Скачать в формате .bib Скачать в формате .ris
Поле Величина
Описание

Данный набор данных позволяет количественно оценить степень экономической диверсификации стран и их способность конкурентоспособно производить сложные товары с помощью показателя «Экономическая пригодность». На основе данных Базы данных статистики торговли сырьевыми товарами Организации Объединенных Наций (COMTRADE) в нем моделируются глобальные экспортные сети в виде двудольных матриц «страна–товар», которые анализируются с помощью итеративных алгоритмов для определения национальных показателей экономической пригодности и рейтингов сложности товаров. Являясь частью концепции Индекса экономической сложности, он предоставляет ежегодные оценки для всех государств-членов Организации Объединенных Наций, причем значения выражаются в безразмерных индексных единицах, рассчитанных с помощью нелинейного сетевого анализа. Данные отражают ежегодные торговые потоки, стандартизированные в соответствии с номенклатурой Гармонизированной системы (ГС), и позволяют оценить долгосрочный потенциал роста и конкурентное позиционирование посредством сравнительного анализа ВВП и динамики показателей экономической пригодности.
Рубрики Индексы межстрановых сравнений
Сборник Всемирный банк, проект «Экономическая устойчивость». Для получения более подробной информации, пожалуйста, посетите https://www.nature.com/articles/srep00723 и http://documents.worldbank.org/curated/en/632611498503242103/On-the-predictability-of-growth
Поле Величина
Описание

Economic Fitness (EF) is both a measure of a country’s diversification and ability to produce complex goods on a globally competitive basis. Countries with the highest levels of EF have capabilities to produce a diverse portfolio of products, ability to upgrade into ever-increasing complex goods, tend to have more predictable long-term growth, and to attain good competitive position relative to other countries. Countries with low EF levels tend to suffer from poverty, low capabilities, less predictable growth, low value-addition, and trouble upgrading and diversifying faster than other countries. The starting data is the COMTRADE list of products exported by each country. This data defines a bipartite network of countries and products, or goods and services. A suitably designed mathematical algorithm applied to this network leads to the Economic Fitness of all countries and the Complexity of all products. The comparison of the Fitness to the GDP reveals hidden information for the development and the growth of the countries.
Рубрики Cross-country comparison indices
Сборник World Bank, Economic Fitness project. For more details, please visit https://www.nature.com/articles/srep00723 and http://documents.worldbank.org/curated/en/632611498503242103/On-the-predictability-of-growth
Поле Величина
Период 01.01.1995 – 31.12.2015
Гранулярность Год
Методика

