Математические методы и модели анализа пространственной структуры системы городской торговли тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат наук Файзлиев, Алексей Раисович

• Файзлиев, Алексей Раисович
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Файзлиев, Алексей Раисович

Оглавление

Введение

Глава I. Методы пространственного анализа данных в экономических исследованиях

1.1 Представление и обработка социально-экономической информации с помощью геоинформационных систем

1.2 Методы и модели анализа пространственных данных

1.3 Анализ концентрации

1.4 Анализ факторов, влияющих на характеристики объектов городской

среды

Глава II. Методы кластеризации пространственных данных как инструмент анализа городской среды

2.1 Кластеризация характеристик плотности объектов городской среды

2.2 Алгоритм кластеризации пространственных данных с «комбинированным расстоянием» и методика выбора числа кластеров

2.2.1 Выбор числа кластеров по максимальному скачку расстояния и относительной энтропии Шеннона

2.2.2 Выбор числа кластеров по корреляционному отношению

2.3 Сравнение выбора числа кластеров по различным методам

Глава III. Эконометрические модели размещения торговых предприятий

3.1 Исходные данные для анализа размещения

объектов городской среды

3.2 Регрессионные модели

3.3 Пространственные модели Кларка

3.4 Структурные модели

Заключение

Список использованной литературы

2

Введение диссертации (часть автореферата) на тему «Математические методы и модели анализа пространственной структуры системы городской торговли»

Введение

Актуальность темы исследования. В экономической науке исследованиям пространственного взаимодействия экономических объектов до последнего времени не уделялось достаточно внимания. Методы пространственного статистического анализа, лежащие в основе reo статистики и пространственной эконометрики, использовались в основном географами и геологами. Лишь в последние годы эти методы стали применяться экономистами, изучающими особенности регионального развития с учетом пространственной корреляции между показателями, характеризующими экономические объекты.

В реальной жизни географические или пространственные данные составляют более половины объема всей циркулирующей информации. Для многих социально-экономических процессов, происходящих на смежных территориях, характерно пространственное взаимодействие, т.е. взаимное влияние и обусловленность. Пространственное представление статистической информации позволяет ставить вопрос о наличии и силе таких взаимодействий, и делает актуальным разработку методов статистического анализа адекватно отображающих территориальный фактор. Применение специальных методов пространственного анализа, а также возможностей современных геоинформационных систем существенно повышает информативность проводимых экономических исследований.

Одной из задач, особенно важной для крупных городов, где методы пространственного анализа наиболее востребованы, является проблема планирования и размещения торговых предприятий на городской территории. Актуальность указанных вопросов предопределила выбор темы диссертационного исследования, обусловила научную и практическую значимость его результатов.

Степень разработанности проблемы. Большой вклад в построение методологии измерения территориальных взаимодействий социально-экономических процессов внесли зарубежные исследователи - разработчики различных направлений оценки пространственных связей: В. Алонсо, JI.

3

Анселин, А. Гетис, Р. Дубин, П. Моран, Б. Финглетон, Р. Флоракс и многие другие.

Проблемы развития статистики и эконометрики, в том числе формирования цен с учетом пространственных факторов, исследованы в работах С.А. Айвазяна, В.Н. Афанасьева, В.А. Балаша, С.А. Бурцевой, А.П. Дарманяна, С.И. Дудова, B.C. Мхитаряна, B.C. Занадворова, A.B. Занадворовой, С.А. Прохорова и других отечественных авторов.

Проблематике моделирования социально-экономических процессов в современных городах и влияния на них центростремительных эффектов сосредоточения видов деятельности были посвящены теоретические и прикладные исследования А. Винейблса, П. Дерика, К. Кларка, Е. Милза, Р. Мута, П. Кругмана, М. Фуджицу, В. Хардина и др.

Несмотря на значительное количество публикаций посвященных исследованию пространственных взаимодействий различных социально-экономических процессов, в литературе отсутствует описание научно обоснованной методики статистического исследования закономерностей размещения и ценообразования рынка коммерческой недвижимости (на уровне крупного города), позволяющей учесть пространственное взаимовлияние различных объектов.

Необходимость разработки статистических методов анализа и моделирования закономерностей размещения коммерческой недвижимости и формирования цен на них с использованием геоинформационных систем и выявления на основе этих методов пространственных закономерностей размещения и ценообразования объектов коммерческой недвижимости определила актуальность темы настоящего диссертационного исследования.

Цель и задачи исследования. Цель диссертационной работы -разработка эконометрических методов и моделей пространственного анализа объектов городской среды, позволяющих учесть их пространственное взаимодействие при планировании размещения городских торговых предприятий.

