Στην παρουσίαση αυτή θα εξετάσουμε τον Δείκτη Ανθρώπινης Ανάπτυξης (Δ.ΑΑ), στην αγγλική ορολογία γνωστός ως Human Development Index (H.D.I.), για ένα εύρος χωρών και για μια σειρά ετών.
Ο δείκτης αυτός επινοήθηκε από τον Πακιστανό οικονομολόγο Mahbub ul Haq και τον Ινδό Amartya Sen (ο οποίος κέρδισε βραβείο Νόμπελ το 1998), σε συνεργασία με μια ομάδα οικονομολόγων-κοινωνιολόγων την οποία αποτελούσαν οι Paul Streeten, Frances Stewart, Gustav Ranis, Keith Griffin, Sudhir Anand and Meghnad Desai.
Ο H.D.I. είναι ένας σύνθετος στατιστικός δείκτης ο οποίος λαμβάνει τιμές στο διάστημα (0,1) και αποτελεί ένα μέτρο σύγκρισης του προσδόκιμου ζωής (L.E.I), της εκπαίδευσης (E.I.) και της ποιότητας ζωής, -η οποία χαρακτηρίζεται από το κατά κεφαλήν ΑΕΠ (G.D.Ppc.I.)-, των κρατών ανά τον κόσμο. Ο σταθμικός μέσος αυτών των τριών μεταβλητών εκτιμάει το μέγεθος του H.D.I.
50 εισαγωγικές έρευνες από το μάθημα της Τεχνολογίας της Γ τάξης ΓυμνασίουJohn Tzortzakis
50 εισαγωγικές έρευνες από το μάθημα της Τεχνολογίας της Γ τάξης Γυμνασίου (2015-2016)
Οι εκπαιδευτικοί ανήκουν σε σχολεία της Περιφέρειας Κρήτης και των Κυκλάδων.
Oi εισαγωγικές έρευνες πραγματοποιήθηκαν από το σύνολο των μαθητών, κατά τη διάρκεια του σχολικού μαθήματος με σκοπό τη βιωματική διδασκαλία βασικότερων στοιχείων της ερευνητικής διαδικασίας. Υλοποιήθηκαν μετά τις αρχικές επεξηγήσεις για το αντικείμενο και τη φύση του μαθήματος και τα μαθητικά σεμινάρια για τους τεχνολογικούς άξονες και οπωσδήποτε πριν την αναλυτική επεξήγηση των περιεχομένων μίας πλήρους γραπτής έκθεσης και οπωσδήποτε πριν την ανάληψη θεμάτων από τους μαθητές για τις τελικές μαθητικές τους έρευνες
Οι έρευνες είχαν συνήθως τη μορφή πειραμάτων και συνοδεύονταν από μικρή γραπτή εργασία που γραφόταν από κάθε μαθητή κατά τη διάρκεια του μαθήματος
Τα στοιχεία αυτά δεν αποτελούν σε καμία περίπτωση οδηγίες διδασκαλίας και δεν έχουν υποστεί επεξεργασία
Τα όποια λάθη δεν έχουν αφαιρεθεί, έχουν όμως επισημανθεί σημαντικότερα από αυτά, για να αποτελέσουν αντικείμενο συζήτησης
Γιάννης Τζωρτζάκης
Σχολικός Σύμβουλος
Managing a veterinary clinic chain in FinlandProvet Cloud
Description of managing a veterinary clinic chain in Finland by Veikko Tuovinen. This presentation was sponsored by Provet Cloud in Brno 2nd of October 2015.
50 εισαγωγικές έρευνες από το μάθημα της Τεχνολογίας της Γ τάξης ΓυμνασίουJohn Tzortzakis
50 εισαγωγικές έρευνες από το μάθημα της Τεχνολογίας της Γ τάξης Γυμνασίου (2015-2016)
Οι εκπαιδευτικοί ανήκουν σε σχολεία της Περιφέρειας Κρήτης και των Κυκλάδων.
Oi εισαγωγικές έρευνες πραγματοποιήθηκαν από το σύνολο των μαθητών, κατά τη διάρκεια του σχολικού μαθήματος με σκοπό τη βιωματική διδασκαλία βασικότερων στοιχείων της ερευνητικής διαδικασίας. Υλοποιήθηκαν μετά τις αρχικές επεξηγήσεις για το αντικείμενο και τη φύση του μαθήματος και τα μαθητικά σεμινάρια για τους τεχνολογικούς άξονες και οπωσδήποτε πριν την αναλυτική επεξήγηση των περιεχομένων μίας πλήρους γραπτής έκθεσης και οπωσδήποτε πριν την ανάληψη θεμάτων από τους μαθητές για τις τελικές μαθητικές τους έρευνες
Οι έρευνες είχαν συνήθως τη μορφή πειραμάτων και συνοδεύονταν από μικρή γραπτή εργασία που γραφόταν από κάθε μαθητή κατά τη διάρκεια του μαθήματος
Τα στοιχεία αυτά δεν αποτελούν σε καμία περίπτωση οδηγίες διδασκαλίας και δεν έχουν υποστεί επεξεργασία
Τα όποια λάθη δεν έχουν αφαιρεθεί, έχουν όμως επισημανθεί σημαντικότερα από αυτά, για να αποτελέσουν αντικείμενο συζήτησης
Γιάννης Τζωρτζάκης
Σχολικός Σύμβουλος
Managing a veterinary clinic chain in FinlandProvet Cloud
Description of managing a veterinary clinic chain in Finland by Veikko Tuovinen. This presentation was sponsored by Provet Cloud in Brno 2nd of October 2015.
Geselle Marasigan is an 18-year-old student pursuing a Bachelor of Education degree in Early Childhood Education at Cavite State University. She graduated from Baha Elementary School and Balayan National High School. She lives with her mother, grandmother, and grandfather and enjoys listening to music, art, and cooking. Educational technology plays an important role in education but can also be misused, so students need guidance to stay on the right track. Technology integration into teaching and learning can enhance students' cognitive skills through hands-on activities.
The 3rd Generation Partnership Project (3GPP) is an international standards organization that develops protocols for mobile telecommunications. 3GPP works through technical specification groups to develop specifications that are then standardized by organizational partners. The European Telecommunications Standards Institute (ETSI) TISPAN group developed early Next Generation Network specifications, including adopting 3GPP's IP Multimedia Subsystem (IMS) standard, but IMS standardization was later transferred back to 3GPP. IMS was initially designed by 3GPP to enable mobile operators to deliver next-generation interactive services over an all-IP architecture in a flexible and cost-effective manner.
Mymmo is a digital mammogram analysis software developed by Travancore Analytics. It is a Computer Aided Detection (CAD) system that assists the diagnostician or radiologist in early detection of breast cancer.
Highly experienced engineers in the fields of medical imaging, 3D and 2D image processing and various databases have developed this highly unique and efficient diagnostic tool.
This document provides recipes for using fresh ingredients in crock-pot meals. It includes recipes for black bean, sweet potato and quinoa chili, sweet potato lentils, curried vegetable and chickpea stew, chana masala, black bean espresso chili, Indian spiced lentils, butternut squash coconut chili, and white chili. Most recipes utilize beans, lentils, vegetables and spices and can be prepared in a crock-pot for easy, hands-free cooking.
Kehinde Adenike Adewuyi is seeking a position where she can contribute her skills and experience to help achieve organizational goals and targets. She has a background in business administration, having completed an Ordinary National Diploma in 2014 and pursuing a Higher National Diploma. She has work experience at Beloxxi Nigeria Limited from 2012 to 2016. Her hobbies include cooking, reading, working, and traveling.
