı və institusional strukturu daha güclü olan iqtisadiyyatların AI mənimsənilməsindən daha böyük marjinal fayda əldə edə biləcəyini nəzəri olaraq proqnozlaşdırır.

Müəllif bu nəzəriyyəni real ölkə məlumatları ilə sınamaq üçün təxminən 100–120 ölkəni 1960–2023 dövründə izləyəcək mərhələli mənimsəməli difference-in-differences (DiD) dizaynı təklif edir. Əsas nəticə dəyişənləri adambaşına real GDP artımı və Human Development Index (HDI) kimi müəyyən edilib. Müasir DiD ədəbiyyatındakı heterogen müalicə effekti problemlərini azaltmaq üçün Callaway–Sant’Anna qiymətləndiricisi əsas metod kimi seçilir; event-study, triple difference və instrumental-variables uzantıları ilə AI tamamlayıcılığı, institusional vasitəçilik və strategiya seçiminin endogenliyi sınanmaq istənir.

Lakin tədqiqat hələ bu ekonometrik dizaynın empirik nəticələrini təqdim etmir. Yekun ölkə-il panelinin qurulması davam edir və məqalədəki xülasə statistika cədvəlinin dəyərləri açıq şəkildə sintetik kimi müəyyən edilib. Buna görə TIT strategiyasının AI dövründə TIT* strategiyasından daha yüksək artım və ya HDI təmin etdiyi hələ empirik olaraq göstərilməyib. Məqalənin təqdim etdiyi şey bu iddianı sınamaq üçün riyazi mexanizm, identifikasiya strategiyası və H1–H6 hipotezləridir.

Ticarət-Əvvəl və Texnologiya-Əvvəl İnkişaf Strategiyaları Arasındakı Əsas Fərq Nədir?

Ticarət-əvvəl TIT strategiyasında xarici ticarət rəqabəti investisiyanı, insan kapitalını və zamanla yerli texnologiya istehsalını qidalandıran başlanğıc mexanizmdir; texnologiya-əvvəl TIT* strategiyasında isə başlanğıc nöqtəsi əsasən xaricdən əldə olunmuş texnologiyadır və bu texnologiya investisiyanın, xüsusilə resurs-əsaslı ixrac qabiliyyətinin inkişafında istifadə olunur.

Strategiya A: Trade → Investment → Technology — TIT

Müəllif TIT yolunu Şərqi Asiyanın ixrac-yönümlü sənayeləşmə təcrübəsi ilə əlaqələndirir. Stilizə edilmiş mexanizm aşağıdakı ardıcıllığa əsaslanır:

1. İqtisadiyyat başlanğıcda nisbətən əmək-intensiv və ya rəqabətqabiliyyətli ixrac sektorlarına daxil olur.
2. Xarici bazarlardakı rəqabət istehsalçı firmalara məhsuldarlıq, keyfiyyət və idarəetmə baxımından təzyiq göstərir.
3. İxrac gəlirləri fiziki kapital və infrastruktur investisiyasına çevrilir.
4. Təhsil və insan kapitalı inkişaf etdirilir.
5. Firmalar istehsal, ixrac və texnologiyadan istifadə prosesində öyrənirlər.
6. Ar-Ge və yerli innovasiya qabiliyyəti zamanla güclənir.
7. İqtisadiyyat yalnız texnologiyadan istifadə edən deyil, texnologiya istehsal edən və ya uyğunlaşdıran struktura doğru irəliləyir.

Bu mexanizm ədəbiyyatdakı learning by doing, learning by exporting və absorptive capacity anlayışları ilə əlaqələndirilir. Məqalənin nəzəri məntiqində ixrac yalnız xarici valyuta yaradan fəaliyyət deyil; həm də firmaların beynəlxalq standartlar, istehsal texnologiyası, təşkilatlanma və rəqabət haqqında bilik əldə etməsinin vasitəsidir.

Strategiya B: Technology → Investment → Trade — TIT*

TIT* yolunda texnologiya başlanğıcda daxili bilik istehsalının nəticəsi kimi deyil, böyük ölçüdə xaricdən əldə edilir. Müəllif bu modeli xüsusilə mədənçilik, neft və kommersiya kənd təsərrüfatı kimi ilkin və ya resurs hasil edən sektorların ön plana çıxdığı iqtisadiyyatlarla əlaqələndirir.