Реализации обозначенной цели достигается путем последовательного решения комплекса взаимосвязанных задач:

- провести модернизацию существующих методов кластеризации пространственных данных, дополнив их новой методикой выбора числа кластеров, учитывающей местоположение и размер объектов городской среды;

- разработать эконометрическую модель непараметрической регрессии, связывающую плотности общей и торговой площади продовольственных и промтоварных магазинов, а также их удельную стоимость с плотностью взрослого населения;

- построить эконометрические модели оценки основных удельных характеристик торговых предприятий города в зависимости от плотности взрослого населения и близости от административных центров, с учетом пространственных автокорреляций случайных отклонений;

- разработать модели пространственной авторегрессии, связывающие значения плотности признаков торговых помещений в данном узле квадратной сетки со значениями в соседних узлах;

- предложить структурную эконометрическую модель социально-экономической системы «покупатель - торговые предприятия», позволяющую описать механизмы взаимодействия населения и элементов городской среды.

Объектом исследования является система городской торговли.

Предметом исследования являются процессы формирования пространственной структуры городских торговых предприятий.

Область исследования. Содержание диссертационной работы соответствует пунктам 1.1 «Разработка и развитие математического аппарата анализа экономических систем: математической экономики, эконометрики, прикладной статистики, теории игр, оптимизации, теории принятия решений, дискретной математики и др. методов, используемых в экономико-математическом моделировании»; 1.4 Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, домашних хозяйств, рынков, механизмов формирования спроса и потребления, способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений» Паспорта специальности 08.00.13

Математические и инструментальные методы экономики.

Теоретико-методологической основой исследования послужили труды отечественных и зарубежных ученых, посвященные проблемам статистического анализа и эконометрического моделирования территориально распределенных процессов. В исследовании использованы статистические методы выборочного наблюдения, сводки и группировки, методы пространственного анализа, включающие расчет пространственных средних и пространственных корреляций, построение пространственных диаграмм, методы кластерного и факторного анализа, эконометрического моделирования, табличные и графические методы представления результатов анализа. Обработка данных проводилась на ПЭВМ с помощью компьютерных программ «R», «Maplnfo», «Gretl», «Lisrel» и «MS Excel».

Информационно-эмпирическую базу исследования составили данные обследования предприятий розничной торговли, материалы выборочного обследования о ценах сделок с коммерческой недвижимостью в исследуемый период, сведения о плотности населения по территории города, рассчитанные автором на основании открытой информации о границах избирательных участков по численности зарегистрированных избирателей. Для пространственной привязки исследуемых объектов использовалась процедура геокодирования по адресам объектов недвижимости и границам избирательных участков.

Положения диссертации, выносимые на защиту:

1. Предложенный подход к пространственной кластеризации торговых предприятий по удельной обеспеченности (плотности общей и торговой площадей), основанный на разделении территории города на ячейки Дирихле и введенном понятии комбинированного расстояния, дополненный методикой выбора числа кластеров, включающей вычисление корреляционных отношений и определение расстояния между кластерами, как среднего расстояния между объектами, дает наилучшие результаты по сравнению с другими методами выбора числа кластеров (по максимальному скачку расстояния между кластерами, по относительной энтропии) и другими способами определения расстояния между кластерами (по минимальному и

по максимальному расстоянию между объектами).

2. Эконометрические модели непараметрической регрессии (типа loess) показывают, что плотность общей и торговой площади продовольственных и промтоварных магазинов, а также стоимость коммерческой недвижимости нелинейно и монотонно зависят от плотности взрослого населения; при этом зависимость в области малых значений плотности населения имеет сублинейный характер, а в области больших значений становится сверхлинейной.

3. Оценки моделей линейной регрессии для плотности торговых и общих площадей продовольственных и промтоварных магазинов, а также цены квадратного метра коммерческой недвижимости, полученные обыкновенным методом наименьших квадратов и обобщенным методом наименьших квадратов (вариант оценки максимального правдоподобия), учитывающим пространственные автокорреляции случайных возмущений (с экспоненциальной моделью вариограммы), существенно различаются, что подтверждает важность учета пространственной структуры данных; при этом характерное расстояние, на котором корреляция убывает в е раз, составляет для продовольственных магазинов - 3 км, для промтоварных магазинов -4 км, а для цены квадратного метра коммерческой недвижимости наблюдаются волнообразные колебания пространственных автокорреляций для удаленности более 3 км.

4. Модель пространственной авторегрессии, позволяющая прогнозировать значения характеристик в узлах сетки по их значениям в соседних узлах, является (согласно тесту Морана пространственной автокорреляции остатков) адекватной лишь для плотности торговых и общих площадей продовольственных магазинов, что объясняется тесной связью характеристик размещения продовольственных магазинов с плотностью населения, и не описывает характеристики размещения промтоварных магазинов, а также стоимость коммерческой недвижимости, на которые оказывает влияние большое количество латентных факторов.

5. Структурная эконометрическая модель размещения торговых предприятий, экзогенными переменными которой служат плотность

населения и удельная стоимость недвижимости, а эндогенными переменными - плотности общей и торговой площадей продовольственных и промтоварных магазинов, а также цена квадратного метра коммерческой недвижимости, учитывающая их взаимовлияние, удовлетворяет критериям теста хи-квадрат и является адекватной.

