авторефераты диссертаций БЕСПЛАТНАЯ  БИБЛИОТЕКА

АВТОРЕФЕРАТЫ КАНДИДАТСКИХ, ДОКТОРСКИХ ДИССЕРТАЦИЙ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


2011 г.

А.А. ДАВЫДОВ

ДИНАМИКА РАЗВИТИЯ ЧЕЛОВЕКА: ЛАТЕНТНАЯ ГЛОКАЛИЗАЦИОННАЯ

МОДЕЛЬ

Аннотация. В данной

статье представлена разработанная автором

латентная (ненаблюдаемая) глокализационная модель (ЛГМ) динамики развития

человека в социуме (множество стран мира). Название «глокализационная»

базируется на понятии «Glocalization» - «глокализация» (сочетание глобальных и

локальных тенденций в развитии стран мира), введенного R.Robertson [1];

постулате Latent State-Space Dynamics Theory [2], согласно которому наблюдаемая динамика множества социальных процессов может быть объяснена с помощью небольшого количества ненаблюдаемых факторов. Разработанная модель базируется на результатах проведенного комплексного системного анализа наблюдаемой [3] и латентной динамики Hybrid Human Development Index (HHDI) – Гибридного индекса развития человеческого потенциала (ИРЧП)[4-5] для 135 стран мира за период 1970-2010 гг.

Латентная глокализационная модель (ЛГМ) разработана в рамках научно исследовательского проекта «Динамика развития человека» [6], реализуемого автором в исследовательском комитете «Системная социология» Российского общества социологов (РОС). Разработанная модель важна для реализации United Nations Human Development Programme [4], в частности, для компьютерного моделирования и прогнозирования динамики развития человека и решения ряда других научных и прикладных задач ООН, для реализации подпрограммы Президиума РАН «Комплексный системный анализ и математическое моделирование мировой динамики», для развития общей теории динамики социума [7] в системной социологии [8].

Ключевые слова: развитие человека, латентная динамика, социум, системная социология Введение В международной деятельности ООН [4-5] фундаментальной социальной концепцией и приоритетной целью международного сообщества является «Human Development» (развитие человека), которая базируется на Всеобщей декларации прав человека, принятой Генеральной Ассамблеей ООН в 1948 году. В сравнительных международных исследованиях ООН, развитие человека в социуме (множество стран мира) измеряют с помощью Hybrid Human Development Index (HHDI) – Гибридного индекса развития человеческого потенциала (ИРЧП)[4 5]. Hybrid Human Development Index (HHDI) включает в себя ожидаемую продолжительность жизни при рождении, грамотность, валовой охват населения образованием и ВВП на душу населения [5, c.26]. Hybrid Human Development Index (HHDI) связан со множеством других глобальных индексов (демографических, экономических, политических, социокультурных и т.д.) [6], с помощью которых в сравнительных международных исследованиях измеряют страны мира, и образует сложную многоуровневую иерархическую динамическую систему.

Наблюдаемая динамика значений Hybrid Human Development Index (HHDI) для стран мира, довольно хорошо изучена [4-6], в частности, в онлайн Базе Данных ООН [9] реализована возможность визуализации динамики значений Hybrid Human Development Index (HHDI) для 135 стран мира за период 1970- гг. по различным показателям вариабельности динамики и группировкам стран мира. В качестве наглядной иллюстрации, на рис. 1 представлена наблюдаемая динамика Hybrid Human Development Index (HHDI) из онлайн Базы Данных ООН [9] за период 1970-2010 гг. для социума (135 стран мира), которую в соответствии с State-Space Dynamics Theory [2], называют многомерным временным рядом.

Рис. Наблюдаемая динамика значений Hybrid Human Development Index (HHDI) для 135 стран мира за период 1970-2010 гг.

[Цит. по 9] В целом, различные группировки динамики Hybrid Human Development Index (HHDI) из онлайн Базы Данных ООН [9] за период 1970-2010 гг. для 135 стран мира и результаты проведенного анализа наблюдаемой динамики HHDI [3], свидетельствуют, что динамика значений Hybrid Human Development Index (HHDI) для стран мира может характеризоваться глобальной, цивилизационной спецификой (глобальным ростом значений HHDI в странах мира) и локальной (национальной) спецификой стран мира.

Теоретические основания модели Разработка латентной глокализационной модели (ЛГМ) динамики развития человека в странах мира осуществлялась в рамках системной социологии [7-8].

Напомним, что системная социология является разделом Systems Science (науки о системах), базируется на общей теории систем, общесистемной теории динамических систем, множестве частных теорий динамики систем и относится к точным наукам. Также напомним, что в системной социологии, в частности, в теории динамики социума [7], под социумом понимается сложная, иерархическая, гетерогенная (разнородная), с переменной структурой (страны мира объединяются, распадаются и т.д.) динамическая социальная система, состоящая из взаимодействующих подсистем (стран мира), функционирование которых происходит синхронно и асинхронно в различные периоды времени. В социуме параллельно протекает множество глобальных, региональных и локальных (национальных) процессов, которые действуют с лагами (запаздываниями), порогами функционирования и другими свойствами системной динамики.