Tipik ardıcıllıq belədir:

1. Xaricdən maşın, istehsal avadanlığı və ya texniki bilik əldə edilir.
2. Bu texnologiya xüsusilə resurs hasilatı və ya iri miqyaslı layihələrdə istifadə olunur.
3. Fiziki investisiya artır.
4. İxraca yönələn ilkin və ya təbii-resurs məhsulu yaranır.
5. Lakin texnologiya və istehsal biliyinin iqtisadiyyatın qalan hissəsinə yayılması məhdud qala bilər.

Məqalənin mühüm fərqləndirməsi embodied technology ilə disembodied knowledge arasındadır. Embodied technology idxal olunan maşın və ya kapital malının daxilində olan texnologiyadır. Disembodied knowledge isə yerli Ar-Ge, təhsil, təşkilati qabiliyyət və istehsal biliyində toplanan qabiliyyətdir. Tədqiqat TIT* iqtisadiyyatlarının birincini əldə edə bildiyi halda ikincini eyni sürətlə inkişaf etdirə bilməyə biləcəyi hipotezini qurur.

Enclave investisiyası nə deməkdir?

Məqalədəki enclave project anlayışı istehsal və ya investisiya fəaliyyətinin milli iqtisadiyyatın digər sektorları ilə məhdud input, bilik və ya təchizat əlaqələri qurduğu strukturları ifadə edir. Böyük bir mədən müəssisəsi yüksək texnologiyadan istifadə edə və mühüm ixrac yarada bilər; lakin maşının, mühəndislik biliyinin, aralıq inputların və ya Ar-Ge-nin mühüm hissəsi xaricdən gəlirsə, yerli texnoloji yayılma aşağı qala bilər.

Süni İntellekt Niyə İki İnkişaf Strategiyasına Fərqli Təsir Göstərə Bilər?

Tədqiqatın nəzəri modelinə görə süni intellektin gəliri yalnız AI texnologiyasına çıxışdan deyil, iqtisadiyyatın daha əvvəl topladığı texnologiya səviyyəsindən, insan kapitalından, Ar-Ge qabiliyyətindən və institusional keyfiyyətdən də asılıdır; buna görə eyni AI artımı başlanğıc texnoloji qabiliyyəti daha yüksək olan iqtisadiyyatda daha böyük məhsuldarlıq effekti yarada bilər.

Tədqiqatda süni intellekt Ümumi Məqsədli Texnologiya kimi nəzərdən keçirilir. Ümumi məqsədli texnologiyalar yalnız bir sektorda istifadə olunan dar alətlər deyil; iqtisadiyyatın çoxsaylı sektorlarına yayılır, zamanla inkişaf edir və başqa innovasiyaları mümkün edir.

Müəllifin nəzəri çərçivəsinə görə AI aşağıdakı sahələrdə tamamlayıcılıq yarada bilər:

• mövcud Ar-Ge fəaliyyəti,
• yüksək təhsil səviyyəsi,
• institusional təşkilatlanma qabiliyyəti,
• rəqəmsal infrastruktur,
• bilik-intensiv istehsal,
• ixrac yolu ilə əldə olunmuş istehsal biliyi.

Buna görə AI-nın bütün iqtisadiyyatlara avtomatik olaraq eyni artımı gətirəcəyi fərz edilmir. Tədqiqatın mərkəzi hipotezi daha güclü bilik və texnologiya bazası ilə AI dövrünə daxil olan iqtisadiyyatların AI-nı daha məhsuldar şəkildə tamamlayacaqlarıdır.

Biliklə genişləndirilmiş istehsal funksiyası

Tədqiqatın əsas istehsal funksiyası belədir:

\[ Y_{it}=A_{it}K_{it}^{\alpha}L_{it}^{\beta}H_{it}^{\gamma}T_{it}^{\delta}AI_{it}^{\mu}\exp(\varepsilon_{it}) \tag{1} \]

Burada:

• \(Y_{it}\): iqtisadiyyat \(i\)-nin \(t\) zamanındakı real buraxılışıdır.
• \(A_{it}\): institusional səmərəlilik və ya total factor productivity komponentidir.
• \(K_{it}\): fiziki kapital stokudur.
• \(L_{it}\): effektiv əməkdir.
• \(H_{it}\): insan kapitalıdır.
• \(T_{it}\): texnoloji qabiliyyətdir.
• \(AI_{it}\): süni intellektin mənimsənmə intensivliyidir.
• \(\varepsilon_{it}\): modelə daxil edilməyən spesifik şokları təmsil edir.

