В зависимости от числа положенных в их основание признаков различают простые и многомерные группировки. [c.31]
Многомерная группировка производится по двум и более признакам. Частным случаем многомерной группировки является комбинационная группировка, базирующаяся на двух и более признаках, взятых во взаимосвязи, в комбинации. [c.31]
Подходы к формированию групп, применяемые в многомерной группировке, лучше, чем комбинационные, согласуются со сложившимся представлением о существовании естественных типов объектов, близких по совокупности признаков. В самом деле, при комбинационной группировке объект, отклоняющийся по одному-единственному признаку от нормы, характерной для группы, будет автоматически из нее исключен. Более того, если этот признак используется на первом шаге группировки, то объект может легко попасть в группу, очень далекую от той, с которой он в действительности имеет наибольшее сходство. Если вспомнить понятие пространства признаков, то группы, получаемые при комбинационной группировке, представляют собой секторы такого пространства. При этом границы между ними обычно параллельны осям данного пространства и жестко заданные интервалы признаков часто разрушают реально существующие классы. Этот основной недостаток делает комбинационные группировки не всегда эффективными для выделения типов объектов по комплексу признаков, так как с добавлением каждого нового признака опасность разрушения объективно существующих однородных групп возрастает. [c.36]
Следовательно, главное преимущество методов многомерной группировки заключается в том, что они позволяют с той или иной степенью приближения выделить реально существующие [c.36]
Реализация методов последовательного разбиения возможна и без применения вычислительной техники, в то время как методы многомерной группировки в связи с трудоемкостью расчетов требуют использования ЭВМ, почему их часто называют методами автоматической классификации. Цели этих двух способов совпадают, основное же различие состоит в том, что при автоматической классификации исследователь лишь указывает направление поиска (заданием набора признаков, имеющих отношение к цели классификации), но отказывается на данном этапе от самостоятельного формирования классов. [c.37]
Многомерные группировки в статистике [c.38]
В экономических исследованиях нашли применение следующие математико-статистические методы стохастического моделирования хозяйственных явлений и процессов оценка связи и корреляции между показателями оценка статистической значимости связей регрессионный анализ выявление параметров периодических колебаний экономических показателей группировка многомерных наблюдений, дисперсионный анализ современный факторный (компонентный) анализ трансформационный анализ. [c.110]
Классификация и ранжировка хозяйственных объектов являются одной из важнейших задач экономического анализа. Выявление классов однотипных предприятий для разработки общих нормативов планирования, оценки, стимулирования и ранжировка хозяйственных объектов по результатам хозяйственной деятельности давно внедрились в экономический анализ. Новые возможности повышения качества решения этих задач появляются в результате применения таких методов, как группировка многомерных наблюдений, дисперсионный анализ, в частности современный факторный и компонентный анализ, кластерный анализ. Предпочтительным для аналитических целей наряду со специальными приемами классификации является исследование структуры совокупности хозяйственных объектов методами современного факторного (компонентного) анализа. Синтетические факторы или компоненты, выявленные на основе внутренних связей системы экономических показателей, характеризуют отдельные самостоятельные стороны экономических явлений (технический уровень производства, уровень управленческой работы, уровень организации производства и труда и т.п.) и имеют вполне определенную содержательную экономическую интерпретацию. Поэтому классификация и ранжировка хозяйственных объектов по значениям этих факторов или компонент носят более значительную аналитическую нагрузку, чем группировка на основе гетерогенного набора признаков. [c.115]
Для исследования стохастических соотношений используются следующие способы экономического анализа, с которыми мы уже знакомились в предыдущих главах сравнение параллельных и динамических рядов, аналитические группировки, графики. Однако они позволяют выявить только общий характер и направление связи. Основная же задача факторного анализа -определить степень влияния каждого фактора на уровень результативного показателя. Для этой цели применяются способы корреляционного, дисперсионного, компонентного, современного многомерного факторного анализа и т.д. [c.128]
Многомерные методы предоставляют объективные количественные средства для исследования сходства, близости, группировки или классификации данных. Данные могут быть представлены в виде множества показателей, переменных, которые характеризуют объекты, например предприятия, или один объект в разные моменты времени, например хозяйственную деятельность предприятия в различные годы. Большинство методов позволяет решать задачу с наименьшим числом переменных и выделением наиболее важных характеристик и скрытых факторов. [c.95]