Функционирование социума представляет собой неоднородную нелинейную многомерную динамику, в частности, периоды стабильных режимов функционирования чередуются с переходными периодами [10]. На динамику социума влияет множество взаимосвязанных факторов (экономических, политических, военных, демографических, технологических, социокультурных, природных) [6], которые могут действовать нелинейно, в различных комбинациях в разные периоды времени, на уровне социума в целом, на уровне регионов и стран мира.

В теории динамики социума, в частности, в рамках Latent State-Space Dynamics Theory [2] постулируется, что наблюдаемая динамика значений HHDI, представленная на рис. 1, может быть обобщена с помощью небольшого количества обобщенных ненаблюдаемых факторов, которые образуют n-мерное признаковое пространство. В данном n-мерном пространстве существует траектория динамики значений Hybrid Human Development Index (HHDI) для стран мира за период 1970-2010 гг. В этой связи напомним, что в общесистемной теории динамических систем [цит. по 7] системной социологии [8] под траекторией понимается движение системы в n-мерном признаковом пространстве. В рамках Latent State-Space Dynamics Theory [2] существует множество частных теорий, например, Nonlinear Latent State-Space Theory [11]. Поскольку разные теории исходят из различных теоретических постулатов и объяснительных моделей, например, в теориях латентной динамики постулируются различные объяснительные модели снижения размерности динамики, вводится или нет зависимая переменная (переменные), учитывается или не учитывается изменение структуры латентных факторов с течением времени и т.д., то здесь существует проблема интеграции объяснительных моделей и теоретической интерпретации и интеграции полученных результатов, которые могут быть различными. При разработке латентной глокализационной модели (ЛГМ) динамики развития человека автор опирался на фундаментальный общесистемный теоретический принцип когерентности (согласованности) результатов, базирующийся на интеграции содержательного анализа, комплексного системного анализа эмпирических данных и контекстуального учета предыдущих теоретических и эмпирических результатов [6].

Методология разработки модели Разработка латентной глокализационной модели (ЛГМ) динамики развития человека в странах мира осуществлялась на основе естественнонаучной методологической парадигмы системной социологии [7]. В частности, использовались некоторые методологические постулаты Soft Systems Methodology («мягкой» системной методологии) [цит. по 8], в частности, методологический принцип «Rich Pictures» («Богатых» картинок), согласно которому для анализа многомерной динамики требуется собрать как можно больше информации об изучаемых 135 процессах динамики значений HHDI, представленных на рис.1, чтобы выявить латентные (ненаблюдаемые) факторы динамики.

Для выявления латентных факторов динамики HHDI, использовалась методология комплексного системного анализа многомерных временных рядов – потоковый, параллельный, контекстуальный, многоуровневый, итерационный анализ с помощью множества компьютерных систем, предназначенных для Latent State-Space Dynamics Analysis [2]. Разработка модели также осуществлялась на основе методологии разработки моделей в системной социологии [7], а именно, на первом шаге генерировалось множество моделей, а на втором шаге осуществлялась селекция построенных моделей на множестве теоретических, методических, компьютационных и иных критериев, вытекающих из принципов естественнонаучной парадигмы системной социологии. При этом, использовались стандартные методологические компьютационные процедуры селекции моделей, а именно, удалялись некоторые страны мира и моменты времени для проверки устойчивости и уточнения модели. В целом, методология разработки модели являлась классической обратной задачей Computational Sociology (вычислительной социологии) – одного из направлений системной социологии [8], когда по эмпирическим данным требуется выявить неизвестную вычислительную модель.

Методика разработки модели Для разработки латентной глокализационной модели (ЛГМ) латентной динамики значений Hybrid Human Development Index (HHDI) для 135 стран мира за период 1970-2010 гг., представленной на рис.1, использовались значения HHDI из Базы Данных ООН [9]. В этой связи отметим, что значения Hybrid Human Development Index (HHDI) в Базе Данных ООН [9] представлены с пятилетним интервалом за моменты времени 1970, 1975, 1980, 1985, 1990, 1995, 2000, 2005, 2010 гг. Очевидно, что девяти моментов времени недостаточно для проведения надежного анализа многомерных временных рядов, однако, в настоящий момент времени (2011 г.), это максимально полные сопоставимые официальные данные международной статистики ООН по динамике Hybrid Human Development Index (HHDI) в странах мира за период 1970-2010 гг. [4].

В соответствии с вышеизложенными методологическими постулатами системной социологии [7-8], в частности, комплексного системного анализа многомерных временных рядов [2] для выявления закономерностей латентной динамики значений HHDI, представленной на рис.1, использовались следующие пакеты анализа: VisuMAP [12], CaterpillarSSA [13], FastICA [14], DyFApak [15], SPSS. В этой связи отметим, что в каждом из использованных пакетов реализовано множество методов и алгоритмов анализа. Например, в пакете VisuMap [12], предназначенном для многомерного анализа и визуализации многомерных временных рядов, реализованы Multidimesnional Scaling (data mapping): Relational Perspective Map (RPM), Multidimensional Scaling (Sammon Map), Curvilinear Component Analysis (CCA), MDS by SMACOF Algorithm, Correspondence Analysis, Stochastic Neighbor Embedding (t-SNE), Kernel PCA и т.д.