Научную новизну содержат следующие результаты исследования:

- проведена модернизация существующих методов кластеризации пространственных данных, путем включения в них методики определения числа кластеров, основанной на расчете энтропии Шеннона и корреляционного отношения, позволяющая повысить информативность кластеризации по сравнению с известными методами, основанными на выявлении максимального скачка расстояний между кластерами;

- разработана эконометрическая модель непараметрической регрессии, включающая диаграммы рассеяния и связывающая плотности общей и торговой площади продовольственных и промтоварных магазинов, а также их удельную стоимость с плотностью взрослого населения;

- предложена методика оценки основных удельных характеристик торговых предприятий города (плотность общих торговых площадей промтоварных и продовольственных магазинов, стоимость квадратного метра коммерческой недвижимости, обеспеченность населения торговыми площадями и т.д.) в зависимости от плотности взрослого населения и близости от административных центров, учитывающая пространственные автокорреляции случайных отклонений, которая позволяет получать более точные оценки с учетом влияния пространственного фактора;

- разработана авторегрессионная модель размещения предприятий торговли, включающая механизм пространственной взаимосвязи объектов городской среды, связывающий значения плотности признаков торговых помещений в данном узле квадратной сетки со значениями в соседних узлах, в которой для учета территориальных взаимодействий предусмотрены различные варианты соседства, описанные пространственными весовыми матрицами.

- построена структурная эконометрическая модель социально-

экономической системы «покупатель - торговые предприятия»,

представляющая собой систему одновременных уравнений, связывающих плотность населения с различными характеристиками торговых предприятий, позволяющая описать механизмы взаимодействия населения и объектов городской среды.

Теоретическая значимость исследования заключается в уточнении теоретических представлений об использовании пространственной информации в экономико-статистических исследованиях, расширении сферы применения и модификации существующих методов и моделей пространственного анализа данных для решения задач кластеризации и размещения объектов городской среды.

Практическая значимость заключается в разработке инструментов для анализа и количественной характеристики особенностей размещения предприятий розничной торговли в крупном городе. Предложенная методика может применяться органами государственного и муниципального управления на различных уровнях при планировании дальнейшего развития городских и региональных территорий, а также в учебном процессе при преподавании курсов «Эконометрика», «Оценка недвижимости».

Апробация результатов исследования. Основные положения диссертационного исследования докладывались и получили одобрение на международных научно-практических конференциях «Социально-экономическое развитие России: проблемы, поиски, решения» (Саратов, 2005), «Математическое моделирование в управлении рисками» (Саратов, 2012), на Всероссийских научно-практических конференциях «Прикладные аспекты статистики и эконометрики» (Саратов, 2006) и «Математические методы в технических и социально-экономических системах» (Новосибирск, 2008), на конференциях «Математические методы в технике и технологиях» (Саратов, 2008), «Проблемы и перспективы развития региональной экономики» (Саратов, 2008), «Современные проблемы и тенденции развития внутренней и внешней торговли» (Саратов, 2009), «Ежегодная конференции студентов и сотрудников Механико-математического факультета СГУ» (Саратов, 2010-2013), на Российском экономическом конгрессе (Москва,

2009).

Основные результаты исследования отражены в 13 публикациях автора общим объемом 5 п.л., в том числе в рецензируемых научных журналах и изданиях, утвержденных ВАК РФ (3 статьи общим объемом 2,2 п.л.).

Структура диссертационной работы. В соответствии с целью и задачами исследования работа состоит из введения, трех глав, заключения, списка использованной литературы, включающего 103 наименований, содержит графический и табличный материал.

Глава I. Методы пространственного анализа данных в экономических

исследованиях

1.1 Представление и обработка социально-экономической информации с помощью геоинформационных систем.

Многие виды экономической деятельности, связанные с решением задач оптимизации экономических процессов (транспортные задачи, задачи логистики, задачи оптимального размещения различных ресурсов и т.п.), требуют учета и анализа пространственного расположения объектов. При решении таких задач географические или пространственные данные могут составлять более половины объема всей циркулирующей информации, используемой организациями, вовлеченными в эту деятельность. Для обеспечения возможности принятия оптимальных управленческих решений на основе анализа пространственных данных в настоящее время широко применяются геоинформационные системы.

Географическая информационная система или геоинформационная система (ГИС) - это информационная система, обеспечивающая сбор, хранение, обработку, анализ и отображение пространственных данных и связанных с ними непространственных, а также получение на их основе информации и знаний о географическом пространстве [43]. Современные ГИС расширили использование карт за счет хранения графических данных в виде отдельных тематических слоев, а также качественных и количественных характеристик составляющих их объектов в виде баз данных. Геоинформационные системы позволяют определить, что находится в заданной области и где находится область, удовлетворяющая заданному набору условий. Такая организация данных при наличии удобных механизмов управления ими, обеспечивает и принципиально новые

аналитические возможности. Анализ пространственных данных или пространственный анализ - является ключевым понятием в определении ГИС.

Во многих задачах пространственного анализа необходимо знать не только объем пространства, занимаемого объектами, но и расположение объектов в пространстве, которое может характеризоваться количеством объектов в определенной области, например, распределение численности населения или торговых площадей в городе. Распределение точечных объектов является наиболее распространенным методом анализа.

