ЧЕМЕЗОВА Е.Ю.

Типологическая группировка и методы автоматической классификации – центральный этап статистического исследования, обеспечивающий корректность всего последующего анализа.

-возникновение новых объектов наблюдения (малое предпринимательство, инновационные предприятия, муниципальные образования, нелегальные мигранты), все они, как правило, являются качественно неоднородными и требуют предварительной типологии; - значительное расширение числа субъектов, вынужденных принимать управленческие решения на статистической основе; - возросшее влияние факторов внешней среды; - динамичность объектов исследования.

Метод типологической группировки в сочетании с методами автоматической классификации позволяет получить наиболее устойчивые однородные группы объектов исследования

совершенствование методики типологии статистических данных в рамках типологической группировки

рассмотрены основные методы и алгоритмы типологии информационных массивов, их возможностей в поддержке управленческих решений; систематизированы исследования в области типологической группировки в различных разрезах: история, теория, характер исходной информации, алгоритмы реализации, проблематика; рассмотрена матрица «привлекательность отрасли – конкурентоспособность» в качестве инструмента поиска региональных «точек роста»; разработан алгоритм выделения однородных данных, основанный на расчете интегральных параметров; проведены исследования однородности массовых процессов на уровне субъектов РФ, используя методы типологической группировки, портфельного анализа.

статистические методы типологии данных социально-экономические статистические совокупности

Паспорт научной специальности «Бухгалтерский учет, статистика» : п Методология построения статистических показателей, характеризующих социально-экономические совокупности; построения демографических таблиц; измерения уровня жизни населения; состояния окружающей среды; п Методы обработки статистической информации: классификация и группировки, методы анализа социально-экономических явлений и процессов, статистического моделирования, исследования экономической конъюнктуры, деловой активности, выявления трендов и циклов, прогнозирования развития социально- экономических явлений и процессов.

предложен алгоритм выделения однородных данных, заключающийся в совместном использовании средств типологической группировки и автоматической классификации данных, основанный на построении группировочных признаков (интегральных параметров)

Получены типологии субъектов РФ по показателям социально-экономического развития за 2006, 2007, 2008 годы. Определены регионы-аналоги Новосибирской области по результатам типологий за 2006 – 2008 гг. Построены матрицы «привлекательность отрасли – конкурентоспособность» для регионов-аналогов Новосибирской области одной из полученных групп, которые позволяют выделить региональные «точки роста».

Теоретические и методологические положения, выдвинутые и обоснованные в диссертационном исследовании, значительно расширяют область применения и возможности алгоритмов в решении задач типологии данных в статистических исследованиях; Практическое значение определяется возможностью использования выводов, результатов для решения прикладных задач на различных уровнях и направлениях деятельности

ТИПОЛОГИЧЕСКАЯ ГРУППИРОВКА - ЗАДАЧИ ИССЛЕДОВАНИЯ - ОБЪЕКТ ИССЛЕДОВАНИЯ Классификация (совокупность: объект-признак) Периодизация (временной ряд: время-признак) Районирование (объект - территориальное образование) Портфельный анализ (пространственная типология: объект – признак-время)

Проблемы типологии информации: Система показателей, положенных в основу группировки (не всегда легко найти такие простейшие признаки, которые бы достаточно определяли качественные различия единиц совокупности; наличие субъективности при выборе признаков) Определение числа групп Устойчивость выделенных групп

Исходное множество признаков, характеризующих объект исследования Расчет стандартизованных значений по каждому признаку Группировка признаков – построение общих факторов Типологическая группировка Портфельный анализ Расчет интегральных параметров по каждому фактору с помощью многомерной средней

первый фактор (F^1) включил в себя признаки, характеризующие потенциал региона в целом; второй фактор (F^2) наполнили сельскохозяйственные признаки; третий фактор (F^3) отражает трудовой потенциал региона

