economypromЭкономика промышленности / Russian Journal of Industrial EconomicsRussian Journal of Industrial Economics2072-16332413-662XMISIS10.17073/2072-1633-2010-3-24-29economyprom-278Research ArticleСтратегия развитияDevelopment strategyПРИМЕНЕНИЕ НЕЙРОСЕТЕЙ В РЕШЕНИИ ЗАДАЧИ ФОРМИРОВАНИЯ КЛАСТЕРОВ РЕГИОНОВ РФAPPLICATION NEURAL NETWORK IN THE DECISION OF PROBLEM FORMATION OF KLUSTER REGIONS THE RUSSIAN FEDERГордополовЮ. В.GordopolovJ. V.

к. э. н., доцент кафедры «Предпринимательство и коммерция» 

ЛукашевичН. С.LukashevichN. S.

к. э. н., доцент кафедры «Предпринимательство и коммерция»

Санкт-Петербургский государственный политехнический университетRussian Federation201005072015032429Copyright © Гордополов Ю.В., Лукашевич Н.С., 20152015Гордополов Ю.В., Лукашевич Н.С.Gordopolov J.V., Lukashevich N.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://ecoprom.misis.ru/jour/article/view/278

В статье авторы обосновывают новый метод группировки российских регионов по уровню социально-экономического развития. Сравнение полученных результатов с общепринятыми рейтингами позволило сделать вывод о приемлемой адекватности выводов. Авторы также отметили, что гипотезы, основанные на методах подобного рода, должны проверяться и подтверждаться иными способами.

In the article authors prove a new method of grouping of the Russian regions on level of social and economic development. Comparison of the received results with the standard ratings has allowed to draw a conclusion on comprehensible adequacy of conclusions. Authors also have noticed that the hypotheses based on this sort of methods, should be checked and prove to be true different ways.

нейросетикластерыгруппировкароссийские регионыуровень социально–экономического развитияneural networkgroupingthe Russian regionslevel of social and economic developmentReferencesДонченко Ю.В. Сравнительная оценка социально-экономической эффективности развития регионов Центрального федерального округа Российской Федерации // Вопросы статистики. 2004. № 12. С. 48−52 .Донченко Ю.В. Сравнительная оценка социально-экономической эффективности развития регионов Центрального федерального округа Российской Федерации // Вопросы статистики. 2004. № 12. С. 48−52 .Ким Дж.−О., Мьюллер Ч.У. Факторный анализ: статистические методы и практические вопросы / Сб. работ «Факторный, дискриминантный и кластерный анализ». Пер. с англ. / Под. ред. И.С. Енюкова. – М. : Финансы и статистика, 1989.– 215 с.Ким Дж.−О., Мьюллер Ч.У. Факторный анализ: статистические методы и практические вопросы / Сб. работ «Факторный, дискриминантный и кластерный анализ». Пер. с англ. / Под. ред. И.С. Енюкова. – М. : Финансы и статистика, 1989.– 215 с.Регионы России. Социально−экономические показатели: Стат. сб. / Росстат. − М., 2009. − 990 с.Регионы России. Социально−экономические показатели: Стат. сб. / Росстат. − М., 2009. − 990 с.Бююль А. SPSS: искусство обработки информации: Анализ статистических данных и восстановление скрытых закономерностей. Пер. с нем. – СПб.: ДиаСофтЮП, 2005. – 608 с.Бююль А. SPSS: искусство обработки информации: Анализ статистических данных и восстановление скрытых закономерностей. Пер. с нем. – СПб.: ДиаСофтЮП, 2005. – 608 с.Читая Г.О. Факторный анализ промышленного развития макрорегионов России // Вопросы статистики, 2006. № 2. С. 19–28.Читая Г.О. Факторный анализ промышленного развития макрорегионов России // Вопросы статистики, 2006. № 2. С. 19–28.Саймон Хайкин. Нейронные сети: полный курс – Neural Networks: A Comprehensive Foundation. – М.: «Вильямс», 2006. – 1104 с.Саймон Хайкин. Нейронные сети: полный курс – Neural Networks: A Comprehensive Foundation. – М.: «Вильямс», 2006. – 1104 с.

The authors declare that there are no conflicts of interest present.