Геоинформационные технологии позволили автоматизировать многие трудоёмкие операции, связанные с анализом пространственных данных, ранее требовавшие больших временных, энергетических, психологических и других затрат от человека. Так как, большинство статистических данных могут быть привязаны к той или иной территории, то геоинформационные системы, несомненно, будут иметь преимущество перед другими информационными системами при решении задач пространственного анализа статистических данных.

Как отмечено во введении в экономической науке основное внимание, как правило, уделялось анализу объектов экономики в предположении, что изучаемые экономические объекты не изменяют своего положения и не взаимодействуют в географическом пространстве.

Пространственный статистический анализ использовался в основном географами и геологами. Лишь в последние годы такой анализ стал использоваться экономистами, изучающими особенности регионального развития с учетом влияния соседних регионов. Об этом свидетельствует возросшее число публикаций об исследовании пространственных экстерналий.

Используя зарубежный опыт, можно выделить следующие основные направления применения reo статистики и пространственной эконометрики в

экономике:

1) экономико-статистический анализ различных экономических показателей, учитывающий пространственную связь между экономическими объектами. В этом случае подразумевается использование ряда пространственных статистик, позволяющих выявить пространственную автокорреляцию между экономическими объектами.

2) эконометрический анализ панельных данных, учитывающий пространственную и временную корреляцию между экономическими объектами. Для этого необходимо использование ряда пространственных эконометрических моделей.

За рубежом геоинформационные системы уже давно используются в практике работы статистических органов [54-55, 73, 91-93]. В США ГИС используется национальным центром статистики здоровья (National Center for Health Statistics), бюро транспортной статистики (Bureau of Transportation Statistics), национальной сельскохозяйственной статистикой (National Agricultural Statistics Service), национальным картографическим агентством (National Imagery and Mapping), геологической службой (Geological Survey), бюром переписи (Bureau of the Census) и многими другими.

В Европе для координации работ по разработке методики представления статистической информации с помощью геоинформационных технологий создана организация GISCO (Geographie Information System of the Commission) [72]. Эта организация подготовила приблизительно 150 статистических карт на трех языках. Карты иллюстрируют статистическую информацию, характеризующую население, региональный ВВП, домашние хозяйства, бизнес, рынок труда и т.д. и доступны как для органов государственной власти, так и для коммерческих структур и частных лиц.

Пространственное представление статистических данных оказывается плодотворным при решении многих проблем на всех уровнях государственного регионального управления.

Идея проектов в форме «интегрированной географии», построенных в среде ГИС, заключается в создании такого типа справочных систем, которые позволяют эффективно использовать большое количество данных, необходимых для реализации цели - интегрирования географической и статистической информации. Такое сотрудничество между географией и статистикой очень важно для статистического анализа пространственной информации.

Проекты, которые осуществляет С18СО, основаны на пространственных методах анализа. В настоящее время проводятся работы по созданию хранилища пространственных данных о трудовых ресурсах, городских территориях и сельских районах, сравнение карт плотностей населения, построенных национальными статистическими институтами с европейской картой плотности населения и создание карт для европейской программы «Морская стратегия».

Основная цель европейских проектов состоит в разработке единой методологии представления собираемой различными организациями пространственно-временной информации, чтобы органы государственной власти получали необходимые данные, методы и технологии их анализа для выработки мероприятий, нацеленных на защиту благосостояния общества перед лицом постоянного воздействия на окружающую среду и при ограниченных природных ресурсах. Многие исследователи отмечают, что возможности ГИС могут быть эффективно использованы в коммерческой сфере и государственном управлении через создание новых рабочих мест, через экологические жизнеспособные виды деловой деятельности, через снижение издержек или улучшения безопасности. Например, предприятия реализующие проекты в сфере энергетики, телекоммуникаций или транспорта затрачивают существенные средства на сбор пространственных данных.

Таким образом, для коммерческих организаций геоинформационные

14

системы позволили бы существенно сократить расходы и сэкономить время, необходимое для сбора и анализа пространственных данных.

В качестве систем поддержки принятия решений для коммерческих структур в розничной торговле ГИС помогают улучшить обслуживание клиентов, сохранять высокий уровень конкурентоспособности, повышать прибыльность как коммерческим организациям, чья деятельность зависит от пространственной информации, так и тем, которым анализ геоинформации дает заметные преимущества. ГИС являются эффективным инструментом для выбора мест и определения зон торговли, размещения наружной рекламы и производственных объектов, диспетчеризации и маршрутизации средств доставки, информатизации риэлтерской деятельности.

Для проведения геомаркетингового исследования по оценке проходимости и привлекательности территории в зоне транспортной доступности к торгово-развлекательному комплексу оценивается привлекательность будущего торгово-развлекательного комплекса и прогнозируется его посещаемость. Для осуществления такого проекта необходимо:

- построение зон доступности к торгово-развлекательному комплексу;

- создание баз данных по всем торговым центрам;

- визуализация конкурентов;

- построение плотности по различным классам конкурентов;

- оценка плотности населения внутри зон доступности;

- оценка транспортных и пешеходных потоков в зонах доступности объекта;

- проведение прогноза развития территории в зонах доступности объекта.

