Диссертация (1137117), страница 18
Текст из файла (страница 18)
В простомпримере. Однако, ситуации весьма различны.Следует рассматривать не только конечный индекс, но и минимальное возможноеего значение (кроме 0; предполагая, что количество порядково-инвариантныхпаттерн-кластеров равно 2). Обозначим данные минимальные значения какисоответственно. Точность вычислениясравнения в динамике. Таким образом,139увеличим дляОчевидно,чтоприуменьшенииколичестваисходныхобъектовувеличивается минимально возможное значение индекса (кроме 0), чтонеобходимо учитывать при исследовании неоднородности инновационногоразвития.Приведемрасчетыдругихпорядково-инвариантныхинновационныхиндексов для входных показателей GII 2012-2014 гг.В 2014 году всего исследовались 143 страны, получено 26 паттернов, 21страна характеризуются уникальными кусочно-линейными функциями.
Такимобразом,Заметим, что при составлении GII-2014 исследовалось на 2 страны больше.Таким, образом,Наглядно видно, что, поскольку в GII-2015 исследуетсяменьшее число стран.В Глобальном индексе инноваций 2013 года исследуется 142 страны. Набазе входных показателей построены 21 паттерн, у 17 стран уникальные кусочнолинейные функции.Порядково-инвариантныеинновационныеиндексы2013-2016гг.показывают схожие значения, что частично можно объяснить большимтерриториальным охватом и относительно небольшим временным промежутком.Однако, в связи с некоторыми особенностями показателей GII-2012, описанными140в разделе 1, можно предположить, что порядко-инвариантный инновационныйиндекс за 2012 год будет отличаться.
Также отметим, что большое количествостран отличается уникальными кусочно-линейными функциями (57 за 2012 год).Аналогично, проведем расчеты порядково-фиксированных инновационныхиндексов.Данныеиспользованияпорядково-фиксированнойпаттерн-кластеризации относительно входных данных Глобального индекса инновацийприведены в приложениях 1-4. Отметим, что при анализе соответствующихпорядково-фиксированных паттерн-кластеров было выявлено, что наиболеепредпочтительным, в данном случае, является использование порядковоинвариантной паттерн-кластеризации в связи с большей точностью конечныхрезультатов. Однако, порядково-фиксированная паттерн-кластеризация можетявляться инструментом предварительного анализа данных.Расчет порядково-фиксированного инновационного индекса производитсясогласно формуле{Для всего рассматриваемого периода количество полученных порядковофиксированных паттерн-кластеров больше 1. В 2015 году получено 9 паттернов,10-ый является уникальным (характерен для Боливарианской РеспубликиВенесуэла).
Следовательно,141Таким образом, выполняется соотношение, описанное в разделе 2:.В 2014 году получено 8 паттернов, 4 исследуемые страны описываютсяуникальнымикусочно-линейнымифункциями(вт.ч.иБоливарианскаяРеспублика Венесуэла). При расчете порядково-фиксированного инновационногоиндекса получим0,08.В 2013 году на базе входных показателей Глобального индекса инновацийпостроены 7 паттернов и 3 уникальных кусочно-линейных функции.0,07.В 2012 году получено 16 паттернов, 7 уникальных объектов.
Следовательно,0,16.Как и в случае вычисления порядково-инвариантного инновационногоиндекса,порядково-фиксированныйинновацинныйиндекс2012годасущественным образом отличается от 2013-2015гг.Таким образом, проведен расчет предложенных в работе индексовнеоднородности инновационного развития. Аналогичным образом может бытьпроизведен расчет на других данных.Отметим, что Л.М.
Гохбергом и В.В. Поляковой в [28] указывалось, чтотрудно найти унифицированный подход к оценке взаимосвязей междусоциальными ценностями, навыками и инновациями, а также разработкеполитики, направленной на укрепление общественного доверия. Схожую идеювысказал генеральный директор Всемирной организации интеллектуальнойсобственности (ВОИС) 28 Ф.Гарри: «каждый народ должен найти правильноесочетаниеполитики,направленнойнамобилизациюврожденногоинновационного и творческого потенциала в своих странах» [67].Предложенные индексы могут использоваться в качестве дополнительногометода оценки качества инновационного развития на национальном уровне. Кпримеру, в работе использованы новые методы анализа паттернов для28World Intellectual Property Organization.142исследования входных данных Индекса инновативности (методика Независимогоинститута социальной политики).
На базе полученных результатов можноисследовать не только неоднородность инновационного развития на территорииРФ, но и определять, насколько однороден каждый административный округ сточки зрения исследуемых показателей, что позволяет, в случае необходимости,давать практические рекомендации по выбору инновационной стратегии.Заключение по Разделу 3.В данном разделе к агрегированным показателям Глобального индексаинноваций, показателям индекса инновативности, а также к мировым даннымобразования и патентной активности применены новые методы анализапаттернов, описанные в разделе 2. На основе всех исследуемых данныхпостроены паттерны, приведено их описание.Построены индексы неоднородности инновационного развития, основанныена новой ординарной парно-сопоставительной модели. Расчеты индексовприведены на конкретных примерах.143ЗАКЛЮЧЕНИЕАнализ паттернов – относительно новая и весьма перспективная областьанализа данных.
