2010
Přínos učících se metod statistického rozpoznávání obrazů při hledání faktorů konkurenceschopnosti českých podniků
ŠPALEK, Jiří a Ondřej ČÁSTEKZákladní údaje
Originální název
Přínos učících se metod statistického rozpoznávání obrazů při hledání faktorů konkurenceschopnosti českých podniků
Název anglicky
Contribution of statistical pattern recognition methods for identification of competitiveness factors of Czech companies
Autoři
ŠPALEK, Jiří (203 Česká republika, domácí) a Ondřej ČÁSTEK (203 Česká republika, garant, domácí)
Vydání
Ekonomický časopis/Journal of Economics, Bratislava, Ekonomický a Prognostický ústav SAV, 2010, 0013-3035
Další údaje
Jazyk
čeština
Typ výsledku
Článek v odborném periodiku
Obor
50200 5.2 Economics and Business
Stát vydavatele
Slovensko
Utajení
není předmětem státního či obchodního tajemství
Odkazy
Impakt faktor
Impact factor: 0.289
Kód RIV
RIV/00216224:14560/10:00045342
Organizační jednotka
Ekonomicko-správní fakulta
UT WoS
000286502600004
Klíčová slova česky
Konkurenceschopnost podniků; statistické vyhledávání obrazů; faktory konkurenceschopnosti; sekvenční dopředný plovoucí výběr
Klíčová slova anglicky
Corporate competitiveness; statistical pattern recognition; factors of competitiveness; sequential forward flow search
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 19. 3. 2020 23:56, Mgr. Michal Petr
V originále
Příspěvek je věnován metodické stránce měření souvislosti mezi potenciálními faktory konkurenceschopnosti a samotnou konkurenceschopností. Představuje metodu sekvenčního dopředného plovoucího výběru (SFFS) z kategorie metod statistického rozpoznávání obrazů a její aplikaci na data 432 podniků, u nichž byla známa hospodářská výkonnost a pro něž bylo za každý podnik k dispozici až 683 potenciálních faktorů této výkonnosti. Text proto shrnuje známé přístupy k této problematice, popisuje metodu SFFS a na dosažených výsledcích dokazuje její přínos k dané problematice. Nespornou výhodou této metody je její nenáročnost na charakter dat: nevyžaduje apriorní model nebo normalitu. Dále je schopna vyhodnotit souvislosti mezi mnoha proměnnými najednou, a to v přijatelném časovém horizontu. Článek ale uvádí i nevýhody této metody.
Anglicky
The submitted paper concentrates on the methodical aspects of measuring the relationship between potential competitiveness factors and the corporate competitiveness. We employ methods of statistical pattern recognition, particularly the sequential forward flow search algorithm (SFFS). The algorithm is applied on data from 432 companies. For these companies there was known their financial performance and there was up to 683 (each company) potential factors of this performance in our database. The text therefore summarizes the known approaches, describes the SFFS algorithm and proves its contribution to this field of research. An undeniable advantage of this method is its low demands on data: it does not require the normality or an a priori model. Also, it is able to evaluate relationships among many variables at once in acceptable time frame. The article presents the drawbacks of this method as well.
Návaznosti
| 1M0524, projekt VaV |
|