1) Bela Overseas Educational Consultancy in Chennai provides study abroad consulting services and helps students pursue higher education in countries like the UK, US, Canada, Australia, and others.
2) Bela International in Ambattur, Chennai offers IELTS coaching and test preparation courses to help students score high on the IELTS exam. Their small group classes and practice tests provide personalized attention.
3) Bela International also operates a spoken English center in Ambattur, Chennai that offers various courses and workshops to improve students' English communication abilities from beginner to advanced levels, including programs for workplace English, grammar, vocabulary, and conversation skills.
Prezentacja na temat doświadczeń Fundacji Rozwoju Dzieci im Jana Amosa Komeńskiego, która w ponad 80 bibliotekach zrealizowała projekt "Biblioteczne zajęcia dla dzieci i rodziców". Prezentacja wykorzystana podczas kongresu „Biblioteka: więcej niż myślisz!” (13 - 14 października 2011).
Johnson Financial Group Success Story Article_v5Brent Hess
Johnson Financial Group formed an interdepartmental energy team called the Green Team in 2009 to lower energy costs and reduce environmental impact. The Green Team gathered energy use data, conducted assessments of equipment efficiency, and implemented projects like lighting and controls upgrades. These efforts helped Johnson Financial Group reduce energy use and costs each year. The Green Team's successes have inspired additional employee-led sustainability initiatives throughout the company and served as a model for other organizations.
Mediakeys is an independent media agency with 12 hubs across more than 50 countries. It provides full-service media strategy, planning, buying and reporting for over 150 clients. Some key points about Mediakeys include:
- Tailor-made local and international campaigns for both large global brands and smaller local clients
- Unique in-house tools like GlobalAd and LocalAd to support international and local media planning and monitoring
- Over 20 years of experience in sectors like luxury, fashion, tourism, automotive, and more
- International network allows for local market expertise and adaptations across markets
New Designs for Learning (Mobile devices)cj_anulacion
The document discusses the potential of mobile devices to support learning. It notes that the National Educational Technology Standards indicate students should be able to use technology for creativity, communication, research, critical thinking, and other skills. Mobile devices could allow students to communicate with classmates and teachers, work on group projects, conduct research, and access educational apps and school portals. The document also provides a link to a video of education expert Elliot Soloway discussing how 21st century education will require a shift from learning facts to learning processes and applying skills.
Demand for Trainers: The Growing Importance of Employee Developmentramtraining
The strength of any business lies in the efforts of its employees, the most prized assets of the organisation. Businesses aiming for true success should focus on strengthening their foundation: human resources. Employee development is crucial, as it strengthens two pillars of business operations: productivity and employee retention.
The document discusses the author's portfolio in educational technology. It provides biographical information about the author and discusses several topics related to integrating technology into teaching and learning, including how technology can help make tasks easier and engage students. It also covers concepts like cooperative learning with computers and the role of the computer as a tutor, teacher's tool, and in supporting student-centered learning.
Επενδυτικές ιδέες για χαμηλά, μεσαία εισοδήματα και αρχάριους.stratos goumas
Επενδύσεις για αρχάριους και για χαμηλά- μεσαία εισοδήματα.
Στην παρουσίαση αυτή θα παραθέσουμε μερικές επενδυτικές ιδέες για χαμηλά και μεσαία εισοδήματα για μεσοπρόθεσμο και μακροπρόθεσμο ορίζοντα (διάρκεια από 5 εως 30 έτη)
Σκοπός μας είναι να εξηγήσουμε με κατανοητά και απλά οικονομικά τον τρόπο να αξιοποιήσουμε τις αποταμιεύσεις μας ώστε να αποδώσουν όσο το δυνατόν καλύτερα και να έχουμε ένα επιπλέον εισόδημα ή εφάπαξ κεφάλαιο για μελλοντική χρήση.
Προϋπόθεση για να αξιοποιηθούν οι παρακάτω επενδύσεις είναι να υπάρχει η δυνατότητα να αποταμιεύεται ένα ελάχιστο ποσό, τουλάχιστον 70 ευρώ ανά μήνα.
Σε περίπτωση που δεν είναι εφικτή η μηνιαία αποταμίευση, μπορούμε να εξασφαλίσουμε ανάλογα ποσά σε τρίμηνη- τετράμηνη βάση.
Οι επενδύσεις που θα παρουσιάσουμε παρακάτω αφορούν τα εξής
1) Συνταξιοδοτικά προγράμματα.
2) Πρόγραμμα αποταμίευσης γονέων για τα παιδιά.
3) Επενδυτικά προϊόντα τράπεζων.
4) Επενδύσεις σε χρηματιστήριο.
Bitcoin. Είναι εφικτό να γίνει ο διάδοχος του δολαρίου;.pdfstratos goumas
Στην παρουσίαση αυτή θα δούμε συνοπτικά μερικά στοιχεία που αφορούν το bitcoin και το παραστατικό χρήμα όπως 1) Τι είναι το bitcoin 2) Πως παράγεται 3) Τεχνολογία blockchain 4) Ιδιότητες και λειτουργίες παραστατικού χρήματος (fiat money) 5) Διαφορές και ομοιότητες μεταξύ κρυπτονομισμάτων και παραστατικού χρήματος.
Ασαφής Λογική (Fuzzy Logic). Βασικές αρχές και θεωρία. Ανάπτυξη εφαρμογής της...stratos goumas
Στην παρουσίαση αυτή θα ασχοληθούμε με την έννοια και τις εφαρμογές της Ασαφούς Λογικής (Fuzzy Logic).
Αρχικά θα αναπτύξουμε τις έννοιες και την βασική θεωρία της Ασαφούς Λογικής, έπειτα τις μεθόδους καθώς και τις θεμελιώδεις τεχνικές ανάπτυξης ενός μοντέλου.
Τελειώνοντας θα σχεδιάσουμε και θα παρουσιαστεί ένα παράδειγμα με την χρήση κατάλληλου λογισμικού (Matlab R2013).
Στην εργασία αυτή θα παρουσιάσουμε μερικές βασικές τεχνικές για την εκτίμηση του κινδύνου. Οι μέθοδοι αυτές είναι η τεχνική Delta- Normal, Ιστορική Προσομοίωση (Historical Simulation), Προσομοίωση Monte Carlo και υπόδειγμα GARCH.
Η εργασία χωρίζεται σε δυο κύρια μέρη.
Στο πρώτο παρουσιάζεται η θεωρία για τα είδη του κινδύνου, η διαχρονική εξέλιξη των τεχνικών εκτίμησης, καθώς και τα υποδείγματα που καθόρισαν ουσιαστικά την έννοια και μέτρηση του κίνδυνου.
Στο δεύτερο μέρος, περιγράφονται οι μέθοδοι εκτίμησης του κινδύνου και λαμβάνοντας τα δεδομένα μας εφαρμόζουμε τις παραπάνω τεχνικές για την εκτίμησή του.
Για την εργασία μας έχουμε χρησιμοποιήσει τις ημερήσιες τιμές του Γενικού Δείκτη του Χρηματιστήριου Αθηνών για την περίοδο 04/05/2016 έως 04/05/2017.
Στόχος μας είναι να κατανοήσουμε αρχικά την έννοια και τις μορφές του κινδύνου και σε δεύτερο στάδιο τις βασικές μεθόδους εκτίμησης και ποσοτικοποίησης.
