Применение кластерного анализа для оценки уровня конкуренции на рынке строительных материалов Калининградской области | Статья в журнале «Вопросы экономики и управления»

Отправьте статью сегодня! Журнал выйдет 4 мая, печатный экземпляр отправим 8 мая.

Опубликовать статью в журнале

Библиографическое описание:

Лунин, В. Е. Применение кластерного анализа для оценки уровня конкуренции на рынке строительных материалов Калининградской области / В. Е. Лунин, Н. В. Климова. — Текст : непосредственный // Вопросы экономики и управления. — 2016. — № 5.1 (7.1). — С. 57-60. — URL: https://moluch.ru/th/5/archive/44/1573/ (дата обращения: 26.04.2024).



В статье рассмотрен практический пример оценки уровня конкуренции на рынке напольной плитки и мозаики. Предложенное решение позволяет графически отобразить конкуренцию на рынке.

Ключевые слова: кластерный анализ, анализ уровня конкуренции, дендрограмма.

Руководители одной из калининградских компаний, специализирующейся на продаже строительных и отделочных материалов, ощутили необходимость оценки уровня конкуренции на рынке напольной плитки и мозаики. Им был предложен вариант исследования уровня конкуренции на основе кластерного анализа. Кластерный анализ [1, с. 67] – это система инструментов классификаций многомерных наблюдений, основанных на определении понятия расстояния между объектами с последующим разбиением на группы, или кластеров. Выбор определенного инструмента кластерного анализа зависит от цели классификации. В данной статье рассмотрена графическая интерпретация данного метода – дендрограмма. В качестве исходных единиц анализа были взяты основные торговые центры строительных и отделочных материалов. При проведении исследования использовались следующие показатели: объем товарооборота; прибыль; средняя стоимость 1 м²; коэффициент обслуживания; продолжительность доставки (от производителя до покупателя). Исходные данные отражены в таблице 1.

Таблица 1

Исходные данные для анализа

Предприятие

Объем товарооборота, млн руб.

Прибыль, млн руб.

Средняя стоимость 1 м², руб.

Коэффициент обслуживания

Продолжительность доставки (от производителя до покупателя), дней

Конкурент А

150

88

3000

0,2

1

Объект исследования

84

30

6000

0,9

30

Конкурент Б

99

26,5

10000

0,9

21

Конкурент В

49

15,9

5000

0,6

14

Конкурент Г

35

10,6

4000

0,5

30

Конкурент Д

16

7,1

4000

0,4

14

Среднее

72,17

29,68

5333,33

0,58

18,33

Вес критерия

0,1

0,2

0,2

0,3

0,2

Исходные данные были преобразованы в матрицу (1) вида:

(1)

Далее производится расчет нормированных значений Z элементов, они фиксируются в виде матрицы, находятся по формуле (2), где столбцы j = 1,2,3,4 – это индекс показателя, строки i = 1,2, …, n – индекс наблюдателя;

(2); (3)

Таким образом, получается матрица (4), отраженная в таблице 2:

(4)

Таблица 2

Нормализованная матрица

Zij

1.74

2.14

-1.02

-1.51

-1.71

0.26

0.01

0.29

1.24

1.15

0.60

-0.12

2.04

1.24

0.26

-0.52

-0.50

-0.15

0.07

-0.43

-0.83

-0.70

-0.58

-0.33

1.15

-1.26

-0.83

-0.58

-0.72

-0.43

В качестве «расстояния» между наблюдениями и используют «взвешенное» евклидовое расстояние, которое определяется по формуле (5), где – вес показателя:

, (5)(6)

Промежуточные расчеты евклидова расстояния отражены в таблице 3.