типа Наименование ИнтервалСубъекты РФ 1 низкоразвитые республики, области -0,881; -0,372 Ивановская, Костромская, Карелия, Мурманская, Новгородская, Псковская, Адыгея, Ингушетия, Кабардино-Балкарская, Калмыкия, Карачаево-Черкесская, Северная Осетия – Алания, Чеченская, Астраханская, Марий Эл, Алтай, Бурятия, Тыва, Хакасия, Забайкальский, Камчатский, Амурская, Магаданская, Сахалинская, Еврейская АО, Чукотский АО 2 менее урбанизированные среднеразвитые регионы -0,372; 0,138 Брянская, Владимирская, Калужская, Курская, Липецкая, Орловская, Рязанская, Смоленская, Тамбовская, Тверская, Тульская, Ярославская, Коми, Архангельская, Вологодская, Калининградская, Ленинградская, Дагестан, Мордовия, Удмуртская, Чувашская, Кировская, Пензенская, Ульяновская, Курганская, Томская, Саха (Якутия), Приморский, Хабаровский 3 среднеразвитые регионы 0,138; 0,648 Воронежская, Ставропольский, Волгоградская, Пермский, Оренбургская, Саратовская, Алтайский, Красноярский, Иркутская, Кемеровская, Новосибирская, Омская 4 высоко освоенные сильноразвитые регионы 0,648; 1,157 Ростовская, Нижегородская, Самарская, Свердловская, Тюменская, Челябинская 5 прогрессивные регионы 1,157; 1,667 Краснодарский, Башкортостан, Татарстан 6 регионы федерального значения (мегаполисы) 1,667; 2,177 г. Санкт-Петербург, Московская область 7 регионы со средним инвестиционным потенциалом 2,177; 2,686 не наполнена 8 регионы с высоким инвестиционным потенциалом 2,686; 3,196 не наполнена 9 лидирующие регионы 3,196; 3,706 не наполнена 10 федеральная столица 3,706; 4,215 г. Москва

ВоронежскаяБелгородскаяВоронежская СтавропольскийВоронежскаяСтавропольский ВолгоградскаяСтавропольскийВолгоградская ПермскийВолгоградскаяПермский НижегородскаяПермскийОренбургская НижегородскаяСаратовская СамарскаяОренбургскаяАлтайский СаратовскаяСамарскаяКрасноярский ЧелябинскаяСаратовскаяИркутская АлтайскийЧелябинскаяКемеровская КрасноярскийАлтайскийНовосибирская КемеровскаяКрасноярский Омская НовосибирскаяКемеровская Омская Новосибирская Омская

I. определенный территориальный объект (район, город, поселение), способн ый активно привлекать инвестиции и эффективно их использовать II. вид деятельности (сектор экономики, конкретный проект), развитие которой обеспечивает развитие социально- экономического положения региона в целом

1 - Распределение субъектов третьего типа по F^1 и F^2 за 2007 г.2 - Распределение субъектов третьего типа по F^1 и F^2 за 2008 г. 3 - Распределение субъектов третьего типа по F^1 и F^3 за 2007 г. 4 - Распределение субъектов третьего типа по F^1 и F^3 за 2008 г.

В качестве осей данной модели использовались такие показатели: для оси У (привлекательность) - интегральный показатель по первому фактору, характеризующему потенциал региона в целом, к тому же это главный фактор, который отражает общий уровень социально-экономического развития региона; для оси Х были взяты показатели структуры ВРП по видам деятельности.

100 привлекательность ранка ВопросПобедитель 2Победитель 1 Проигравший 1Средний бизнес Победитель 3 Проигравший 3Проигравший 2Создатель прибыли 0 относительное преимущество на рынке

Во-первых, здесь рассматриваются промежуточные значения между понятиями "высокая/низкая" и "сильная/слабая". Во-вторых, возможность использовать значительно более широкий набор стратегически значимых переменных. В-третьих, и это наиболее важно, матрица указывает направления движения ресурсов к видам бизнеса, которые вероятнее всего достигнут конкурентного преимущества и смогут лучше всего функционировать.

