68 кации моделей в зарубежной практике, накладывая на них ограничения в устойчивости к малому объему имеющихся данных, к применению в Российской Экономикс. Также при проведении анализа применимости существующих методов, используемых для идентификации экономико-математических моделей объектов, функционирующих в рамках пост-нереходной экономики, необходимо учитывать необходимость их быстрой адаптации к изменившимся условиям среды. Данное требование возникает в силу быстроты происходящих как качественных, так и количественных изменений в рамках пост-переходиых экономик. В силу этого, особое внимание необходимо обратить на специфику идентификации информационных составляющих модели [14]. Рассмотрим более подробно некоторые из проблем, приведенных в табл.Ошибка! Текст указанного стиля в документе отсу тствует... Так, например, Б.Г.Миркин в своей работе [84] указывает на наличие следующих проблем: наличие «множественности» связей между' объектами и явление ложной корреляции. Также необходимо отметить наличие высокою уровня «зашумленности» и пропуска данных. Таким образом, для построения адекватных моделей целесообразно производить предобработку имеющихся данных. В частности, часто необходимо производить сокращение числа признаков исходного пространства, по которым будет производиться идентификация модели, с целью выбора наиболее простого и информативного пространства признаков [94, 97]. Сокращение исходного числа признаков позволяет, согласно исследованиям проведенным Г.С.Лбовым [73]: во первых снизить объем выборки и улучшить качество получаемого решения; во вторых уменьшить затраты, связанные с проведением измерений признаков. Снижение размерности признакового пространства, как указывает в своей работе И.Д.Мандель [79], благоприятно влияет на результат проводимой классификации. В то же время, существует проблема потери информативности признаков в процессе понижения размерности исходного пространства признаков. Под снижением размерности признакового iфострансгва в общем случае, согласно определению, данного Н.Г.Загоруйко [49], понимают минимизацию |
2.3. Анализ методологии обработки экономических данных л При построении адекватных экономико-математических моделей исследователь сталкивается с рядом существенных проблем, связанных со специфичностью исследуемой области. Возможные проблемы, связанные с идентификацией модели, представлены в табл.2.6. Большинство указанных проблем являются общими, в то время как часть из них, в большей мере, присуща пост-переходным экономикам и обусловлена спецификой их функционирования, рассмотренной в предыдущей глаТаблица 2.6. Существующие проблемы построения экономико-математических моделей , Наименование Проблема присуща в большей мере Российской экономике ]. Множественность связей между объектами — 2. Явление ложной корреляции — 3. Высокий уровень «зашумленности» данных — 4. Наличие пропускаданных — 5. Дублирование информации — 6. Не информативность показателей — 7. Наличие разнотипныхданных — 8. Малый объем имеющихся данных Да 9. Большое количество качественной информации — 10. Высокий уровень изменчивости среды функционирования Да А Таким образом, на основании данных приведенных в табл.2.6, можно сделать вывод об адекватности методов широко используемых для идентификации моделей в зарубежной практике, накладывая на них ограничения в устойчиюсти к малому объему имеющихся данных, к применению в Российской экономике. Также при проведении анализа применимости существующих методов, используемых для идентификации экономико-математических моделей объектов, функционирующих в рамках пост-переходной экономики, необходимо учитывать необходимость их быстрой адаптации к изменившимся условиям среды. Данное требование возникает в силу быстроты происходящих как качественных, так и количественных изменений в 68 рамках пост-переходных экономик. В силу этого, особое внимание необходимо обратить на специфику идентификации информационных составляющих модели £0]. Рассмотрим более подробно некоторые из проблем, приведенных в табл.2.6. Так, например, Б.Г.Миркин в своей работе [110] указывает на наличие следующих проблем: наличие «множественности» связей между объектами и явление ложной корреляции. Также необходимо отметить наличие высокого уровня «зашумленности» и пропуска данных. Таким образом, для построения адекватных моделей целесообразно производить предобработку имеющихся данных. В частности, часто необходимо производить сокращение числа признаков исходного пространства, по которым будет производиться идентификация модели, с целью выбора наиболее простого и информативного пространства признаков [126, 130]. Сокращение исходного числа признаков позволяет, согласно исследованиям проведенным Г.С.Лбовым [89]: во первых снизить объем выборки и улучшить качество получаемого решения; во вторых уменьшить затраты, связанные с проведением измереу^й признаков.Снижение размерности признакового пространства, как указывает в своей работе И.Д.Мандель [99], благоприятно влияет на результат проводимой классификации. В то же время, существует проблема потери информативности признаков в процессе понижения размерности исходного пространства признаков. Под снижением размерности признакового пространства в общем случае, согласно определению, данного Н.Г.Загоруйко [61], понимают минимизацию объема пространства признаков: У=П ‘<> (2-1) /= где tt количество градаций l й оси. д Использование формулы (2.1) приводит не только к уменьшению общего количества признаков, но и к уменьшению количества их градаций. В то же время, необходимо отметить тот факт, что снижение количества признаков является более эффективным средством, нежели снижение их градаций. А.В.Лапко [87] указывает на наличие следующих подходов к формированию оптимального набора признаков: 69 А |