Кластеризация предпринимательских оценок отраслевых событий в малом торговом бизнесе

Авторами рассмотрен аналитический аспект обработки результатов конъюнктурных обследований, позволяющий детализировать представление о динамике экономического развития малых фирм (на примере предприятий розничной торговли). Во введении аргументируется необходимость - дополнительно к расчету балансовых характеристик и композитных индикаторов деловой конъюнктуры - применения методологического подхода, позволяющего изучать поведенческие модели хозяйствующих субъектов, относимых к малым предприятиям розничной торговли, на основе статистических распределений ответов респондентов. При рассмотрении техники кластерного анализа в качестве индивидуальных данных для кластеризации предлагаются переменные, являющиеся предпринимательскими оценками фактических и ожидаемых тенденций в реальном масштабе времени. Особенность применения техники кластерного анализа при определении различных «поведенческих моделей» состоит в том, что могут быть классифицированы индивидуальные ответы экономических агентов на различных этапах делового цикла. Более тщательное изучение такой информации позволяет идентифицировать различные операционные показатели деятельности организаций. Данный аспект особенно важен при изучении совокупного поведения малого предпринимательства, когда необходимо детализировать реакцию бизнеса относительно реальных или ожидаемых экономических явлений.

малое предпринимательство, деловая конъюнктура, композитные индикаторы, конъюнктурные обследования, кластеры, поведенческие модели, small business, the business conjuncture, composite indicators, business tendency surveys, clusters, behavior patterns

1. Айвазян С.А., Мхитарян В.С. Прикладная статистика. Основы эконометрики: учеб. для студентов экон. специальностей вузов. В 2 т. Т. 2: Основы эконометрики. - 2-е изд., испр. - М.: ЮНИТИ, 2001. - 432 с.

2. Демидов О. Различные индексы прогнозирования экономической активности в России // Квантиль. 2008. № 5. С. 83-102.

3. Carlson J.A., Parkin J.M. Inflation expectations. Economica. 1975. No. 42. P. 123-138.

4. Crosilla L., Leproux L. Leading indicators on construction and retail trade sectors based on ISAE survey data // Journal of Business Cycle Measurement and Analysis. 2008. Iss. 1. Р. 97-123.

5. Crosilla L., Malgarini M. Behavioural models for manufacturing firms: an analysis based on ISAE survey data. URL: http ://ec.europa. eu /economy_finance/db_indicators / surveys / documents/workshops/2010/ec_meeting/ crosilla_ malgarini_isae.pdf (дата обращения: 10.03.2015).

6. Mirkin B.G. Individual approximate clusters: Methods, properties, applications // Rough Sets, Fuzzy Sets, Data Mining, and Granular Computing. Issue 8170: Lecture Notes in Artificial Intelligence. Heidelberg: Springer, 2013. P. 26-37.

7. Mitchell J., Smith R.J., Weale M.R. Aggregate versus disaggregate survey-based indicators of economic activity. National Institute of Economic and Social Research. -London, 2002. № 194. - 33 р. - Series: National Institute discussion paper.

8. Pesaran M.H., Weale M.R. Survey expectations. CESifo working paper No. 1599. 2005. URL: http://hdl.handle.net/10419/19063 (дата обращения: 20.02.2015).

9. Proietti T., Frale C. New proposals for the quantification of qualitative survey data. URL: http://ssrn.com/ab-stract=967411 (дата обращения: 03.03.2015).