velikost textu

Innovation Indicator Analysis in the European Union: A Machine Learning Approach

Upozornění: Informace získané z popisných dat či souborů uložených v Repozitáři závěrečných prací nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora.
Název:
Innovation Indicator Analysis in the European Union: A Machine Learning Approach
Název v češtině:
Analýza inovačních indikátorů v Evropské unii s pomocí strojového učení
Typ:
Bakalářská práce
Autor:
Bc. Jan Malecha
Vedoucí:
Petr Pleticha, M.Sc.
Oponent:
Ing. Vilém Semerák, M.A., Ph.D.
Id práce:
202930
Fakulta:
Fakulta sociálních věd (FSV)
Pracoviště:
Institut ekonomických studií (23-IES)
Program studia:
Ekonomické teorie (B6201)
Obor studia:
Ekonomie a finance (EF)
Přidělovaný titul:
Bc.
Datum obhajoby:
11. 6. 2019
Výsledek obhajoby:
Velmi dobře (C)
Jazyk práce:
Angličtina
Abstrakt:
Abstrakt Evropská komise každoročně vydává Evropský srovnávací přehled inovací, který je nástrojem k měření inovační výkonnosti členských států Evropské unie (EU). Tato práce rozšiřuje analýzy publikované v Evropském srovnávacím přehledu inovací 2018 ve dvou směrech. První část zkoumá, pomocí shlukové analýzy, rozdělení členských států EU do skupin podle inovační výkonnosti. V této práci přicházíme s unikátním schématem řešení tohoto rozdělení za použití hierarchického shlukování. Při porovnání našeho schématu se schématem stávajícím se ukazuje, že hlavní vzory v obou schématech jsou velmi podobné. Jedinou výjimkou je odlišnost Velké Británie, Irska a Lucemburska od ostatních nadprůměrně výkonných států. Námi navrhované schéma navíc přináší informace o podobnosti států uvnitř jednotlivých výkonnostních skupin, například uvádí podobnost mezi Finskem, Švédskem a Dánskem a jejich relativní odlišnost od Francie, přestože jsou v jedné skupině. V druhé části se pomocí regresní analýzy pokoušíme zkoumat efekt inovací na reálnou lidskou produktivitu. Na rozdíl od existující literatury nenacházíme statisticky významný vztah mezi produktivitou a indikátory Evropského srovnávacího přehledu inovací. Proto následně rozšiřujeme analýzu o penalizační metodu, označovanou jako lasso metoda, která provádí výběr proměnných z modelu. Tento přístup zlepšuje naše výsledky a jmenuje čtyři inovační indikátory, které značí pozitivní efekt na lidskou produktivitu.
Abstract v angličtině:
Abstract The European Commission annually publishes a European Innovation Scoreboard (EIS) as a tool to measure the innovation performance of the EU Member States. This thesis extends the analysis published in the EIS 2018 in two different manners. The first part, a clustering analysis, examines the partition of the EU Member States to innovation performance groups. The thesis comes with a unique scheme of partition created by using hierarchical clustering. A comparison with the existing scheme shows that the general trends are similar in both schemes. The only main exception is the differentiation of the British Isles and Luxembourg apart from the other high performing countries. The proposed scheme provides insight about the within-cluster similarities, such as the similarity of Finland, Sweden and Denmark and their relative distinction from France, although they belong to one cluster. The second part, a regression analysis, attempts to examine the impact of innovations on real labour productivity. Contrary to existing literature, we do not find a statistically significant relationship between productivity and the components of the EIS. Additionally, the analysis is extended by the lasso estimation that provides a variable selection. The latter approach improves our findings and identifies four EIS indicators with positive impact on labour productivity.
Dokumenty
Stáhnout Dokument Autor Typ Velikost
Stáhnout Text práce Bc. Jan Malecha 1020 kB
Stáhnout Abstrakt v českém jazyce Bc. Jan Malecha 88 kB
Stáhnout Abstrakt anglicky Bc. Jan Malecha 83 kB
Stáhnout Posudek vedoucího Petr Pleticha, M.Sc. 349 kB
Stáhnout Posudek oponenta Ing. Vilém Semerák, M.A., Ph.D. 239 kB
Stáhnout Záznam o průběhu obhajoby PhDr. Julie Chytilová, Ph.D. 152 kB