Üstlər müsbət qəbul edilir və mənbədə:

\[ \alpha+\beta+\gamma+\delta+\mu\leq1 \]

şərti istifadə olunur. Bu şərt firma səviyyəsində sabit və ya azalan gəlirə imkan verərkən \(A_{it}\) vasitəsilə iqtisadiyyat səviyyəsində bilik xarici effektlərinin mövcud olmasına şərait yaradır.

Loqarifmik forma

İstehsal funksiyasının natural loqarifmi:

\[ y_{it}=a_{it}+\alpha k_{it}+\beta l_{it}+\gamma h_{it} +\delta\tau_{it}+\mu ai_{it}+\varepsilon_{it} \tag{2} \]

şəklindədir. Kiçik hərflər müvafiq dəyişənlərin natural loqarifmini göstərir. Beləliklə əmsallar uyğun şərtlərdə inputlardakı nisbi dəyişikliklərin buraxılışla əlaqəsini şərh etməyi asanlaşdırır.

Adambaşına artım tənliyi

Mənbə adambaşına GDP artımını:

\[ g_{it} = \Delta y_{it}-\Delta n_{it} = \Delta a_{it} +\alpha\Delta k_{it} +\beta\Delta l_{it} +\gamma\Delta h_{it} +\delta\Delta\tau_{it} +\mu\Delta ai_{it} +\Delta\varepsilon_{it} \tag{3} \]

kimi müəyyən edir. Burada \(n_{it}\), əhalinin natural loqarifmidir və \(\Delta\) birinci fərq operatorudur.

Texnoloji qabiliyyət necə toplanır?

Məqalənin texnologiya yığımı tənliyi:

\[ T_{it} = \phi_0 +\phi_1 TRADE_{it} +\phi_2 K^F_{it} +\phi_3 R_{it} +\phi_4 AI_{it} +\phi_5 A_{it}T_{i,t-1} +\nu_{it} \tag{4} \]

şəklindədir.

\(K^F_{it}\), foreign-direct-investment embodied capital; \(R_{it}\), yerli Ar-Ge xərcləri; \(A_{it}T_{i,t-1}\) isə institutların mövcud texnologiya stoku ilə qarşılıqlı təsirini təmsil edir.

Strategiyaların riyazi fərqi mənbədə:

\[ \phi_1^A \gg \phi_2^A \tag{5} \]

və

\[ \phi_2^B \gg \phi_1^B \tag{6} \]

kimi ifadə olunur. Birincidə ticarət texnoloji qabiliyyəti daha güclü şəkildə hərəkətə gətirərkən, ikincidə xarici kapitalın daxilində daşınan texnologiya daha dominant kanaldır.

Uzunmüddətli texnologiya səviyyəsi

Modelin steady-state texnologiya səviyyəsi:

\[ T^*= \frac{ \phi_0+ \phi_1TRADE+ \phi_2K^F+ \phi_3R+ \phi_4AI }{ 1-\phi_5\bar A }, \qquad \phi_5\bar A<1 \tag{7} \]

kimi çıxarılır.

Tənliyin surət hissəsində ticarət, xarici kapital, Ar-Ge və AI texnoloji qabiliyyəti artıran kanallar kimi yer alır. Məxrəcdəki institusional struktur isə mövcud texnologiya stokunun nə qədər effektiv qorunub inkişaf etdirilə bildiyini müəyyən edir. \(\bar A\) artdıqda, digər şərtlər sabit qalmaqla texnologiya stokunun steady-state səviyyəsi arta bilər; lakin modelin sabit olması üçün \(\phi_5\bar A<1\) şərti tələb olunur.

İqtisadi artım və insan inkişafı niyə birlikdə istifadə olunur?

Tədqiqat iki ayrı nəticə dəyişəni müəyyən edir:

\[ g_{it}=\Delta\log(Y_{it}/Pop_{it}) \tag{8} \]

və

\[ HDI_{it}=f(y_{it},e_{it},h_{it}) \tag{9} \]

Birinci dəyişən real adambaşına GDP artımını, ikinci dəyişən isə gəlirlə yanaşı ömür uzunluğu və təhsil ölçülərini ehtiva edən insan inkişafını təmsil edir. Müəllif HDI-ni GDP-nin əvəzi kimi deyil, GDP-nin əhatə etmədiyi rifah ölçülərini izləyən tamamlayıcı nəticə kimi istifadə edir.