Для анализа латентной динамики использовался Dynamic Factor Analysis [12,15], включающий в себя множество теоретических моделей и алгоритмов, в частности, Dynamic Factor Analysis of Lagged Correlation Matrices, использующий матрицы кросскорреляций с лагами (запаздываниями), нелинейный Dynamic Factor Analysis, Fast Independent Component Analysis, Time - Series Factor Analysis и т.д. В этой связи напомним, что основатель Systems Science и общей теории систем (ОТС) Л.фон Берталанфи [16] причислял факторный анализ к методам системного анализа. Также использовались различные модели Singular Spectrum Analysis (SSA), основанные на Singular Value Decomposition (SVD) [13].

Полученные результаты Поскольку при потоковом анализе многомерного временного ряда, когда параллельно-последовательно используется множество пакетов и методов анализа, вычисляется множество результатов, которые не позволяет изложить ограниченный объем статьи (в Приложении, в качестве иллюстрации, приведены некоторые численные результаты динамического факторного анализа (DFA) для бывших союзных республик СССР за период 1970-2010 гг.), то автор ограничится только изложением некоторых полученных визуальных результатов снижения размерности динамики значений Hybrid Human Development Index (HHDI) для стран мира за период 1970-2010 гг., представленной на рис.1.

На рис. 2 представлен один из результатов нелинейного Fast Independent Component Analysis, Dimension 2, Approach - deflation, Nonlinearity - pow3, Stabilization - off из пакета FastICA [14].

Рис. Снижение размерности (Fast Independent Component Analysis) Zimbabwe 0,05 Congo (Democratic Republic of the) Zambia Tajikistan Georgia 0 Moldova (Republic of) Ukraine Liberia Russian Federation Kyrgyzstan Uzbekistan and Tobago Trinidad Congo Azerbaijan Belarus Central African Republic Lithuania Jamaica Kenya The former Yugoslav Republic of Macedonia Guyana C?te d'Ivoire Latvia Kazakhstan Armenia Croatia Venezuela Switzerland Madagascar (BolivarianRomania of)Estonia Republic Bulgaria Slovakia Cameroon States Czech Republic Canada Swaziland Brunei Darussalam Argentina Hungary DenmarkLebanon Djibouti United -0,05 Fiji Rwanda Poland Afghanistan Sweden Albania United Netherlands Rica Zealand Japan Philippines Paraguay New TongaKingdomSamoa Uruguay Mongolia Burundi FranceIceland Austria Costa Belgium Norway Togo Panama Greece Israel Kuwait Italy Nicaragua Ghana Qatar Niger Lesotho Finland Nigeria Spain MexicoPeruSlovenia Luxembourg Mozambique Uganda Senegal Sudan Colombia Australia Ireland Chad Jordan Malawi Ecuador Chile Mali El Salvador Malta Ethiopia Bahrain DominicanMauritius Republic Brazil CyprusHonduras Burkina Faso Hong Kong. China (SAR) Portugal Bolivia (Plurinational State of)Benin -0,1 Bangladesh Pakistan United Arab Emirates Guatemala Libyan Arab Jamahiriya Turkey Malaysia Iran (Islamic Republic of)India Botswana Morocco Cambodia Egypt Lao People's Democratic Republic Algeria Nepal Indonesia Tunisia Korea (Republic of) -0,15 Viet Nam Saudi Arabia China -0, Oman -0, -0,3 -0,2 -0,1 0 0,1 0,2 0,3 0, Примечание: красный шар – Россия На рис.3 представлен результат снижения размерности, полученный с помощью Correspondence Analysis из пакета VisuMap [12], где в 2D признаковом пространстве размещены страны мира и моменты времени.

Рис. Снижение размерности (Correspondence Analysis) Примечание: синие шары на нижнем левом графике – моменты времени, красный шар – Россия.

На рис.4 представлен результат снижения размерности, полученный с помощью SMACOF MDS из пакета VisuMap [12].

Рис. Снижение размерности (SMACOF MDS) На рис. 5 представлен результат снижения размерности, полученный с помощью Principal Component Analysis (PCA) из пакета VisuMap [12].

Рис. Снижение размерности (Principal Component Analysis) На рис. 6 представлен результат снижения размерности, полученный с помощью Kernel Principal Component Analysis (PCA), Kernel Adaptor – Polynomial, Mahalanobis Metric, 3 Dimension, из пакета VisuMap [12].

Рис. Снижение размерности (Kernel Principal Component Analysis) На рис. 7 представлен результат снижения размерности, полученный с помощью Manifold RPM Maps из пакета VisuMap [12].

Рис. Снижение размерности (Manifold RPM Maps) На рис. 8 представлен результат снижения размерности, полученный с помощью Manifold RPM Maps из пакета VisuMap [12] и расположенный на сфере.

