1. Экономико-математические модели классифицируются по разным основаниям.

По целевому назначению они делятся на:

• теоретико-аналитические – в исследованиях общих свойств и закономерностей;

• прикладные – при решении конкретных экономических задач (модели экономического анализа, прогнозирования, управления).

Экономико-математические модели могут быть использованы при исследовании разных сторон производства и его отдельных частей.

По исследуемым экономическим процессами содержательной проблематике экономико-математические модели делятся на:

• модели производства в целом и его подсистем – отраслей, регионов и т. д.;

• комплексы моделей производства, потребления, формирования и распределения доходов, трудовых ресурсов, ценообразования, финансовых связей и т. д.

В соответствии с общей классификацией математических моделей они подразделяются на:

• функциональные;

• структурные;

• структурно-функциональные.

Применение в исследованиях на хозяйственном уровне структурных моделей обосновано взаимосвязью подсистем. Типичными в данном случае являются модели межотраслевых связей.

Функциональные модели широко применяются в сфере экономическогорегулирования. Типичными в данном случае являются модели поведения потребителей в условиях товарно-денежных отношений.

Один и тот же объект может быть представлен в виде и структурной, и функциональной модели одновременно. Так, например, для планирования отдельной отраслевой системы используется структурная модель, а на хозяйственном уровне – функциональная.

2. Различия между моделями дескриптивными и нормативными выявляются при рассмотрении их структуры и характера использования.

Дескриптивные модели дают ответ на вопрос: «Как это происходит?» или «Как это вероятнее всего может дальше развиваться?», то есть объясняют наблюдаемые факты или прогнозируют вероятность каких-либо фактов.

Цель дескриптивного подхода – эмпирическое выявление различных зависимостей в экономике. Это могут быть установление статистических закономерностей экономического поведения социальных групп, изучение вероятных путей развития каких-либо процессов при неизменных условиях или без внешних воздействий и другие исследования. Примером здесь может быть модель покупательского спроса, построенная на основе обработки статистических данных.

Нормативные модели признаны ответить на вопрос: «Как это должно быть?», то есть предполагают целенаправленную деятельность. Типичным примером является модель оптимального планирования.

Экономико-математическая модель может быть и дескриптивной, и нормативной. Так, модель межотраслевого баланса дескриптивна, если она используется для анализа пропорций прошлого периода, и нормативна при расчете сбалансированных вариантов развития экономики.

3. Признаки дескриптивных и нормативных моделей сочетаются, если нормативная модель сложной структуры объединяет отдельные блоки, которые являются частными дескриптивными моделями. Так, межотраслевая модель может включать функции покупательского спроса, отражающие поведение потребителей при изменении доходов.

Дескриптивный подход широко распространен в имитационном моделировании.

По характеру обнаружения причинно-следственных связей различают модели жестко детерминистские и модели, включающие элементы случайности и неопределенности. Необходимо различать неопределенность, основанную на законе теории вероятности, и неопределенность, выходящую за рамки применения этого закона. Второй тип неопределенности вызывает большие проблемы при моделировании.

4. По способам отражения фактора времени экономико-математические модели делятся на:

• статические;

• динамические.

В статических моделях все закономерности экономики относятся к одному моменту или периоду времени.

Динамические модели характеризуют изменения во времени.

По длительности периода времени различаются модели краткосрочного(до года), среднесрочного (до 5 лет), долгосрочного (5 лет и более) прогнозирования и планирования. Течение времени в экономико-математических моделях может изменяться либо непрерывно, либо дискретно.

Модели экономических явлений различаются по форме математических зависимостей.

Наиболее удобен для анализа и вычислений класс линейных моделей. Но существуют следующие зависимости в экономике, которые носят нелинейный характер:

• эффективность использования ресурсов при увеличении производства;

• изменение спроса и потребления населения при увеличении производства;

• изменение спроса и потребления населения при росте доходов и т. п.

По соотношению экзогенных и эндогенных переменных, включаемых в модель, они могут разделяться на открытые и закрытые.

Модель должна содержать хотя бы одну эндогенную переменную, поэтому абсолютно открытых моделей не существует. Исключительно редки модели, не включающие экзогенных переменных (закрытые), – их построение требует полного абстрагирования от «среды», то есть серьезного огрубления реальных экономических систем, всегда имеющих внешние связи.

В основном модели различаются по степени открытости (закрытости).

Для моделей хозяйственного уровня важно деление на. агрегированные и детализированные.