AI Tamamlayıcılığı Təklifi Nəyi İfadə Edir?

Proposition 1, model fərziyyələri altında AI mənimsənilməsində eyni marjinal artımın başlanğıc texnologiya sərhədi daha yüksək olan Strategiya A iqtisadiyyatında daha böyük ani texnologiya-artım effekti yaradacağını bildirir; bu riyazi nəticə real ölkə məlumatlarında hələ təsdiqlənməyib.

Şumpeterçi texnologiya sərhədi

Məqalə texnologiya keyfiyyətinin artımını bu tənliklə ifadə edir:

\[ \dot q_{it} = \lambda n^{R\&D}_{it}q_{it}^{\sigma} + \psi AI_{it}q_{it} \tag{10} \]

Burada \(q_{it}\) keyfiyyətə uyğunlaşdırılmış texnologiya sərhədini, \(n^{R\&D}_{it}\) Ar-Ge-də çalışan işçi kütləsini, \(\lambda\) innovasiyaların Poisson arrival rate-ini, \(\sigma\) keçmiş bilik stokundan istifadə dərəcəsini və \(\psi\) AI-nın texnologiya sərhədini gücləndirmə parametrini təmsil edir.

AI termininin təsiri mövcud \(q\) səviyyəsi ilə vurulur. Bu quruluşa görə daha yüksək başlanğıc texnologiyasına malik iqtisadiyyatda eyni AI dəyişimi daha böyük marjinal təsir yaradır.

Mənbənin Proposition 1 nəticəsi:

\[ \frac{\partial \dot q^A}{\partial AI} - \frac{\partial \dot q^B}{\partial AI} = \psi(q^A-q^B)>0 \tag{11} \]

şəklindədir.

Bu bərabərsizliyin keçərli olması üçün mənbədə \(\psi>0\) və \(q^A>q^B\) fərziyyələrindən istifadə olunur. Buna görə nəticə fərziyyəvi və model-daxilidir. Müəllif də bunun statik, birinci dərəcəli və ani marjinal müqayisə olduğunu; texnologiya fərqinin sonsuza qədər genişlənəcəyini göstərmədiyini xüsusilə qeyd edir.

Tədqiqatın Metodu və Nəticələri

Əvvəl mühüm fərq: Bu bölmədə hələ yekun empirik “nəticə” yoxdur

Məqalə ətraflı ekonometrik metod hazırlasa da, yekun panel məlumat dəsti hələ tamamlanmayıb. Buna görə aşağıda izah olunan DiD, event-study, DDD və IV strukturları tətbiqi planlaşdırılan qiymətləndirmə dizaynlarıdır. Mənbədə real ATT dəyərləri, yekun \(\beta\) əmsalları, real standart xətalar və ya real p dəyərləri təqdim olunmur.

Strategiya A və Strategiya B Ölkələri Necə Təsnif Ediləcək?

Tədqiqat ölkənin ticarət-əvvəl və ya texnologiya-əvvəl qrupuna təyin edilməsini AI dövründən əvvəl hesablanan emal sənayesi ixracının ilkin məhsul ixracına nisbətinə əsaslanan strategiya indeksinə görə planlaşdırır; ölkənin dövr ortalaması ölkələrarası mediandan yuxarıdırsa, Strategiya A qrupuna təyin ediləcək.

Strategiya indeksi:

\[ S_{i\tau} = \frac{ Manufacturing\ exports_{i\tau}/Total\ exports_{i\tau} }{ Primary\ commodity\ exports_{i\tau}/Total\ exports_{i\tau} } \tag{12} \]

kimi müəyyən edilir.

Daha sonra AI-dan əvvəlki baza dövrü üçün:

\[ \bar S_i = \frac{1}{\tau_1-\tau_0+1} \sum_{\tau=\tau_0}^{\tau_1}S_{i\tau} \]

hesablanır. \(\bar S_i\), ölkələrarası median \(\bar S\)-ə bərabər və ya böyükdürsə ölkə Strategy A kimi təsnif edilir.

Əməliyyatlaşdırma planında manufacturing exports, UN Comtrade SITC Rev. 3 bölmələri 5–8; primary commodities isə mənbədə göstərildiyi kimi 0–4 bölmələri, enerji bölməsi 3 istisna edilməklə hesablanacaq.