Τεχνική και Θεμελιώδης Ανάλυση μετοχών και εταιριώνstratos goumas
Στην μελέτη αυτή θα παρουσιάσουμε μερικούς βασικούς κανόνες και δείκτες για τεχνική ανάλυση μετοχών- δεικτών και θεμελιώδη ανάλυση εταιριών. Θα λάβουμε τις παρελθούσες τιμές για μια μετοχή και έπειτα με τα κατάλληλα εργαλεία και μεθόδους της τεχνικής ανάλυσης (Technical Analysis) θα προσδιορίσουμε την πορεία της μετοχής. Παράλληλα θα εξετάζουμε και μερικά οικονομικά μεγέθη της εταιρίας ώστε να προβούμε σε θεμελιώδη ανάλυση (Fundamental Analysis), έχοντας έτσι μια ολοκληρωμένη εικόνα για την πορεία των οικονομικών και χρηματιστηριακών μεγεθών της.
Στατιστικές Κατανομές και Πιθανότητες. Θεωρία και παραδείγματα.stratos goumas
Η στατιστική αποτελεί ένα επιστημονικό κλάδο όπου το πεδίο εφαρμογής της συγκαταλέγεται σε πλήθος άλλων επιστημών. Η συλλογή και η ανάλυση δεδομένων έχει γίνει πλέον επιτακτική πριν τη λήψη αποφάσεων.Στην παρουσιαση αυτή θα επιδείξουμε μερικες βασικές στατιστικές κατανομές που χρησιμοποιούνται ευρέως καθώς και μερικές πιο προχωρημένες. Οι κατανομές κατηγοριοποιούνται σε δυο βασικές ομάδες. 1) Διακριτές 2) Συνεχείς. Οι Συνεχείς χωρίζονται στις εξής υποομάδες α) Φραγμένες β) Μη Φραγμένες 3) Μη Αρνητικές.
Πολλαπλή γραμμική παλινδρόμηση με χρήση excel 2003. Θεωρία και παραδείγματα.stratos goumas
Στην εργασία αυτή θα μελετήσουμε και θα παρουσιάσουμε την πολλαπλή γραμμική παλινδρόμηση, η οποία αποτελεί μια από της βασικές μεθόδους εκτίμησης στην οικονομετρία. Η πολλαπλή παλινδρόμηση αποτελεί μια σχέση/ εξάρτηση μεταξύ πολλών μεταβλητών. Δεν θα σταθούμε τόσο στην ανάπτυξη της θεωρίας και την θεμελίωση των μαθηματικών τεχνικών όσο στην παρουσίαση της μεθόδου υπολογισμού και εκτίμησης των σχέσεων. Αυτό που θα χρειαστούμε είναι το excel 2003 (ή 2007) και ένα βιβλίο οικονομετρίας στο οποίο θα μπορούμε να ανατρέξουμε για την ορθή τεκμηρίωση των αποτελεσμάτων.
Ομήρου Οδύσσεια και θεωρία παιγνίων. Γνώριζε η Πηνελοπη από στρατηγική;stratos goumas
Η αφορμή για την συγγραφή αυτού του κειμένου προήλθε από το βιβλίο ‘’Μύθος και κοινωνία στην αρχαία Ελλάδα’’ του συγγραφέα Jeab-Pierre Vernant, στο οποίο παρουσιάζονται τα ήθη-έθιμα της Ελλάδος κατά την διάρκεια της αρχαίας και κλασσικής περιόδου. Αρχικά μπορεί να μην φαίνεται ξεκάθαρα η σχέση μεταξύ τούτης της σύγχρονης κοινωνικής και οικονομικής επιστήμης της θεωρίας παιγνίων με τη σκηνή της Οδύσσειας στο παλάτι του Οδυσσέα με τους μνηστήρες, θα προσπαθήσουμε εντούτοις με συνοπτικό και περιεκτικό τρόπο να γίνει κατανοητό. Το έναυσμα δόθηκε από το προαναφερθέν βιβλίο όπου σε ένα από τα κεφάλαιά του περιγράφει την τελετή και την λειτουργία του γάμου μέσα στην οικογένεια και την κοινωνία καθώς και την θέση της γυναίκας τα αρχαία χρόνια.
Παρουσίαση: Γραμμικός Προγραμματισμός (Αλγόριθμος Simplex). Λύση δυο προβλημά...stratos goumas
Στην παρουσίαση αυτή θα παρουσιάσουμε μερικά προβλήματα γραμμικού προγραμματισμού (Linear Programming)
και θα αναλύσουμε περιληπτικά τον αλγόριθμο simplex ο οποίος επινοήθηκε από τον μαθηματικό George Bernard Dantzig.
Το πρώτο πρόβλημα είναι η επιλογή ενός προϊόντος και το δεύτερο το πρόβλημα της μεταφοράς. Στα πλαίσια της
παρουσίασης θα χρησιμοποιήσουμε το excel 2007, με το πρόσθετο του solver.
Εφαρμογές Οικονομικών-Μαθηματικών με χρήση excel 2003. Θεωρία και πράξη.stratos goumas
Στην παρουσίαση αυτή θα επιδείξουμε μερικές χρήσιμες εφαρμογές για οικονομικά, μαθηματικά και στατιστική με τη χρήση του excel. Λυση εξισωσεων, γραμμικων συστηματων, υπολογισμος εμβαδου, οικονομικες εφαρμογες, υπολογισμος δοσης δανειου, αναλυση ευαισθησιας, στατιστικες εφαρμογες (μεση τιμη, διακυμανση κτλ)
Εξέλιξη του Δείκτη Τιμών Τροφίμων κατά τη διάρκεια των ετών 1990-2012.stratos goumas
Ο Δείκτης Τιμών Τροφίμων-ΔΤΤ (στην αγγλική Food Price Index- FPI1), αποτελεί ένα στατιστικό μέτρο που δείχνει την μηνιαία μεταβολή των διεθνών τιμών ενός συνόλου τροφίμων. Πιο συγκεκριμένα ο FPI αποτελείται από 5 δείκτες, οι οποίοι με την σειρά τους αντιπροσωπεύουν ένα καλάθι τροφίμων. Οι δείκτες που αποτελούν των FPI είναι οι εξής.
1) Δείκτης Τιμών Κρέατος (Meat Price Index) 2) Δείκτης Τιμών Γαλακτοκομικών (Dairy Price Index) 3) Δείκτης Τιμών Ζάχαρης (Sugar Price Index) 4) Δείκτης Τιμών Δημητριακών (Cereal Price Index) 5) Δείκτης Τιμών Ελαιών/Λιπων (Oils/Fats Price Index).
Στην μελέτη αυτή, θα εξετάσουμε την μηνιαία, τριμηνιαία και ετησία διαχρονική μεταβολή της τιμής του FPI. Έχουμε στην διάθεσή μας τόσο τις τρέχουσες όσο και τις αποπληθωρισμένες τιμές, οπότε θα μπορέσουμε να συγκρίνουμε τα δυο αυτά μεγέθη. Επίσης θα εξετάσουμε αν υπάρχει περιοδικότητα στην εξέλιξη του FPI, καθώς και μερικά σημαντικά γεγονότα τα οποία επηρέασαν σημαντικά τον δείκτη.