Рис. Снижение размерности (Manifold RPM Maps) на сфере Рассмотрим теперь некоторые полученные результаты динамики латентных факторов. На рис. 9 представлена Singular Value Decomposition (SVD) динамика девяти латентных факторов в динамике значений Hybrid Human Development Index (HHDI) для 135 стран мира за период 1970-2010 гг., представленной на рис.1, полученная с помощью пакета CaterpillarSSA [13].

Рис. Динамика девяти латентных компонент (SVD) Главные компоненты HHDI_T ransformed.xls [HHDI_Transformed];

Перем:Afghanistan,Albania,Algeria,Argentina,Armenia,Australia,Austria,Azerbaijan,Bahrain,Bangladesh,Belarus,Belgium,Benin,BoliviaPlurinati,Botswana,Brazil,Brunei_Darussalam,Bulgaria,Burkina_Faso,Burundi, 1(99,709%) 2(0,224%) 3(0,033%) 8,3 0,47 0, 7,9 0,27 0, 7,6 0,06 0, 7,2 -0,14 -0, 6,9 -0,34 -0, 6,5 -0,54 -0, 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 4(0,021%) 5(0,006%) 6(0,004%) 0,17 0,13 0, 0,11 0,09 0, 0,04 0,05 0, -0,02 0,01 -0, -0,09 -0,03 -0, -0,15 -0,07 -0, 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 7(0,001%) 8(0,001%) 9(0,001%) 0, 0,043 0, 0,025 0,017 0, 0,008 -0,002 0, -0,009 -0,020 -0, -0,027 -0,039 -0, -0,044 -0,058 -0, 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 РАЗЛОЖ.-K=9,Цент.(Нет);

Примечание: верхний левый график – первая компонента, верхний центральный график – вторая компонента, верхний правый график – третья компонента, нижний левый график – седьмая компонента, нижний центральный график – восьмая компонента, нижний правый график – девятая компонента. По оси X – моменты времени 1-1970 г., 2 1975 г., …, 9-2010 г.

Первая компонента объясняет 99.709% дисперсии значений HHDI для стран мира за период 1970-2010 гг. (см. рис.1), вторая компонента – 0.224%, а третья компонента – 0.033%.

На рис. 10 представлена динамика семи латентных факторов в динамике значений Hybrid Human Development Index (HHDI) для 135 стран мира за период 1970-2010 гг., представленной на рис.1, полученная с помощью PCA из пакета VisuMap [12].

Рис. Динамика семи латентных компонент (PCA) Первая компонента объясняет 85.33% дисперсии динамики значений HHDI для 135 стран мира за период 1970-2010 гг, представленной на рис. 1. Вторая компонента объясняет 1.44% дисперсии, третья компонента – 0.15% дисперсии.

На рис.11 представлена динамика двух латентных независимых компонент, полученная с помощью нелинейного Fast Independent Component Analysis из пакета FastICA [14].

Рис. Динамика двух латентных компонент (FastICA) Independent components 1970 1975 1980 1985 1990 1995 2000 2005 Independent components - - - - - - 1970 1975 1980 1985 1990 1995 2000 2005 Year Первая независимая компонента объясняет 91.3% общей дисперсии динамики значений HHDI для 135 стран мира за период 1970-2010 гг, представленной на рис. 1. Вторая компонента объясняет 4% дисперсии. В сумме, две выделенные независимые компоненты объясняют 95.3% общей дисперсии.

Если кратко обобщить полученные результаты снижения размерности, в частности, представленные на рис.2-11, то тогда можно заключить, что 3D и модели более высоких размерностей давали незначительный прирост (не более 2%) объясненной суммарной дисперсии, по сравнению с 2D моделью.

Латентная глокализационная модель (ЛГМ) На основании проведенного комплексного системного анализа, автор остановился на 2D латентной глокализационной модели (ЛГМ) динамики значений Hybrid Human Development Index (HHDI) для 135 стран мира за период 1970- гг. Разработанная латентная глокализационная модель (ЛГМ) может быть описана уравнением динамического факторного анализа (DFA) [15] в общем виде (1) и, более конкретно, стандартной моделью нелинейного динамического факторного анализа (NDFA) [11] (2).

(1) HHDI t f t et HHDI (t ) f ( s (t ), f ) n (t ), (2) где s (t ) g ( s (t 1), g ) m(t) В этой связи отметим, что вычислительные эксперименты, проведенные автором, показали, что компьютерная реализация латентной глокализационной модели (ЛГМ) (1-2) может быть осуществлена с помощью «нейронных» сетей классов Principal component analysis networks (PCAs), Time lagged recurrent networks (TLRNs) с двумя скрытыми слоями нейронов, которые отождествляются с глобальной и локальной спецификой, с лагами (запаздываниями) и нелинейными передаточными функциями, реализованными в пакете NeuroSolutions [17].

Разработанная латентная глокализационная модель (ЛГМ) может быть содержательно описана с помощью следующих постулатов.