AI mənimsənmə vaxtı

Hər ölkə üçün vahid qlobal AI başlanğıc ili təyin edilməyəcək. Ölkənin kompozit AI-readiness indeksinin müəyyən edilmiş həddi ilk dəfə keçdiyi il \(T_i\) kimi müəyyən ediləcək. Nümunə hədd qlobal paylanmanın 25-ci persentilidir.

Buna görə bəzi ölkələr daha erkən, bəziləri isə daha gec “treated” hala gəlir. staggered adoption anlayışı məhz bunu ifadə edir.

Mərhələli Mənimsəməli Difference-in-Differences Niyə İstifadə Olunur?

Mərhələli DiD, ölkələrin AI mənimsənmə həddini müxtəlif illərdə keçməsi səbəbindən müdaxilənin eyni anda başlamadığı panel strukturunu təhlil etmək üçün istifadə olunur; tədqiqat klassik two-way fixed-effects qiymətləndiricisində heterogen müalicə və yanlış nəzarət müqayisəsi problemlərini azaltmaq üçün Callaway–Sant’Anna yanaşmasına üstünlük verir.

Benchmark TWFE modeli

Mənbənin başlanğıc modeli:

\[ Y_{it} = \alpha + \beta(D_i\times Post_{it}) + \gamma_i + \delta_t + X'_{it}\theta + \varepsilon_{it} \tag{13} \]

şəklindədir.

\(Y_{it}\) GDP per capita growth və ya HDI-dir. \(D_i\) strategiya qrupunu, \(Post_{it}\) ölkənin AI həddini keçib-keçmədiyini, \(\gamma_i\) ölkə sabit effektlərini və \(\delta_t\) il sabit effektlərini təmsil edir.

Lakin məqalə bu modeli yalnız benchmark kimi istifadə etməyi planlaşdırır. Səbəb odur ki, müdaxilə tarixi fərqli olduqda klassik TWFE əmsalı erkən müdaxilə alan ölkəni daha gec müdaxilə alan ölkənin nəzarəti kimi istifadə edə bilər. Müalicə effektləri zaman və ya ölkə qrupuna görə fərqlənirsə, bu cür müqayisələr yanıltıcı çəkilər yarada bilər.

Callaway–Sant’Anna ATT

Üstünlük verilən qiymətləndirici:

\[ ATT(g,t) = E[Y_{it}(1)-Y_{it}(0)\mid G_i=g], \qquad g\leq t \tag{14} \]

kimi müəyyən edilir.

\(G_i=g\), ölkənin AI mənimsənmə kohortunun \(g\) ili olduğunu göstərir. ATT(g,t), eyni mənimsənmə kohortundakı ölkələrin \(t\) zamanındakı orta treatment effect on the treated təsirini təmsil edir.

Əsas identifikasiya şərti conditional parallel trends fərziyyəsidir:

\[ E[ Y_{it}(0)-Y_{i,t-1}(0) \mid X_{it},G_i=g ] = E[ Y_{it}(0)-Y_{i,t-1}(0) \mid X_{it},G_i=\infty ] \tag{15} \]

Bu, AI həddini hələ keçməmiş olsaydılar müvafiq qrupların şərti olaraq oxşar əks-faktual meylləri izləyəcəyi fərziyyəsidir.

Müxtəlif kohort-zaman ATT dəyərləri:

\[ \theta = \sum_{g\in G} \sum_{t\geq g} \omega(g,t)ATT(g,t) \tag{16} \]

kimi müsbət çəkilərlə birləşdiriləcək.

Event-study strukturu

Dinamik təsirin zaman üzrə izlənməsi üçün:

\[ Y_{it} = \gamma_i+\delta_t + \sum_{\substack{k=\underline k\\k\neq-1}}^{\bar k} \beta_k 1(t-T_i=k) + X'_{it}\theta + \varepsilon_{it} \tag{17} \]

modeli istifadə ediləcək.

\(k=-1\) istinad dövrüdür. Müalicədən əvvəlki \(\beta_k\) əmsalları parallel trends fərziyyəsi barədə diaqnostik məlumat verir; müalicədən sonrakı əmsallar isə təxmin edilən təsirin AI mənimsənilməsindən sonra necə dəyişəcəyini göstərəcək.

