„Gospodarka i Społeczeństwo”   Zielone miejsca pracy w krajach Unii Europejskiej – studium empiryczne z zastosowaniem analizy regresji Barbara.

Slides:



Advertisements
Podobne prezentacje
Regresja i korelacja materiały dydaktyczne.
Advertisements

Excel Narzędzia do analizy regresji
Flaga Unii Europejskiej
Skale pomiarowe – BARDZO WAŻNE
BUDOWA MODELU EKONOMETRYCZNEGO
Regresja w EXCELU.
Analiza współzależności
Metody ekonometryczne
Podstawowe pojęcia prognozowania i symulacji na podstawie modeli ekonometrycznych Przewidywaniem nazywać będziemy wnioskowanie o zdarzeniach nieznanych.
Dzisiaj na wykładzie Regresja wieloraka – podstawy i założenia
Analiza korelacji.
Krzysztof Zaręba Podsekretarz Stanu w Ministerstwie Środowiska
Program MŁODZIEŻ Akcje Programu.
Wykład 4. Rozkłady teoretyczne
Korelacja, autokorelacja, kowariancja, trendy
Metoda najmniejszych kwadratów dla jednej zmiennej objaśniającej
Testowanie hipotez statystycznych
Analiza współzależności cech statystycznych
i jak odczytywać prognozę?
Ekonometria. Co wynika z podejścia stochastycznego?
Analiza reszt w regresji
Analiza wariancji jednoczynnikowa.
1 Konferencja Czysta energia – zdrowe powietrze. Zrównoważony Rozwój Energetyczny Miasta Częstochowa. Częstochowa 12 czerwiec 2007 Sławomir Pasierb Fundacja.
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Modelowanie ekonometryczne
Badania Operacyjne i Ekonometria. Literatura podstawowa 1.M.Anholcer, H.Gaspars, A.Owczrkowski Przykłady i zadania z badań operacyjnych i ekonometrii.
Uporządkuj państwa od 1 do 16.
Zagadnienia regresji i korelacji
Kilka wybranych uzupelnień
Unia Europejska.
Stymulowanie wzrostu gospodarczego poprzez transfer technologii
Biogazownie rolnicze – ważny element zrównoważonej produkcji rolniczej
Perspektywy rozwoju energetyki odnawialnej w Polsce w latach
Debata Zespół Szkół im. Ignacego Łukasiewicza w Cieszacinie Wielkim
Andrzej Grzyb Poseł do Parlamentu Europejskiego Współprzewodniczący delegacji PO-PSL w Grupie Europejskiej Partii Ludowej Komisja Ochrony Środowiska, Zdrowia.
Regresja wieloraka.
Konwergencja gospodarcza
Unia Europejska Jak wykorzystywać możliwości, które daje nam członkostwo w Unii Europejskiej?
Młodzi aktywni? Co zrobić, żeby młodzież brała udział w wyborach i życiu społecznym? Autorzy: Sebastian Piątkowski i Eryk Pawełczyk Gimnazjum nr 4 im.
Ekonometria stosowana
D. Ciołek EKONOMETRIA – wykład 3
ZPBE ENERGOPOMIAR Sp. z o. o.
Efektywność w strategiach energetycznych
Unia Europejska Wykonało: ETI IV rok.
Regresja liniowa. Dlaczego regresja? Regresja zastosowanie Dopasowanie modelu do danych Na podstawie modelu, przewidujemy wartość zmiennej zależnej na.
Bezrobocie. Stan, w którym osoba zdolna do pracy i gotowa do jej podjęcia, mimo aktywnych poszukiwań pozostaje bez zatrudnienia.
Statystyczna analiza danych
Badanie własności składnika losowego dr hab. Mieczysław Kowerski
Model ekonometryczny Jacek Szanduła.
Korelacje dwóch zmiennych. Korelacje Kowariancja.
Erasmus Day 2015 Katarzyna Jezierska. ERASMUS+ Program Erasmus+ oferuje wsparcie finansowe dla instytucji i organizacji działających w obszarze edukacji.
PROGRAM RZĄDOWY RODZINA 500+ Ustawa z dnia 11 lutego 2016 r. o pomocy państwa w wychowaniu dzieci (Dz. U. z 2016 r. poz. 195 ) KOORDYNACJA ŚWIADCZEŃ RODZINNYCH.
Quiz dotyczący Unii Europejskiej. Czyja to Flaga? -Niemiec -Austrii -Polski.
Ekonometria Wykład 1 Uwarunkowania modelowania ekonometrycznego. Uogólniona metoda najmniejszych kwadratów dr hab. Mieczysław Kowerski.
Europejski Fundusz Rolny na rzecz Rozwoju Obszarów Wiejskich a rozwój regionów wiejskich Janusz Rowiński Instytut Ekonomiki Rolnictwa i Gospodarki Żywnościowej.
Modele nieliniowe sprowadzane do liniowych
STATYSTYKA – kurs podstawowy wykład 11
Euromarketing dr Anna M. Zarzycka Katedra Biznesu Międzynarodowego
Historia rozszerzeń Wspólnot Europejskich i Unii Europejskiej.
Statystyka matematyczna
Realizacja koncepcji zielonego wzrostu w krajach OECD
Dr hab. Arkadiusz Sadowski Wydział Ekonomiczno-Społeczny
Dzień Języków Obcych w ZSP 15
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
EKOLOGICZNE ŹRÓDŁA ENERGII
Projekt pn. „Założenia do planu zaopatrzenia w ciepło, energię elektryczną i paliwa gazowe dla obszaru Gminy Wrocław” na lata Wrocław, styczeń.
SPOŁECZNE SKUTKI POLITYKI KLIMATYCZNEJ ŚWIATA
Korelacja i regresja liniowa
Zapis prezentacji:

„Gospodarka i Społeczeństwo”   Zielone miejsca pracy w krajach Unii Europejskiej – studium empiryczne z zastosowaniem analizy regresji Barbara Fura Marek Fura Łódź, 24–25 września 2015 r.

Problematyka badawcza 1. Wyzwania ekologiczne - stan środowiska naturalnego - eksploatacja zasobów naturalnych - zanieczyszczenia - zakres problematyki (globalny, UE, państwa, przedsiębiorstwa, konsumenta) 2. Wyzwania strategii „Europa 2020” - redukcja emisji gazów cieplarnianych ↓20% - wzrost efektywności energetycznej ↑20% - zwiększenie wykorzystania energii odnawialnej ↑20% 3. Zielone miejsca pracy (green jobs) - miejsca pracy pomagające ograniczyć negatywny wpływ na środowisko naturalne prowadząc do kształtowania zrównoważonych środowiskowo, społecznie i ekonomicznie przedsiębiorstw i gospodarek (International Labour Organization, 2010). - klucz do trwałego, inteligentnego wzrostu - element zielonej gospodarki (green economy) i zielonego wzrostu (green growth)

Cel badawczy, metodologia 1. Opracowanie modelu dostępności zielonych miejsc pracy - wskazanie czynników dostępności zielonych miejsc pracy - określenie kierunku oddziaływania ww. czynników - wyznaczenie siły oddziaływania ww. czynników 2. Dane - Eurostat/UE-28 /2012 r. - sektor energii odnawialnej według EurObserv’ER: biopaliwa, biogaz, geotermia, pompy ciepła, fotowoltaika, elektrownie wodne, odnawialne odpady komunalne, ciepło słoneczne, biomasa stała i energia wiatrowa 3. Zmienne - zależne: Y – bezwzględna liczba miejsc pracy; Y1 – względna liczba miejsc pracy - niezależne: X1 – wskaźnik zatrudnienia [%]; X2 – energochłonność gospodarki [kg ekwiwalentu ropy/1000 euro]; X3 – wydajność zasobów [PKB/krajowe zużycie materiałów]; X4 – udział wydatków na B+R w PKB [%] 4. Metody badawcze - statystyka opisowa i analiza korelacji - analiza regresji: oszacowanie parametrów – KMNK; istotność parametrów – test t Studenta; jakość modeli regresji – R2 - istotność modelu finalnego – analiza wariancji dla regresji - ocena poprawności modelu – analiza reszt (normalność, stałość wariancji, brak autokorelacji)