Субъекты РФ "сельское хозяйство, охота и лесное хозяйство" "добыча полезных ископаемых" "обрабатывающие производства" "производство и распределение электроэнергии, газа и воды" "строительство" "оптовая и розничная торговля, ремонт автотранспортных средств, мотоциклов, бытовых изделий и предметов личного пользования" "транспорт и связь" "операции с недвижимым имуществом, аренда и предоставление услуг" Воронежскаясозд прибпроигр 3 проигр 2 созд прибпроигр 2 Ставропольскийсозд прибпроигр 3 проигр 2созд приб проигр 3 Волгоградскаяпобед 1вопроспобед 2вопрос побед 2вопроспобед 2 Пермскийвопрос побед 1вопроспобед 2вопрос побед 2 Оренбургскаяпроигр 2созд прибпроигр 3 проигр 2проигр 3 Саратовскаясозд прибпроигр 3 созд приб проигр 3проигр 2проигр 3 Алтайскийсозд прибпроигр 3 созд прибпроигр 3 Красноярскийвопрос побед 1вопроспобед 1вопрос Иркутскаяср бизнеспроигр 1 ср бизнеспобед 3проигр 1побед 3проигр 1 Кемеровскаяпроигр 1побед 3проигр 1 Новосибирскаявопрос побед 1побед 2побед 1 Омскаяпроигр 2проигр 3созд прибпроигр 3проигр 2 проигр 3

Субъект РФ "сельское хозяйство, охота и лесное хозяйство" "добыча полезных ископаемых" "обрабатывающие производства" "производство и распределение электроэнергии, газа и воды" "строительство" "оптовая и розничная торговля, ремонт автотранспортных средств, мотоциклов, бытовых изделий и предметов личного пользования" "транспорт и связь" "операции с недвижимым имуществом, аренда и предоставление услуг" НСО 2006 проигр 1 побед 3 НСО 2007 проигр 1 ср бизнеспобед 3 НСО 2008 вопрос побед 1побед 2побед 1

в основе группировке был использован не один признак, а система разноименных признаков, характеризующих социально-экономическое положение регионов; признаковое пространство доведено до наиболее информативного вида с помощью инструментов факторного анализа, что позволило отобрать наиболее существенные из них; типологическая группировка не исключает наличие пустых типов, в отличие от кластерного анализа, это и позволило выделить аномальный (сильно отличающийся от основной массы регионов) субъект РФ – г. Москва;

построенные матрицы портфельного анализа, на основе которых можно определить региональные «точки роста» в социально-экономическом развитии региона, выделили наиболее успешные регионы, а также позволяют решить вопросы: определения числа групп обеспечения устойчивости выделенных групп Матричная модель универсальная, может быть адаптирована для типологии информационных массивов широкого круга объектов исследования (совокупности различных категорий населения, хозяйствующие субъекты, продукция и т.д.)

Победитель 1 высокий уровень социально-экономического развития и высокая доля вида деятельности. Это лидер и к тому же рассматриваемый вид деятельности является для него точкой роста, необходимы дополнительные инвестиции Победитель 2 высокий уровень социально-экономического развития и средняя доля вида деятельности. Этот объект не далек от лидера, следует оценивать шансы и риски, рассматривать сильные и слабые стороны, инвестировать в сильные, улучшать слабые Победитель 3 средний уровень социально-экономического развития, но высокая доля вида деятельности. В данной ситуации необходимо определять наиболее привлекательные рыночные сегменты и планировать инвестиции именно в них, увеличивать объемы сбыта, посредством этого добиваться повышения доходности бизнеса Проигравший 1 средний уровень социально-экономического развития и низкий уровень развития данного вида экономической деятельности. Следует искать сегмент с минимальным риском, фокусироваться на отдельных сильных сторонах бизнеса, в противном случае – стараться покинуть эту отрасль Проигравший 2 низкий уровень социально-экономического развития и средний уровень развития данного вида экономической деятельности Проигравший 3 низкий уровень социально-экономического развития и низкий уровень развития по данному виду экономической деятельности. Субъект не располагает ресурсами для ведения деятельности в данной отрасли, не следует инвестировать Вопрос уровень социально-экономического развития высокий, однако, по данному виду деятельности показатели низкие, отсутствуют конкретные преимущества в данной отрасли. Возможны следующие стратегические решения: - развитие путем инвестиций в те преимущества, которые могут превратиться в сильные стороны; - фокус на конкретной отрасли экономической деятельности и инвестирование в ее развитие Средний бизнес выборочное инвестирование в наиболее прибыльные и наименее рискованные сегменты (однако, редко бывает возможным) Производители прибыли низкий уровень социально-экономического развития. Возможно, данный вид деятельности является основным в регионе