Triple Difference və AI tamamlayıcılığı

AI-nın Strategiya A ilə xüsusilə tamamlayıcı olub-olmadığını sınamaq üçün mənbə aşağıdakı DDD modelini təklif edir:

\[ \begin{aligned} Y_{it} =&\, \alpha +\beta_1(D_i\times Post_{it}) +\beta_2AI_{it}\\ &+\beta_3(D_i\times Post_{it}\times AI_{it}) +\beta_4(D_i\times AI_{it})\\ &+\beta_5(Post_{it}\times AI_{it}) +\gamma_i+\delta_t+X'_{it}\theta+\varepsilon_{it}. \end{aligned} \tag{18} \]

Mərkəzi parametr \(\beta_3\)-dür:

\[ \beta_3 = \frac{ \partial^2E[Y_{it}] }{ \partial(D_i\times Post_{it})\partial AI_{it} } \tag{19} \]

H3 hipotezi \(\beta_3>0\) olmasını proqnozlaşdırır. Lakin mənbədə bu əmsal hələ qiymətləndirilməyib.

Strategiya seçiminin endogenliyi

Ölkənin TIT və ya TIT* yoluna təsadüfi daxil olmadığı aydındır. İnstitutlar, coğrafiya, müstəmləkə keçmişi, təbii resurslar və tarixi istehsal strukturu həm strategiya seçiminə, həm də iqtisadi artıma təsir göstərə bilər. Buna görə tədqiqat instrumental-variables uzantısı təklif edir.

Birinci mərhələ:

\[ D_i = \pi_0+\pi_1Z_i+W'_i\pi+u_i \tag{20} \]

İkinci mərhələ:

\[ Y_{it} = \alpha + \beta^{IV}(\hat D_i\times Post_{it}) + \gamma_i+\delta_t+X'_{it}\theta+\varepsilon_{it}. \tag{21} \]

Təklif olunan alətlərdən biri tarixi settler mortality və pre-colonial population density dəyişənləri, digəri isə 1960-cı il ixrac səbətindən çıxarılan məhsul mürəkkəbliyi göstəricisidir.

Bu alətlərin keçərliliyi avtomatik deyil. Mənbə özü exclusion restriction fərziyyəsinə ehtiyac olduğunu bildirir. Buna görə onlar empirik olaraq tətbiq olunub diaqnostik testlər aparılmadan “keçərli alət” kimi qəbul edilə bilməz.

Identifikasiya təhdidləri

Planlaşdırılan nümunə

Məqalənin üstünlük verilən məlumat strukturu təxminən 100–120 ölkəni 1960–2023 arasında əhatə edən balanssız paneldir. Hədəf təxminən 5.000–6.000 ölkə-il müşahidəsidir. Hər ölkənin AI mənimsənmə həddindən əvvəl və sonra ən azı on müşahidəyə malik olması planlaşdırılır.

Bu dəyərlər reallaşmış yekun nümunə deyil, tədqiqat dizaynındakı hədəf strukturdur.

AI Adoption Index necə yaradılacaq?

Kompozit indeksin birinci principal component-i aşağıdakı dörd məlumat mənbəyindən yaradılacaq:

1. milyon nəfərə düşən AI və machine-learning patent müraciətləri,
2. cloud computing infrastructure adoption index,
3. AI/ML istifadə edən firmaların payı,
4. Stanford AI Index ölkə göstəriciləri.

İndeks qlobal AI fəaliyyətindəki sürətli zaman trendini azaltmaq üçün hər beş illik hərəkətli pəncərədə ortalaması sıfır və standart sapması bir olacaq şəkildə standartlaşdırılacaq.

Nəzarət dəyişənləri

• World Bank governance indicators,
• Barro–Lee və Penn World Tables insan kapitalı ölçüləri,
• IMF Financial Development Index,
• ticarət açıqlığı,
• elektrikə çıxış,
• internet penetrasiyası,
• landlocked göstəricisi,
• texnologiya sərhədinə məsafə,
• malaria ecology index,
• legal origin,
• settler mortality.

Məqalədəki Rəqəmsal Nəticələr Həqiqi Empirik Nəticələrdirmi?

Xeyr. Cədvəl 3-dəki GDP artımı, HDI, AI Index, insan kapitalı və governance ortalamaları yekun ölkə məlumatlarından qiymətləndirilmiş nəticələr deyil; müəllif bunların yalnız gözlənilən nümunələri göstərmək üçün yaradılmış sintetik dəyərlər olduğunu açıq şəkildə bildirir.

Məsələn, Cədvəl 3-də Strategy A üçün %3,85 və Strategy B üçün %1,42 GDP per capita growth dəyərləri görünür. Oxşar şəkildə HDI, AI Index və governance dəyərləri arasında böyük fərqlər göstərilir. Lakin məqalənin öz qeydinə görə bunlar illustrative synthetic values xarakterlidir.

