?
Spatio-temporal downscaling of gridded crop model yield estimates based on machine learning
Agricultural and Forest Meteorology. 2019. Vol. 264. P. 1–15.
ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:
Ворчик А. Д., / Social Science Research Network. Серия SSRN Working Paper Series "SSRN Working Paper Series". 2026.
Эта статья посвящена феномену внутренней мотивации, для понимания которого предлагаются две модели. Исследуется, как положительная/отрицательная внутренняя мотивация к работе (испытываемая полезность) влияет на предложение труда работника (модель I) и количество прикладываемых им усилий (модель II). В модели I внутренняя мотивация позволяет объяснить положительный/отрицательный наклон и возможное загибание кривой индивидуального предложения труда (backward-bending labour supply curve). ...
Добавлено: 15 марта 2026 г.
Ворчик А. Д., Мамышев М. А., / Series Social Science Research Network "Social Science Research Network". 2025.
In this paper, we develop a formal mathematical model aimed to explain the Dunning-Kruger effect that beginners systematically overestimate their own competence in various fields of knowledge and activity. We argue that the Dunning-Kruger effect arises from the emotional nature of confidence combined with unknown unknowns that it simply can not take into account due ...
Добавлено: 11 февраля 2026 г.
Мусаев А. У., Ворчик А. Д., / Series Social Science Research Network "Social Science Research Network". 2026.
This paper attempts to model the evolutionary theory of modernization and democratization. The model reflects the key provisions of R. Inglehart and C. Welzel's theory and provides a microfoundation for the adaptation of subjective values to the objective importances of the survival factors and the structure of the labour markets from the perspective of evolutionary ...
Добавлено: 10 февраля 2026 г.
Анцыгина А. Л., Тетерятникова М. А., Тремьюэн Д. К. и др., / Series "SSRN Working Paper Series". 2025.
Добавлено: 31 января 2026 г.
Simplified tax regimes with explicit eligibility thresholds are a common tool which reduces tax burden but distorts firms’ behavior, creating local bunching just below the threshold. However, we show that when firms have access to business splitting their responses extend far beyond the local margin. Our model demonstrates that splitting reduces local bunching but amplifies ...
Добавлено: 21 января 2026 г.
Кучумова Ю. А., Кумачева С. Ш., / Series SSRN "Available at SSRN 5312100". 2025.
In recent years, an emerging body of empirical research has shown that tax audits, in addition to recovering unpaid taxes (direct effect), increase future tax compliance (indirect or dynamic effect). This literature also suggests that updating expectations induced by audit experience plays an important role in explaining this indirect effect. However, exactly how taxpayers form ...
Добавлено: 21 января 2026 г.
Кучумова Ю. А., / Series SSRN "Available at SSRN 5277500". 2025.
While the emerging empirical literature shows that collateral tax sanctions (CTSs) - such as driver’s license suspensions or passport denials - appear to be effective instruments to enforce tax debt collection, there are still few theoretical arguments to explain why. In this paper, I model enforcement of tax debt collection and provide a new rationale for why it could ...
Добавлено: 21 января 2026 г.
Добрынская В. В., Томтосов А. Ф., Речмедина С., / NRU HSE. Series WP BRP 60/FE/2017 "SERIES: FINANCIAL ECONOMICS". 2025.
Добавлено: 21 января 2026 г.
Бесстремянная Г. Е., Бакшук М. В., / ЦЭМИ РАН. Серия 48 заседание "Сборник трудов Шаталинской школы-семинара". 2026.
В данной статье рассматривается реакция российских предприятий обрабатывающей промышленности на ужесточение экономических санкций с акцентом на период после 2022 года. Хотя санкции в целом негативно сказываются на экономическом росте и эффективности деятельности компаний, есть некоторые свидетельства того, что они также могут подталкивать компании к инновациям, а негативный эффект преодолевается при помощи адаптации компании. Исследование заполняет ...
Добавлено: 31 декабря 2025 г.
Бесстремянная Г. Е., Новикова В., / ЦЭМИ РАН. Серия 48 заседание "Сборник трудов Шаталинской школы-семинара". 2026.