В результате проведенный конкурентный анализ позволяет оценить существующую ситуацию на рынке: определить сегменты, где существует нехватка предложения, а где избыток. Оценка пешеходных и транспортных

15

потоков, а также анализ развития территории, позволил спрогнозировать посещаемость будущего торгово-развлекательного комплекса.

Важность такого исследования для обоснования размещения нового торгового центра трудно переоценить.

В России геоинформационные системы в статистическом исследовании пока используются в меньшей степени, а в экономической литературе подобного рода публикации почти не встречаются. Из имеющихся публикаций можно отметить работы С.А. Бурцевой [8] и С.П. Кривозубова [20]. В исследовании С.А. Бурцевой «Глобализация: геостатистический подход» отмечается, что перед статистикой как общественной наукой возникает ряд существенных проблем, связанных с учетом пространственного фактора и предлагается новое направление в исследовании территории и населения, при этом выделяется определяющий фактор - экономические отношения, в основе которых лежит география.

Статистика, ставя своей задачей изучение общественных явлений в развитии (в пространстве и во времени), должна ввести в объект своего изучения качественно-количественную характеристику географического пространства [8]. При этом в качестве основного способа статистического исследования разнообразия географического пространства, С.А. Бурцева предлагает использовать центрографический метод, подразумевающий наличие географических данных о местоположении определенного явления и статистических данных о его величине.

В качестве единиц геостатистической совокупности С.А. Бурцева предлагает использовать реальные процессы в пределах административно-территориальных единиц государств, в настоящей работе в качестве такой единицы выступает крупный населенный пункт (г. Саратов). При этом единица геостатистической совокупности, выступающая объектом наблюдения, содержит две составляющие: географическую (местоположение) и статистическую (свойство), что и определяет ее название.

Список литературы диссертационного исследования кандидат наук Файзлиев, Алексей Раисович, 2014 год

Список использованной литературы

1. Айвазян С.А. Прикладная статистика и основы эконометрики; учебник для ВУЗов / С.А. Айвазян, B.C. Мхитарян. - М.: ЮНИТИ, 1998. - 1022 с.

2. Афанасьев В.Н. Эконометрика: Учебник // В.Н. Афанасьев, М.М. Юзбашев, Т.И. Гуляева; под ред. В.Н. Афанасьева. - М.: Финансы и статистика, 2005. - 256 с: ил.

3. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование: Учебник. - М.: Финансы и статистика, 2001. - 228 с: ил.

4. Балаш В.А. Модели линейной регрессии для панельных данных: Учебное пособие для ВУЗов / В.А. Балаш, О.С. Балаш. - М., 2002. - 65с.

5. Балаш, В.А. Пространственная корреляция в статистических исследованиях [Текст] / В.А. Балаш, А.Р. Файзлиев // Вестн. Сарат. гос. соц.-экон. ун-та. - 2008. - № 4(23). - С. 122-125.

6. Бережная A.B. Математические методы моделирования экономических систем: учеб. пособие / A.B. Бережная, В.И. Бережной. - М.: Финансы и статистика, 2001. - 368 с.

7. Берндт Э.Р. Практика эконометрики: классика и современность. — М.: НТИ-ДАНА, 2005. - 864 с.

8. Бурцева С.А. Глобализация: геостатистический подход. - М.: Финансы и статистика, 2005. - 448 с.

9. Глинский, B.B. Статистический анализ: учеб. пособие / В.В. Глинский, В.Г. Ионин - М.: ИНФРА-М, 1998. - 258 с.

10. Дарманян А.П. Экономико-математические методы и модели: Учебное пособие. - Волгоград., Изд-во ВолгГТУ, 2013. - 126 с.

11. Домбровский В.В. Эконометрика: Учебник / В.В. Домбровский; Федер. агентство по образованию, Нац. фонд подгот. кадров. - М.: Новый учебник, 2004. - 342 с.

12. Доугерти К. Введение в эконометрику: Пер. с англ. - М.: ИНФРА-М,

1999.-402 с.

13. Дробышевский С., Луговой О., Астафьева Е., Полевой Д., Козловская

A., Трунин П., Ледерман Л. Факторы экономического роста в регионах РФ. - М.: ИЭПП, 2005. С. 278.

14. Дубров A.M. Многомерные статистические методы: учеб. / A.M. Дубров, B.C. Мхитарян, Л.И. Трошин. - М.: Финансы и статистика,

2000. - 352 с.

15. Дудов С.И., Купцов С.Н. Моделирование экономических процессов: учебное пособие. - Саратов, 2013. - 90 с.

16. Занадворов B.C., Занадворова A.B. Экономика города: учеб. пособие /

B.C. Занадворов, A.B. Занадворова - М.: Институт «Открытое общество», 1997. - 520 с.

17. Кендалл М. Многомерный статистический анализ и временные ряды / М. Кендалл, А. Стьюарт. - М.: Наука, 1976. - 736 с.