Таблица 3

Промежуточные расчеты

wi*(z1j-z2j)^2

0.22

0.90

0.34

2.27

1.63

2.32

wi*(z2j-z3j)^2

0.01

0.00

0.61

0.00

0.16

0.89

wi*(z3j-z4j)^2

0.13

0.03

0.96

0.42

0.10

1.27

wi*(z4j-z5j)^2

0.01

0.01

0.04

0.05

0.50

0.77

wi*(z5j-z6j)^2

0.02

0.00

0.00

0.05

0.50

0.75

wi*(z1j-z4j)^2

0.51

1.39

0.15

0.74

0.33

1.77

wi*(z1j-z5j)^2

0.66

1.61

0.04

0.42

1.63

2.09

wi*(z1j-z6j)^2

0.90

1.75

0.04

0.19

0.33

1.79

wi*(z2j-z4j)^2

0.06

0.05

0.04

0.42

0.50

1.03

wi*(z2j-z5j)^2

0.12

0.10

0.15

0.74

0.00

1.06

wi*(z2j-z6j)^2

0.23

0.14

0.15

1.16

0.50

1.48

wi*(z3j-z5j)^2

0.20

0.07

1.38

0.74

0.16

1.60

wi*(z3j-z6j)^2

0.34

0.10

1.38

1.16

0.10

1.75

wi*(z4j-z6j)^2

0.05

0.02

0.04

0.19

0.00

0.55

Рассчитанные значения фиксируются в виде матрицы расстояний (7):

; . (7)

Полученная матрица является симметричной R (), следовательно, можно отразить только наддиагональные значения. Полученные расстояния отражены в таблице 4.

Таблица 4

Матрица расстояний

1

2

3

4

5

6

rij

0.000

2.317

2.464

1.769

2.088

1.790

1

0.000

0.886

1.033

1.056

1.477

2

0.000

1.275

1.597

1.755

3

0.000

0.774

0.547

4

0.000

0.752

5

0.000

6

Используя матрицу расстояний, можно осуществить идентичную иерархическую «цементирующую» процедуру кластерного анализа. Существует принцип «ближнего соседа» / «дальнего соседа» его используют для определения расстояния между полученными кластерами. В случае «ближнего соседа» – расстояние берется между ближайшими кластерами, в случае «дальнего соседа» между самыми удаленными друг от друга. Работа иерархических «цементирующих» процедур представляет собой последовательность действий по объединению элементов от ближайших к более удаленным друг от друга. В данном алгоритме на каждом шаге конкретное наблюдение () используется отдельным кластером. Далее объединяем два самых близких кластеров, затем строится новая матрица расстояний (размерность уменьшается на единицу) и итерация повторяется. Логика данной процедуры:p46=1 Кластеры (4) + (6); p456 = 2Кластеры (4) + (5) + (6);p23 = 3Кластеры (2+3);p23+456 = 4Кластеры (2+3) +(4+5+6);p1 + 23456 = 4Кластеры 1 +(2+3+4+5+6). В результате данных итераций – объединяющих строки и столбцы полученных кластеров – строится дендрограмма взаимодействия с учетом минимальных и пропорциональных условных «расстояний».

Рис. 1. Дендрограмма

Результаты кластерного анализа представлены на рис. 1 в виде дендрограммы, где по оси ординат отражены относительные «расстояния» показателей работы предприятий с учетом «весов» каждого из них. Данные расстояния между кластерами можно использовать как факторы необходимые для объединения в совместной деятельности с выгодой для себя и в ущерб конкурирующих предприятий. Проанализировав дендрограмму, можно сделать вывод, что на рынке лидирующее положение занимает «Конкурент 1», а объект исследования располагается на втором месте вместе с «Конкурентом 2».

Литература:

1. Левина Р.С. Кластерный анализ оценки конкуренции на рынке. Калининград: БГАРФ, 2007. – 27 с.

2. Левина Р.С. Планирование и прогнозирование в маркетинге / Р.С. Левина, Н.Ю. Лукьянова. Калининград: БФУ им. И. Канта, 2013. – 124 с.

Основные термины (генерируются автоматически): кластерный анализ, кластер, матрица расстояний, таблица, коэффициент обслуживания, напольная плитка, продолжительность доставки, расстояние.

Ключевые слова

кластерный анализ, анализ уровня конкуренции, дендрограмма

Похожие статьи

Применение иерархического кластерного анализа для...

Ключевые слова: кластерный анализ, метод Варда, сегментация потребителей сотовой связи.

При его использовании кластеры формируют таким образом, чтобы минимизировать квадраты евклидовых расстояний до кластерных средних.

Поэтапный процесс кластерного анализа данных на основе...

расстояние от объекта до центра кластера; коэффициент неопределенности

Кластерный анализ разработки современных алгоритмов... В качестве примеров применения кластера можно привести использование такого.

Рекомендательная система на основе коллаборативной фильтрации

Данная таблица называется матрицей кросс-табуляции.

