Регрессионные модели с переменной структурой в цифровой экономике
DOI:
https://doi.org/10.36683/2306-1758/2023-2-44/13-19Ключевые слова:
фиктивные переменные, регрессионные модели, динамический процесс, индексы, моделированиеАннотация
В статье выявлена эффективность применения фиктивных переменных в регрессионных моделях, адекватно описывающих динамику показателей социально-экономических процессов сложной структуры. Доказано их преимущество перед моделями, построенными по участкам монотонного изменения показателей: для оценивания параметров модели, в которых качественные характеристики заданы в виде структурных переменных не приходится выходить за рамки классического метода наименьших квадратов, что существенно упрощает процедуру линейного регрессионного анализа. Показано, что коэффициенты моделей с фиктивными переменными легко интерпретировать, они наглядно представляют структуру динамического процесса при относительно небольших затратах времени на аналитическую обработку данных. Это позволяет использовать регрессионные модели с переменной структурой для обработки результатов массовых социологических опросов.Скачивания
Библиографические ссылки
Авров, А. П. О применении индексного факторного анализа в мультипликативных моделях обобщающих статистических показателей / А. П. Авров // Развитие территорий. – 2022. – № 1(27). – С. 78-82. – DOI 10.32324/2412-8945-2022-1-78-82. – EDN XXVIJC.
Артемова, Н. В. Методические подходы прогнозирования валового сбора продукции растениеводства / Н. В. Артемова, С. А. Ильминская // Вестник ОрелГИЭТ. – 2021. – № 1(55). – С. 12-21. – DOI 10.36683/2076-5347-2021-1-55-12-21. – EDN YTRXKJ.
Базилевский, М. П. Метод построения неэлементарных линейных регрессий на основе аппарата математического программирования / М. П. Базилевский // Проблемы управления. – 2022. – № 4. – С. 3-14. – DOI 10.25728/pu.2022.4.1. – EDN PHHVHL.
Барбашова, Е. В. Информационное обеспечение мониторинга социальных процессов: проблемы социолого-математического моделирования / Е. В. Барбашова, О. В. Лясковская // Образование и наука без границ: фундаментальные и прикладные исследования. – 2022. – № 16. – С. 106-113. – DOI 10.36683/2500-249X/2022-16/106-113. – EDN VNQRZL.
Барбашова, Е. В. О моделировании динамики социально-политических процессов (по материалам мониторинга ВЦИОМ) / Е. В. Барбашова, О. В. Лясковская // Современные проблемы физико-математических наук: материалы VIII Всероссийской научно-практической конференции c международным участием (25 - 26 ноября 2022 г., г. Орёл) / под общей редакцией кандидата физико-математических наук, доцента Т. Н. Можаровой. – Орёл: ОГУ имени И. С. Тургенева, 2022. – С. 155-168.
Барбашова, Е. В. Применение функции Харрингтона для оценки инвестиционной привлекательности регионов РФ / Е. В. Барбашова, И. В. Гайдамакина, А. А. Музалевская // Вестник ОрелГИЭТ. – 2022. – № 1(59). – С. 13-19. – DOI 10.36683/2076-5347-2022-1-59-13-19. – EDN MQGYYY.
Бурганов, Р. Т. Модернизированная производственная функция Кобба - Дугласа как инструмент исследования влияния цифровой трансформации на экономику региона / Р. Т. Бурганов // Среднерусский вестник общественных наук. – 2022. – Т. 17, № 3. – С. 161-183. – DOI 10.22394/2071-2367-2022-17-3-161-183. – EDN FFBVKR.
Доугерти К. Введение в эконометрику. – Москва: ИНФРА-М, 2009. – 465 с.
Замышляева, Е. Л. Информационная прозрачность и анализ больших данных о системе предпринимательства на основе регуляторов должной финансовой отчетности / Е. Л. Замышляева, Н. В. Парушина // Среднерусский вестник общественных наук. – 2020. – Т. 15, № 1. – С. 162-185. – DOI 10.22394/2071-2367-2020-15-1-162-185. – EDN OKQZXC.
Илюхина, И. Б. Оценка результатов государственной политики по формированию региональной инновационной среды Орловской области / И. Б. Илюхина, С. А. Ильминская, Ю. Г. Голоктионова // Вестник ОрелГИЭТ. – 2022. – № 1(59). – С. 209-213. – DOI 10.36683/2076-5347-2022-1-59-209-213. – EDN HKTXCP.