Защита прав интеллектуальной собственности является движущей
силой для формирования стимулов инновационной активности
предприятий. Законодательное закрепление правил пользования
результатами интеллектуальной деятельности и обеспечение их соблюдения
позволяет поддерживать баланс интересов создателей и пользователей
интеллектуальной
собственности.
Целью
проанализировать недостаточно изученную для регионов России связь
между экономическим ростом и защитой прав интеллектуальной
собственности с использованием двухшаговой регрессии. Результаты
моделирования оказались неоднозначными, однако, было доказано наличие
значимой связи между защитой прав интеллектуальной ...
Добавлено: 31 декабря 2025 г.
Майснер Д., Salati Marcondes de Moraes G. H., Brandão Fischer B. и др., / NRU Higher School of Economics. Series WP BRP "Science, Technology and Innovation". 2025. No. WP BRP /STI/2025.
Добавлено: 28 ноября 2025 г.
Щипцова А. В., Obersteiner M., / Series General Economics "arxiv.org". 2025.
Добавлено: 21 ноября 2025 г.
Сикхвал Ш., Sen S., HSE Economic Journal 2024 Vol. 28 No. 1 P. 133–158
The study investigates the predictive efficacy of various machine learning methodologies, encompassing Random Forest (RF) regression, Gradient Boosting (GB), Xtreme Gradient Boosting (XGBoost), Support Vector Regression (SVR), Least Absolute Shrinkage and Selection Operator (LASSO) regression, and a deep learning technique, specifically Long Short-Term Memory (LSTM). The benchmark method employed is the autoregressive (AR) model of ...
Добавлено: 19 июля 2024 г.
Букина Т. В., Кашин Д. В., Экономический журнал Высшей школы экономики 2024 Т. 28 № 1 С. 81–107
В статье строится прогноз региональной инфляции на примере субъектов, входящих в Приволжский федеральный округ (ПФО). Цель исследования – определить модель, которая точнее остальных прогнозирует региональную инфляцию. В работе производится сравнение инструментов машинного обучения – метода опорных векторов, градиентного бустинга и случайного леса с эконометрическими моделями временных рядов, авторегрессией и интегрированной авторегрессией-скользящего среднего, – моделями, которые чаще ...
Добавлено: 13 февраля 2024 г.
Соколов А. П., Прохоренкова Л. А., Интеллектуальные системы. Теория и приложения 2023 Т. 27 № 1 С. 18–23
Решающие деревья широко применяются в машинном обуче
нии, статистике и анализе данных. Предиктивные модели, осно
ванные на решающих деревьях, показывают отличные результаты
в терминах точности и времени обучения, особенно на гетерогенных
табличных датасетах. Производительность, простота и надежность
делают это семейство алгоритмов одним из наиболее популярных
в машинном обучении и науке о данных.
Одним из важных гиперпараметров алгоритмов, основанных на
решающих деревьях, является максимальная ...
Добавлено: 11 февраля 2024 г.
Timur Kadyrov, Игнатов Д. И., , in: Proceedings of the Fifth International Workshop on Experimental Economics and Machine Learning (EEML 2019),Perm, Russia, September 26, 2019Vol. 2479.: CEUR Workshop Proceedings, 2019. P. 77–88.
Добавлено: 20 января 2020 г.
Кураленок И. Е., Ershov V., Лабутин И. Н., , in: Advances in Neural Information Processing Systems 32 (NeurIPS 2019).: [б.и.], 2019. P. 1–10.
Добавлено: 27 декабря 2019 г.
Булычев А. В., Сомов О. Д., В кн.: Информатика, управление и системный анализ: Труды V Всероссийской научной конференции молодых ученых с международным участием.: Ростов н/Д: Ростовский государственный экономический университет "РИНХ", 2018. С. 94–102.
В процессе разработки информационной системы для логистических перевозок возникает необходимость в определении первоначального рейтинга нового перевозчика в рамках головной компании. Наличие рейтинга помогает точнее осуществлять формирование заказов и строить прогнозы его взаимодействия с головной компанией в будущем ...
Добавлено: 3 сентября 2019 г.
Полетаева Т. А., Бабкин Э. А., Abdulrab H., , in: Lecture Notes in Business Information ProcessingVol. 158: Perspectives in Business Informatics Research.: Warsz.: Springer, 2013. P. 170–184.
Добавлено: 18 ноября 2013 г.