Research of investment attractiveness based on cluster analysis

Дунфан Ци; Владимир Мансурович Буре

doi:10.21638/11701/spbu10.2023.206

Авторы

Дунфан Ци Санкт-Петербургский государственный университет, Российская Федерация, 199034, Санкт-Петербург, Университетская наб., 7-9
Владимир Мансурович Буре Санкт-Петербургский государственный университет, Российская Федерация, 199034, Санкт-Петербург, Университетская наб., 7-9

DOI:

https://doi.org/10.21638/11701/spbu10.2023.206

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

Скачивания

Данные скачивания пока недоступны.

Библиографические ссылки

References

Wang Qian. Environmental regulation and foreign direct investment attractiveness: Evidence from China Provinces. Review of Development Economics, 2022, vol. 26, no. 2. https://doi.org/10.1111/rode.12871

Qi D., Bure V. M. Statistical analysis of investment attractiveness of China's regions. Vestnik of Saint Petersburg University. Applied Mathematics. Computer Science. Control Processes, 2022, vol. 18, iss. 1, pp. 189-195. https://doi.org/10.21638/11701/spbu10.2022.116

Granato D. Use of principal component analysis (PCA) and hierarchical cluster analysis (HCA) for multivariate association between bioactive compounds and functional properties in foods: A critical perspective. Trends in Food Science and Technology, 2018, vol. 72, no. 72, pp. 83-90. https://doi.org/10.1016/j.tifs.2017.12.006

Bure V. M., Parilina E. M., Sedakov A. A. Applied statistics methods in R and Excel. 3 ed. St. Petersburg, Lan’ Publ., 2019, 196 p.

The World Bank. Available at: http://data.worldbank.org/indicator (accessed: January 18, 2023).

National Bureau of Statistics. Available at: http://www.stats.gov.cn/tjsj/ndsj/ (accessed: February 8, 2023). (In Chinese)

Govender P., Sivakumar V. Application of K-means and hierarchical clustering techniques for analysis of air pollution: A review (1980-2019). Atmospheric Pollution Research, 2020, vol. 11, no. 1, pp. 40-56. https://doi.org/10.1016/j.apr.2019.09.009

Olilingo F. Z., Aditya H. P., Kusuma P. How Indonesia economics works: correlation analysis of macroeconomics in 2010-2019. The Journal of Asian Finance, Economics and Business, 2020, vol. 7, no. 8, pp. 117-130.

Senthilnathan S. Usefulness of correlation analysis. SSRN Electronic Journal, 2019. https://doi.org/10.2139/ssrn.3416918

Iakushev V. P., Bure V. M., Mitrofanova O. A., Mitrofanov E. P. Theoretical foundations of probabilistic and statistical forecasting of agrometeorological risks. Vestnik of Saint Petersburg University. Applied Mathematics. Computer Science. Control Processes, 2021, vol. 17, iss. 2, pp. 174-182. https://doi.org/10.21638/11701/spbu10.2021.207

Iakushev V. P., Bure V. M., Mitrofanova O. A., Mitrofanov E. P. K voprosu avtomatizatsii postroeniia variogramm v zadachakh tochnogo zemledeliia [On the issue of semivariograms constructing automation for precision agriculture problems]. Vestnik of Saint Petersburg University. Applied Mathematics. Computer Science. Control Processes, 2020, vol. 16, iss. 2, pp. 177-185. https://doi.org/10.21638/11701/spbu10.2020.209 (In Russian)