RUS  ENG
Полная версия
ЖУРНАЛЫ // Вестник Санкт-Петербургского университета. Серия 10. Прикладная математика. Информатика. Процессы управления // Архив

Вестн. С.-Петербург. ун-та. Сер. 10. Прикл. матем. Информ. Проц. упр., 2023, том 19, выпуск 2, страницы 199–211 (Mi vspui577)

Информатика

Research of investment attractiveness based on cluster analysis

[Исследование инвестиционной привлекательности на основе кластерного анализа]

D. Qi, V. M. Bure

St. Petersburg State University, 7–9, Universitetskaya nab., St. Petersburg, 199034, Russian Federation

Аннотация: Продолжающееся экономическое развитие различных стран или регионов привело к усилению конкуренции на мировых рынках, что обусловило концентрацию инвесторов и квалифицированной рабочей силы в местах с высокой инвестиционной привлекательностью. Инвестиционная привлекательность той или иной страны или региона определяется ее инвестиционным потенциалом и риском, которые характеризуются сочетанием разных значимых факторов. Предпринята попытка разработать эконометрическую модель для оценки объема инвестиций в основной капитал в конкретном регионе с учетом линейной зависимости между наблюдаемыми результатами, чтобы определить основные условия, необходимые для достижения стабильного и высокого экономического роста. К таким условиям относятся ускорение инвестиционной активности и проведение крупных национальных реформ для обеспечения эффективности инвестиционного процесса. Для оценки общего влияния изучаемых финансово-экономических показателей на объем инвестиций в качестве основного математического инструмента исследования был использован множественный регрессионный анализ. Кроме того, были сделаны предположения относительно ранга наблюдений. Для подтверждения этой гипотезы был проведен кластерный анализ, сгруппировавший наблюдения в четыре кластера на основе их результатов в зависимости от объема инвестиций или географических характеристик региона.

Ключевые слова: инвестиционная привлекательность, кластерный анализ, иерархическая регрессионная модель, модели множественной линейной регрессии, корреляционный анализ, метод наименьших квадратов.

УДК: 519.233.5

MSC: 62P12

Поступила: 22 февраля 2023 г.
Принята к печати: 25 апреля 2023 г.

Язык публикации: английский

DOI: 10.21638/11701/spbu10.2023.206



© МИАН, 2024