Tel: +998901234567
Search

№ 11 (2025)
Marketing

Articles

МНОГОФАКТОРНЫЙ КЛАСТЕРНЫЙ АНАЛИЗ ПОКАЗАТЕЛЕЙ ВНЕШНЕЙ ТОРГОВЛИ (НА ПРИМЕРЕ УЗБЕКИСТАНА)

Опубликован 2025-11-29

Авторы
Abdujalilova Bibisora Baxodir qizi
Организация
Докторант Института подготовки кадров и статистических исследований Национального статистического комитета Республики Узбекистан
PDF (узбекский) Google Scholar Google Scholar

Аннотация

В данном исследовании проведён углублённый анализ внешнеторговых процессов Узбекистана с применением методов кластерного анализа, направленных на более эффективное использование ресурсов и выработку практических рекомендаций экономической политики. На основе официальных данных Государственного комитета по статистике и Всемирного банка были использованы методы k-means и иерархического кластерного анализа. В процессе анализа были рассмотрены ключевые показатели — объём экспорта и импорта, индекс RCA, торговый баланс и темпы роста, которые определяют эффективность внешней торговли Узбекистана. Результаты исследования показывают, что использование кластерного подхода к анализу внешнеторговых показателей позволяет системно оценить эффективность торговли, выявить её детерминанты и сформировать методологическую основу для научно обоснованной экономической политики.

Ключевые слова

Oбъём экспорта, объём импорта, RCA, кластеризация k- means, иерархическая кластеризация

Библиографические ссылки

  1. Pick, J., Sarkar, A., & Parrish, E. (2021). The Latin American and Caribbean digital divide: A geospatial and multivariate analysis. Information Technology for Development, 27(2), 235–262.
  2. Möring -Martínez, G., Senzeybek, M., & Jochem, P. (2024). Clustering the European Union electric vehicle markets: A scenario analysis until 2035. Transportation Research Part D: Transport and Environment, 135, 104372.
  3. Romesburg, H. C. (2004). Cluster analysis for researchers. Lulu Press.
  4. Neri, L., DʼAgostino, A., Regoli, A., Pulselli, F. M., & Coscieme, L. (2017). Evaluating dynamics of national economies through cluster analysis within the input - state-output sustainability framework. Ecological Indicators, 72, 77–90.
  5. MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. In Proceedings of the fifth Berkeley symposium on mathematical statistics and probability, volume 1: Statistics (Vol. 5, pp. 281–298). University of California Press.
  6. Ward, J. H., Jr. (1963). Hierarchical grouping to optimize an objective function. Journal of the American Statistical Association, 58(301), 236–244.
  7. Ahlborn, M., & Schweickert, R. (2019). Economic systems in developing countries —A macro cluster approach. Economic Systems, 43(3–4), 100692
  8. Strielkowski, W., Chygryn, O., Drozd, S., & Koibichuk, V. (2024). Sustainable transformation of energy sector: Cluster analysis for the sustainable development strategies of selected European countries. Heliyon, 10(19), e38930
  9. Cherednichenko, O., Ivashchenko, O., Cibák, L., & Lincenyi, M. (2023). Item matching model in e-commerce: How users benefit. Economics and Culture, 20(1), 77–90.
  10. Hudakova, M., & Adamko, J. (2016). Technical reserves in insurance and Slovak insurance market. Economic Annals -XXI, 162(11 –12), 98–103.
  11. Kolodiziev, O., Krupka, M., Shulga, N., Kulchytskyy, M., & Lozynska, O. (2021). The level of digital transformation affecting the competitiveness of banks. Banks and Bank Systems, 16(1), 81–91.
  12. Stat.uz maʼlumotlari.
  13. World bank open data maʼlumotlari

Скачивания

Данные скачивания пока недоступны.