В новой литературе по «экономической пригодности» используются методы, которые, в отличие от традиционных подходов к построению индексов, не стремятся упростить сложность системы, а, напротив, учитывают её, явно опираясь на неоднородность отдельных участников, видов деятельности и взаимодействий для извлечения релевантных параметров, характеризующих систему. Таким образом, из данных о торговле товарами можно извлечь информацию о производственных возможностях.  Взаимодействие между торгуемыми товарами и относительно уникальные комбинации служат предвестниками будущей конкурентоспособности и долгосрочного роста.  Одной из основных характеристик подхода «Экономическая пригодность» является отсутствие параметров. Стандартные методы анализа учитывают множество элементов и суммируют их каким-либо подходящим образом. Такое суммирование несопоставимых элементов приводит к серьезной проблеме: необходимость подавления шума при одновременном усилении сигнала. Подход «Экономическая пригодность» начинается с рассмотрения одного набора данных, что позволяет решить проблемы, связанные с шумом.  Другие данные могут быть добавлены позже в рамках контролируемой иерархической структуры (например, услуги, технологии). Алгоритм построен на простых и прозрачных экономических концепциях, имеющих четкое значение и прошедших тщательную проверку. Динамика развития каждой страны определяется в пространстве «ВВП-Fitness», которое демонстрирует значительную неоднородность динамики. Существует зона, характеризующаяся регулярным потоком, и другая, более хаотичная. Это означает, что при прогнозировании роста следует учитывать эту неоднородность и выходить за рамки стандартных регрессий. Показано, что этот новаторский подход к анализу и долгосрочному прогнозированию превосходит стандартные методы, даже несмотря на то, что для него требуется гораздо меньше данных.
Страны Афганистан, Ангола, Албания, Андорра, Объединённые Арабские Эмираты, Аргентина, Армения, Австралия, Австрия, Азербайджан, Бурунди, Бельгия, Бенин, Буркина-Фасо, Бангладеш, Болгария, Бахрейн, Босния и Герцеговина, Беларусь, Белиз, Боливия, Бразилия, Бруней-Даруссалам, Бутан, Центральноафриканская Республика, Канада, Швейцария, Чили, Китай, Кот-д'Ивуар, Камерун, Республика Конго, Колумбия, Коста-Рика, Кипр, Чехия, Германия, Дания, Алжир, Эквадор, Египет, Эритрея, Испания, Эстония, Эфиопия, Финляндия, Франция, Габон, Соединённое Королевство Великобритании и Северной Ирландии, Грузия, Гана, Гвинея, Гамбия, Гвинея-Бисау, Греция, Гренландия, Гватемала, Гайана, Гондурас, Хорватия, Венгрия, Индонезия, Индия, Ирландия, Иран, Ирак, Исландия, Израиль, Италия, Иордания, Япония, Казахстан, Кения, Киргизия, Камбоджа, Республика Корея, Кувейт, Лаос, Ливан, Либерия, Ливия, Литва, Латвия, Марокко, Мадагаскар, Мексика, Северная Македония, Мали, Мальта, Мьянма, Черногория, Монголия, Мозамбик, Мавритания, Малави, Малайзия, Нигер, Нигерия, Никарагуа, Нидерланды, Норвегия, Непал, Новая Зеландия, Оман, Пакистан, Панама, Перу, Филиппины, Польша, Корейская Народно-Демократическая Республика, Португалия, Парагвай, Катар, Румыния, Российская Федерация, Руанда, Саудовская Аравия, Судан, Сенегал, Сингапур, Сьерра-Леоне, Сальвадор, Сомали, Сербия, Суринам, Словакия, Словения, Швеция, Сирия, Чад, Того, Таиланд, Таджикистан, Туркменистан, Тунис, Турция, Танзания, Уганда, Украина, Уругвай, Соединённые Штаты Америки, Узбекистан, Венесуэла, Вьетнам, Йемен, Южная Африка, Замбия, Зимбабве
Содержание
  • Код индикатора (indicator_id) — Уникальный идентификатор индикатора Всемирного банка
  • Название индикатора (indicator_name) — Полное название индикатора на английском языке
  • Код страны (country_id) — Уникальный идентификатор страны (код Всемирного банка)
  • Название страны (country_name) — Полное название страны или региона на английском языке
  • ISO3 код страны (countryiso3code) — Трехбуквенный код страны по стандарту ISO 3166-1 alpha-3
  • Дата (date) — Год или дата наблюдения (в формате строки, обычно YYYY)
  • Значение (value) — Численное значение показателя (может быть пустым для отсутствующих данных)
  • Единица измерения (unit) — Единица измерения значения показателя (например, проценты, доллары США)
  • Статус наблюдения (obs_status) — Статус данных наблюдения (может быть пустым для валидных данных)
  • Количество знаков после запятой (decimal) — Количество десятичных знаков для отображения значения
Поле Величина
Период 01.01.1995 – 31.12.2015
Гранулярность Year
Методика