Первый постулат. В наблюдаемой динамике значений Hybrid Human Development Index (HHDI) для 135 стран мира за период 1970-2010 гг., можно выделить два латентных фактора, которые более, чем на 93% описывают и объясняют наблюдаемую динамику значений Hybrid Human Development Index (HHDI) для 135 стран мира за период 1970-2010 гг.

Первый латентный фактор объясняет не менее, чем 85% суммарной дисперсии динамики значений Hybrid Human Development Index (HHDI) для стран мира за период 1970-2010 гг. и может быть условно и обобщенно назван «Глобальное развитие человека». Условно потому, что (LVM) – latent variable models (модели латентной переменной), не позволяют, в подавляющем числе случаев, дать однозначного содержательного названия латентных переменных (факторов, компонент и т.д.), поэтому это одно из возможных правдоподобных обозначений. Глобальное развитие человека заключается в следующем. Во первых, официально принятые ООН [4-5] цели развития человека – быть богатым, здоровым и образованным, на основе которых построен Hybrid Human Development Index (HHDI), очевидны, поскольку это лучше, чем быть бедным, больным и необразованным и не изменялись на протяжении длительного периода времени. Во-вторых, исторические данные, например A.Madisson [18], свидетельствуют, что ВВП на душу населения, средняя ожидаемая продолжительность жизни и уровень образования населения постоянно растут на протяжении исторического периода времени (более 1000 лет), поскольку между ними существуют положительные обратные связи системной динамики [цит. по 8] и усилия ООН и национальных правительств стран мира направлены, в долгосрочной перспективе, на повышение средней ожидаемой продолжительности жизни, уровня образования и ВВП на душу населения. В третьих, известно [3,5-6], что с течением времени увеличивается среднее значение HHDI для социума в целом.

Второй латентный фактор объясняет, приближенно, 7% суммарной дисперсии динамики значений Hybrid Human Development Index (HHDI) для стран мира за период 1970-2010 гг. и может быть условно и обобщенно назван «Локальное развитие человека». Локальное развитие человека характеризуется положительными или негативными, для роста значений HHDI, социальными явлениями, происходящими в регионах и странах мира в ограниченный период времени. Например, военные конфликты, экономические кризисы, природные катастрофы и т.д. очевидно снижают значение HHDI в краткосрочной перспективе.

Распад СССР – очевидный пример негативного влияния локальной специфики, которая проявилась в динамике значений HHDI для бывших союзных республик СССР [цит. по 3] (см. Приложение). Примером положительного влияния локального развития является рост значений HHDI для Омана [5, с.26], обусловленный, в значительной мере, ростом уровня образования населения, вследствие реализации определенной социальной политики государства.

Второй постулат. В двумерном признаковом пространстве двух латентных факторов «Глобальное развитие человека» и «Локальное развитие человека» расположение стран мира по наблюдаемой динамике значений HHDI 135 стран мира за период 1970-2010 гг. может быть следующим (см. рис.12).

Рис. Расположение 135 стран мира в 2D признаковом пространстве Третий постулат. Динамика глобального и локального развития человека на периоде 1970-2010 гг. могла быть следующей (см. рис.13).

Рис. Динамика глобального и локального развития человека (1970-2010 гг.) Рост глобального развития, представленный на рис.13, характеризуется увеличением среднего значения HHDI для социума за период 1970-2010 гг. [3].

Рост локального развития человека на периодах 1970 -1985 гг. и 1995 – 2010 гг., представленный на рис. 13, может быть обусловлен ростом сходства динамики значений HHDI между странами мира [3]. Снижение локального развития человека на периоде 1985-1995 гг. обусловлено ростом различий между странами мира [3] по динамике значений HHDI. Период 1985-1995 гг. можно охарактеризовать как переходной период [10] в динамике социума, обусловленный распадом СССР, изменениями в странах бывшего социалистического содружества, военными конфликтами в Африке и рядом других социальных явлений на уровне регионов и стран мира, описанных в [5].

Динамика глобального развития человека зависит от прошлого (предыдущих значений) следующим образом. Коэффициент автокорреляции составил 0.652 при лаге (запаздывании) равном одному моменту времени (пять лет, учитывая временную группировку использованных эмпирических данных).

Динамика локального развития человека зависит от прошлого (предыдущих значений) следующим образом. Коэффициент автокорреляции составил -0. при лаге (запаздывании) равном три момента времени (15 лет, учитывая временную группировку использованных эмпирических данных). Кросскорреляция между глобальной и локальной динамикой развития человека составила 0.389 при лаге (запаздывании) равном 4 момента времени, что составляет 20 лет.

Максимальная (0.55) когерентность (согласованность) между динамикой глобального и локального развития человека наблюдалась на частоте 0.45, что показал проведенный спектральный анализ.

Четвертый постулат. Латентная траектория динамики развития человека в социуме может быть представлена следующим образом (см. рис.14).

