The 8 reference contexts in paper Sergey Shishulin S., С. Шишулин С. (2017) “Методология сравнительного статистического анализа промышленности России на основе кластерного анализа // Methodology сomparative statistical analysis of Russian industry based on cluster analysis” / spz:neicon:statecon:y:2017:i:3:p:21-30

  1. Start
    8565
    Prefix
    В современной экономике доля промышленности в совокупном ВВП развитых стран может доходить до 35%, в России по итогам 2016 года данный показатель составил 26,2% ВВП, из которых на долю обрабатывающего производства приходится 13,7 п.п., а добывающего 9,4 п.п.
    Exact
    [1]
    Suffix
    Ведущая роль промышленности обусловлена так же и тем, что от успехов в ее развитии зависит степень удовлетворения потребностей общества в высококачественной продукции, обеспечение технического перевооружения и интенсификации производства.
    (check this in PDF content)

  2. Start
    9652
    Prefix
    Опережающие темпы роста или более низкие темпы падения соответствующих отраслей при этом можно отнести на результат промышленной политики государства. Это позволяет дать реальную оценку эффективности выполнения стратегии развития реального сектора экономики России.
    Exact
    [2]
    Suffix
    Основная идея сравнительного статистического анализа промышленного производства России заключается в том, чтобы давать оценку развитию, а именно, структуре и динамике промышленного производства, опираясь на краткосрочные и среднесрочные тенденции промышленного производства как части мировой экономической системы, без отрыва от нее.
    (check this in PDF content)

  3. Start
    10920
    Prefix
    Подготовка исходных данных Анализируемые данные, полученные на основе согласованной системы статистических показателей, хотя и являются согласованными на методологическом уровне, не могут использоваться без предварительной подготовки.
    Exact
    [3]
    Suffix
    Главным образом это связанно с тем, что существующие международные стандарты в области статистики часто не имеют жестко регламентированных стандартов публикации и раскрытия соответствующих показателей.
    (check this in PDF content)

  4. Start
    12125
    Prefix
    , относящуюся к производству машин, оборудования и прочей электроники, а страны, ориентированные на отрасли добывающей промышленности, имеют более подробную разбивку публикуемых показателей в этой области. Данная проблема решается путем составления агрегирующих и связывающих переходных шаблонов и таблиц на основе анализа используемых классификаторов.
    Exact
    [4,5]
    Suffix
    Второй проблемой использования обозначенных показателей является их публикация в различных формах – как в виде индексов, так и в виде абсолютных величин. При этом абсолютные величины также могут не совпадать, например, данные могут быть представлены в штуках или тыс. штук, в долларах США или национальной валюте и так далее.
    (check this in PDF content)

  5. Start
    14594
    Prefix
    , что, возможно, позволит улучшить результаты кластеризации, а так же определить группы взаимосвязанных отраслей, что представляет собой первый уровень анализа структуры промышленного производства. Основной проблемой при использовании данного метода является интерпретация полученных главных компонент т.к. они могут содержать в себе содержательно несвязные переменные.
    Exact
    [6]
    Suffix
    Для анализа данных промышленного производства воспользуемся реализацией метода главных компонент в специализированом программном обеспечении СПСС. Для примера, проанализируем полученные статистики по выделению главных компонент в структуре промышленности (табл. 1).
    (check this in PDF content)

  6. Start
    22906
    Prefix
    Это происходит следующим образом: в каждом кластере вычисляются центры; далее определяются и суммируются все расстояния от центра кластеров до наблюдений в них входящих; в новый кластер сливаются те наблюдения, при реализации которого при пересчете суммы расстояний её прирост будем минимален.
    Exact
    [7,8]
    Suffix
    Алгоритм классификации наблюдений методом к-средних, во многом похож с алгоритмом метода Варда, однако на последнем этапе он не предполагает объединения целых кластеров, а осуществляется миграция наблюдений.
    (check this in PDF content)

  7. Start
    24220
    Prefix
    k наблюдений, значения параметров которых признаются начальными центрами кластеров; 3) для каждой точки набора данных вычисляется ближайший к ней центр, ближайшие точки группы объединяются; 4) определяются новые центры образованных кластеров, и повторяется шаг 3; 5) алгоритм прекращает работу, когда на n-ой итерации не происходит изменения центров имеющихся кластеров.
    Exact
    [9]
    Suffix
    Подводя итог, можно сказать, что иерархические методы достаточно просты для реализации, что одновременно является, как плюсом, так и их минусом. Не все описанные методы одинокого хороши для всех форм наблюдаемых данных.
    (check this in PDF content)

  8. Start
    31771
    Prefix
    Данное правило реализуется на основе дискриминантной функции, значение которой для исследуемого объекта, вычисленное по его признакам, сравнивается с рассчитанными на основе обучающих выборок значениями дискриминации.
    Exact
    [10]
    Suffix
    Для описываемого случая, при кластеризации объектов без аномальных наблюдений (Белоруссия, Латвия и Эстони) имеются следующие результаты (табл. 4). На основе полученной обучающей совокупности кластеров проводится дискриминантный анализ имеющихся исключенных наблюдений, для чего алгоритмом СПСС строятся две дискриминантные функции, основные показатели которых пр
    (check this in PDF content)