Cədvəldəki üç ulduz da real nümunədən əldə olunmuş %1 əhəmiyyətlilik nəticəsi deyil. Mənbə bunu fərz edilən data-generating process altında yaradılmış hipotetik iki nümunəli t-testinin işarəsi kimi müəyyən edir.

Bu fərq məqalənin düzgün oxunması baxımından mərkəzi əhəmiyyət daşıyır.

Altı sınana bilən hipotez

H1 — Strategy dominance in the AI era: AI yayılmasından sonra TIT qrupunun GDP per capita growth və HDI-də TIT* qrupuna nisbətən daha yüksək artım göstərməsi gözlənilir.

H2 — Dynamic effects: AI-dan əvvəlki event-study əmsallarının təxminən sıfır, AI-dan sonrakı əmsalların isə müsbət və zamanla böyüyən nümunə göstərməsi gözlənilir.

H3 — AI complementarity: DDD modelindəki \(\beta_3\)-ün müsbət olması gözlənilir.

H4 — Institutional mediation: TIT üstünlüyünün governance səviyyəsi daha yüksək ölkələrdə daha güclü olması proqnozlaşdırılır.

H5 — Human capital complementarity: İnsan kapitalı yüksək iqtisadiyyatların AI və TIT tamamlayıcılığından daha çox faydalanması gözlənilir.

H6 — HDI effects exceed GDP effects: Standartlaşdırılmış HDI təsirinin adambaşına GDP artımı təsirindən daha böyük ola biləcəyi hipotezi irəli sürülür.

Bu altı maddə tədqiqatın nəticələri deyil, sınanmalı hipotezlərdir.

Müəllifin siyasət müzakirəsi

Məqalənin siyasət bölməsi xüsusilə Namibiya və daha geniş SADC regionuna istinadla, Strategiya B tipli resurs-asılı strukturdan daha yüksək yerli öyrənmə qabiliyyətinə malik struktura keçid üçün müxtəlif alətləri müzakirə edir. Bunlar tədqiqat müəllifinin nəzəri modeldən çıxardığı siyasət təklifləridir; hələ bu məqalənin empirik qiymətləndirmələri ilə təsdiqlənmiş siyasət təsirləri deyil.

• İxracın şaxələndirilməsi: Yalnız ixrac həcmini artırmaq əvəzinə daha mürəkkəb və məhsuldar məhsullara keçid.
• Ticarətdən öyrənmə mexanizmi kimi istifadə: keyfiyyət sertifikatlaşdırması, buyer–supplier uyğunlaşdırması və exporter learning proqramları.
• AI və rəqəmsal infrastruktura erkən investisiya: broadband, cloud infrastructure, digital literacy və open-data ekosistemləri.
• İnsan kapitalını ardıcıl şəkildə inkişaf etdirmək: texniki təhsil, STEM və universitet səviyyəsində AI/data proqramları.
• İnstitusional qabiliyyət: corruption control, property rights və regulatory simplification.
• Regional istehsal zəncirləri: AfCFTA və SADC miqyasında manufacturing value chains qurulması.

Tədqiqatın dəstəklədiyi

• TIT və TIT* yolları riyazi olaraq eyni istehsal/texnologiya çərçivəsində təmsil edilə bilər.
• Model fərziyyələri altında başlanğıc texnologiya səviyyəsi daha yüksək iqtisadiyyat AI artımından daha yüksək ani marjinal texnologiya-sərhədi effekti əldə edir.
• Staggered AI adoption klassik TWFE əvəzinə heterogen treatment effect-lərə davamlı metodları tələb edə bilər.
• Strategiya seçimi potensial olaraq endogendir və causal interpretation güclü identifikasiya fərziyyələrindən asılıdır.
• GDP ilə HDI fərqli inkişaf ölçülərini təmsil edir.

