IDEAS home Printed from https://ideas.repec.org/a/scn/031255/16375223.html
   My bibliography  Save this article

Нечеткая Линейная Регрессия В Модели Роста Технологических Знаний

Author

Listed:
  • ВОЛКОВА ЕЛЕНА СЕРГЕЕВНА

    (Финансовый университет)

  • ГИСИН ВЛАДИМИР БОРИСОВИЧ

    (Финансовый университет)

Abstract

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.

Suggested Citation

  • Волкова Елена Сергеевна & Гисин Владимир Борисович, 2015. "Нечеткая Линейная Регрессия В Модели Роста Технологических Знаний," Вестник Финансового университета, CyberLeninka;Федеральное государственное образовательное бюджетное учреждение высшего профессионального образования «Финансовый университет при Правительстве Российской Федерации» (Финансовый университет), issue 5 (89), pages 97-104.
    • Handle: RePEc:scn:031255:16375223
    as

    Download full text from publisher

    File URL: http://cyberleninka.ru/article/n/nechetkaya-lineynaya-regressiya-v-modeli-rosta-tehnologicheskih-znaniy
    Download Restriction: no
    ---><---

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:scn:031255:16375223. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: CyberLeninka (email available below). General contact details of provider: http://cyberleninka.ru/ .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.