Излагаются статистические методы группировки, выборочный, индексный, корреляционный, анализ динамики. Показаны их взаимосвязи и возможности применения с использованием ПЭВМ в рыночной экономике в сборе информации в связи с увеличением числа хозяйственных единиц и их типов, аудите, финансовом менеджменте, прогнозировании. Четвертое издание (3-е изд. — 1997 г.) полностью переработано, расширено изложение методов многомерной классификации данных, подробнее рассмотрены применение выборочного метода, методы совмещения индексов и регрессий введен анализ соотношения индексов экономических показателей. Включена глава, посвященная статистическому изучению структуры данных и ее изменений. [c.2]
Простейшим вариантом многомерной классификации является группировка на основе многомерных средних. [c.134]
Кластерный анализ - один из методов многомерного анализа, предназначенный для группировки (кластеризации) совокупности, элементы которой характеризуются многими признаками. Значения каждого из признаков служат координатами каждой единицы изучаемой совокупности в многомерном пространстве признаков. Каждое наблюдение, характеризующееся значениями нескольких показателей, можно представить как точку в пространстве этих показателей, значения которых рассматриваются как координаты в многомерном пространстве. Расстояние между точками р и q с k координатами определяется как [c.105]
Приемы и методы экономического анализа также весьма разнообразны. В ходе анализа широко применяется метод сравнений, детализации, элиминирования, факторного разложения, балансовый, группировки, взаимосвязанного изучения. Последние годы в анализе все шире применяются приемы и методы, заимствованные из математики, кибернетики и других наук. Отметим, в частности, корреляционный, регрессионный, вариационный, дисперсионный, многомерный, факторный анализ линейное и динамическое программирование, статистическое моделирование. [c.17]
Если контроллер определяет закономерность, структуру и группировку конкретного явления в работе компании в большом круге объектов, в каждом из которых имеется множество переменных, то применяются многомерные методы. Любой потенциальный партнер в этом случае характеризуется рядом переменных (размер уставного капитала, объем оборотных средств, число наименований выпускаемой продукции, производственная мощность, численность персонала и т.д.). Позиция здесь следующая предоставлять льготы фирмам, наиболее близким по совокупности параметров к уже зарекомендовавшему себя положительно кругу партнеров. Для этого при помощи факторного анализа определяется группировка всех фирм-партнеров в многомерном пространстве описывающих переменных. [c.161]
Если в основе группировки лежит несколько признаков, то ее называют сложной. Сложная группировка может выполняться как комбинационная и как многомерная в комбинационной группы, выделенные по одному признаку, затем подразделяются на подгруппы последующему признаку (рис. 6.2.1), многомерная же осуществляется одновременно по комплексу признаков (рис. 6.2.2). [c.92]
Курс Статистика имеет целью дать студентам представление о содержании статистики как научной дисциплины, познакомить с ее основными понятиями, методологией и методиками расчета важнейших статистических аналитических показателей. В соответствии с этим данное учебное пособие охватывает самые общие начальные элементы статистической науки, и прежде всего важнейшие направления анализа социально-экономических процессов. В дальнейшем на базе курса Статистика изучаются конкретные статистические дисциплины теория статистического наблюдения, анализ и прогнозирование временных рядов, классификации и группировки, многомерные статистические методы, экономическая и отраслевые статистики, анализ хозяйственной и финансовой деятельности. Что касается общеэкономических специальностей, данный курс служит основой для разработки и совершенствования методов экономического анализа. [c.3]
Первый способ является исторически более ранним. Он включает в себя два метода. Во-первых, это типичный для него метод комбинационной группировки, при которой формирование групп производится путем последовательного разбиения сначала всей совокупности по одному признаку, затем полученных частей — по другому и т. д., причем строго соблюдается принцип иерархии групп. Во-вторых, это многошаговый метод последовательных разбиений совокупности. Способ многомерной классификации, когда группы формируются на основе близости объектов одновременно по большому числу признаков, получил широкое применение с разработкой методов распознавания образов и появлением ЭВМ. [c.33]
Группировка объектов по величине многомерной средней Кол-во объектов Номера объектов Средние значения по признакам [c.48]
Наличие широкой базы для сравнения как в рамках отдельного предприятия, так и в масштабах района, области позволяет чаще использовать в анализе следующие приемы сопоставление параллельных и динамических рядов, аналитические группировки, корреляционный анализ, многомерный сравнительный анализ и др. [c.7]