Διαχρονική εξέλιξη των τιμών του πετρελαίου και της βενζίνης.stratos goumas
Στην εργασία αυτή θα εξετάσουμε την εξέλιξη της τιμής της βενζίνης στην ελληνική αγορά σε σχέση με τις τιμές του πετρελαίου στην χρηματιστηριακή αγορά. Στόχος μας είναι να ελέγξουμε αν οι διακυμάνσεις στην τιμή του πετρελαίου επηρεάζουν την τιμή της βενζίνης και αν υπάρχει εξάρτηση μεταξύ αυτών των δυο μεγεθών. Με την χρήση ενός καταλλήλου οικονομετρικού υποδείγματος θα προσπαθήσουμε να εξεύρουμε μια κατάλληλη σχέση για την ερμηνεία των μεταβλητών μας.
Εξέλιξη ελληνικών τραπεζικών καταθέσεων κατά τη διάρκεια των ετών 2001-2010.stratos goumas
Στην παρουσίαση αυτή θα εξετάσουμε την διαχρονική μεταβολή των καταθέσεων κατά τα έτη 2001-2010, ενώ παράλληλα σχολιάζουμε την επίδραση των εκάστοτε πολιτικών-οικονομικών γεγονότων στο ύψος των καταθέσεων. Έχουμε σχεδιάσει επίσης, πίνακες με στατιστικά στοιχεία και συγκεντρωτικά γραφήματα για να γίνει πιο κατανοητή η μεταβολή των μεγεθών μας.
Σύγκριση κύκλου εργασιών δέκα πολυεθνικών εταιριών με το ΑΕΠ δέκα κρατών και ...stratos goumas
Στην παρουσίαση αυτή θα εξετάσουμε την αναλογία του κύκλου εργασιών (πωλήσεις) 10 πολυεθνικών εταιριών, με το ΑΕΠ 10 ανεπτυγμένων και αναπτυσσομένων κρατών καθώς και με την αξία των συναλλαγών του χρηματιστηρίου της Νέας Υόρκης (NYSE). Σκοπός μας είναι να αντιπαραθέσουμε το ύψος των πωλήσεων της εκάστοτε πολυεθνικής επιχείρησης, με το εισόδημα που παράγεται σε μια οικονομία και με την αξία των συναλλαγών που πραγματοποιείται στο χρηματιστήριο των ΗΠΑ.
Λογιστική- Χρηματοοικονομική ανάλυση με χρήση αριθμοδεικτών. Περίπτωση ναυτιλ...stratos goumas
Στην εργασία αυτή θα μελετήσουμε τις λογιστικές καταστάσεις μερικών ναυτιλιακών επιχειρήσεων με χρήση κατάλληλων αριθμοδεικτών. Οι αριθμοδείκτες είναι μεγέθη τα οποία δείχνουν τη διαχρονική πορεία των οικονομικών μεγεθών και λογαριασμών της επιχείρησης. Έχουμε επιλέξει έξι ναυτιλιακές εταιρίες οι οποίες ανήκουν στον τομέα την ακτοπλοΐας και δραστηριοποιούνται στον ελληνικό χώρο. Οι εταιρίες αυτές είναι η ΑΝΕΚ, Μινωικές γραμμές, ΝΕΛ, Hellenic Seaways, Bluestar και ΛΑΝΕ. Τα στοιχεία που διαθέτουμε (ισολογισμοί και αποτελέσματα χρήσης) αφορούν την περίοδο 2004-2009, εκτός της Bluestar η οποία εξαγοράστηκε το 2008 από τον όμιλο Marfin με αποτέλεσμα να μην είναι διαθέσιμες οι οικονομικές καταστάσεις για τα έτη 2008 και 2009. Τα στοιχεία τα έχουμε συλλέξει από τις ιστιοσελίδες των εταιριών καθώς και από το χρηματιστήριο Αθηνών.
Αναλογία εργαζομένων ελληνικού δημοσίου τομέα σε σχέση με δεκαπέντε πολυεθνικ...stratos goumas
Στην παρουσίαση αυτή θα εξετάσουμε την αναλογία των εργαζομένων στον ελληνικό δημόσιο τομέα σε σχέση με 15 πολυεθνικές εταιρίες. Σκοπός μας είναι να ελέγξουμε, σε γενικές γραμμές, αν το σύνολο των εργαζόμενων στον δημόσιο τομέα επαρκεί για να στελεχώσει τις ανάγκες και τις υπηρεσίες των οργανισμών και τομέων της ελληνικής επικρατείας. Τα στοιχεία που έχουμε συλλέξει αφορούν μόνο τον αριθμό των υπαλλήλων που εργάζονται στο δημόσιο τομέα και τις εταιρίες, χωρίς να έχουμε συμπεριλάβει άλλους δείκτες, όπως παραγωγικότητα, εργατοώρες, μισθοί κτλ. Τα δεδομένα μας είναι ενδεικτικά, μπορούν ωστόσο να χρησιμοποιηθούν για να εξαχθούν μερικά βασικά συμπεράσματα για την δημόσια διοίκηση.
Παρουσίαση και μελέτη μακροοικονομικών μεγεθών κρατών της Ε.Ε., ΗΠΑ και Ιαπων...stratos goumas
Στην μελέτη αυτή θα εξετάσουμε τα μακροοικονομικά μεγέθη μερικών κρατών της Ευρωπαϊκής Ένωσης καθώς και της Ιαπωνίας, ΗΠΑ. Έχουμε επιλέξει οικονομικούς δείκτες όπως το ΑΕΠ, χρέος, έλλειμμα, μισθοί αλλά και ‘’μη οικονομικούς δείκτες’’ όπως οι δαπάνες για εκπαίδευση, για έρευνα και ανάπτυξη και το επίπεδο της τεχνολογίας,.
Επίδραση και αλληλεξάρτηση μεταξύ των μεγαλυτέρων χρηματαγορών. Σχέση μακροχρ...stratos goumas
Στην μελέτη αυτή θα εξετάσουμε την αλληλεπίδραση μεταξύ των μεγαλυτέρων χρηματιστηριακών αγορών καθώς και της μεταξύ τους σχέσης ισορροπίας. Έχουμε επιλέξει γενικούς δείκτες για την περίοδο 1/2/2000-5/1/2010 (μέση εβδομαδιαία τιμή) κλεισίματος) από τις πιο ανεπτυγμένες χρηματιστηριακές αγορές, όπως της Αγγλίας, ΗΠΑ, Ιαπωνίας, Αυστραλίας, Γερμανία και Γαλλία. Η εργασία χωρίζεται σε τρία σκέλη. Στο πρώτο σκέλος θα εξετάσουμε την επίδραση του χρηματιστήριου των ΗΠΑ, που θεωρείται η μεγαλύτερη αγορά, στις υπόλοιπες αγορές, έπειτα θα εξετάσουμε αν υπάρχει σχέση ισορροπίας μεταξύ αυτών των χρηματιστηριακών αγορών και τέλος θα ελέγξουμε την αλληλεπίδραση αυτών των αγορών. Η μεθοδολογία που θα χρησιμοποιήσουμε είναι τα μοντέλα ARCH-GARCH, για τον έλεγχο της επίδρασης της αγοράς των ΗΠΑ στις υπόλοιπες αγορές, για τη σχέση ισορροπίας θα χρησιμοποιήσουμε τη μεθοδολογία Johansen ενώ για την αλληλεπίδραση των χρηματιστήριων θα επιλέξουμε ένα μοντέλο VAR.
