Проверяемый текст
Подрезов, Павел Николаевич; Развитие методов оценки инвестиционной привлекательности промышленного предприятия на основе многофакторных эконометрических моделей (Диссертация, 30 мая 2008)
[стр. 57]

Существует несколько разновидностей этого способа, но все они не выходят за рамки эвристического подхода.
С теоретической точки зрения, проблема числа кластеров неразрывно связана с проблемой создания работоспособной нулевой гипотезы об отсутствии кластеров и универсального определения кластерной структуры, что до сих пор не имеет решения, поэтому применение эвристических способов определения числа кластеров является вполне оправданным.
Перечисленные выше методы многомерного статистического анализа — множественный линейный регрессионный анализ, дискриминатный анализ, кластерный и факторный анализы применимы для моделирования и прогнозирования инвестиционной привлекательности промышленного предприятия постольку, поскольку формирование инвестиционной привлекательности есть многомерный процесс, определяемый не одним, а множеством факторов, описываемых комплексом показателей.

Рассмотрим важный вопрос реализации методов многомерного статистического анализа, алгоритмы которых достаточно сложны и множественный линейный регрессионный, и дискриминантный, и факторный анализы оперируют с многомерными матрицами и требуют вычислительных операций с их участием.
Алгоритмы кластерного анализа также требуют выполнения достаточно трудоемких вычислений итеративного характера.

Сложность алгоритмов многомерных статистических методов ранее во многом ограничивала практическое их применение.
Появление программ статистического анализа, распространение ПЭВМ делает многомерные статистические методы доступными для широкого круга исследователей.
В настоящее время на рынке информационных технологий
имеются пакеты программ, реализующие разнообразные графические и аналитические процедуры статистического анализа и, что важно, позволяющие применять их в комплексе, в пределах одного пакета.
Таков, в частности, комплекс
программ анализа данных общественных наук SPSS (Statistical Package for the 57
[стр. 68]

НОЙ различными методами; визуальный анализ граф иков зависимости ф ункции т.н.
коэффициентов слияния или смешения от числа кластеров.
Визуальный анализ дендрограммы предполагает «обрезание» дерева на оптимальном уровне сходства элементов выборки.
Полезным приемом является сравнение результатов кластеризации, выполненной различными методами; более вероятным является устойчивое кластерное решение, часть которого число кластеров.
Еще один прием основан на формальном способе представления процесса кластеризации в виде некоторы х граф иков, одним из компонентов которы х является число кластеров или ш агов кластеризации.
Существует несколько разновидностей этого способа, но все они не выходят за рамки эвристического подхода.
С теоретической точки зрения, проблема числа кластеров неразрывно связана с проблемой создания работоспособной нулевой гипотезы об отсутствии кластеров и универсального определения кластерной структуры , что до сих пор не имеет решения, поэтому применение эвристических способов определения числа кластеров является вполне оправданным.
Перечисленные выше методы многомерного статистического анализа — множественный линейный регрессионный анализ, дискриминатны й анализ, кластерный и факторный анализы применимы для моделирования и прогнозирования инвестиционной привлекательности промыш ленного предприятия постольку, поскольку формирование инвестиционной привлекательности есть многомерный процесс, определяемый не одним, а множеством факторов, описываемых комплексом показателей.

В заключение остановимся на вопросе реализации методов многомерного статистического анализа, алгоритмы которы х достаточно сложны и множественный линейный регрессионный, и дискриминантны й, и факторный анализы оперирую т с многомерными матрицами и требую т вычислительных операций с их участием.
Алгоритм ы кластерного анализа также требую т выполнения достаточно трудоемких вычислений итеративного характера.

68

[стр.,69]

Сложность алгоритмов многомерных статистических методов ранее во многом ограничивала практическое их применение.
Появление программ статистического анализа, распространение П Э В М делает многомерные статистические методы доступными для ш ирокого круга исследователей.
В настоящее время на рынке инф ормационных технологий
появились пакеты программ, реализующие разнообразные ф аф ические и аналитические процедуры статистического анализа и, что важно, позволяющие применять их в комплексе, в пределах одного пакета.
Таков, в частности, комплекс
проф амм анализа данных общественных наук SPSS {Statistical Package fo r the Social Sciences), разработанный Норманом Н и и его сотрудниками из National Opinion Research Center at the University o f Chicago.
Система SPSS развивается, начиная с 1975 г., и в настоящее время, помимо базового модуля, имеет большое количество специализированных.
Для эконометрического моделирования инвестиционной привлекательности промыш ленного предприятия подходящ им инструментом является базовый модуль этого комплекса, начиная от версии SPSS Base 8.0 fo r W in dows.
В настоящее время этот модуль имеет необходимую техническую поддержку в России, осуществляемую фирмой СПСС Русь (г.
М осква); вместе с пакетом SPSS Base фирма поставляет руководство пользователя и руководство по применению.
Последнее содержит примеры применения разнообразных процедур, что, в принципе, позволяет использовать их ш ирокому кругу аналитиков, не являющ ихся специалистами в области информационных технологий.
В настоящее время на книж ном ры нке появились также разнообразные издания, посвященные теории и практике применения данного пакета; одним из удачных изданий является перевод с немецкого кни ги Бююля А .
и Цёфеля П .
«SPSS: И скусство обработки информации.
Анализ статистических данных и восстановление скры ты х закономерностей» [19], вышедшей в 2 0 0 2 г.
69

[Back]