18. Корреляционное отношение [Электронный ресурс]. URL: Ьир://з1оуап.уапёех.ги/~книги/Энциклопедия социологии/ Корреляционное отношение/

19. Кремер Н.Ш., Путко Б.А. Эконометрика: Учебник для вузов / Под ред. проф. Н.Ш. Кремера. - М: ЮНИТИ-ДАНА, 2003. - 311 с.

20. Кривозубов С.П. Статистическое исследование формирования цен на объекты офисной недвижимости на основе геоинформационной

170

системы (на примере г. Самары): Дисс. ...канд.экон. наук. Самара, 2009.

21. Магнус Я.Р. Эконометрика. Начальный курс: учеб. / Я.Р. Магнус, П.К. Катышев, A.A. Пересецкий. - М.: Дело, 2000. - 400 с.

22. Митрофанов А.Ю. Концентрация в экономике и экономической географии: учеб. пособие. - Саратов: Изд-во Сарат. ун-та, 2002. - 76 е.: ил.

23. О'Салливан А. Экономика города (пер. с англ. O'Sallivan. Urban Economics) - М.: ИНФРА-М, 2002.

24. Основные социально-экономические показатели по Российской Федерации за 2002-2006 годы (по материалам Росстата) // Вопросы статистики. - 2006. - № 10. - С.82-93.

25. Прикладная статистика: исследование зависимостей / под ред. С.А. Айвазяна. - М.: Финансы и статистика, 1985. - 488 с.

26. Прохоров С.А. Математическое описание и моделирование случайных процессов / Самар. гос. аэрокосм, ун-т, 2001. - 209 с.

27. Регионы России. Основные характеристики субъектов Российской Федерации. 2006: стат. сб. - М.: Росстат, 2006. - 685 с.

28. Регионы России. Социально-экономические показатели. 2002: стат. сб. - М.: Госкомстат России, 2002. - 863 с.

29. Регионы России. Социально-экономические показатели. 2003: стат. сб. -М.: Госкомстат России, 2003. - 895 с.

30. Регионы России. Социально-экономические показатели. 2004: стат. сб. М.: Госкомстат России, 2004. - 966 с.

31. Регионы России. Социально-экономические показатели. 2005: стат. сб. -М.: Росстат, 2006. - 982 с.

32. Регионы России. Социально-экономические показатели. 2006: стат. сб. М.: Росстат, 2007.-981 с.

33. Регионы России. Социально-экономические показатели. 2007: т. сб. - М: Росстат, 2007. - 991с.

34. Регионы России: стат. сб. В 2 т. Т.2. - М.: Госкомстат России, 2001. -827 с.

35. Российский статистический ежегодник. 2003: стат. сб. - М.: Госкомстат, 2003. - 705 с.

36. Российский статистический ежегодник. 2005: стат.сб. - М.: Росстат,

2005.- 819 с.

37. Российский статистический ежегодник. 2006: стат.сб. - М.: Росстат,

2006. - 806 с.

38. Российский статистический ежегодник. 2007: стат. сб. - М: Росстат,

2007. - 825 с.

39. Салахутдинов, Р.З. Применение карты Кохонена для анализа цен объектов недвижимости [Текст] / Р.З. Салахутдинов, М.Г. Тиндова // Вестн. Сарат. гос. соц.-экон. ун-та. - 2006. - № 13(2). - С. 117-119.

40. Тихомиров Н. П., Дорохина Е.Ю. Эконометрика: Учебник / Н.П. Тихомиров, Е.Ю. Дорохина. - М.: Издательство «Экзамен», 2003. - 512

41. Файзлиев А.Р. Статистическое исследование территориальных взаимодействий при моделировании экономического роста [Текст] / А.Р. Файзлиев // Вестн. Самар. гос. экон. ун-та. - 2009.- № 4(54). - С.84-90.

42.Факторный, дискриминантный и кластерный анализ: Пер. с англ. / Дж.-О. Ким, Ч.У. Мюллер, У.Р. Клекка и др. / Под ред. И.С. Унюкова. - М.: Финансы и статистика, 1989. - 215 с.

43. Цыганок Д.А. Геоинформационные системы. - Красноярск: Красноярский государственный университет, 2004. - 112 с.

44. Alonso W. Location and Land Use. Harvard University Press: Cambridge, MA. - 1964.

45. Anselin L. Spatial Data Analysis with SpaceStat and Arc View. Workbook (3 rd Edition) University of Illinois. - 1999.

46. Anselin L. Spatial Econometrics: Methods and Models, Kluwer Academic Publishers, Dordrecht. - 1988.

47. Anselin, L., Bera A. Spatial Dependence in Linear Regression Models with an Introduction to Spatial Econometrics. In A. Ullah and D. Giles (Eds.), Handbook of Applied. - 1998.

48. Anselin L., Can A. Spatial Effects in Models of Mortgage Origination: Paper presented at the 91st annual meeting of the Association of American Geographers. -1995.

