Такие анализы как «кластерный анализ» и «деревья классификации» оказались не применимыми для данного исследования, поскольку они не учитывают латентные нелинейные связи между коэффициентами модели. В данном случае необходимо использовать системы искусственного интеллекта, нейросетевые технологии и т.д.
С использованием данной модели был проведён анализ социально-экономического развития городских округов Краснодарского края за период 2009-2018 гг., который позволил выявить лидеров (Краснодар 2015-2018, Анапа 2018); и аутсайдеров (Сочи 2017, Геленджик 2009, Армавир 2009, Армавир 2012-2014).
Литература
1 Национальное Рейтинговое Агентство. Рейтинг НРА: URL: https://www.banki.ru/wikibank/natsionalnoe_reytingovoe_agentstvo/
2 Пресс-центр НРА: URL: http://www.ra-national.ru/ru/press-center
3 Инвестиционная привлекательность:URL: http://www.ra-national.ru/ru/taxonomy/term/3097?type=rating
4 РАЭКС Аналитика - рейтинги, исследования, обзоры: URL: https://raex-a.ru/about
5 Инвестиционная привлекательность регионов:URL: https://raex-a.ru/ratings/regions/2018/att1
6 Регионы: Краснодарский край: URL: https://www.raexpert.ru/database/regions/krasnodar
7 Коваленко А.В., Кармазин В.Н. Комплексная оценка кредитоспособности предприятий малого и среднего бизнеса на основе нечетких моделей // Обозрение прикладной и промышленной математики. 2007. Т. 14. № 4. С. 722-724.
8 Открытые данные Сбербанка:URL: https://www.sberbank.com/ru/analytics/opendata
9 Методика составления рейтинга инвестиционной привлекательности регионов России компании «РАЭКС-Аналитика:URL:https://raex-a.ru/update_files/3_13_method_region.pdf
10 Рейтинг инвестиционной привлекательности:URL:http://www.ra-national.ru/ru/taxonomy/term/3097?type=rating
11 Методология присвоения рейтингов кредитоспособности региональным и муниципальным органам власти Российской Федерации: URL: https://raexpert.ru/docbank//19f/9a3/334/b6700468ac19d78ea8cd08c.pdf
12 Сюсюра Д.А., Коваленко А.В. Использование методов многомерного статистического анализа данных для оценки социально-экономического развития городских округов, районов и поселений Краснодарского края // Прикладная математика XXI века: современные проблемы математики, информатики и моделирования Материалы всероссийской научно-практической конференции. 2019. С. 164-171.
13 Федеральная служба государственной статистики. URL: www.gks.ru
14 Барановская Т.П., Коваленко А. В., Уртенов М.Х, Кармазин В.Н. Современные математические методы анализа финансово-экономического состояния предприятия - Краснодар: КубГАУ, 2009, с. 96-128
15 Применение нейронных сетей для задач классификации URL - https://basegroup.ru/community/articles/classification
16 Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика - Москва: Горячая линия - Телеком, 2002, с. 242-292
17 Узденов У.А., Коваленко А.В., Уртенов М.А.Х. Интеллектуальная система оценки кредитоспособности регионов. Часть 2. Нечеткие продукционные и гибридные системы // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2014. № 104. С. 1297-1308.
18 Леоненко А. В. Нечёткое моделирование в среде Matlab и Fuzzy TECH - Санкт-Петербург: БХВ-Петербург, 2005, с.133-216
19 Арутюнян А.С., Коваленко А.В., Уртенов М.Х. Нейросетевые технологии финансово-экономического анализа. Краснодар, 2015. 130 c.
20 Казаковцева Е.В., Коваленко А.В., Уртенов М.А.Х. Нечеткие системы финансово-экономического анализа предприятий и регионов. Краснодар, 2013.
21 Коваленко А.В., Цэдэв А.О. Анализ кризисного состояния предприятия на основе систем нечеткого вывода // Обозрение прикладной и промышленной математики. 2006. Т. 13. № 3. С. 498-499.
22 Коваленко А.В. Математические модели и инструментальные средства комплексной оценки финансово-экономического состояния предприятия// диссертация на соискание ученой степени кандидата экономических наук / Кубанский государственный аграрный университет им. И.Т. Трубилина. Краснодар, 2009, 210 c.
23 Коваленко А.В. Оценка кредитоспособности заёмщика при помощи нейронных сетей и нечётких множеств // Современное состояние и приоритеты развития фундаментальных наук в регионах труды III Всероссийской научной конференции молодых ученых и студентов, 2-5 октября 2006 г.. Краснодар, 2006. С. 190-192.
24 Шевченко И.В., Кармазин В.Н., Коваленко А.В. Комплексная оценка кредитоспособности предприятий малого и среднего бизнеса с помощью нечеткой продукционной системы // Финансовая аналитика: проблемы и решения. 2008. № 2 (2). С. 81-86.
25 Коваленко А.В., Уртенов М.Х., Заикина Л.Н. Кластерный анализ финансово-экономического состояния предприятий строительной отрасли // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2010. № 60. С. 189-200.
26 Коваленко А.В., Кармазин В.Н. Диагностика состояния предприятия на основе нечётких продукционных систем // Труды Кубанского государственного аграрного университета. 2008. № 11. С. 20-27.
27 Коваленко А.В., Кармазин В.Н. Нечеткое моделирование в среде matlab кредитоспособности предприятий малого и среднего бизнеса // Проектирование научных и инженерных приложений в среде MATLAB Труды Всероссийской научной конференции. 2007. С. 1509-1520.
28 Коваленко А.В. Нейронная сеть и нечёткие множества, как инструмент оценки кредитоспособности заёмщика // Прикладная математика XXI века Материалы VI объединённой научной конференции студентов и аспирантов факультета прикладной математики. 2006. С. 56-58. 8
29 Высоцкая Т.В., Коваленко А.В., Уртенов М.Х. Сравнительный анализ методов оценки несостоятельности сельскохозяйственных предприятий // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2012. № 75. С. 494-508.
30 Анализ финансово-экономического состояния предприятий строительной отрасли методами многомерного статистического анализа // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2011. № 70. С. 1-14.