Рис. Латентная траектория динамики развития человека в социуме (1970-2010 гг.) Глобальная динамика развития человека 1, 1 0, -0,5 - -1, - -1,8 -1,3 -0,8 -0,3 0,2 0,7 1, Локальная динамика развития человека Обсуждение разработанной модели Разработанная латентная глокализационная модель (ЛГМ) динамики наблюдаемых значений Hybrid Human Development Index (HHDI) для 135 стран мира за период 1970-2010 гг., удовлетворяет критериям селекции моделей, принятым в системной социологии [7]. А именно, «прозрачности» (ясно обозначены теоретико-методологические постулаты, на которых построена модель), математической строгости определений элементов и взаимосвязей между элементами в модели, точности аппроксимации (приближения) эмпирических данных, фальсифицируемости модели, простоты модели (минимальное количество коэффициентов модели, простота последующей компьютерной реализации и эмпирической проверки), устойчивость к неполноте эмпирических данных и погрешностям измерения, эмпирическая и теоретическая обоснованность (непротиворечивость относительно неопровержимо доказанных эмпирических фактов и более общих теорий), прогностичности модели (возможность модели делать точные прогнозы), «широты» модели (возможность модели описывать максимально широкий класс известных социальных процессов), элегантности (красоты) модели, плодотворности модели для развития теории и практических приложений.

Приведем только два примера использования разработанной латентной глокализационной модели (ЛГМ) для объяснения и прогнозирования динамики значений HHDI для России. Разработанная модель (см. рис.12) хорошо объясняет ранее полученные результаты [3] кластерного анализа динамики значений HHDI для 135 стран мира за период 1970-2010 гг., согласно которым наблюдаемая динамика значений HHDI России часто попадает в кластер (группу) совместно с бывшими союзными республиками СССР. На основе полученных результатов с помощью Singular Spectrum Analysis (SSA), основанном на Singular Value Decomposition (SVD), был сделан один из прогнозов динамики развития человека в России до 2050 г. [19].

Выводы В рамках системной социологии, на основе принятой общесистемной теории, системной методологии и комплексного системного анализа, была разработана латентная глокализационная модель (ЛГМ), которая более, чем на 93%, описывает и объясняет закономерности наблюдаемой динамики значений Hybrid Human Development Index (HHDI) для 135 стран мира за период 1970- гг.

СПИСОК ЛИТЕРАТУРЫ 1. Robertson R. Glocalization: time-space and heterogeneity-homogeneity/ In Global Modernities, M. Featherstone, S. Lash and R. Robertson (eds.), London.:

Sage, 1995, P. 25-44.

2. Commandeur J., Koopman S. An Introduction to State Space Time Series Analysis. N.Y.: Oxford University Press, 2007.

3. Давыдов А.А. Некоторые закономерности наблюдаемой динамики развития человека. Официальный сайт РОС, 2011. (http://www.ssa rss.ru/index.php?page_id=22&id=53#13) 4. United Nations Human Development Programme. (http://hdr.undp.org/en/) 5. Human Development Report 2010. The Real Wealth of Nations: Pathways to Human Development. UN, 2010. (http://hdr.undp.org/en/). Доклад о развитии человека 2010. Реальное богатство народов: пути к развитию человека. М.:

«Весь мир», 2010.

6. Давыдов А.А. Динамика развития человека (Сборник статей). Официальный сайт РОС, 2011. (http://www.ssa-rss.ru/index.php?page_id=22&id=53#13) 7. Давыдов А.А. Системная социология: введение в анализ динамики социума.

М.: ЛКИ, 2007.

8. Давыдов А.А. Конкурентные преимущества системной социологии.

(Электронное издание) М.: ИС РАН, 2008.

(http://www.isras.ru/publ.html?id=855, http://www.ecsocman.edu.ru/db/msg/324618.html ) 9. Human Development Index Trends. (http://hdr.undp.org/en/data/trends/) 10. Давыдов А.А. Социальная информатика: переходные периоды в социальных системах//Системные исследования. Ежегодник. М.:Наука, 1997, С.123-130.

11. Ilin A., Valpola H., Oja E. Nonlinear Dynamical Factor Analysis for State Change Detection//IEEE Transactions on Neural Networks. 2004, V.15, №3, P. 559-575.

(http://users.ics.tkk.fi/alexilin/papers/chdetndfa.pdf) 12. VisuMap. (http://visumap.net) 13. CaterpillarSSA. (http://www.gistatgroup.com/gus/programs.html) 14. FastICA Matlab. (http://research.ics.tkk.fi/ica/fastica/) 15. DyFApak. (http://faculty.psy.ohio-state.edu/browne/software.php) 16. Bertalanffy von L. General System Theory - A Critical Review//General Systems, vol. VII, 1962, p. 1-20. Общая теория систем – критический обзор. Перевод Н.С. Юлиной. (http://macroevolution.narod.ru/bertalanfi.htm) 17. NeuroSolutions.(http://www.neurosolutions.com) 18. Madisson A. (http://www.ggdc.net/maddison/) 19. Давыдов А.А. Развитие человека в России: долгосрочный прогноз.

Официальный сайт РОС, 2011. (http://www.ssa rss.ru/index.php?page_id=22&id=53#13) ПРИЛОЖЕНИЕ. Результаты динамического факторного анализа (DFA) для бывших союзных республик СССР за период 1970-2010 гг.