Charakterystyka i wybór zmiennych Statystyki opisowe Zmienne Średnia Minimum Maksimum Odchylenie standardowe Współczynnik zmienności [%] Y – bezwzględna liczba ZMP 43 622,9 Polska=33 835,0 Malta (100) Luksemburg (750) Cypr (1050) Niemcy (368 400) Francja (188010) Włochy (102500) 74 974,5 171,9 Y1 – względna liczba ZMP 2 561,2 Polska=877,9 Malta (238,1) Irlandia (771,8) Chorwacja (790,7) Dania (10 496,4) Finlandia (5804,6) Szwecja (5338,6) 2 153,5 84,1 X 1 – wskaźnik zatrudnienia [%] 67,9 Polska=64,7 Grecja (55,3) Chorwacja (55,4) Hiszpania (59,3) Szwecja (79,4) Holandia (77,2) Niemcy (76,7) 6,4 9,5 X 2 – energochłonność [kg ekwiw. ropy na 1000 euro] 222,3 Polska=297,8 Irlandia (82,8) Dania (87,2) Wielka Brytania (105,1) Bułgaria (669,9) Estonia (481,5) Rumunia (378,8) 133,0 59,8 X 3 – wydajność zasobów [PKB/krajowe zużycie materiałów] 133,8 Polska=125,7 Rumunia (62,0) Estonia (83,1) Malta (102,2) Irlandia (214,3) Hiszpania (202,2) Słowenia (171,1) 32,2 24,1 X 4 – nakłady na B+R [% PKB] 1,7 Polska=0,9 Cypr (0,5) Rumunia (0,49) Bułgaria (0,64) Finlandia (3,6) Szwecja (3,41) Dania, Niemcy (2,98) 0,9 56,2

Charakterystyka i selekcja zmiennych Analiza korelacji Pearsona 3. Efekt oceny zmiennych regresja prosta dla zmiennych: zależna – Y1 niezależna – X4 Zmienne Y1 X1 X2 X3 X4 1,00   0,52 -0,16 -0,19 -0,24 -0,15 -0,32 0,70 0,72 -0,37 -0,02

Analityczna postać modelu – funkcja liniowa Rys. 1. Wykres rozrzutu punktów empirycznych

Propozycja modelu Model z wyrazem wolnym Ocena modelu R2=0,49 Y1=1607,4X4–121,4±1567,3 (321,62) (613,06) Ocena modelu R2=0,49 Nieistotny wyraz wolny (p=0,85)

Propozycja modelu – cd. Model bez wyrazu wolnego Y1=1551,6X4±1539,1 (152,60) Ocena modelu R2=0,79 Współczynnik regresji istotny (p=0,85)

Weryfikacja modelu regresji prostej Istotność modelu (analiza wariancji dla regresji) Źródło zmienności Suma kwadratów odchyleń df Średnie kwadratowe odchylenie Iloraz F Wartość p Odchylenie regresyjne SSR 244923715 1 103,39 0,000000 Odchylenie losowe SSE 63962437 27 2368979 — Zmienność całkowita SST 308886152 Źródło: badania własne.

Analiza reszt modelu Rozkład reszt zbliżony do rozkładu normalnego Rys. 2. Wykres normalności reszt Źródło: badania własne.

Analiza reszt modelu – cd. Stałość wariancji Rys. 2. Wykres normalności reszt Rys. 3. Wykres wartości przewidywanych względem reszt Źródło: badania własne.

Analiza reszt modelu – cd. Autokorelacja reszt N=28 Statystyka Durbina Watsona Korelacja seryjna Estymacja 2,0363 -0,0281 Źródło: badania własne.

Wnioski 1. Ambitne cele strategii Europa 2020 – czy realne? 2. Konieczność prowadzenia analiz w zakresie wykonania założonych celów 3. Zielona gospodarka i zielone miejsca pracy 4. Czynnikami oddziaływującymi na dostępność zielonych miejsc pracy są m.in. wskaźnik zatrudnienia; udział nakładów na B+R w PKB 5. Zwiększenie nakładów na B+R ma mierzalny wpływ na zmiany w zakresie dostępności zielonych miejsc pracy (wzrost udziału nakładów na B+R o 1 p.p może przełożyć się na wzrost o 1551,6 miejsc pracy w przeliczeniu na mln mieszkańców 6. Możliwość prowadzenia pogłębionych analiz problematyki zielonych miejsc pracy

Dziękuję za uwagę