J 2010

Přínos učících se metod statistického rozpoznávání obrazů při hledání faktorů konkurenceschopnosti českých podniků

ŠPALEK, Jiří and Ondřej ČÁSTEK

Basic information

Original name

Přínos učících se metod statistického rozpoznávání obrazů při hledání faktorů konkurenceschopnosti českých podniků

Name (in English)

Contribution of statistical pattern recognition methods for identification of competitiveness factors of Czech companies

Authors

ŠPALEK, Jiří (203 Czech Republic, belonging to the institution) and Ondřej ČÁSTEK (203 Czech Republic, guarantor, belonging to the institution)

Edition

Ekonomický časopis/Journal of Economics, Bratislava, Ekonomický a Prognostický ústav SAV, 2010, 0013-3035

Other information

Language

Czech

Type of outcome

Článek v odborném periodiku

Field of Study

50200 5.2 Economics and Business

Country of publisher

Slovakia

Confidentiality degree

není předmětem státního či obchodního tajemství

References:

Impact factor

Impact factor: 0.289

RIV identification code

RIV/00216224:14560/10:00045342

Organization unit

Faculty of Economics and Administration

UT WoS

000286502600004

Keywords (in Czech)

Konkurenceschopnost podniků; statistické vyhledávání obrazů; faktory konkurenceschopnosti; sekvenční dopředný plovoucí výběr

Keywords in English

Corporate competitiveness; statistical pattern recognition; factors of competitiveness; sequential forward flow search

Tags

International impact, Reviewed
Změněno: 19/3/2020 23:56, Mgr. Michal Petr

Abstract

ORIG EN

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.

In English

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.

Links

1M0524, research and development project
Name: Centrum výzkumu konkurenční schopnosti české ekonomiky
Investor: Ministry of Education, Youth and Sports of the CR, Research Centre for the Competitiveness of the Czech Economy