Η επίδραση των διακυμάνσεων της τιμής του πετρελαίου στις χρηματιστηριακές απ...stratos goumas
Στην διατριβή αυτή θα εξετάσουμε τις επιδράσεις που έχουν οι διακυμάνσεις της τιμής του πετρελαίου στις αποδόσεις διαφόρων χρηματιστηριακών δεικτών. Θα επιλέξουμε γενικούς δείκτες για την περίοδο 1/1/1995-25/5/2008 (εβδομαδιαίες τιμές κλεισίματος) από ανεπτυγμένες χρηματιστηριακές αγορές, όπως της Αγγλίας, ΗΠΑ, Ιαπωνίας, Αυστραλίας και Χονγκ Κονγκ, αλλά και από αγορές που είναι στο στάδιο της ανάπτυξης, όπως της Κίνας, Ινδίας, Βραζιλίας, Ελλάδας και Ρωσίας ώστε να ελέγξουμε τις επιδράσεις στο γενικότερο σύνολο της αγοράς. Για το πετρέλαιο θα επιλέξουμε την τρέχουσα τιμή του αργού της Νέας Υόρκης (West Texas Intermediate, WTI).
Η επίδραση των διακυμάνσεων της τιμής του πετρελαίου στις χρηματιστηριακές απ...
Ανάλυση και μελέτη του δείκτη ανθρώπινης ανάπτυξης (HDI) μεταξύ ανεπτυγμένων, αναπτυσσομένων και υποανάπτυκτων κρατών.
1. Ανάλυση και μελέτη του δείκτη ανθρώπινης ανάπτυξης (HDI) μεταξύ
ανεπτυγμένων, αναπτυσσομένων και υποανάπτυκτων κρατών.
Γκούμας Στράτος. Πτυχιούχος Οικονομολόγος.
MSc ‘Εφαρμοσμένη Οικονομική και Χρηματοοικονομική (Ε.Κ.Π.Α./ Τμήμα Οικονομικών)’
e-mail: s_4goum@yahoo.com, My Blog
10/9/2010
ΠΕΡΙΛΗΨΗ- ΕΙΣΑΓΩΓΗ
Στην παρουσίαση αυτή θα εξετάσουμε τον Δείκτη Ανθρώπινης Ανάπτυξης (Δ.ΑΑ),
στην αγγλική ορολογία γνωστός ως Human Development Index (H.D.I.), για ένα
εύρος χωρών και για μια σειρά ετών.
Ο δείκτης αυτός επινοήθηκε από τον Πακιστανό οικονομολόγο Mahbub ul Haq και
τον Ινδό Amartya Sen (ο οποίος κέρδισε βραβείο Νόμπελ το 1998), σε συνεργασία με
μια ομάδα οικονομολόγων-κοινωνιολόγων την οποία αποτελούσαν οι Paul Streeten,
Frances Stewart, Gustav Ranis, Keith Griffin, Sudhir Anand and Meghnad Desai.
Ο H.D.I. είναι ένας σύνθετος στατιστικός δείκτης ο οποίος λαμβάνει τιμές στο
διάστημα (0,1) και αποτελεί ένα μέτρο σύγκρισης του προσδόκιμου ζωής (L.E.I), της
εκπαίδευσης (E.I.) και της ποιότητας ζωής, -η οποία χαρακτηρίζεται από το κατά
κεφαλήν ΑΕΠ (G.D.Ppc.I.)-, των κρατών ανά τον κόσμο. Ο σταθμικός μέσος αυτών
των τριών μεταβλητών εκτιμάει το μέγεθος του H.D.I.
Με βάση τον HDI τα κράτη κατατάσσονται σε 3-4 κατηγορίες ανάπτυξης, αναλόγως
στην κλίμακα την οποία υπάγονται (βλ. Πίνακα 1). Κάθε έτος ο Οργανισμός
Ηνωμένων Εθνών δημοσιεύει τα στοιχεία και την κατάταξη των χωρών. Η σχέση
υπολογισμού του H.D.I. είναι η ακόλουθη:
Μαθηματικός Τύπος:
H.D.I.= .I.G.D.P
3
1
..*
3
1
...*
3
1
pc++ IEIEL
● Life Expectancy Index (L.E.I.)=
)()(
)(__tan_
AgeMinAgeMax
AgeMincountryofcyExpecLife
−
−
Life Expectancy of country= Το προσδόκιμο ζωής σε ένα κράτος.
Min(Age)=25, Max(Age)=85
2. ● Education Index (E.I.)= ...*
3
1
.*
3
2
A .. IEGIL +
Adult Literacy Index (A.L.I.)=
100
... ILA
Adult Literacy Index= Δείκτης (Ποσοστό) που εξετάζει πόσοι ενήλικοι ενός κράτους
.είναι ικανοί να διαβάζουν και να γράφουν
Gross Enrollment Index (G.E.I.) =
100
.. IEG
Gross Enrollment Index= Δείκτης (Ποσοστό) που υπολογίζει το πλήθος των ατόμων
που είναι εγγεγραμμένα στην πρωτοβάθμια/ δευτεροβάθμια/ τριτοβάθμια εκπαίδευση,
ς ποσοστό των ατόμων που ηλικιακά δύναται να είναι εγγεγραμμένα σε αυτές τις
uct per capita Index
ω
βαθμίδες εκπαίδευσης.
● Gross Domestic Prod
(G.D.Ppc.I.)=
)100log()000.40log(
)100log(($)]__log[
−
−PPPcapitaGDPper
G.D.P. per capita PPP($)= Το κατά κεφαλήν ΑΕΠ του κράτους σε δολάρια
τας την Ισοτιμία Αγοραστικής Δύναμης (PPP).συνυπολογίζον
Παράδειγμα
Έστω σε ένα κράτος το προσδόκιμο ζωής (L.E.Ι.) είναι 78 έτη, το κατά κεφαλήν
ΑΕΠ σε δολάρια (ΡΡΡ) είναι 8.840$ (G.D.Ppc.I.) το ποσοστό των ενηλίκων (Α.L.I.)
ου μπορούν να διαβάζουν/ γράφουν είναι 95.85% και τέλος το ποσοστό των ατόμων
.
Έχουμε ότι: L.E.Ι.= 78, G.D.Ppc.I.= 8.840$, Α.L.I= 95.8%, G.Ε.I= 69%
=
π
που είναι εγγεγραμμένα στις τρεις βαθμίδες εκπαίδευσης (G.E.I.) είναι 69%
L.E.I.
)()(
)(
A
Agecy __tan_
AgeMingeMax
MincountryofExpecLife
− 2585
2578
−
−−
= = 0.883
Ε.Ι= GEIAL*
3
2
I *
3
1
+ = 69.0*
3
1
958.0*
3
2
+ = 0.869
.D.Ppc.I.=
)100log()000.40log(
)100log(($)]__log[
−
−PPPcapitaGDPper
=
)100log()000.40log(
)100log()840.8log(
−
−
G =0.748
3. Υπολογίζουμε λοιπόν ότι:
.I.)(G.D.P
3
1
..*
3
1
...*H.D.I.=
3
EL
1
pc++ IEI = .748.0
3
1
.869.0*
3
1
.883.0*
3
1
++
.D.I =0.883
το απαντήσουμε παρουσιάζοντας στον παρακάτω πίνακα τις
ίμακες του HDI.
ΙΝΑΚΑΣ 1. Κλίμακα HDI.
H
Το ερώτημα που προκύπτει είναι τι ακριβώς συνεπάγεται ο αριθμός H.D.I=0.883.
Αυτό το ερώτημα θα
κλ
Π
Τιμές H.D.I.
