- •3. Социально-экономические отношения в планировании. Производство.
- •5.Социально-экономические отношения в планировании: распределение.
- •6.Основные принципы планирования.
- •7.Социально-экономические отношения в планировании: обмен.
- •8.Понятие методов планирования. Пример.
- •9. Социально-экономические отношения в планировании: потребление.
- •10.Роль и значение планирования в современной экономике.
- •11. Прогнозирование: сущность, значение, задачи.
- •Вопрос 13. Основные принципы в планировании.
- •18.Методы планирования и прогнозирования.
- •19. Эволюция планирования и прогнозирования.
- •20. Планироване как функция управления.
- •21. Как и кто разрабатывает, принимает и выполняет планы в организации
- •22. Информация в организации. Роль норм и нормативов
- •23. Системность и комплексность в планировании
- •24. Экономические интересы и их использование в планировании
- •25. Целевые комплексные программы(цкп) в планировании
- •26. Законы, применяемые в планировании
- •27. Как оценить результаты планирования эффективность и эффект в планировании
- •28. Закон планомерного и пропорционального развития
- •29. Функции государства в планировании экономических интересов
- •30. Риски в планировании
- •31. Балансовый метод планирования
- •32. Планирование с помощью функционально-стоимостного анализа
- •33. Планирование по календарным срокам
- •34. Графические методы планирования: выровненный тренд.
- •35. Экономико-математические методы планирования прогнозирования
- •36. Планирование с помощью экономических сравнений
- •39. Прогнозирование на основе динамических рядов
- •40. Кластерный анализ в планировании и прогнозировании
- •Типология задач кластеризации Типы входных данных
- •Цели кластеризации
- •Методы кластеризации[править | править вики-текст]
- •41. Внутрифирменное финансово-экономическое планирование.
- •43. Директивное планирование пропорций и темпов развития экономики.
- •44. Прогнозирование эффективности в экономике.
- •45. Индикативное планирование деятельности организации.
- •46. Регулирование внешнеэкономических связей.
- •47. Прогнозирование регионального развития.
- •48. Организация децентрализованного планирования.
40. Кластерный анализ в планировании и прогнозировании
Кластерный анализ — многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая объекты в сравнительно однородные группы. Задача кластеризации относится к статистической обработке.
Спектр применений кластерного анализа очень широк: его используют в археологии, медицине, психологии, химии, биологии,государственном управлении, филологии, антропологии, маркетинге, социологии и других дисциплинах. Однако универсальность применения привела к появлению большого количества несовместимых терминов, методов и подходов, затрудняющих однозначное использование и непротиворечивую интерпретацию кластерного анализа.
Кластерный анализ выполняет следующие основные задачи:
Разработка типологии или классификации.
Исследование полезных концептуальных схем группирования объектов.
Порождение гипотез на основе исследования данных.
Проверка гипотез или исследования для определения, действительно ли типы (группы), выделенные тем или иным способом, присутствуют в имеющихся данных.
Независимо от предмета изучения применение кластерного анализа предполагает следующие этапы:
Отбор выборки для кластеризации. Подразумевается, что имеет смысл кластеризовать только количественные данные.
Определение множества переменных, по которым будут оцениваться объекты в выборке, то есть признакового пространства.
Вычисление значений той или иной меры сходства (или различия) между объектами.
Применение метода кластерного анализа для создания групп сходных объектов.
Проверка достоверности результатов кластерного решения.
Можно встретить описание двух фундаментальных требований предъявляемых к данным — однородность и полнота. Однородность требует, чтобы все кластеризуемые сущности были одной природы, описываться сходным набором характеристик[6]. Если кластерному анализу предшествуетфакторный анализ, товыборкане нуждается в «ремонте» — изложенные требования выполняются автоматически самой процедурой факторного моделирования (есть ещё одно достоинство — z-стандартизация без негативных последствий для выборки; если её проводить непосредственно для кластерного анализа, она может повлечь за собой уменьшение чёткости разделения групп). В противном случае выборку нужно корректировать.
Типология задач кластеризации Типы входных данных
Признаковое описание объектов. Каждый объект описывается набором своих характеристик, называемых признаками. Признаки могут быть числовыми или нечисловыми.
Матрица расстояний между объектами. Каждый объект описывается расстояниями до всех остальных объектов метрического пространства.
Матрица сходства между объектами[7]. Учитывается степень сходства объекта с другими объектами выборки в метрическом пространстве. Сходство здесь дополняет расстояние (различие) между объектами до 1.
В современной науке применяется несколько алгоритмов обработки входных данных. Анализ путём сравнения объектов, исходя из признаков, (наиболее распространённый в биологических науках) называется Q-типом анализа, а в случае сравнения признаков, на основе объектов — R-типом анализа. Существуют попытки использования гибридных типов анализа (например, RQ-анализ), но данная методология ещё должным образом не разработана.