НАУЧНАЯ БИБЛИОТЕКА - РЕФЕРАТЫ - Кластерный анализ в задачах социально-экономического прогнозирования

Кластерный анализ в задачах социально-экономического прогнозирования

Глава 1.

КЛАСТЕРНЫЙ АНАЛИЗ В ЗАДАЧАХ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО ПРОГНОЗИРОВАНИЯ

1. Введение в кластерный анализ.

При анализе и прогнозировании социально-экономических явлений

исследователь довольно часто сталкивается с многомерностью их описания. Это

происходит при решении задачи сегментирования рынка, построении типологии

стран по достаточно большому числу показателей, прогнозирования конъюнктуры

рынка отдельных товаров, изучении и прогнозировании экономической депрессии

и многих других проблем.

Методы многомерного анализа - наиболее действенный количественный

инструмент исследования социально-экономических процессов, описываемых

большим числом характеристик. К ним относятся кластерный анализ,

таксономия, распознавание образов, факторный анализ.

Кластерный анализ наиболее ярко отражает черты многомерного анализа в

классификации, факторный анализ – в исследовании связи.

Иногда подход кластерного анализа называют в литературе численной

таксономией, численной классификацией, распознаванием с самообучением и

т.д.

Первое применение кластерный анализ нашел в социологии. Название

кластерный анализ происходит от английского слова cluster – гроздь,

скопление. Впервые в 1939 был определен предмет кластерного анализа и

сделано его описание исследователем Трионом. Главное назначение кластерного

анализа – разбиение множества исследуемых объектов и признаков на

однородные в соответствующем понимании группы или кластеры. Это означает,

что решается задача классификации данных и выявления соответствующей

структуры в ней. Методы кластерного анализа можно применять в самых

различных случаях, даже в тех случаях, когда речь идет о простой

группировке, в которой все сводится к образованию групп по количественному

сходству.

Большое достоинство кластерного анализа в том, что он позволяет

производить разбиение объектов не по одному параметру, а по целому набору

признаков. Кроме того, кластерный анализ в отличие от большинства

математико-статистических методов не накладывает никаких ограничений на вид

рассматриваемых объектов, и позволяет рассматривать множество исходных

данных практически произвольной природы. Это