KNEU Logo Публікації КНЕУ імені Вадима Гетьмана Publications of KNEU named after Vadym Hetman
Switch to Ukrainian Switch to English
Neuro-Fuzzy Modeling Techniques in Economics

Neuro-Fuzzy Modeling Techniques in Economics

ISSN 2415-3516
Кобець Віталій  
Vitaliy Kobets  
Яценко Валерія
Valeria Yatsenko

Вплив розвитку четвертої індустріальної революції на дивергенцію і конвергенцію економічної нерівності для різних країн світу

Influence of the fourth industrial revolution on divergence and convergence of economic inequality for various countries

DOI:

10.33111/nfmte.2019.124

Анотація: Вибір між економічною ефективністю та соціальною справедливістю став ключовою проблемою в економічному розвитку, оскільки в сучасній економічній системі, яка наблизилася до оптимуму Парето, досягнення обох цих цілей є взаємовиключним. Подальше забезпечення балансу між цими цілями можливе лише за кардинальної зміни діючої системи економічних відносин та отримання доступу до нових кривих виробничих можливостей, що може стати цілком реальними в рамках розвитку Індустрії 4.0 та шостої технологічної хвилі. Тим не менш, ніхто не може передбачити соціальний вплив Індустрії 4.0 на суспільство, яке в контексті майбутніх технологічних змін перетворюється на «Суспільство 4.0». Метою даної роботи є здійснення кластерного аналізу нерівності країн під впливом розвитку ІТ. Ми дослідили вплив валового капіталу, витрат на дослідження та розробки для створення інновацій, інтелектуальної власності та експорту високих технологій на нерівність країн, використовуючи аналіз основних компонентів на основі відкритих даних 2012–2015 років. Було визначено 2 основних кластери з 45 країн, які мають ознаки конвергенції та дивергенції завдяки розвитку ІТ. Було також виявлено країни, які мали нерівність в забезпеченні економічної ефективності та соціальної справедливості через інші причини, не пов’язані з розвитком інформаційних технологій.
Abstract: The choice between economic efficiency and social equity has become a key objection in economic development, since in the current economic system, which has become close to the Pareto optimum, the achievement of both of these goals is mutually exclusive. Further balancing between these goals is possible only with a fundamental change of current system of economic relations and getting access to new curves of production capabilities, which may become quite real within development of Industry 4.0 and 6th technological wave. Nevertheless, nobody can predict the social impact of Industry 4.0 on society, which in the context of future technological changes transforms into Society 4.0. The purpose of this paper is to conduct a cluster analysis of countries inequality due to IT development. We researched impact of gross capital formation, research and development expenditure to create innovations, intellectual property and high-technology exports on inequality of countries using principal component analysis based on open data for 2012–2015. 2 main clusters of 45 countries were identified which have convergence and divergence attributes due to IT development. It was also revealed the countries with inequalities in ensuring economic efficiency and social equity due to other reasons which are not connected with IT development.
Ключові слова: кластерний аналіз, факторний аналіз, метод головних компонент, метод дендритів, економічна нерівність, четверта промислова революція
Key words: cluster analysis, factor analysis, principal component analysis, dendrite method, economic inequality, fourth industrial revolution
УДК: 330.3; 005.31
UDC: 330.3; 005.31

JEL: D63 O14 O47 P51

To cite paper
In APA style
Kobets, V., & Yatsenko, V. (2019). Influence of the fourth industrial revolution on divergence and convergence of economic inequality for various countries. Neuro-Fuzzy Modeling Techniques in Economics, 8, 124-146. http://doi.org/10.33111/nfmte.2019.124
In MON style
Кобець В., Яценко В. Вплив розвитку четвертої індустріальної революції на дивергенцію і конвергенцію економічної нерівності для різних країн світу. Нейро-нечіткі технології моделювання в економіці. 2019. № 8. С. 124-146. http://doi.org/10.33111/nfmte.2019.124 (дата звернення: 15.09.2025).
With transliteration
Kobets, V., Yatsenko, V. (2019) Vplyv rozvytku chetvertoi industrialnoi revoliutsii na dyverhentsiiu i konverhentsiiu ekonomichnoi nerivnosti dlia riznykh krain svitu [Influence of the fourth industrial revolution on divergence and convergence of economic inequality for various countries]. Neuro-Fuzzy Modeling Techniques in Economics, no. 8. pp. 124-146. http://doi.org/10.33111/nfmte.2019.124 [in Ukrainian] (accessed 15 Sep 2025).
# 8 / 2019 # 8 / 2019
Download Paper
620
Views
106
Downloads
3
Cited by
Cited 8 times in Scopus