Выбор данного метода обусловлен его способностью работать совсей совокупностью выбранных показателей и рассматривать внутреннююструктуру объекта, что весьма важно при исследовании неоднородностиинновационного развития стран. В работе приведено обоснование и рассмотреныпредпосылкикразработкедополнительныхметодованализапаттернов.Основными особенностями предложенных методов являются независимостьрезультатов от изначальной последовательности выбора исследуемых показателейи относительно невысокая вычислительная сложность, что делает возможным ихприменение на больших массивах данных.Основные результаты работы могут быть описаны следующим образом:1.Проведѐн обзор основных подходов к измерению инновационногоразвития различных территориальных субъектов;2.Проведѐнанализсуществующихметодикрасчѐтаиндексовинновационного развития;3.Проанализированыиспользуемыедлярасчѐтаиндексовинновационного развития показатели;4.Предложена новая ординальная парно-сопоставительная модельвыявления паттернов, реализуемая в виде 3 новых методов анализа паттернов;5.Предложеныновыеметодыанализапаттернов:«порядково-фиксированная, порядково-инвариантная и диффузионно-инвариантная паттернкластеризации», описаны их основные свойства;6.Работа предложенных методов продемонстрирована на классическихтестовых данных «Anderson-Fisher Iris Data» и «Balance Scale Data Set»;7.Предложены индексы неоднородности инновационного развития,основанные на новых методах анализа паттернов;8.Проанализированы данные Глобального индекса инноваций за 2012-2015гг;1449.Проведен анализ паттернов c использованием агрегированныхпоказателей Глобального индекса инноваций;10.Построены индексы неоднородности инновационного развития набазе данных Глобального индекса инноваций.145ЛИТЕРАТУРА1.Рейтинг инновационного развития субьектов Российской Федерации /Г.И.
Абдрахманова, В.Ю. Белоусова, Л.М. Гохберг, и др. Науч. ред.: Л. М.Гохберг. – Вып. 2. – М., 2014. – 89 с.2.Анализ паттернов в статистике и динамике. Часть 1: Обзорлитературы и уточнение понятия / Ф.Т. Алескеров, В.Ю. Белоусова, Б.Г. Миркин,и др. // Бизнес-информатика, 2013. – Т. 3. – С. 3–18.3.Анализ данных науки, образования и инновационной деятельности сиспользованием методов анализа паттернов / Ф.Т. Алескеров , Л.М. Гохберг , А.Л.Мячин, и др. – Высшая школа экономики. Серия WP7 «Математические методыанализа решений в экономике, бизнесе и политике», 2012.
– № 07. – 52 с.4.Алескеров, Ф.Т.,Солодков, В.М.,Челнокова, Д.С.Динамическийанализ паттернов поведения коммерческих банков России / Ф.Т. Алескеров, В.М.Солодков , Д.С. Челнокова // Экономический журнал Высшей школы экономики.– 2006. – Т. 10, №1. – С. 48–62.5.Блейхут, Р.
Теория и практика кодов, контролирующих ошибки / Р.Блейхут. – М.: Мир, 1986. – 576 с.6.Гусев, А.Б. Формирование рейтингов инновационного развитиярегионов России и выработка рекомендаций по стимулированию инновационнойактивности субъектов Российской Федерации / А.Б. Гусев. – М., 2008.
– 88 с.7.Миркин, Б.Г. Методы кластер-анализа для поддержки принятиярешений: обзор / Б.Г. Миркин. – М.: Изд. дом Национального исследовательскогоуниверситета «Высшая школа экономики», 2011. – 88 с.8.Михеева, Н.Н., Семенова, Р.И. Инновационный потенциал регионов:проблемы и результаты измерения / Н.Н. Михеева, Р.И. Семенова // Новаяэкономика. Инновационный портрет России, 2011. – C. 311-317.9.Московин, В.М., Тенг, Д., Бадер, Э.А. Развитие методологии оценкиэкономики знаний: на примере стран АСЕАН и МЕДА / В.М. Московин, Д. Тенг,Э.А.
Бадер // Международная экономика. – 2011. – № 4. – C. 59-75.14610.Мячин, А.Л. Анализ паттернов: диффузионно-инвариантная паттерн-кластеризация / А.Л. Мячин // Проблемы управления. – №4. – М. – 2016. – С.2-9.11.Мячин А.Л. Анализ паттернов: порядково-инвариантная паттерн-кластеризация / А.Л. Мячин // Управление большими системами Управлениебольшими системами. – V.61 – М. – 2016. – С.41-59.12.Попова,М.В.Международныйопытпостроенияиндексовинновационного развития / М.В. Попова // Современные научные исследования иинновации.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
