Анализ и моделирование инновационной активности малых и средних предприятий
Исследование экономических факторов, влияющих на показатели количества малого инновационного бизнеса и объемы отгруженной инновационной продукции с помощью корреляционного, регрессионного анализа, анализа временных рядов и на основании панельных данных.
| Рубрика | Экономико-математическое моделирование |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 30.01.2016 |
| Размер файла | 1,2 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
8. Федеральная служба государственной статистики
9. Доугерти К. Введение в эконометрику. Москва: ИНФРА-М, 1999. 416 pp.
10. Магнус Я.Р., Катышев П.К., Пересецкмй А.А. Эконометрика. Начальный курс. Москва: Дело, 2004.
11. // Малое и среднее предпринимательство в России
12. Архипова М.Ю., Сиротин В.П. Декомпозиция распределенийв моделировании социально-экономических процессов. М: Московский Государственный Университет Экономики, Статистики И Информатики, 2011.
13. Городникова Н.В., Гостева С.Ю. Индикаторы инновационной активности: 2010, ГУ-ВШЭ, Москва, 2010.
14. Дубров А.М., Мхитарян В. С., Трошин Л.И. Многомерные статистические методы. Москва: Финансы и статистика, 2003.
15. Росстат. Статистика инноваций в России, Презентация 2010.
16. Новицкий Н.А. Инвестиции и инновации в России: проблемы в начале XXI века. Институт экономики РАН, 2001.
17. Голиченко О.Г., Балычева Ю.Е. Типичные модели инновационного поведения предприятий // Инновационная экономика, Feb 2012.
18. Методика юнидо по развитию технопарков // Юнидо в России.
19. Астафьева Е.В., Миронкина Ю.Н., Мхитарян В.С., Трошин Л.И. Теория вероятностей и математическая статистика. Учебное пособие. Москва: Маркет ДС Корпорейшн, 2010. 240 с.
20. Россия:курс на инновации. Открытый экспертно-аналитический отчет о хлже реализации ""Стратегии инновационного развития Российской Федерации на период до 2020 года". Выпуск 1. ОАО "РВК" при содействииМинистерсктва экономического развития РФ.. Москва. 2013. 122с.
21. Faderberg J. The Oxford Handbook of Innovation. Oxford University Press. 2004.
Приложение
Таблица 1 Факторы, сдерживающие инновационное развитие
Таблица 2 Описательные статистики переменных кластерного анализа
|
Описательные статистики |
Статистика |
Стд. ошибка |
|||
|
patent (X4) |
Среднее |
109,7083 |
18,28499 |
||
|
95% доверительный интервал для среднего |
Нижняя граница |
73,2491 |
|||
|
Верхняя граница |
146,1676 |
||||
|
5% усеченное среднее |
86,3117 |
||||
|
Медиана |
65,5 |
||||
|
Дисперсия |
24072,55 |
||||
|
Стд. отклонение |
155,1533 |
||||
|
Минимум |
0 |
||||
|
Максимум |
885 |
||||
|
Размах |
885 |
||||
|
Межквартильный размах |
125 |
||||
|
Асимметрия |
3,248 |
0,283 |
|||
|
Эксцесс |
12,772 |
0,559 |
|||
|
wgt (X1) |
Среднее |
5,1611 |
0,26941 |
||
|
95% доверительный интервал для среднего |
Нижняя граница |
4,6239 |
|||
|
Верхняя граница |
5,6983 |
||||
|
5% усеченное среднее |
5,1281 |
||||
|
Медиана |
5,35 |
||||
|
Дисперсия |
5,226 |
||||
|
Стд. отклонение |
2,286 |
||||
|
Минимум |
0 |
||||
|
Максимум |
12,3 |
||||
|
Размах |
12,3 |
||||
|
Межквартильный размах |
3,08 |
||||
|
Асимметрия |
0,251 |
0,283 |
|||
|
Эксцесс |
0,474 |
0,559 |
|||
|
product_out (X2) |
Среднее |
1,4963 |
0,2466 |
||
|
95% доверительный интервал для среднего |
Нижняя граница |
1,0045 |
|||
|
Верхняя граница |
1,988 |
||||
|
5% усеченное среднее |
1,2434 |
||||
|
Медиана |
0,925 |
||||
|
Дисперсия |
4,378 |
||||
|
Стд. отклонение |
2,09245 |
||||
|
Минимум |
0 |
||||
|
Максимум |
14,51 |
||||
|
Размах |
14,51 |
||||
|
Межквартильный размах |
2,13 |
||||
|
Асимметрия |
3,708 |
0,283 |
|||
|
Эксцесс |
20,4 |
0,559 |
|||
|
cash_expend (X3) |
Среднее |
131,3931 |
22,29217 |
||
|
95% доверительный интервал для среднего |
Нижняя граница |
86,9437 |
|||
|
Верхняя граница |
175,8424 |
||||
|
5% усеченное среднее |
102,3096 |
||||
|
Медиана |
60,1 |
||||
|
Дисперсия |
35779,74 |
||||
|
Стд. отклонение |
189,1553 |
||||
|
Минимум |
0 |
||||
|
Максимум |
1014,5 |
||||
|
Размах |
1014,5 |
||||
|
Межквартильный размах |
126,68 |
||||
|
Асимметрия |
2,752 |
0,283 |
|||
|
Эксцесс |
8,439 |
0,559 |
Таблица 3 Статистики теста Уайта и Бреуша -Пагана п. 3.2
|
White's test for Ho: homoskedasticity |
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity |
|
|
against Ha: unrestricted heteroskedasticity |
Ho: Constant variance |
|
|
chi2(27) = 39.27 |
Variables: fitted values of ln_innov_goods_2013 |
|
|
Prob > chi2 = 0.0599 |
chi2(1) = 9.00 |
|
|
Cameron & Trivedi's decomposition of IM-test |
Prob > chi2 = 0.0027 |