На рисунке представлена динамика значений Hybrid Human Development Index (HHDI) для бывших союзных республик СССР за период 1970-2010 гг.

Источник цитирования: Human Development Index Trends.

(http://hdr.undp.org/en/data/trends/) Для динамического факторного анализа данных, представленных на рисунке, использовалcя пакет DyFApak (http://faculty.psy.ohio state.edu/browne/software.php). Модель (1-2) динамического факторного анализа (DFA).

(1) HHDI t f t et p q f t Ai f t i z t B j z t j (2) i 1 j где HHDI t -vector of manifest variables measured at time t - mean vector - factor matrix f t - vector of common factors at time t et - vector of measurement errors at time t z t - random shock vector Ai - autoregressive weight matrices B j - moving average weight matrices Результаты.

DyFA: Dynamic Factor Analysis of Lagged Correlation Matrices Version 2. September Mathematical specification:

Michael W. Browne and Guangjian Zhang Programming:

Guangjian Zhang and Michael W. Browne TITLE= DAVYDOV #1. EDFA WITH TARGET ROTATION;

OPTIONS=(DATA=RAW,TYPE=1,MV=14,NT=9,NF=2,NAR=1,NMA=1,NLAG=3,NLCF=3,NSUB=1);

OPTIONS=(RTYPE=2,ROT=11,SHOCK=3,LOADFREE=0, ROTSTART=0,PRINT=1,MAXIT=200);

MNAMES= ARMENIA, AZERBAIJAN, BELARUS, ESTONIA, GEORGIA, KAZAKHSTAN, KYRGYZSTAN, LATVIA, LITHUANIA, MOLDOVA, RUSSIA, TAJIKISTAN, UKRAINE, UZBEKISTAN;

FNAMES= F1,F2;

TARGETL=;

TARGETA=;

****************************************** * DAVYDOV #1. EDFA WITH TARGET ROTATION;

****************************************** ===================== Details of Analysis ===================== Analysis type Exploratory dynamic factor analysis Process ARMA(1,1) Maximum time lag Data type Raw data Number of individuals Measurement occasions Number of manifest variables Number of factors Estimation approach Two stage method Rotation Type Oblique Rotation criterion EPARSIMAX Number of lags for shock representation of the model The manifest variables are:

ARMENIA AZERBAIJ BELARUS ESTONIA GEORGIA KAZAKHST KYRGYZST LATVIA LITHUANI MOLDOVA RUSSIA TAJIKIST UKRAINE UZBEKIST ****************************************** * DAVYDOV #1. EDFA WITH TARGET ROTATION;

* ****************************************** ********************************* * OLS estimates before rotation * ********************************* ================= Factor loadings ================= Factr 1 Factr ARMENIA 0.984 0. AZERBAIJ 0.669 0. BELARUS 0.903 0. ESTONIA 1.039 -0. GEORGIA -0.071 0. KAZAKHST 0.847 0. KYRGYZST 0.543 0. LATVIA 0.950 0. LITHUANI 0.919 0. MOLDOVA 0.201 0. RUSSIA 0.455 0. TAJIKIST -0.173 1. UKRAINE 0.000 1. UZBEKIST 0.690 0. ======================== Autoregressive weights ======================== Lag Factr 1 Factr Factr 1 -4.266 2. Factr 2 -7.487 5. Stationarity conditions are satisfied: 0.5965E+00 ======================== Moving average weights ======================== Lag Factr 1 Factr Factr 1 5.115 -1. Factr 2 8.686 -3. Identification conditions are not satisfied: 0.2895E+01 ===================================================== Shock correlation matrix: uncorrelated between lags ===================================================== Factr 1 Factr Factr 1 1.000 -0. Factr 2 -0.501 1. =========================== Shock standard deviations =========================== SD Factr 1 0. Factr 2 0. ========================= Shock covariance matrix ========================= Factr 1 Factr Factr 1 0.598 -0. Factr 2 -0.154 0. ================================================ Gauss-Jordan pivots of shock covariance matrix ================================================ 0.60E+00 0.12E+ ================================================= Lagged factor correlations implied by the model ================================================= lag Factr 1 Factr Factr 1 1.000 0. Factr 2 0.426 1. lag Factr 1 Factr Factr 1 0.281 0. Factr 2 0.376 -0. lag Factr 1 Factr Factr 1 -0.106 -0. Factr 2 -0.217 -0. lag Factr 1 Factr Factr 1 -0.179 -0. Factr 2 -0.296 -0. ==================================== Predicted-factor covariance matrix ==================================== Factr 1 Factr Factr 1 0.402 0. Factr 2 0.580 0. ======================================================== Gauss-Jordan pivots of initial state covariance matrix ======================================================== 0.40E+00 0.61E- ============================= Measurement error variances ============================= M-ERROR ARMENIA 0. AZERBAIJ 0. BELARUS 0. ESTONIA 0. GEORGIA 0. KAZAKHST 0. KYRGYZST 0. LATVIA 0. LITHUANI 0. MOLDOVA 0. RUSSIA 0. TAJIKIST 0. UKRAINE 0. UZBEKIST 0. ==================== Problem parameters ==================== Parameter Name Problem Value A1: 2, 1 REDUNDANT -0.748680E+ B1: 1, 1 REDUNDANT 0.511499E+ Epsilon 13 L BOUND 0.122175E- ****************************************** * DAVYDOV #1. EDFA WITH TARGET ROTATION;