H.D.I. >=0.90 Πολύ Ανεπτυγμένη (Very High Human Development (or developed))
0.8<=H.D.I. <0.90 Υψηλά Ανεπτυγμένη (High Human Development (or developing))
0.5<=H.D.I. <0.80 Μεσαία Ανεπτυγμένη (Medium High Human Development (or developing))
H.D.I. < ow High Human Development (or developing))0.50 Λίγο Ανεπτυγμένη/Υποανάπτυκτη (L
Πηγή: United Nations Development Programme's
.50). Εμείς
χουμε επιλέξει τις αναφορές όπου γίνεται χρήση των τεσσάρων κατηγοριών.
ΕΔΟΜΕΝΑ
νουν μέρος σε
συνοψίσουμε ώστε να είναι όσο το δυνατόν πιο κατανοητή
αι παράλληλα περιεκτική.
Σε αρκετές αναφορές παραβλέπεται συνήθως η πρώτη κλίμακα (HDI >=0.90), με
αποτέλεσμα να έχουμε μόνο τρεις (HDI >=0.80, 0.5<=HDI <0.80, HDI <0
έ
Δ
Στα δεδομένα μας περιλαμβάνονται οι 10 πρώτες χώρες από κάθε κλίμακα για τα έτη
1997-2007. Τα στοιχεία διατίθενται στην ιστοσελίδα ‘’United Nations Development
Programme's’’, όπου από εκεί υπάρχει η δυνατότητα συλλογής και ανεύρεσης πλήθους
πληροφοριών για τις οικονομίες, το τεχνολογικό επίπεδο, τους δείκτες υγείας και τις
κοινωνίες των κρατών. Οι χώρες που είναι καταχωρημένες και λαμβά
αυτή την μελέτη είναι κοντά στις 180 από τις συνολικά 192 του πλανήτη.
Στους πίνακες που ακολουθούν παρουσιάζουμε την κατάταξη με βάση τον δείκτη HDI,
την οποία προσπαθήσαμε να
κ
4. ---------------ΕΤΟΣ 1997---------------
N
PED)
.D.I. >=0.90
G)
8<=H.D.I. <0.90
VERY HIGH HUMA
EVELOPMENTD
(OR DEVELO
H
Canada 0,932
HIGH HUMAN
EVELOPMENTD
(OR DEVELOPIN
0.
Spain 0,894
Norway 0,927 Singapore 0,888
United States 0,927 Israel 0,883
Japan 0,924 Hong Κong 0,880
Belgium 0,923 Brunei Darussalam 0,878
Sweden 0,923 Cyprus 0,870
Australia 0,922 Greece 0,867
Netherlands 0,921 Portugal 0,858
Iceland 0,919 Barbados 0,857
United Kingdom 0,918 Korea 0,852
MEDIUM HUMAN
EVELOPMENTD
(OR DEVELOPING)
5<=H.D.I. <0.80
nd Tobago
PING)
.D.I. <0.500.
Trinidad a 0,797
LOW HUMAN
EVELOPMENTD
(OR DEVELO
H
Lao 0,491
Hungary 0,795 Congo 0,479
Venezuela 0,792 Sudan 0,475
Panama 0,791 Togo 0,469
Mexico 0,786 Nepal 0,463
Saint Kitts and Nevis 0,781 Bhutan 0,459
Grenada 0,777 Nigeria 0,456
Dominica car0,776 Madagas 0,453
Estonia 0,773 Yemen 0,449
Croatia 0,773 Mauritania 0,447
Πηγή: United Nations Development Programme's/ Human Development Reports
---------------ΕΤΟΣ 1998---------------
N
PED)
.D.I. >=0.90
G)
8<=H.D.I. <0.90
VERY HIGH HUMA
EVELOPMENTD
(OR DEVELO
H
Canada 0,935
HIGH HUMAN
EVELOPMENTD
(OR DEVELOPIN
0.
Spain 0,899
Norway 0,934 Cyprus 0,886
United States 0,929 Israel 0,883
Australia re0,929 Singapo 0,881
Iceland 0,927 Greece 0,875
Sweden 0,926 Hong Kong 0,872
Belgium 0,925 Malta 0,865
Netherlands 0,925 Portugal 0,864
Japan 0,924 Slovenia 0,861
United Kingdom 0,918 Barbados 0,858
MEDIUM HUMAN
EVELOPMENTD
(OR DEVELOPING)
5<=H.D.I. <0.80
nd Nevis
PING)
.D.I. <0.500.
Saint Kitts a 0,798
LOW HUMAN
EVELOPMENTD
(OR DEVELO
H
Lao 0,484
Costa Rica car0,797 Madagas 0,483
Croatia 0,795 Bhutan 0,483
Trinidad and Tobago 0,793 Sudan 0,477
Dominica 0,793 Nepal 0,474
Lithuania 0,789 Togo 0,471
Seychelles 0,786 Bangladesh 0,461
Grenada 0,785 Mauritania 0,451
Mexico 0,784 Yemen 0,448
Cuba 0,773 Djibouti 0,447
Πηγή: United Nations Dev elopment Reportselopment Programme's/ Human Dev
5. ---------------ΕΤΟΣ 1999---------------
N
PED)
.D.I. >=0.90
G)
8<=H.D.I. <0.90
VERY HIGH HUMA
EVELOPMENTD
(OR DEVELO
H
Norway 0,939
HIGH HUMAN
EVELOPMENTD
(OR DEVELOPIN
0.
Israel 0,893
Australia 00,936 Greece ,881
Canada 0,936 Hong Kong 0,88
Sweden 0,936 Cyprus 0,877
Belgium 0,935 Singapore 0,876
United States 0,934 Korea 0,875
Iceland 0,932 Portugal 0,874
Netherlands ia0,931 Sloven 0,874
Japan 0,928 Malta 0,866
Finland 0,925 Barbados 0,864
MEDIUM HUMAN
EVELOPMENTD
(OR DEVELOPING)
5<=H.D.I. <0.80
and Tobago
PING)
.D.I. <0.50
n
0.
Trinidad 0,798
LOW HUMAN
EVELOPMENTD
(OR DEVELO
H
Pakista 0,498
Latvia 0 0,791 Togo ,489
Mexico 0,79 Nepal 0,48
Panama 0,784 Bhutan 0,477
Belarus 00,782 Lao ,476
Belize 0,776 Bangladesh 0,47
Russian Federation 0,775 Yemen 0,468
Malaysia 0,774 Haiti 0,467
Bulgaria 0,772 Madagascar 0,462
Romania 0,772 Nigeria 0,455
Πηγή: United Nations Development Programme's/ Human Development Reports
---------------ΕΤΟΣ 000---------------
N
PED)
.D.I. >=0.90
G)
8<=H.D.I. <0.90
2
VERY HIGH HUMA
EVELOPMENTD
(OR DEVELO
H
Norway 0,961
HIGH HUMAN
EVELOPMENTD
(OR DEVELOPIN
0.
Cyprus 0,897
Sweden 0,954 Greece 0,895
Australia 0,954 Portugal 0,895
Netherlands 0,950 Slovenia 0,892
United States 0,949 Kuwait 0,874
Canada 0,948 Malta 0,874
Switzerland 0,948 Qatar 0,870
Belgium 0,945 Korea 0,869
Japan 0,943 Czech Republic 0,868
Iceland 0,943 Bahrain 0,864
MEDIUM HUMAN
EVELOPMENTD
(OR DEVELOPING)
5<=H.D.I. <0.80
a
PING)
.D.I. <0.50
nia
0.