  1. Vacek, J. (2017). On The Road: From Industry 4.0 to Society 4.0. Trendy v Podnikání, 7(4), 43–49.
  2. Kobets, V., Yatsenko, V., Mazur, A., & Zubrii, M. (2018, May 14–17). Data analysis of private investment decision making using tools of Robo-advisers in long-run period. In V. Ermolayev, M. C. Suárez-Figueroa et al. (Eds.), Proceedings of the 14th International Conference on ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer (Kyiv, Ukraine), CEUR-WP, 2104, 144–159. Retrieved from http://ceur-ws.org/Vol-2104/paper_162.pdf
  3. Kuzmenko, O., & Roienko, V. (2017). Nowcasting Income Inequality in the Context of the Fourth Industrial Revolution. SocioEconomic Challenges, 1, 5–12. Retrieved from http://armgpublishing.sumdu.edu.ua/wp-content/uploads/2016/12/files/sec/issue1/SEC_1_2017_Kuzmenko.pdf
  4. Birdsall, N. (2005). The World Is Not Flat: Inequality and Injustice in Our Global Economy. WIDER Annual Lecture 9. Retrieved from https://www.wider.unu.edu/sites/default/files/AL09-2005.pdf
  5. Sbardella, A., Pugliese, E., & Pietronero, L. (2017, September 19). Economic development and wage inequality: A complex system analysis. PLoS ONE, 12(9), 1–26. DOI: 10.1371/journal.pone.0182774
  6. Statistics Times. (2019). Projected GDP Ranking (2019-2024). Retrieved from http://statisticstimes.com/economy/projected-world-gdp-ranking.php
  7. Snihovyi, O., Kobets, V., & Ivanov, O. (2019). Implementation of Robo-Advisor Services for Different Risk Attitude Investment Decisions Using Machine Learning Techniques. Communications in Computer and Information Science, 1007, 298–321.
  8. Everitt, B.S., Landau, S., & Leese, M. (2001). Cluster Analysis. Fourth edition. London, UK: Taylor & Francis.
  9. Manly, B.F.J. (2005). Multivariate Statistical Methods: A primer. Third edition. Boca Raton, FL: Chapman and Hall.
  10. Rencher, A.C. (2002). Methods of Multivariate Analysis. Second edition. New York, NY: John Wiley & Sons.
  11. Worldbank. (2019, June 17). Data set for gross capital formation (% of GDP). Retrieved from https://data.worldbank.org/indicator/NE.GDI.TOTL.ZS
  12. Worldbank. (2019, June 17). Data set for research and development expenditure (% of GDP). Retrieved from https://data.worldbank.org/indicator/GB.XPD.RSDV.GD.ZS
  13. Worldbank. (2019, June 17). Data set for charges for the use of intellectual property, payments (BoP, current US$). Retrieved from https://data.worldbank.org/indicator/BM.GSR.ROYL.CD?view=chart
  14. Worldbank. (2019, June 17). Data set for high-technology exports (% of manufactured exports). Retrieved from https://data.worldbank.org/indicator/TX.VAL.TECH.MF.ZS?view=chart
  15. Google Drive. (2019, June 17). Data set for Theil index analysis. Retrieved from https://drive.google.com/open?id=1SSb26seUYM2Vj1AjovUN6jnWG3Sx8zMB
  16. Kobets, V., & Poltoratskiy, M. (2016, June 21–24). Using an evolutionary algorithm to improve investment strategies for industries in an economic system. In V. Ermolayev, A. Spivakovsky et al. (Eds.), Proceedings of the 12th International Conference on ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer (Kyiv, Ukraine), CEUR-WP, 1614, 485–501. Retrieved from http://ceur-ws.org/Vol-1614/paper_102.pdf