49. Anselin L., Florax R.J.G.M. & Rey S. J. (ed.) Advances in Spatial Econometrics. Methodology, Tools and Applications. Springer, Berlin. -2004.

50. Azzalini, A. R package 'pdfCluster': Cluster analysis via nonparametric density estimation (version 0.1-9) [Электронный ресурс] / A. Azzalini, G. Menardi, T. Rosolin. [2004]. URL: http://cran.r-project.org/package=pdfCluster

51. Azzalini, A. Clustering via nonparametric density estimation [Текст] / A. Azzalini, N. Torelli // Statistics and Computing. - 2007. - № 17. - C. 71-80.

52. Baddeley, A. Spatstat: an R package for analyzing spatial point patterns [Электронный ресурс] / A. Baddeley, R. Turner // Journal of Statistical Software. - 2005. - № 12(6). - C. 1-42. - ISSN: 1548-7660. URL: www.j statsoft. org

53. Bivand, R.S. Applied spatial data analysis with R [Текст] / R.S. Bivand, EJ. Pebesma, V. Gomez-Rubio. - NY: Springer. - 2008. URL: http://www.asdar-book.org/

54. Bureau of Transportation Statistics [Электронный ресурс]. URL: http://www.rita.dot.gov/bts/.

55. Bureau of the Census [Электронный ресурс]. URL:

173

http://www.census.gov/.

56. Bussière R. Modèle urbain de localisation résidentielle. Annales du Centre de Recherche et d'Urbanisme. - 1972.

57. Can A. Specification and Estimation of Hedonic Housing Price Models: Regional Science and Urban Economics. - 1992. - Vol. 22.

58. Can A. and I. Megbolugbe Spatial Dependence and House Price Index Construction: Journal of Real Estate Finance and Economics. - 1997. Vol. 14.

59. Clark C. Urban Population Densities: Journal of the Royal Statistical Society, Series A (General). - 1951. - Vol. 114, № 4.

60. Cleveland W. S. and Loader C. L. Smoothing by Local Regression: Principles and Methods: Statistical Theory and Computational Aspects of Smoothing, 10-49. Springer, New York. - 1996.

61. Cleveland W. S. and Loader C. L. Rejoinder to Discussion of Smoothing by Local Regression: Principles and Method, Statistical Theory and Computational Aspects of Smoothing, 113-120. Springer, New York. - 1996.

62. Cliff A., Ord J. Spatial Autocorrelation. Pion, London, 1973.

63.Derycke P.-H. Economie et planification urbaines: Themis, Presses universitaires de France. -1979.

64. Diggle, P.J. A kernel method for smoothing point process data [Текст] / P.J. Diggle // Applied Statistics (Journal of the Royal Statistical Society, Series С). - 1985.-№ 34.-С. 138-147.

65. Dubin R. Spatial autocorrelation and neighborhood quality: Regional Science and Urban Economics. - 1992. - Vol. 22.

66. Ester, M. A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise [Текст] / M. Ester, H.-P. Kriegel, J. Sander, Xiaowei Xu // Institute for Computer Science, University of Munich. Proceedings of 2nd International Conference on Knowledge Discovery and Data Mining (KDD-96). - 1996.

67. Fingleton, В. Theoretical Economic Geography and Spatial Econometrics: Bridging the Gap between Theory and Evidence, in Getis A., Mur J., Zoller H. (Ed.) Spatial Econometrics and Spatial Statistics, Palgrave, London. -2004.

68. Fingleton B. Regional economic growth and convergence: insights from a spatial econometric, in Anselin L., Florax R. and Rey S. (Ed.) Advances in Spatial Econometrics, Springer, Berlin. - 2004.

69. Fingleton В., Lopez-Bazo E. Empirical growth models with spatial effects, Papers in Regional Science, Blackwell Publishing. - 2006. - Vol. 85(2). - P. 177-198.

70. Fujita, M. The Spatial Economy: Cities, Regions, and International Trade. [Текст] / M. Fujita, P. Krugman, A.J. Venables. - Cambridge, Massachusetts: The MIT Press. - 2001.

71. Geary R. The continiguity ratio and statistical mapping. The Incorporated Statistician, 5, 1954. 115 - 145.

72. Geographic Information System of the Commission [Электронный ресурс].

URL: http://epp.eurostat.ec.europa.eu/portal/page/portal/gisco_Geographical _information_maps/introduction.

73. Geological Survey [Электронный ресурс]. URL: http://www.usgs.gov/.

74. Getis A., Mur J., Zoller H. (ed.) Spatial Econometrics and Spatial Statistics, Palgrave, London. - 2004.

75. Getis A., Ord J.K. Local spatial statistics: an overview: Spatial analysis: modelling in a GIS environment. - 1996.

76. Getis A, Ord J.K. The analysis of spatial association by use of distance statistics: Geographical Analysis. - 1992. Vol. 24.

77. Grande G. Secondini P. Virgilio G. Development of an explorative analysis for public choices with the aid of a GIS: the Rimini metropolitan area housing market case study. A demand side analysis. AGILE Conference on

175

Geographic Information Science in Rome, April 15-17, 1999.