Для решения перечисленных задач применяются такие математи-ко-статистические методы стохастического моделирования, как группировка многомерных наблюдений, корреляционный и регрессионный анализ, таксономический метод, дисперсионный анализ, методы причинного анализа, компонентный анализ. [c.278]
Мы убедились, как трудно выбрать какой-то один признак в качестве основания группировки. Еще труднее проводить группировку по нескольким признакам. Комбинация двух признаков позволяет сохранить обозримость таблицы, но комбинация трех или четырех признаков дает совершенно неудовлетворительный результат ведь даже при выделении трех категорий по каждому из груп-пировочных признаков мы получим 9 или 12 подгрупп. Равномерность распределения единиц по группам в принципе невозможна. Вот и получаются группы, в которые входят 1 - 2 наблюдения. Сохранить сложность описания групп и вместе с тем преодолеть недостатки комбинационной группировки позволяют методы многомерных группировок. Часто их называют методами многомерной классификации. [c.133]
Кластерный анализ — один из методов многомерного анализа, предназначенный для группировки (кластеризации) совокупности, элементы которой характеризуются многими признаками. Значения каждого из признаков служат координатами каждой единицы изучаемой совокупности в многомерном пространстве признаков. Каждое наблюдение, характеризу- [c.130]
Модель фасетной организации аналитического учета реализует многомерный учет, позволяющий получать итоги счета в любой необходимой для анализа группировке. [c.111]
Наиболее широко в перечне методов маркетингового анализа представлена статистика. Методология маркетингового анализа использует следующие статистические методы абсолютные, средние, относительные величины, динамические ряды и ряды распределения, группировки, индексы, вариационный и дисперсионный анализ, корреляционно-регрессионный и многомерный анализ, графический метод, трендовые модели, методы экспертных оценок. Эконометрика в маркетинге представлена методами линейного и нелинейного моделирования, а также динамического программирования, моделями, базирующимися на теории массового обслуживания (теория очередей) и теории принятия решений (теория риска), имитационными моделями. Самостоятельное значение придается логистическим моделям управления г отоками товаров и денег и оптимизации товарных запасов. В маркетинговом анализе широко используются квалиметрические методы, а также методы социометрии. Стратегические матрицы (решетки), используемые в маркетинговом планировании для целей разработки оптимальной стратегии, могут найти применение и в маркетинговом анализе - для определения рейтинга фирмы и ее позиции на рынке, для прогноза риска и т.п. Немаловажное значение придается также неформальному описательному и качественному анализу, сценариям развития и т.п. [c.100]
М.с. охватывает широкий круг одно-и многомерных методов и правил обработки статистических данных от простых приемов статистического описания (выведение средней, а также степени и характера разброса исследуемых признаков вокруг нее, группировка данных по классам и сопоставление их характерис- [c.184]
ФАКТОРНЫЙ АНАЛИЗ [fa torial analysis] — область математической статистики (один из разделов многомерного статистического анализа), объединяющая вычислительные методы, которые в ряде случаев позволяют получить компактное описание исследуемых явлений на основе обработки больших массивов информации. От других средств подобного "сжатия информации" (напр., распространенных методов статистической группировки объектов) Ф.а. отличается тем, что не опирается на заранее заданный, априорный перечень факторов, влияющих на изучаемые переменные, а наоборот, при соблюдении определенных правил и предосторожностей помогает обнаружить наиболее важные из этих факторов, причем скрытые (латентные). Скажем, экономист непосредственно наблюдает множество различных показателей статистического учета деятельности предприятий, чтобы выявить закономерности, влияющие на рост производительности труда (об- [c.374]
Метод многомерной классификации (AID — automati intera tion dete tion) достаточно отличается от других методик этой группы. AID начинает с поиска зависимой переменной, например уровень возврата анкет при почтовых рассылках, и независимых переменных, чтобы найти те, которые наиболее четко проводят группировку по заданным критериям. Если интересующий предмет — ответ на [c.107]
В данной главе мы продемонстрировали, как самоорганизующиеся карты Ко-хонена могут быть использованы для сведения многомерных данных по развивающимся рынкам к одно- или двумерным картам. Эти карты отражают черты сходства и различия между различными рынками и, как результат, позволяют выявлять группы стран, обладающих общими характеристиками. Группировка развивающихся рынков представляет важность для распределения активов между различными рынками равно как и для более совершенного ранжирования в целях снижения затрат на управление инвестиционным портфелем, состоящим из акций компаний развивающихся рынков. [c.157]