Малкина, М. Ю. Институциональные факторы политического доверия в современной России / М. Ю. Малкина, В. Н. Овчинников, К. А. Холодилин // Журнал институциональных исследований. – 2020. – Т. 12, № 4. – С. 77-93. – DOI 10.17835/2076-6297.2020.12.4.077-093. – EDN QCXRWV.
Матвеев, В. В. Роль государства в развитии цифровой экономики: российский опыт / В. В. Матвеев, А. В. Агеев // Вестник ОрелГИЭТ. – 2020. – № 2(52). – С. 245-249. – DOI 10.36683/2076-5347-2020-2-52-245-249. – EDN VVEVUQ.
Мицек, Е. Б. Анализ факторов динамики основных макроэкономических переменных Российской Федерации / Е. Б. Мицек, С. А. Мицек // Вопросы управления. – 2020. – № 1(62). – С. 47-62. – DOI 10.22394/2304-3369-2020-1-47-62. – EDN KPYCHG.
Павленок, Д. В. Современные методы оценки эффективности инновационного развития регионов в рамках ускоренной цифровизации / Д. В. Павленок // Научные Записки ОрелГИЭТ. – 2020. – № 3(35). – С. 29-33. – EDN JVNINI.
Полянин, А. В. Инвестиционное поведение населения в период глобальной турбулентности / А. В. Полянин, О. В. Попова, К. А. Суровнева // Среднерусский вестник общественных наук. – 2021. – Т. 16, № 3. – С. 166-182. – DOI 10.22394/2071-2367-2021-16-3-166-182. – EDN MKPAQT.
Савина, А. Г. Построение и реализация динамической модели компетенций в контексте цифрового университета / А. Г. Савина, Л. И. Малявкина // Образование и наука без границ: фундаментальные и прикладные исследования. – 2021. – № 14. – С. 88-92. – DOI 10.36683/2500-249X/2021-14/88-92. – EDN WNNFVJ.
Самородова, Е. М. Цифровизация, экономическая безопасность и конкурентоспособность национальных экономик: международные измерения / Е. М. Самородова // Образование и наука без границ: фундаментальные и прикладные исследования. – 2022. – № 15. – С. 40-44. – DOI 10.36683/2500-249X/2022-15/40-44. – EDN HYEFWK.
Скроботов, А. А. Структурные сдвиги в моделях коинтеграции / А. А. Скроботов // Прикладная эконометрика. – 2021. – № 3(63). – С. 117-141. – DOI 10.22394/1993-7601-2021-63-117-141. – EDN ZWMYCY.
Стрельцов, А. В. Использование методов стратегического анализа при формировании конкурентоспособности предприятий / А. В. Стрельцов, Г. И. Яковлев // Экономическая среда. – 2022. – № 1(39). – С. 5-10. – DOI 10.36683/2306-1758/2022-1-39/5-10. – EDN AHYGUL.
Чекулина, Т. А. Оценка качества жизни населения на региональном уровне с учетом дифференциации денежных доходов / Т. А. Чекулина, О. В. Лясковская, Е. В. Барбашова // Вестник ОрелГИЭТ. – 2019. – № 2(48). – С. 208-219. – EDN HPGQTV.
Шманев, С. В. Современное состояние цифровой экономики в России и перспективы ее развития / С. В. Шманев // Известия Юго-Западного государственного университета. Серия: Экономика. Социология. Менеджмент. – 2021. – Т. 11, № 3. – С. 44-52. – EDN DXRMZW.
Linets, G. I. Evaluation of the efficiency of reference machine learning models for buffer memory prediction when transforming a self-similar input stream of packets into a stream having exponential distribution under the condition of equality of mathematical expectations and median flows / G. I. Linets, R. A. Voronkin, S. V. Govorova // Modern Science and Innovations. – 2022. – No. 3(39). – P. 20-32. – DOI 10.37493/2307-910X.2022.3.2. – EDN LOKEDF.
Novikova, N. V. Regional aspects of studying the digital economy in the system of economic growth drivers / N. V. Novikova, E. V. Strogonova // Journal of New Economy. – 2020. – Vol. 21, No. 2. – P. 76-93. – DOI 10.29141/2658-5081-2020-21-2-5. – EDN FYTRUQ.
Ray, S. Does personality and demographic variances of individual investors challenge the assumption of rationality? A two staged regression modeling-artificial neural network approach / S. Ray // Economic Environment. – 2022. – No. 3(41). – P. 34-47. – DOI 10.36683/2306-1758/2022-3-41/34-47. – EDN STGAOX.
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Барбашова Е. В.
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