78. Griffith D., Can A. Spatial statistical/econometric versions of simple urban population density models: Practical handbook of spatial statistics. - 1996.

79. Hardin William G., Wolverton, Marvin. L Neighborhood Center Image and Rents: The Journal of Real Estate Finance and Economics, Springer. - 2001.

- Vol. 23(1).

80. Hennig, С. [Электронный ресурс] fpc: Flexible procedures for clustering. R package version 2.0-3 / C. Hennig. [2010]. URL: http://CRAN.R-project.org/package=fpc

81. Huff D. L. Defining and Estimating a Trading Area: Journal of Marketing.

- 1964.-Vol. 28.

82. Kelley P.R. and Gilley O.W. Using the Spatial Configuration of the Data to

Improve Estimation: Journal of Real Estate Finance and Economics. -1997.-Vol. 14.

83. Martin P., Ottaviano G. Growing locations: industry location in a model of endogenous growth / European Economic Review. - 1999. - Vol. 43. - P. 281-302.

84. Mills E.S. An aggregative model of resource allocation in a metropolitan area: American Economic Reriew. - №57. - 1967.

85. Mills E.S. Studies in the structure of the urban economy: Johns Hopkins University Press, Baltimore. - 1972.

86. Moran P. Notes on Continuous Stochastic Phenomena, Biometrika. - 1950. -Vol. 37.-P. 17-33.

87. Moran P. The interpretation of statistical maps. Journal of the Royal Statistical Society, Series B, 10. 1948. 243 -251.

88. Muth R. F. Cities and housing: the spatial pattern of urban residential land use: University of Chicago Press. - 1969.

89. MuthR. F. Economic change and rural-urban land conversions: Econometrica. - 1961. - №29.

90. Muth R.F. Rational Expectations and the Theory of Price Movements Source: Econometrica. - 1961. - Vol. 29, № 3.

91. National Agricultural Statistics Service [Электронный ресурс]. URL: http://www.nass.usda.gov/.

92. National Center for Health Statistics [Электронный ресурс]. URL: http ://www. cdc .go v/nchs/.

93. National Imagery and Mapping [Электронный ресурс]. URL: http://egsc.usgs.gov/nimamaps/.

94. Nevin J.R., Houston M.J. Image as a Component of Attraction to Intraurban Shopping Area: Journal of Retailing. - 1980. Vol. 56 (1).

95. Pace R. Kelley and O.W. Gilley Using the Spatial Configuration of the Data to Improve Estimation: Journal of Real Estate Finance and Economics. -1997.-Vol. 14.

96. Paelinck J., Klaassen L. Spatial Econometrics. Saxon House. Farnborough, 1979.

97. Pebesma, E.J. Classes and methods for spatial data in R [Электронный ресурс] / E.J. Pebesma, R.S. Bivand // R News. - 2005. - № 5(2). URL: http://cran.r-project.org/doc/Rnews/

98. R Development Core Team. R: A language and environment for statistical computing [Электронный ресурс] // R Foundation for Statistical Computing, Vienna, Austria. - ISBN 3-900051-07-0. [2010]. URL: http ://www.R-proj ect.org/

99. Rajala, T. spatgraphs: Graphs for spatial point patterns. R package version 2.44 [Электронный ресурс] / Т. Rajala. [2011]. URL: http://CRAN.R-project.org/package=spatgraphs.

100. Reilly William J. The Law of Retail Gravitation: Knickerbocker Press. - 1931.

101. Sibley D. Outsiders in urban societies: urban anthropology.

Vol. 12.- №1.- 1983.

102. Struyf, A. Clustering in an Object-Oriented Environment [Электронный ресурс] / A. Struyf, M. Hubert, P.J. Rousseeuw // Journal of Statistical Software. - 1996. - № 1. URL: http://www.stat.ucla.edu/journals/jss/

103. Therneau, T. rpart: Recursive Partitioning. R package version 3.1-48 [Электронный ресурс] / Т. M. Therneau, В. Atkinson, В. Ripley. [2010]. URL: http://CRAN.R-project.org/package=rpart.

ОБРАЗОВАТЕЛЬНО-НАУЧНЫЙ

ИНСТИТУТ РИСКОВ СГУ

В диссертационный совет Д 212.028.07 Волгоградского государственного технического университета (ВГТУ)

Справка о внедрении

материалов диссертационного исследования Файзлиева Алексей Раисовича «Математические методы и модели анализа пространственной структуры

системы городской торговли»

В ходе диссертационного исследования А.Р. Файзлиевым разработаны и апробированы модели пространственной авторегрессии, позволяющие прогнозировать значения характеристик в узлах сетки по их значениям в соседних узлах.

Данные модели используются в Институте рисков СГУ для оценки рисков и оптимизации размещения экономических объектов.

Руководитель Института рисков С

С. П. Сидоров

Тел.: [phone], факс: [phone], [e-mail], http://ri.immpu.sgu.ru/ 410012, Саратов, Астраханская, 83, Саратовский госуниверситет, IX корпус Механико-математический факультет, ауд. 322