Tədqiqatın hələ dəstəkləmədiyi

• Bu tədqiqatın empirik qiymətləndirilməsi kimi TIT ölkələrinin real məlumatlarda TIT* ölkələrindən daha sürətli böyüdüyü nəticəsini dəstəkləmir.
• AI-nın TIT iqtisadiyyatlarına ölçülmüş konkret faiz üstünlüyü verdiyini göstərmir.
• \(\beta\), \(\beta_3\) və ya ATT dəyərlərinin müsbət olduğunu empirik olaraq sübut etmir.
• HDI təsirinin həqiqətən GDP təsirindən daha böyük olduğunu göstərməyib.
• Cədvəl 3-dəki rəqəmləri real ölkə-il statistikaları kimi dəstəkləmir.
• Təklif olunan siyasət paketlərinin Namibiya, SADC və ya başqa ölkədə qəti nəticə verəcəyini sübut etmir.

Tədqiqatın güclü tərəfi

Məqalənin güclü tərəfi inkişaf ardıcıllığı müzakirəsini AI, bilik yığımı və müasir causal panel metodları ilə eyni nəzəri çərçivədə birləşdirməsidir. Xüsusilə klassik TWFE-nin staggered adoption altında yarada biləcəyi heterogenlik problemlərini nəzərə alması metodoloji baxımdan mühümdür.

Tədqiqatın əsas məhdudiyyəti

Ən mühüm məhdudiyyət eyni zamanda məqalənin hazırkı statusunu müəyyən edir: nəzəri və ekonometrik dizayn ətraflı olsa da, yekun məlumat toplanmayıb və planlaşdırılan causal estimates hələ istehsal edilməyib. Buna görə tədqiqat bu mərhələdə empirical result paper deyil, güclü şəkildə formullaşdırılmış theoretical and empirical research framework kimi oxunmalıdır.

Mənbə özü həmçinin political economy ölçüsünün kifayət qədər modelləşdirilmədiyini bildirir. Hökumətlərin niyə müəyyən inkişaf strategiyalarını davam etdirə bildiyi, elite capture, bölgü münaqişəsi və islahatların siyasi təşviqləri modeldə endogenləşdirilməyib. Müəllif bunu gələcək tədqiqat sahəsi kimi saxlayır.

Mənbə və Metod Qeydi

Tam orijinal başlıq:Trade-First versus Technology-First Development Strategies in the Age of Artificial Intelligence: A Difference-in-Differences Framework with Staggered Adoption

Müəllif: Voxi Heinrich S. Amavilah.

Qurum: REEPS və Estrella Mountain College.

Yazılma tarixi: 18 iyul 2026.

SSRN-də dərc/yüklənmə: 1 avqust 2026.

DOI: 10.2139/ssrn.7137378.

Mənbə növü: 27 səhifəlik SSRN işçi məqaləsi / preprint xarakterli akademik tədqiqat.

Resenziya statusu: Araşdırılan SSRN qeydində resenziyalı jurnal nəşri barədə məlumat yoxdur.

Müəllif hüququ/lisenziya: SSRN qeydi bütün hüquqların qorunduğunu və icazəsiz təkrar istifadəyə icazə verilmədiyini bildirir.

Nəzəri əsas: Lewis-in struktur transformasiya yanaşması; Romer və Lucas-ın endogenous growth nəzəriyyələri; Aghion–Howitt Schumpeterian innovation modeli; absorptive capacity yanaşması və ümumi məqsədli texnologiya ədəbiyyatı.

Əsas metod: Knowledge-augmented production function ilə TIT/TIT* nəzəri modelləşdirilməsi; staggered-adoption DiD; Callaway–Sant'Anna ATT; event study; triple difference; instrumental variables extension.

Planlaşdırılan nəticə dəyişənləri: Real GDP per capita growth və Human Development Index.

Planlaşdırılan nümunə: Təxminən 100–120 ölkə, 1960–2023 və təxminən 5.000–6.000 ölkə-il müşahidəsi.

Məlumat mənbələri: Penn World Tables, UNDP Human Development Reports, UN Comtrade, Barro–Lee, World Bank WGI, WIPO PatentScope, Oxford Internet Institute, World Bank Enterprise Surveys, IMF Financial Development Index və MIT Observatory of Economic Complexity.

Kritik məlumat statusu: Yekun panel məlumat dəsti işçi versiyada tamamlanmayıb. Cədvəl 3-dəki bütün xülasə statistikaları sintetikdir və real qiymətləndirmə nəticəsi kimi istifadə edilməməlidir.

Elmi şərh sərhədi: Məqalə TIT strategiyasının AI dövründə mümkün üstünlüyünü nəzəri olaraq çıxarır və empirik testini dizayn edir; bu üstünlük hələ bu tədqiqat tərəfindən müşahidə olunan ölkə məlumatları üzərində təsdiqlənməyib.