Hierarchical Structure Analysis with Applications to the EU Member States Convergence

Abstract

Hlavním cílem této práce je shrnout a rozšířit již existující metodologii pro fil- trování korelačních matic, shlukovou analýzu a topologickou klasifikaci v eko- nomických sítích. V práci využíváme klasických postupů založených na mi- nimální kostře grafu a hierarchickém stromě, jež jsou doplněny o analýzu sta- bility hran a analýzu míry středovosti (centrality) jednotlivých uzlů. Grafické objekty jako jsou minimální kostra a hierarchický strom, nám napomáhají v nalezení vztahů mezi prvky sítě. Analýza míry středovosti (centrality) nám umožňuje nalezení tzv. středových (centrálních) uzlů v síti a analýza sta- bility určuje míru spolehlivosti výsledného modelu. Uvedená metodologie je dále použita pro datovou analýzu ekonomické konvergence a analýzu shluků v minimální kostře a hierarchickém stromě EU. Detekovali jsme velké shluky zemí bývalého sovětského bloku v případě každého ekonomického indikátoru, shluky založené na geografickém umístění jako jsou Severské a Baltské státy, státy BENELUXu a původní státy ECSC, a shluk států skupiny PIGS. Dále jsme zjistili, že Španělsko hraje roli centrálního uzlu v případě analýzy státního dluhu/deficitu, což nás vedlo k vyslovení obav z...

The main objective of this thesis is to summarize and possibly extend the existing methodology on correlation matrix filtering, hierarchical clustering and topological classification in the economic networks. In the thesis we use classical MST/HT approach supplemented by edges stability analysis and centrality measures analysis. Graphical objects MST and HT enable us to find relations among the elements of the network. Centrality measures anal- ysis helps us to find the hubs in the network and stability analysis determines the reliability of the resulting model. Presented methodology is then utilized for convergence analysis in the EU and for analysis of clusters in the EU's MSTs and HTs. We detected large clusters of former communist countries for every economic indicator, clusters based on geographical location such as Nordic, Baltic, BENELUX or former ECSC countries and a cluster of PIGS countries. We also found that Spain plays a role of a central node in debt/deficit indicator analysis which made us to express our concerns about potential future problems. 1