Regression Models with Variable Structure in Digital Economy
DOI:
https://doi.org/10.36683/2306-1758/2023-2-44/13-19Keywords:
dummy variables, regression models, index process, indices, modelingAbstract
He article discusses the effectiveness of dummy variable use in regression models that adequately describe indicators dynamics of socio-economic processes of complex structure. Their advantage over the models built on areas of monotonous indicators change has been proved. to estimate the parameters of the model in which qualitative characteristics are given as structural variables, one does not have to go beyond the classical least squares method, which greatly simplifies the procedure of linear regression analysis. It is shown that coefficients of dummy variables models are easy to interpret, they clearly represent the dynamic process structure with relatively little time for analytical data processing. This makes it possible to use regression models with variable structure to process the results of mass sociological surveys.Downloads
References
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.
Downloads
Published
Issue
Section
License
Copyright (c) 2023 Barbashova E.V.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