Malaysi 0,797
LOW HUMAN
EVELOPMENTD
(OR DEVELO
H
Maurita 0,495
Serbia 0,797 Ghana 0,495
Brazil 0,790 Bangladesh 0,493
Romania 0,788 Sudan 0,491
Belarus 0,786 Côte d'Ivoire 0,481
Albania 0,784 Malawi 0,478
Colombia 0,772 Nigeria 0,466
Peru 0,771 Uganda 0,460
Mauritius ia0,770 Tanzan 0,458
Tonga 0,759 Benin 0,447
Πηγή: United Nations Dev elopment Reportselopment Programme's/ Human Dev
6. ---------------ΕΤΟΣ 001---------------
N
PED)
.D.I. >=0.90
G)
8<=H.D.I. <0.90
g
2
VERY HIGH HUMA
EVELOPMENTD
(OR DEVELO
H
Norway 0,944
HIGH HUMAN
EVELOPMENTD
(OR DEVELOPIN
0.
Hong Kon 0,889
Iceland 0,942 Barbados 0,888
Sweden 0,941 Singapore 0,884
Australia 0,939 Slovenia 0,881
Netherlands 0,938 Korea 0,879
Belgium 0,937 Brunei Darussalam 0,872
United States Republic0,937 Czech 0,861
Canada 0,937 Malta 0,856
Japan 0,932 Argentina 0,849
Switzerland 0,932 Poland 0,841
MEDIUM HUMAN
EVELOPMENTD
(OR DEVELOPING)
5<=H.D.I. <0.80
nd Barbuda
PING)
.D.I. <0.50
on
0.
Antigua a 0,798
LOW HUMAN
EVELOPMENTD
(OR DEVELO
H
Camero 0,499
Bulgaria 0,795 Nepal 0,499
Malaysia 0,79 Pakistan 0,499
Panama 0,788 Zimbabwe 0,496
Macedonia 0,784 Kenya 0,489
Libya 0,783 Uganda 0,489
Mauritius 0,779 Yemen 0,47
Russian Federation ascar0,779 Madag 0,468
Colombia 0,779 Haiti 0,467
Brazil 0,777 Gambia 0,463
Πηγή: United Nations Development Programme's/ Human Development Reports
---------------ΕΤΟΣ 002---------------
N
PED)
.D.I. >=0.90
G)
8<=H.D.I. <0.90
2
VERY HIGH HUMA
EVELOPMENTD
(OR DEVELO
H
Norway 0,956
HIGH HUMAN
EVELOPMENTD
(OR DEVELOPIN
0.
Portugal 0,897
Sweden 0,946 Slovenia 0,895
Australia 0,946 Korea 0,888
Canada 0,943 Barbados 0,888
Netherlands 0,942 Cyprus 0,883
Belgium 0,942 Malta 0,875
Iceland 0,941 Czech Republic 0,868
United States ussalam0,939 Brunei Dar 0,867
Japan 0,938 Argentina 0,853
Ireland 0,936 Seychelles 0,853
MEDIUM HUMAN
EVELOPMENTD
(OR DEVELOPING)
5<=H.D.I. <0.80
PING)
.D.I. <0.50
n
0.
Bulgaria 0,796
LOW HUMAN
EVELOPMENTD
(OR DEVELO
H
Pakista 0,497
Russian Federation 0,795 Togo 0,496
Libya 0,794 Congo 0,494
Malaysia 0,793 Lesotho 0,493
Macedonia 0,793 Uganda 0,493
Panama 0,791 Zimbabwe 0,491
Belarus 0,790 Kenya 0,488
Tonga 0,787 Yemen 0,482
Mauritius car0,785 Madagas 0,469
Albania 0,782 Nigeria 0,466
Πηγή: United Nations Development Programme's/ Human Development Reports
7. ---------------ΕΤΟΣ 003---------------
N
PED)
.D.I. >=0.90
G)
8<=H.D.I. <0.90
2
VERY HIGH HUMA
EVELOPMENTD
(OR DEVELO
H
Norway 0,963
HIGH HUMAN
EVELOPMENTD
(OR DEVELOPIN
0.
Cyprus 0,891
Iceland 0,956 Barbados 0,878
Australia 0,955 Czech Republic 0,874
Luxembourg 0,949 Malta 0,867
Canada 0,949 Brunei Darussalam 0,866
Sweden 0,949 Argentina 0,863
Switzerland 0,947 Hungary 0,862
Ireland 0,946 Poland 0,858
Belgium 0,945 Chile 0,854
United States 0,944 Estonia 0,853
MEDIUM HUMAN
EVELOPMENTD
(OR DEVELOPING)
5<=H.D.I. <0.80
PING)
.D.I. <0.500.
Libya 0,799
LOW HUMAN
EVELOPMENTD
(OR DEVELO
H
Madagascar 0,499
Macedonia 0,797 Swaziland 0,498
Antigua and Barbuda n0,797 Cameroo 0,497
Malaysia 0,796 Lesotho 0,497
Russian Federation 0,795 Djibouti 0,495
Brazil 0,792 Yemen 0,489
Romania 0,792 Mauritania 0,477
Mauritius 0,791 Haiti 0,475
Grenada 0,787 Kenya 0,474
Belarus 0,786 Gambia 0,407
Πηγή: United Nations Development Programme's/ Human Development Reports
---------------ΕΤΟΣ 004---------------
N
PED)
.D.I. >=0.90
0
G)
8<=H.D.I. <0.90
ublic
2
VERY HIGH HUMA
EVELOPMENTD
(OR DEVELO
H
Norway ,965
HIGH HUMAN
EVELOPMENTD
(OR DEVELOPIN
0.
Czech Rep 0,885
Iceland 0,96 Barbados 0,879
Australia 0,957 Malta 0,879
Ireland 0,956 Kuwait 0,871
Sweden 0 russalam,951 Brunei Da 0,871
Canada 0,95 Hungary 0,869
Japan 0,949 Argentina 0,863
United States 0,948 Poland 0,862
Switzerland 0,947 Chile 0,859
Netherlands n0,947 Bahrai 0,85
MEDIUM HUMAN
EVELOPMENTD
(OR DEVELOPING)
5<=H.D.I. <0.80
PING)
.D.I. <0.500.
Libya 0,798
LOW HUMAN
EVELOPMENTD
(OR DEVELO
H
Togo 0,495
Russian Federation 0,797 Djibouti 0,494
Macedonia 0,796 Lesotho 0,494
Belarus 0,794 Yemen 0,492
Dominica we0,793 Zimbab 0,491
Brazil 0,792 Kenya 0,491
Colombia 0,79 Mauritania 0,486
Saint Lucia 0,79 Haiti 0,482
Venezuela 0,784 Gambi 0,479
Albania 0,784 Senegal 0,46
Πηγή: United Nations Dev elopment Reportselopment Programme's/ Human Dev
8. ---------------ΕΤΟΣ 005---------------
N
PED)
.D.I. >=0.90
G)
8<=H.D.I. <0.90
2
VERY HIGH HUMA
EVELOPMENTD
(OR DEVELO
H
Norway 0,968
HIGH HUMAN
EVELOPMENTD
(OR DEVELOPIN
0.
Malta 0,897
Australia 0,967 United Arab Emirates 0,896
Iceland 0,965 Czech Republic 0,894
Canada 0,963 Barbados 0,890
Ireland 0,961 Bahrain 0,888
Sweden 0,960 Hungary 0,874
Netherlands 0,958 Chile 0,872
Switzerland 0,957 Estonia 0,872
Luxembourg 0,956 Poland 0,871
France 0,956 Slovakia 0,867
MEDIUM HUMAN
EVELOPMENTD
(OR DEVELOPING)
5<=H.D.I. <0.80
s
PING)
.D.I. <0.50
a
0.
