Овсянникова С.Н.кандидат физико-математических наук, доцент кафедры экономики и финансов, Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации (РАНХиГС), Москва, Российская Федерация Ovsyannikova-sn@ranepa.ru ORCID id: отсутствует SPIN-код: 1766-5392
Маряшина А.С.студентка факультета экономических и социальных наук, Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации (РАНХиГС), Москва, Российская Федерация ans.maryashina@mail.ru ORCID id: отсутствует SPIN-код: отсутствует
Пискулина А.С.студентка факультета экономических и социальных наук, Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации (РАНХиГС), Москва, Российская Федерация angelinapiskulina@gmail.com ORCID id: отсутствует SPIN-код: отсутствует
Предмет. Анализ метода расчета глобального индекса знаний; результатов ранжирования стран по одному из компонентов результирующего индекса, вычисленного с использованием аддитивной и мультипликативных моделей для данных в натуральном масштабе и нормированных с использованием различных методов. Цели. В рамках анализа метода нормирования данных, используемого в глобальном индексе знаний, определить альтернативные методы нормирования для устранения искажений в ранжировании стран для повышения точности результатов. Обосновать целесообразность замены используемой в настоящее время аддитивной модели на мультипликативную. Методология. Инструментарием исследования послужили количественные методы статистического анализа. Информационную базу исследования составили официальные данные Всемирного банка и Института статистики ЮНЕСКО. Результаты. В ходе исследования проведено сравнение трех методов нормирования: метода «минимум-максимум», который предлагается составителями индекса, метода деления на «эталон» и метода стандартизации. Доказано, что при использовании метода деления на «эталон» сохраняются соотношения для данных в натуральном масштабе и нормированных, а также их законы распределения. Сохранение порядка расположения стран при вычислении результирующего показателя в натуральном масштабе и после нормирования наблюдается при объединении предложенного метода нормирования с мультипликативной моделью. Выводы. При расчете составных компонентов глобального индекса знаний рекомендуется использовать средневзвешенное геометрическое, а также осуществить переход к методу нормирования путем деления на «эталон» для исключения нарушения соотношений между исходными и нормированными данными.
Ключевые слова: индексный подход, глобальный индекс знаний, метод нормирования, обезразмеренные данные
Список литературы:
El Gibari S., Gómez T., Ruiz F. Building composite indicators using multicriteria methods: A review. Journal of Business Economics, 2019, vol. 89, no. 1, pp. 1–24. URL: Link
Cabello J.M., Ruiz F., Pérez-Gladish B. An Alternative Aggregation Process for Composite Indexes: An Application to the Heritage Foundation Economic Freedom Index. Social Indicators Research, 2021, vol. 153, pp. 443–467. URL: Link
Palczewski K., Sałabun W. Influence of various normalization methods in PROMETHEE II: An empirical study on the selection of the airport location. Procedia Computer Science, 2019, vol. 159, pp. 2051–2060. URL: Link
Trung D.D. Development of data normalization methods for multi-criteria decision making: Applying for MARCOS method. Manufacturing Review, 2022, vol. 9, no. 22. URL: Link
Ersoy N. Selecting the Best Normalization Technique for ROV Method: Towards a Real Life Application. Gazi University Journal of Science, 2021, vol. 34, no. 2, pp. 592–609. URL: Link
Greco S., Ishizaka A., Tasiou M. et al. On the Methodological Framework of Composite Indices: A Review of the Issues of Weighting, Aggregation, and Robustness. Social Indicators Research, 2019, vol. 141, pp. 61–94. URL: Link
Maricic M., Egea J.A., Jeremic V. A Hybrid Enhanced Scatter Search – Composite I-Distance Indicator (eSS-CIDI) Optimization Approach for Determining Weights Within Composite Indicators. Social Indicator Research, 2019, vol. 144, no. 2, pp. 497–537. URL: Link
Schlossarek M., Syrovátka M., Vencálek O. The Importance of Variables in Composite Indices: A Contribution to the Methodology and Application to Development Indices. Social Indicators Research, 2019, vol. 145, no. 3, pp. 1125–1160. URL: Link
Рыкун А.Ю., Черникова Д.В., Сухушина Е.В., Березкин А.Ю. Измерение качества жизни в городах: возможности индексного подхода // Журнал исследований социальной политики. 2020. Т. 18. № 2. C. 283–298. URL: Link
Aydan S., Donar G.M., Arikan C. Impacts of Economic Freedom, Health, and Social Expenditures on Well-Being Measured by the Better Life Index in OECD Countries. Social Work in Public Health, 2022, vol. 37, iss. 5, pp. 435–447. URL: Link
Бакуменко Л.П., Минина Е.А. Международный индекс цифровой экономики и общества (I-DESI): тенденции развития цифровых технологий // Статистика и Экономика. 2020. Т. 17. № 2. C. 40–54. URL: Link
Lagravinese R., Liberati P., Resce G. Measuring Health Inequality in US: A Composite Index Approach. Social Indicators Research, 2020, vol. 147, no. 3, pp. 921–946. URL: Link
Бурденко Е.В. Рейтинги и индексы, оценивающие развитие экономики знаний // Креативная экономика. 2019. Т. 13. № 5. C. 897–909. URL: Link
Ali Ibrahim. Issues in Higher Education: Analysis of 2017 Global Knowledge Index Data and Lessons Learned. Higher Education Studies, 2020, vol. 10, no. 1, pp. 91–99. URL: Link
Popov E.V., Kochetkov D.M. Developing the Regional Knowledge Economy Index: A Case of Russian Regions. Journal of the Knowledge Economy, 2019, vol. 10, no. 4, pp. 1860–1878. URL: Link
Кукушкин С.Н. Оценка индекса знаний региона // Вестник Российского экономического университета имени Г.В. Плеханова. 2019. № 2. C. 130–141. URL: Link
Segovia-González M.M., Contreras I. A Composite Indicator to Compare the Performance of Male and Female Students in Educational Systems. Social Indicator Research, 2023, vol. 165, no. 1, pp. 181–212. URL: Link
Aytekin A. Comparative Analysis of the Normalization Techniques in the Context of MCDM Problems. Decision Making: Applications in Management and Engineering, 2021, vol. 4, no. 2, pp. 1–27. URL: Link
Mazziotta M., Pareto A. Normalization methods for spatio-temporal analysis of environmental performance: Revisiting the Min–Max method. Environmetrics, 2022, vol. 33, no. 5. URL: Link
