Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: https://dspace.mnau.edu.ua/jspui/handle/123456789/14849
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.authorЖолос, Т. О.-
dc.contributor.authorZholos, T. A.-
dc.contributor.authorМазуренко, В. І.-
dc.contributor.authorMazurenko, V. I.-
dc.date.accessioned2023-08-17T07:42:59Z-
dc.date.available2023-08-17T07:42:59Z-
dc.date.issued2023-
dc.identifier.citationZholos T., Mazurenko V. (2023). Ukraine within the system of European business cycles: a cluster analysis. Modern Economics, 39(2023), 39-45. DOI: https://doi.org/10.31521/modecon.V39(2023)-06.uk_UA
dc.identifier.urihttps://dspace.mnau.edu.ua/jspui/handle/123456789/14849-
dc.descriptionJEL Classification: C32; E32; F44uk_UA
dc.description.abstractAbstract. Introduction. Categorizing data into related clusters is used in many areas of research, including economics and business statistics. Cluster analysis allows quality data segmentation and visualisation of relatedness between different observations, which is particularly useful when there is a large number of heterogeneous observations. In economic literature, many issues of relevance have been effectively addressed by employing cluster analysis. At the same time, many studies have highlighted important deficiencies, such as some level of subjectivity in choosing the most appropriate methods of cluster analysis and a lack of comprehensive commercially available software that implements new methods, which, in turn, necessitates custom programming and makes it difficult to access and replicate the results obtained by other researchers. Purpose. The purpose of this study was to investigate the position of Ukraine among the clusters of European business cycles by extracting the cyclical component of the real GDP series of Ukraine and then comparing it to similarly extracted and analyzed data for 34 other European countries using both hierarchical and non-hierarchical clustering algorithms as implemented in the OriginPro software. Results. Changes in detrended GDP values of 35 European countries over the period of time from the 2nd quarter of 2006 to the 4th quarter of 2021 (2006Q2-2021Q4) fall into 4 clusters for variables and 5 clusters for observations (countries). Similarities in the common components of detrended GDP series found using Origin Cluster Analysis were such that the nearest neighbors of Ukraine were Lithuania, Finland and Estonia, with the same order of similarity. Lithuania and Finland clustering with Ukraine was also confirmed by K-means cluster analysis. Hierarchical cluster analysis of country-specific components of the detrended GDP series of 35 European countries followed by K-means cluster analysis showed that for most European countries, the time series of their ln(GDP) values fall into two major clusters, which, with few exceptions, represented Western and Eastern European countries. Conclusions. It was shown that the common component of detrended GDP series of Ukraine clearly clustered with those of two Baltic and one Scandinavian EU member state – Lithuania, Finland and Estonia – in the order indicated. The country-specific component of the detrended GDP series of Ukraine, both qualitatively as revealed by our hierarchical cluster analysis, and quantitatively as revealed by K-means cluster analysis, clustered with the majority of countries comprising Eastern Europe during the entire period of time under investigation. We conclude that these observations are of both theoretical and practical significance in the framework of the Ukraine-EU integration policy.uk_UA
dc.description.abstract--
dc.description.abstractКласифікація даних у кластери використовується в багатьох галузях досліджень, зокрема в економіці та бізнесовій статистиці. Кластерний аналіз дозволяє якісно сегментувати дані та візуалізувати зв’язок між різними спостереженнями, що особливо корисно, коли існує велика кількість різнорідних спостережень. В економічній літературі за допомогою кластерного аналізу ефективно вирішувалися значна кількість важливих проблем. Водночас багато досліджень підкреслюють важливі недоліки цього методу аналізу, такі як певний рівень суб’єктивності у виборі найбільш адекватних методів кластерного аналізу й відсутність комплексного комерційно доступного програмного забезпечення, яке реалізує нові методи, що, своєю чергою, вимагає спеціального програмування, а це ускладнює доступ і можливість відтворення результатів отриманих іншими дослідниками. Таким чином, мета цього дослідження полягала в аналізі кластеризації ділового циклу України шляхом виділення циклічного компонента часового ряду реального ВВП України та порівняння його з подібним чином отриманими та проаналізованими даними для 34 інших європейських країн з використанням як ієрархічної, так і неієрархічної кластеризації даних, алгоритми яких реалізовані у програмному пакеті OriginPro. Флуктуації значень циклічного компонента ВВП для різних європейських країн за період часу з 2-го кварталу 2006 року до 4-го кварталу 2021 року включно (2006Q2-2021Q4) поділяються на 4 кластери для змінних і 5 кластерів для спостережень (країни). Подібності у спільних компонентах циклічного ВВП, що виявились з використанням кластерного аналізу в Origin, вказують на те, що найближчими сусідами України у зазначеному порядку є Литва, Фінляндія та Естонія. Кластеризація України з Литвою та Фінляндією була також підтверджена кластеризацією К-середніх. Аналіз специфічних компонентів циклічного ВВП кожної країни за допомогою ієрархічного кластерного аналізу з подальшою кількісною оцінкою результатів методом кластеризації К-середніх показав, що для більшості європейських країн часові ряди циклічного ВВП поділяються на два основні кластери, які, за кількома винятками, представляють країни Західної та Східної Європи. Таким чином, було показано, що часовий ряд спільного компоненту циклічного ВВП України чітко утворює кластер з даними для двох балтійських і однієї скандинавської країни ЄС, які були розташовані у тому самому порядку їх подібності до України – це Литва, Фінляндія й Естонія. Специфічний компонент циклічного ВВП України, як якісно, як було виявлено ієрархічною кластеризацією, так і кількісно, як було виявлено методом К-середніх, протягом усього аналізованого періоду часу кластеризувалися з більшістю країн Східної Європи. Отримані результати мають як теоретичне, так і практичне значення в рамках політики інтеграції Україна-ЄС.-
dc.language.isoenuk_UA
dc.publisherКиївський національний університет імені Тараса Шевченкаuk_UA
dc.subjectbusiness cyclesuk_UA
dc.subjectcluster analysisuk_UA
dc.subjecthierarchical clusteringuk_UA
dc.subjectK-means clusteringuk_UA
dc.subjectexternal compound shocksuk_UA
dc.subjectglobal risksuk_UA
dc.subjectEuropean integrationuk_UA
dc.subjectділові циклиuk_UA
dc.subjectкластерний аналізuk_UA
dc.subjectієрархічна кластеризаціяuk_UA
dc.subjectметод кластеризації К-середніхuk_UA
dc.subjectзовнішні комплексні шокиuk_UA
dc.subjectглобальні ризикиuk_UA
dc.subjectЄвроінтеграціяuk_UA
dc.titleUkraine within the system of European business cycles: a cluster analysisuk_UA
dc.title.alternativeМісце України серед європейських ділових циклів: кластерний аналізuk_UA
dc.typeArticleuk_UA
Розташовується у зібраннях:Modern Economics. - 2023. - Вип. 39

Файли цього матеріалу:
Файл Опис РозмірФормат 
zholos.pdf376,19 kBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.