В зависимости от того, включают ли хозяйственные модели пространственные факторы и условия или не включают, различают модели пространственныеиточечные.

С ростом достижений экономико-математических исследований проблема классификации применяемых моделей усложняется. Наряду с появлением новых типов моделей (особенно смешанных типов) и новых оснований для их классификации осуществляется процесс интеграции моделей разных типов в более сложные модельные конструкции.

Кластерный анализ (англ. Data clustering) — задача разбиения заданной выборки объектов (ситуаций) на подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались. Задача кластеризации относится к статистической обработке, а также к широкому классу задач обучения без учителя. Кластерный анализ — это многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая объекты в сравнительно однородные группы (кластеры)(Q-кластеризация, или Q-техника, собственно кластерный анализ). Кластер — группа элементов, характеризуемых общим свойством, главная цель кластерного анализа — нахождение групп схожих объектов в выборке (примечание 1). Спектр применений кластерного анализа очень широк: его используют в археологии, медицине, психологии, химии, биологии, государственном управлении, филологии, антропологии, маркетинге, социологии и других дисциплинах. «Тематика исследований варьирует от анализа морфологии мумифицированных грызунов в Новой Гвинее до изучения результатов голосования сенаторов США, от анализа поведенческих функций замороженных тараканов при их размораживании до исследования географического распределения некоторых видов лишая в Саскачеване» (примечание 1). Однако универсальность применения привела к появлению большого количества несовместимых терминов, методов и подходов, затрудняющих однозначное использование и непротиворечивую интерпретацию кластерного анализа.

Кластерный анализ выполняет следующие основные задачи:

• Разработка типологии или классификации.

• Исследование полезных концептуальных схем группирования объектов.

• Порождение гипотез на основе исследования данных.

• Проверка гипотез или исследования для определения, действительно ли типы (группы), выделенные тем или иным способом, присутствуют в имеющихся данных (примечание 1).

Независимо от предмета изучения применение кластерного анализа предполагает следующие этапы:

• Отбор выборки для кластеризации.

• Определение множества переменных, по которым будут оцениваться объекты в выборке.

• Вычисление значений той или иной меры сходства между объектами.

• Применение метода кластерного анализа для создания групп сходных объектов.

• Проверка достоверности результатов кластерного решения (примечание 1).

Кластерный анализ предъявляет следующие требования к данным:

1. показатели не должны коррелировать между собой

2. показатели должны быть безразмерными

3. распределение показателей должно быть близко к нормальному

4. показатели должны отвечать требованию «устойчивости», под которой понимается отсутствие влияния на их значения случайных факторов

5. выборка должна быть однородна, не содержать «выбросов» (примечание 2).

Если кластерному анализу предшествует факторный анализ, то выборка не нуждается в «ремонте» — изложенные требования выполняются автоматически самой процедурой факторного моделирования (есть ещё одно достоинство — z-стандартизация без негативных последствий для выборки; если её проводить непосредственно для кластерного анализа, она может повлечь за собой уменьшение чёткости разделения групп). В противном случае выборку нужно корректировать.

Факторный анализ — многомерный статистический метод, применяемый для изучения взаимосвязей между значениями переменных.

Факторный анализ впервые возник в психометрике и в настоящее время широко используется не только в психологии, но и в нейрофизиологии, социологии, политологии, в экономике, статистике и других науках. Основные идеи Факторного анализа были заложены английским психологом и антропологом, основателем евгеники Гальтоном Ф. (1822—1911), внесшим также большой вклад в исследование индивидуальных различий. Но в разработку Факторного анализа внесли вклад многие ученые. Разработкой и внедрением Факторного анализа в психологию занимались такие ученые как: Спирмен Ч. (1904, 1927, 1946), Терстоун Л. (1935, 1947, 1951) и Кеттел Р. (1946, 1947, 1951) Также нельзя не упомянуть английского математика и философа Пирсона К., в значительной степени развившего идеи Ф. Гальтона, американского математика Хотеллинга Г., разработавшего современный вариант метода главных компонент. Внимания заслуживает и английский психолог Айзенк Г., широко использовавший Факторный анализ для разработки психологической теории личности. Математически факторный анализ разрабатывался Хотеллингом, Харманом, Кайзером, Терстоуном, Такером и др. Сегодня факторный анализ включён во все пакеты статистической обработки данных — R, SAS, SPSS, Statistica и т. д.