Таблица 4 Территориальный кластерный состав
|
№ кластера |
Кол-во регионов в кластере |
Регионы, входящие в данный кластер |
|
|
1 |
10 |
Воронежская область Краснодарский край Ростовская область Республика Башкортостан Самарская область Тюменская область Челябинская область Омская область Нижегородская область Свердловская область |
|
|
2 |
27 |
Белгородская область Брянская область Курская область Липецкая область Рязанская область Тамбовская область Тульская область Ярославская область Мурманская область Новгородская область Псковская область Республика Адыгея Астраханская область Волгоградская область Ставропольский край Республика Мордовия Чувашская Республика Пермский край Кировская область Пензенская область Саратовская область Ульяновская область Курганская область Забайкальский край Красноярский край Томская область Камчатский край |
|
|
3 |
28 |
Владимирская область Ивановская область Костромская область Орловская область Смоленская область Тверская область Республика Карелия Республика Коми Архангельская область Вологодская область Калинингpадская область Ленинградская область Республика Марий Эл Удмуртская Республика Оренбургская область автономный округ - Югра" Республика Алтай Республика Бурятия Республика Хакасия Иркутская область Кемеровская область Республика Саха (Якутия) Приморский край Хабаровский край Амурская область Магаданская область Сахалинская область |
Рисунок 23 Отображение кластеров на карте РФ
Размещено на Allbest.ru
Подобные документы
Связь между случайными переменными и оценка её тесноты как основная задача корреляционного анализа. Регрессионный анализ, расчет параметров уравнения линейной парной регрессии. Оценка статистической надежности результатов регрессионного моделирования.
контрольная работа [50,4 K], добавлен 07.06.2011Расчет суммы издержек для плана выпуска продукции. Коэффициенты линейного уравнения парной регрессии. Характеристика графической интерпретации результатов. Развитие экономических процессов. Особенности эконометрического моделирования временных рядов.
контрольная работа [723,3 K], добавлен 22.02.2011Предпрогнозное исследование рядов урожайности с применением фрактального и R/S-анализа, бинарной кодировки. Расчет коэффициента Херста природных и экономических рядов. Оценка соотношения "детерминированность-стохастичность" для разных областей Украины.
курсовая работа [2,2 M], добавлен 18.09.2010Основные элементы эконометрического анализа временных рядов. Задачи анализа и их первоначальная обработка. Решение задач кратко- и среднесрочного прогноза значений временного ряда. Методы нахождения параметров уравнения тренда. Метод наименьших квадратов.
контрольная работа [37,6 K], добавлен 03.06.2009Получение функции отклика показателя качества Y2 и формирование выборки объемом 15 и более 60. Зависимость выбранного Y от одного из факторов Х. Дисперсионный анализ и планирование эксперимента. Проведение корреляционного и регрессионного анализа.
курсовая работа [827,2 K], добавлен 19.06.2012- Использование корреляционно-регрессионного анализа для обработки экономических статистических данных
Расчет стоимости оборудования с использованием методов корреляционного моделирования. Метод парной и множественной корреляции. Построение матрицы парных коэффициентов корреляции. Проверка оставшихся факторных признаков на свойство мультиколлинеарности.
задача [83,2 K], добавлен 20.01.2010 Анализ временных рядов с помощью статистического пакета "Minitab". Механизм изменения уровней ряда. Trend Analysis – анализ линии тренда с аппроксимирующими кривыми (линейная, квадратическая, экспоненциальная, логистическая). Декомпозиция временного ряда.
методичка [1,2 M], добавлен 21.01.2011Классические подходы к анализу финансовых рынков, алгоритмы машинного обучения. Модель ансамблей классификационных деревьев для прогнозирования динамики финансовых временных рядов. Выбор алгоритма для анализа данных. Практическая реализация модели.
дипломная работа [1,5 M], добавлен 21.09.2016Теоретико-методологический подход к построению множественных регрессионных моделей. Моделирование и прогнозирование основных экономических показателей при использовании панельных данных. Исследование объемов продаж пяти предприятий с течением времени.
курсовая работа [2,0 M], добавлен 02.12.2013Понятие, задачи и основные цели регрессионного анализа. Прогнозирование, основанное на использовании моделей временных рядов. Определение степени детерминированности вариации критериальной переменной предикторами. Ошибки, возникающие при измерении данных.
контрольная работа [785,9 K], добавлен 13.11.2011
