Разработка предложений по продвижению университета в международном институциональном рейтинге QS на основе методов статистического анализа

Цель исследования. Целью исследования является выработка научно-обоснованных предложений по повышению целевых показателей деятельности университета в международном институциональном рейтинге QS до требуемых значений с учетом наличия совокупности латентных (скрытых) факторов, от изменения которых зависит степень достижения заданных значений базовых показателей и, как следствие, уровня рейтинга университета.

Материалы и методы. Для достижения поставленной цели использованы методы статистического анализа (корреляционно-регрессионный и факторный анализ), позволившие выявить степень влияния латентных факторов на базовые показатели и главного показателя (рейтингового функционала). В ходе исследования решены следующие задачи: идентификация латентных факторов, влияющих на базовые показатели деятельности университета, оценка их значимости и степени влияния на базовые показатели, а также их группирование. На основе результатов корреляционно-регрессионного и факторного анализа сфор мулированы мероприятия по достижению заданных значений показателей институционального рейтинга QS университета.

Результаты. Предложен подход к решению задачи обеспечения условий для достижения требуемых значений показателей деятельности университета в международном институциональном рейтинге QS с использованием моделей, разработанных на основе методов корреляционно-регрессионного и факторного анализа. Получены оценки взаимосвязей показателей и рейтинга университета на основе методов корреляционно-регрессионного анализа. Проведен сравнительный анализ полученных результатов по университетам референтной группы. Решена задача идентификации факторов, оказывающих влияние на изменение значений показателей, проведена оценка степени этого влияния. С учетом полученных результатов выработаны обоснованные предложения по достижению требуемых значений базовых показателей и рейтингового функционала университета.

Заключение. Полученные в ходе исследования результаты, позволили обосновать мероприятия, необходимые для решения задачи достижения заданных показателей деятельности университета. На основе корреляционной модели получены корреляционные зависимости между рейтинговым функционалом и базовыми показателями. Интерпретация результатов факторного анализа позволила выявить совокупность факторов, оказывающих существенное влияние на базовые показатели. Показано, что мероприятия по достижению заданных показателей необходимо провести с учетом выявленных корреляционных зависимостей между факторами и базовыми показателями, а также результатами интерпретации разработанной факторной модели.

1. Указ Президента РФ от 7 мая 2012 года «О мерах по реализации государственной политики в области образования и науки». [Электрон. ресурс]. Режим доступа: https://www.pravo.gov.ru (Дата обращения 14.11.2019).

2. Информационно-аналитическая система QS-analytics [Электрон. ресурс]. Режим доступа: https://analytics.qs.com/#/signin (Дата обращения 14. 11.2019).

3. Проект повышения конкурентоспособности ведущих российских университетов среди ведущих мировых научно-образовательных центров. [Электрон. ресурс]. Режим доступа: https://www.5top100.ru/ (Дата обращения 14. 11.2019).

4. Рейтинги университетов мира [Электрон. ресурс]. Режим доступа: https://www.education index.ru/ (Дата обращения 14. 11.2019).

5. Бараз В.Р. Корреляционно-регрессионный анализ связи показателей коммерческой деятельности с использованием программы Excel: учебное пособие. Екатеринбург: ГОУ ВПО «УГТУ–УПИ», 2005. 102 с.

6. Дрейпер Н. Прикладной регрессионный анализ. М.: Вильямс И. Д., 2019. 912с.

7. Соколов Г.А., Сагиотов Р.В. Введение в регрессионный анализ и планирование регрессионных экспериментов в экономике. М.: Инфра-М, 2016. 352с.

8. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989. 607 с.

9. Рао С.Р. Линейные статистические методы и их применения. М.: Наука (Физматлит), 1968. 548 с.

10. Фомина Е.Е. Факторный анализ и категориальный метод главных компонент: сравнительный анализ и практическое применение для обработки результатов анкетирования. Гуманитарный вестник. 2017, вып. 10. DOI: 10.18698/2306-8477-2017-10-473.

11. Сигал Э. Практическая бизнес-статистика. М.: издательский дом «Вильямс», 2002. 1056 с.

12. Годин А.М. Статистика: учебник. М.: и дательско-торговая корпорация «Дашков и К°», 2002. 368 с.

13. Буреева Н.Н. Многомерный статистический анализ с использованием ППП «STATISTICA». Нижний Новгород, НГУ им. Н.И. Лобачевского, 2007, 112 с.

14. Jolliffe I.T. Principal Component Analysis, Series: Springer Series in Statistics, 2nd ed. New York: Springer, 2002. XXIX. 487 p.

15. Gorban A.N., Kegl B., Wunsch D., Zinovyev A.Y. (Eds.), Principal Manifolds for Data Visualisation and Dimension Reduction, Series: Lecture Notes in Computational Science and Engineering 58. Berlin — Heidelberg — New York: Springer, 2008. XXIV. 340 p.

16. Болч Б., Хуань К.Д. Многомерные статистические методы для бизнеса и экономики. М.: Статистика, 1979. 317 с.

17. Ниворожкина, Л.И., Арженовский С.В. Многомерные статистические методы в экономике. М.: РИОР: ИНФРА-М, 2018. 203 с.

18. Abraham, B., Ledolter, J. Statistical methods for forecasting. New York: Wiley. 1983.

19. Лоули, Д.Н., Максвелл А.Э. Факторный анализ как статистический метод. Пер. с англ. Ю.Н. Благовещенского. М.: Мир, 1997. 144 с.

20. Терещенко О.В., Курилович Н.В., Князева Е.И. Многомерный статистический анализ данных в социальных науках. Минск: БГУ, 2012. 239 с.