****************************************** ********************************************** * Estimates after oblique EPARSIMAX rotation * ********************************************** ================= Factor loadings ================= F1 F ARMENIA 1.025 -0. AZERBAIJ 0.841 0. BELARUS 1.007 -0. ESTONIA 1.040 -0. GEORGIA 0.267 0. KAZAKHST 0.971 0. KYRGYZST 0.785 0. LATVIA 1.015 -0. LITHUANI 1.002 -0. MOLDOVA 0.531 0. RUSSIA 0.727 0. TAJIKIST 0.208 0. UKRAINE 0.370 0. UZBEKIST 0.842 0. ======================== Autoregressive weights ======================== Lag F1 F F1 -4.359 4. F2 -5.233 5. Stationarity conditions are satisfied: 0.5965E+00 ======================== Moving average weights ======================== Lag F1 F F1 5.982 -3. F2 6.716 -4. Identification conditions are not satisfied: 0.2895E+01 Specified Rotation Weights = 1.00 1.00 1. ===================================================== Shock correlation matrix: uncorrelated between lags ===================================================== F1 F F1 1.000 -0. F2 -0.728 1. =========================== Shock standard deviations =========================== SD F1 0. F2 0. ========================= Shock covariance matrix ========================= F1 F F1 0.404 -0. F2 -0.298 0. ==================================== Predicted-factor covariance matrix ==================================== F1 F F1 0.596 0. F2 0.588 0. ================================================ Lag 0 factor correlations implied by the model ================================================ F1 F F1 1.000 0. F2 0.290 1. ========================== Time series fit measures ========================== Lag SSR(Phi) RMR(Phi) 0 0.263E-07 0.11E- 1 0.491E+00 0.35E+ 2 0.663E-01 0.13E+ 3 0.765E-01 0.14E+ ================================================ Discrepancy function: Sum of squared residuals ================================================ Weights SSR(P) RMR(P) Lag 0 1.000 0.236 0. Lag 1 1.000 8.354 0. Lag 2 1.000 3.554 0. Lag 3 1.000 4.116 0. Overall 16.259 0. Effective number of parameters ****************************************** * DAVYDOV #1. EDFA WITH TARGET ROTATION;

* ****************************************** **************************************************************** * Shock-factor representation of process factor analysis model * **************************************************************** ================= Factor loadings ================= Lag F1 F ARMENIA 0.652 -0. AZERBAIJ 0.534 0. BELARUS 0.640 -0. ESTONIA 0.661 -0. GEORGIA 0.169 0. KAZAKHST 0.617 0. KYRGYZST 0.499 0. LATVIA 0.645 -0. LITHUANI 0.637 -0. MOLDOVA 0.337 0. RUSSIA 0.462 0. TAJIKIST 0.132 0. UKRAINE 0.235 0. UZBEKIST 0.535 0. Lag F1 F ARMENIA 0.850 0. AZERBAIJ 1.030 0. BELARUS 0.990 0. ESTONIA 0.766 0. GEORGIA 1.009 0. KAZAKHST 1.011 0. KYRGYZST 1.159 0. LATVIA 0.901 0. LITHUANI 0.936 0. MOLDOVA 1.182 0. RUSSIA 1.188 0. TAJIKIST 1.071 0. UKRAINE 1.162 0. UZBEKIST 0.982 0. Lag F1 F ARMENIA -0.305 -0. AZERBAIJ -0.457 -0. BELARUS -0.396 -0. ESTONIA -0.250 -0. GEORGIA -0.569 -0. KAZAKHST -0.416 -0. KYRGYZST -0.549 -0. LATVIA -0.339 -0. LITHUANI -0.364 -0. MOLDOVA -0.619 -0. RUSSIA -0.580 -0. TAJIKIST -0.620 -0. UKRAINE -0.641 -0. UZBEKIST -0.427 -0. Lag F1 F ARMENIA -0.531 -0. AZERBAIJ -0.708 -0. BELARUS -0.648 -0. ESTONIA -0.459 -0. GEORGIA -0.784 -0. KAZAKHST -0.671 -0. KYRGYZST -0.823 -0. LATVIA -0.574 -0. LITHUANI -0.605 -0. MOLDOVA -0.884 -0. RUSSIA -0.856 -0. TAJIKIST -0.845 -0. UKRAINE -0.893 -0. UZBEKIST -0.669 -0. ================================ Shock-factor covariance matrix ================================ F1 F F1 1.000 -0. F2 -0.728 1. ================================================================================= Largest absolute difference between Process- and Shock- implied MV correlation ================================================================================= After 3 lags = 0.7253E+

 


 
2013 www.netess.ru - «Бесплатная библиотека авторефератов кандидатских и докторских диссертаций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.