УДК 330.45:519.86(075.8)
Тихомирова Т.М., Лебедева Ю.С.
СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ МИГРАЦИОННОЙ ПРИВЛЕКАТЕЛЬНОСТИ СТРАН ЕВРОПЕЙСКОГО СОЮЗА
Российский Экономический Университет имени Г.В.Плеханова,
Российская Федерация, г.Москва, Стремянный пер 36, 117997
UDC 330.45:519.86(075.8)
Tikhomirova T.M., Lebedeva Y.S.
STATISTICAL MODELING OF MIGRATION ATTRACTIVENESS OF EUROPEAN UNION MEMBER STATES
Plekhanov Russian University of Economics,
Moscow, Stremyanny per. 36, 117997
В данном докладе рассматривается применение различных методов эконометрики и многомерного статистического анализа для отбора факторов, влияющих на миграционную привлекательность стран Европейского Союза. Решение данной проблемы осложняется тем, что признаковое пространство во много раз превосходит количество стран (29 × 81). Кроме этого, признаки сильно коррелируют, что затрудняет эконометрическое моделирование и трактовку взаимосвязей исследуемого явления. Для сокращения признакового пространства предлагается использовать комплексный подход, сочетающий в себе различные методы кластерного анализа и метод главных компонент. Данная методика позволяет значительно сократить признаковое пространство без существенной потери его информативности.
Ключевые слова: миграционная привлекательность, избыточность признакового пространства, кластерный анализ, факторный анализ, главные факторы.
In this report we describe the use of different methods of econometrics and Multidimensional statistical analysis in order to select factors which have an influence on migration attractiveness of European Union member states. The solution to this problem is complicated by the fact that the feature space is rather greater than the number of countries (29×81). In addition, the features are highly correlated, which makes econometric modeling and interpretation of factors’ dependencies difficult. In order to reduce the feature space, it is proposed to use a range of methods, combining different methods of cluster analysis and principal component analysis. This technique can significantly reduce the feature space without significant loss of its information content.
Key words: migration attractiveness, redundancy of feature space, Cluster Analysis, Factor Analysis, principal components.