г) Коэффициент Танимото; д) Манхэттенское расстояние.

Применение иерархического кластерного анализа для сегментации...

Комплексная оценка эффективности кластеров лизинговых...

Интегральный коэффициент качества кластера или его эффективности определяют по следующей формуле

где R — расстояние между делительными шкалами (выбирается произвольно)

Профиль кластера лизинговых проектов представлен на таб.1. Таблица 1.

Использование матриц комбинаторного типа для построения...

Достаточно определить «расстояние» между элементом P (то есть P(x0)) и любым элементом P(x) при x Î T1.

В каждом блоке имеем матрицу комбинаторного типа (1), в столбцах которой находятся равные значения коэффициентов.

Нормирование финансовых коэффициентов на основе...

Для определения расстояния между парой кластеров был использован метод среднего расстояния между кластерами.

Аналогичные расчёты при помощи кластерного анализа были выполнены для всех групп коэффициентов.

Оценка критического срока эксплуатации оборудования опасных...

Кластеризация структуры портфеля автотранспортного... кластер, срок эксплуатации, риск ДТП, автотранспортное страхование, евклидово расстояние, кластерный анализ, страховой портфель, метод - средних, переменная, средство.

Метод k средних при решении задачи распознавания диктора по...

Кластерный анализ — задача разбиение заданной выборки объектов на подмножества, называемые кластерами, так, чтобы каждый кластер

Использование матриц комбинаторного типа для построения... Издание книг. Вообще говоря, вектор, параметризующий матрицу H(a).

Сегментация микроскопических изображений эпителиальных клеток

где Gx и Gy — две матрицы, где каждая точка содержит приближенные производные по x и по y.

Алгоритм K-средних — метод кластерного анализа

Чтобы определить к какому кластеру относится каждый пиксель и измерить расстояние между ними используется Евклидова метрика

Похожие статьи

Применение иерархического кластерного анализа для...

Ключевые слова: кластерный анализ, метод Варда, сегментация потребителей сотовой связи.

При его использовании кластеры формируют таким образом, чтобы минимизировать квадраты евклидовых расстояний до кластерных средних.

Поэтапный процесс кластерного анализа данных на основе...

расстояние от объекта до центра кластера; коэффициент неопределенности

Кластерный анализ разработки современных алгоритмов... В качестве примеров применения кластера можно привести использование такого.

Рекомендательная система на основе коллаборативной фильтрации

Данная таблица называется матрицей кросс-табуляции.

г) Коэффициент Танимото; д) Манхэттенское расстояние.

Применение иерархического кластерного анализа для сегментации...

Комплексная оценка эффективности кластеров лизинговых...

Интегральный коэффициент качества кластера или его эффективности определяют по следующей формуле

где R — расстояние между делительными шкалами (выбирается произвольно)

Профиль кластера лизинговых проектов представлен на таб.1. Таблица 1.

Использование матриц комбинаторного типа для построения...

Достаточно определить «расстояние» между элементом P (то есть P(x0)) и любым элементом P(x) при x Î T1.

В каждом блоке имеем матрицу комбинаторного типа (1), в столбцах которой находятся равные значения коэффициентов.

Нормирование финансовых коэффициентов на основе...

Для определения расстояния между парой кластеров был использован метод среднего расстояния между кластерами.

Аналогичные расчёты при помощи кластерного анализа были выполнены для всех групп коэффициентов.

Оценка критического срока эксплуатации оборудования опасных...

Кластеризация структуры портфеля автотранспортного... кластер, срок эксплуатации, риск ДТП, автотранспортное страхование, евклидово расстояние, кластерный анализ, страховой портфель, метод - средних, переменная, средство.

Метод k средних при решении задачи распознавания диктора по...

Кластерный анализ — задача разбиение заданной выборки объектов на подмножества, называемые кластерами, так, чтобы каждый кластер

Использование матриц комбинаторного типа для построения... Издание книг. Вообще говоря, вектор, параметризующий матрицу H(a).

Сегментация микроскопических изображений эпителиальных клеток

где Gx и Gy — две матрицы, где каждая точка содержит приближенные производные по x и по y.

Алгоритм K-средних — метод кластерного анализа

Чтобы определить к какому кластеру относится каждый пиксель и измерить расстояние между ними используется Евклидова метрика

Задать вопрос