The new literature of Economic Fitness uses techniques which, differently from traditional index construction approaches, do not try to average out the complexity of the system, but embraces it by explicitly building on the heterogeneity of individual actors, activities and interactions to extract relevant parameters to characterize the system.  In this way, information about production capabilities may be extracted from trade in goods.  The interaction among products traded, and the relatively unique combinations are a precursor to future competitiveness and long-term growth.  A basic characteristic of Economic Fitness is being parameter free. The standard methods of analysis consider many elements and sum them up in some suitable way. This sum of incommensurate elements leads to a major problem of controlling noise while increasing signal. The Fitness approach starts by considering a single dataset to control noise problems.  Other data can then be added later in a controlled hierarchical framework 9e.g, services, technologies). The algorithm is designed on simple and transparent economical concepts which have a clear meaning and have been extensively tested. The evolution of each country is defined in the GDP-Fitness space which shows a strong heterogeneity in the dynamics. There is zone characterized by regular flow and another one which is more chaotic. This implies that growth forecasting should consider this heterogeneity and go beyond standard regressions. This novel approach to the analysis and long-term forecasting has been shown to outperform the standard methods even if it requires much less data.
Страны Afghanistan, Angola, Albania, Andorra, United Arab Emirates, Argentina, Armenia, Australia, Austria, Azerbaijan, Burundi, Belgium, Benin, Burkina Faso, Bangladesh, Bulgaria, Bahrain, Bosnia and Herzegovina, Belarus, Belize, Bolivia, Plurinational State of, Brazil, Brunei Darussalam, Bhutan, Central African Republic, Canada, Switzerland, Chile, China, Côte d'Ivoire, Cameroon, Republic of the Congo, Colombia, Costa Rica, Cyprus, Czechia, Germany, Denmark, Algeria, Ecuador, Egypt, Eritrea, Spain, Estonia, Ethiopia, Finland, France, Gabon, United Kingdom of Great Britain and Northern Ireland, Georgia, Ghana, Guinea, Gambia, Guinea-Bissau, Greece, Greenland, Guatemala, Guyana, Honduras, Croatia, Hungary, Indonesia, India, Ireland, Iran, Islamic Republic of, Iraq, Iceland, Israel, Italy, Jordan, Japan, Kazakhstan, Kenya, Kyrgyzstan, Cambodia, Korea, Republic of, Kuwait, Lao People's Democratic Republic, Lebanon, Liberia, Libya, Lithuania, Latvia, Morocco, Madagascar, Mexico, North Macedonia, Mali, Malta, Myanmar, Montenegro, Mongolia, Mozambique, Mauritania, Malawi, Malaysia, Niger, Nigeria, Nicaragua, Netherlands, Kingdom of the, Norway, Nepal, New Zealand, Oman, Pakistan, Panama, Peru, Philippines, Poland, Korea, Democratic People's Republic of, Portugal, Paraguay, Qatar, Romania, Russian Federation, Rwanda, Saudi Arabia, Sudan, Senegal, Singapore, Sierra Leone, El Salvador, Somalia, Serbia, Suriname, Slovakia, Slovenia, Sweden, Syrian Arab Republic, Chad, Togo, Thailand, Tajikistan, Turkmenistan, Tunisia, Türkiye, Tanzania, United Republic of, Uganda, Ukraine, Uruguay, United States of America, Uzbekistan, Venezuela, Bolivarian Republic of, Viet Nam, Yemen, South Africa, Zambia, Zimbabwe
Содержание
  • Indicator ID (indicator_id) — Unique identifier of the World Bank indicator
  • Indicator Name (indicator_name) — Full name of the indicator in English
  • Country ID (country_id) — Unique identifier of the country (World Bank code)
  • Country Name (country_name) — Full name of the country or region in English
  • Country ISO3 Code (countryiso3code) — Three-letter country code according to ISO 3166-1 alpha-3 standard
  • Date — Year or date of observation (as string, usually YYYY format)
  • Value — Numeric value of the indicator (may be empty for missing data)
  • Unit — Unit of measurement for the indicator value (e.g., percentage, US dollars)
  • Observation Status (obs_status) — Status of the observation data (may be empty for valid data)
  • Decimal Places (decimal) — Number of decimal places for displaying the value
Поле Величина
Лицензия CC-BY (обязательное указание авторства). 4.0. Всемирная. Лицензия по умолчанию для датасетов World Bank.
Оригинал

https://data.worldbank.org/indicator/EF.EFM.OVRL.XD
Поле Величина
Лицензия CC-BY (attribution required). 4.0. Worldwide. Default license for World Bank-produced datasets.
Оригинал

https://data.worldbank.org/indicator/EF.EFM.OVRL.XD
  • Всемирный банк
    Дата обновления: 2026-11-04
    • wb

    Всемирный банк (также Мировой банк, англ. The World Bank) — международная финансовая организация со штаб-квартирой в Вашингтоне, предоставляющая кредиты, беспроцентные займы и гранты на реализацию долгосрочных экономических проектов и сокращения бедности в мире.

    Данные и ресурсы