Zastosowanie metod uczenia maszynowego w badaniu czynników wzrostu przedsiębiorczości

Abstract

Przedsiębiorczość ma kluczowe znaczenie zarówno dla wzrostu gospodarczego, jak i rozumianego wielowymiarowo rozwoju, co znalazło odzwierciedlenie w przyjmowaniu jej za jeden z czynników produkcji przez niektóre teorie. Zarówno teoretyczne, jak i empiryczne badania przedsiębiorczości świadczą o tym, że jest ona kształtowana przez wiele różnorodnych czynników, będąc wyjątkowo złożonym zjawiskiem. Tradycyjne metody badawcze okazują się niewystarczające wobec wspomnianej złożoności zjawiska. Niniejszy artykuł prezentuje wyniki badania dotyczącego wpływu poszczególnych wskaźników opracowanych przez Bank Światowy w World Governance Indicators na wzrost przedsiębiorczości. Celem artykułu jest empiryczna weryfikacja przydatności metod uczenia maszynowego w selekcji czynników kluczowych dla przedsiębiorczości w sytuacji, gdy dokonuje się jej z wykorzystaniem dużych zbiorów wielowymiarowych i zmiennych danych. Zastosowana metoda wykazała istotne różnice pomiędzy kluczowymi czynnikami determinującymi wzrost przedsiębiorczości w pięciu grupach krajów, wydzielonych ze względu na wartość tego wzrostu mierzoną przyrostem nowo zakładanych przedsiębiorstw. Otrzymane wyniki świadczą o tym, że do badania istoty i determinant przedsiębiorczości mogą zostać zaprzęgnięte niestandardowe metody, rzucając nowe światło na to zjawisko.

Keywords

• analiza wielowymiarowa
• inteligentna analiza danych
• przedsiębiorczość
• sieci bayesowskie
• wskaźniki dobrego rządzenia na świecie