НЕЧЕТКАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ В МОДЕЛИ РОСТА ТЕХНОЛОГИЧЕСКИХ ЗНАНИЙ
Аннотация
Нечеткая линейная регрессия применяется для оценки параметров модели роста технологических знаний Ботацци—Пери, для оценки параметров применялась классическая линейная регрессия. В настоящей работе параметры определяются как нечеткие величины. В результате модельный объем технологических знаний характеризуется не единичным числом, а множеством возможных значений. Положение в ряду возможных значений конкретного показателя, характеризующего отдельную страну, в определенной мере отражает эффективность НИОКР в этой стране. Если показатель близок к наиболее вероятным модельным значениям (когда значение функции принадлежности близко к единице), эффективность НИОКР достаточно типична. Близость к периферийным значениям (когда значение функции принадлежности близко к нулю) возникает в двух случаях: если эффективность НИОКР нетипично высока или нетипично низка. Применение нечеткой регрессии позволяет проследить динамику изменения эффективности. Расчеты проведены на тех же данных, касающихся запасов технологических знаний в промышленно развитых странах, что и в работе Ботацци и Пери.
Об авторах
Е. С. Волкова
Финансовый университет, Москва
Россия
кандидат физико-математических наук, доцент, доцент кафедры «Математика»
Россия
кандидат физико-математических наук, доцент, доцент кафедры «Математика»
В. Б. Гисин
Финансовый университет, Москва
Россия
кандидат физико-математических наук, профессор, заведующий кафедрой «Математика»
Россия
кандидат физико-математических наук, профессор, заведующий кафедрой «Математика»
Список литературы
1. Гохберг Л. М., Кузнецова Т. Е., Рудь В. А. Анализ инновационных режимов в российской экономике: методологические подходы и первые результаты // Форсайт. 2010. Т. 4. №. 3. С. 18–30 / Gokhberg L.M., Kuznetsova T.E., Rud V.A. The analysis of the innovative modes in the Russian economy: methodological approaches and first results // Forsythe. 2010. T. 4. No. 3. P. 18–30.
2. Лосева О. В., Дресвянников В. А. Методология оценки интеллектуального потенциала региона в условиях инновационного развития // Вестник Финансового университета. 2014. № 6 (84). С. 37–49 / Loseva O.V., Dresvyannikov V.A. Metodologiya of an assessment of intellectual potential of the region in the conditions of innovative development // Bulletin of Financial university [Metodologija ocenki intellektual’nogo potenciala regiona v uslovijah innovacionnogo razvitija]. 2014. No. 6 (84). P. 37–49.
3. Aghion P., Howitt P. A Model of Growth Through Creative Destruction // Econometrica. 1992. Т. 60. С. 323–351. 4. Romer P.M. Endogenous Technological Change // Journal of Political Economy. 1990. Т. 98. № 5, Part 2. Р. 71–102.
4. Grossman G., Helpman E. Innovation and growth in the world economy. Cambridge, MA: MIT Press, 1991. 360 Р.
5. Segerstrom P. S. Endogenous growth without scale effects // American Economic Review. 1998. Р. 1290–1310.
6. Jones C.I. Time series tests of endogenous growth models // The Quarterly Journal of Economics. 1995. P. 495–525.
7. Jones C.I. R & D-based models of economic growth // Journal of political Economy. 1995. Р. 759–784.
8. Jones C.I. Growth and ideas // Handbook of economic growth. 2005. Т. 1. Р. 1063–1111.
9. Bottazzi L., Peri G. The International Dynamics of R&D and Innovation in the Long Run and in The Short Run // The Economic Journal. 2007. Т. 117. №. 518. С. 486–511.
10. Bottasso A., Castagnetti C., and Conti M. R&D, Innovation and Knowledge Spillovers: A Reappraisal of Bottazzi and Peri (2007) in the Presence of Cross Sectional Dependence // Journal of Applied Econometrics. 2015. Т. 30 № 2. С. 350–352.
11. Shackle G.L. S. Decision, order, and time in human affairs. Oxford University Press, 1961. 330 Р. 13. Dymowa L. Soft computing in economics and finance. Springer: New York, Heidelberg, 2011. С. 295. 14. Bojadziev G., Bojadziev M. Fuzzy logic for business, fi nance, and management. London, Singapore: World Scientifi c Publishing Co., Inc., 2007. 232 C.
12. Buckley J.J., Eslami E., Feuring T. Fuzzy Mathematics in Economics and Engineering. Physica-Verlag: New York, Heidelberg, 2002. 272 Р.
13. Dubois D., Prade H. Possibility theory and its applications: Where do we stand // Mathware and Soft Computing. 2011. Т. 18. № 1. С. 18–31.
14. Kahraman C. (ed.) Fuzzy Engineering Economics with Applications. Berlin, Heidelberg: Springer, 2008. С. 390.
15. Tanaka H., Uejima S., Asai K. Linear regression analysis with fuzzy model // IEEE Trans. Systems Man Cybern. 1982. Т. 12. С. 903–907.
16. Heshmaty B., Kandel A. Fuzzy linear regression and its applications to forecasting in uncertain environment // Fuzzy Sets and Systems. 1985. Т. 15. № 2. С. 159–191.
17. Tanaka H., Watada J. Possibilistic linear systems and their application to the linear regression model // Fuzzy sets and systems. 1988. Т. 27. № 3. Р. 275–289.
18. Pedrycz W. From fuzzy data analysis and fuzzy regression to granular fuzzy data analysis // Fuzzy Sets and Systems. 2014 (Available online 26 April 2014).
19. http://qed.econ.queensu.ca/jae/2015-v30.2/bottasso-castagnetti-conti/
20. Хансен Л. П. Последствия неопределенности для экономического анализа // Вестник Финансового университета. 2015. № 2 (86). С. 6–12 / Hansen L.P. Uncertainty consequences for the economic analysis [Posledstvija neopredelennosti dlja jekonomicheskogo analiza] // Bulletin of Financial university. 2015. No. 2 (86). P. 6–12.
21. Назарова Ю. А. Прогнозирование мировых цен на нефть по нечисловой экспертной информации // Вестник Финансового университета. 2015. № 3 (87). С. 155–160 / Nazarova Yu.A. Forecasting of the world prices for oil according to non-numerical expert information [Prognozirovanie mirovyh cen na neft’ po nechislovoj jekspertnoj informacii] // Bulletin of Financial university. 2015. No. 3 (87). P. 155–160.
Рецензия
Для цитирования:
Волкова Е.С., Гисин В.Б. НЕЧЕТКАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ В МОДЕЛИ РОСТА ТЕХНОЛОГИЧЕСКИХ ЗНАНИЙ. Финансы: теория и практика/Finance: Theory and Practice. 2015;(5):97-104.
For citation:
Volkova E.S., Gisin V.B. THE USE OF FUZZY LINEAR REGRESSION IN THE MODEL OF TECHNOLOGICAL KNOWLEDGE GROWTH. Finance: Theory and Practice. 2015;(5):97-104. (In Russ.)
Просмотров:
549
Послать статью по эл. почте 