Mauritiu 0,797
LOW HUMAN
EVELOPMENTD
(OR DEVELO
H
Nigeri 0,499
Turkey 0,796 Togo 0,495
Colombia 0,795 Uganda 0,494
Kazakhstan Leste0,794 Timor- 0,488
Peru 0,791 Benin 0,481
Ukraine 0,783 Côte d'Ivoire 0,480
Armenia 0,777 Malawi 0,476
Thailand 0,777 Zambia 0,466
Iran 0,773 Eritrea 0,466
Belize 0,770 Senegal 0,460
Πηγή: United Nations Development Programme's/ Human Development Reports
---------------ΕΤΟΣ 006---------------
N
PED)
.D.I. >=0.90
G)
8<=H.D.I. <0.90
2
VERY HIGH HUMA
EVELOPMENTD
(OR DEVELO
H
Norway 0,970
HIGH HUMAN
EVELOPMENTD
(OR DEVELOPIN
0.
Malta 0,899
Australia 0,968 Czech Republic 0,899
Iceland 0,967 United Arab Emirates 0,896
Canada 0,965 Bahrain 0,894
Ireland 0,964 Barbados 0,891
Sweden 0,961 Estonia 0,878
Netherlands 0,961 Hungary 0,878
Luxembourg 0,959 Poland 0,876
Switzerland 0,959 Chile 0,874
Japan ia0,958 Slovak 0,873
MEDIUM HUMAN
EVELOPMENTD
(OR DEVELOPING)
5<=H.D.I. <0.80
PING)
.D.I. <0.500.
Peru 0,799
LOW HUMAN
EVELOPMENTD
(OR DEVELO
H
Togo 0,498
Ukraine 0,789 Benin 0,487
Armenia 0,787 Malawi 0,484
Thailand 0,780 Timor-Leste 0,484
Iran 0,777 Côte d'Ivoire 0,482
Azerbaijan 0,773 Zambia 0,473
Dominican Republic 0,771 Eritrea 0,467
Belize 0,770 Senegal 0,462
Georgia 0,768 Rwanda 0,455
Jamaica 0,768 Gambia 0,453
Πηγή: United Nations Dev elopment Reportselopment Programme's/ Human Dev
9. ---------------ΕΤΟΣ 007---------------
N
PED)
.D.I. >=0.90
G)
8<=H.D.I. <0.90
2
VERY HIGH HUMA
EVELOPMENTD
(OR DEVELO
H
Norway 0,971
HIGH HUMAN
EVELOPMENTD
(OR DEVELOPIN
0.
Bahrain 0,895
Australia 0,970 Estonia 0,883
Iceland 0,969 Poland 0,880
Canada 0,966 Slovakia 0,880
Ireland 0,965 Hungary 0,879
Netherlands 0,964 Chile 0,878
Sweden 0,963 Croatia 0,871
France 0,961 Lithuania 0,870
Switzerland and Barbuda0,960 Antigua 0,868
Japan 0,960 Latvia 0,866
MEDIUM HUMAN
EVELOPMENTD
(OR DEVELOPING)
5<=H.D.I. <0.80
PING)
.D.I. <0.500.
Armenia 0,798
LOW HUMAN
EVELOPMENTD
(OR DEVELO
H
Togo 0,499
Ukraine 0,796 Malawi 0,493
Azerbaijan 0,787 Benin 0,492
Thailand 0,783 Timor-Leste 0,489
Iran 0,782 Côte d'Ivoire 0,484
Georgia 0,778 Zambia 0,481
Dominican Republic 0,777 Eritrea 0,472
Saint Vincent and the
inesGrenad 0,772 Senegal 0,464
China 0,772 Rwanda 0,460
Belize 0,772 Gambia 0,456
Πηγή: United Nations Development Programme's/ Human Development Reports
ΥΜΠΕΡΑΣΜΑΤΑ
τους παραπανω πίνακες μπορούμε να εξάγουμε τα εξής
καταλέγονται τα κράτη του νότιου
τον οι
υρωπαϊκό χώρο, με
β ε
Σ
Συνοψίζοντας
συμπεράσματα.
1) Εξετάζοντας γεωγραφικά τις περιοχές θα παρατηρήσουμε ότι στα υψηλά
ανεπτυγμένα (0.80<=H.D.I.<0.90) και πολύ ανεπτυγμένα κράτη (H.D.I.>=0.90),
κατατάσσονται κυρίως οι χώρες του βόρειου ημισφαίριου, ενώ στα λίγο ανεπτυγμένα
και υποανάπτυκτα κράτη (H.D.I.<0.50) συγ
ημισφαίριου και κυρίως οι αφρικανικές χώρες.
2) Στις πολύ ανεπτυγμένες χώρες (H.D.I.>0.90), εμφανίζονται ως επί το πλείσ
βιομηχανοποιημένες ευρωπαϊκές χώρες, οι ΗΠΑ, η Ιαπωνία και η Αυστραλία.
3) Η πλειοψηφία των κρατών με H.D.I.>=0.80 προέρχεται από ε
τις όρει ς Ευρωπαϊκές κοινωνίες να ξεχωρίζουν στην κατάταξη.
4) Στα μεσαία ανεπτυγμένα κράτη (0.50<=H.D.I.<0.80) παρατηρείται έντονη
διακύμανση, καθώς στις 10 πρωτες θέσεις δύσκολα θα διακρίνουμε τα ίδια κράτη
διαχρονικά, εν αντίθεση με τις υπόλοιπες κλίμακες όπου η κατάταξη και οι
γεωγραφικές περιοχές από όπου προέρχονται τα υπό εξέταση κράτη είναι περίπου οι
10. ίδιες κατά τη διάρκεια των ετών. Σε γενικές γραμμές, θα μπορούσαμε να
συμπεράνουμε ότι στην κλίμακα αυτή κατατάσσονται οι χώρες που προήλθαν από
την διάσπαση της Ε.Σ.Σ.Δ., οι περιοχές της Μέσης Ανατολής, οι χώρες τις
ς χώρες (H.D.I.<0.50), όπου παρουσιάζεται τάση
ταθεροποίησης ή/και μείωσης.
ΑΡΑΡΤΗΜΑ
ολουθεί παραθέτουμε την τιμή του H.D.I. καθώς και την σειρά
ατάταξής της.
Θέση ς
Θέση
Ανατολικής Ευρώπης αλλά και οι χώρες της Λατινικής Αμερικής.
5) Οι ανεπτυγμένες χώρες έχουν τάση αύξησης του δείκτη σε αντίθεση με τις λίγο
ανεπτυγμένες και υποανάπτυκτε
σ
Π
Στην παρουσίαση αυτή δεν θα μπορούσαμε να παραλείψουμε την θέση της Ελλάδας
στον παγκόσμιο χάρτη. Παρόλες τις δυσκολίες που μπορεί να αντιμετωπίζουμε κατά
καιρούς, κατέχουμε ικανοποιητική θέση διαχρονικά στην παγκόσμια κατάταξη. Στον
πίνακα που ακ
κ
H.D.I. / Ελλάδα
Έτος H.D.I.
1997 0,867 27
1998 0,875 25
1999 0,881 23
2000 0,895 23
2001 0,892 24
2002 0,902 24
2003 0,912 24
2004 0,921 24
2005 0,935 23
2006 0,938 25
2007 0,942 25
Από τα δεδομένα του πίνακα διαπιστώνουμε ότι υπάρχει τάση προς αύξηση του
δείκτη διαχρονικά. Επιπλέον, από το έτος 2002 και έπειτα η Ελλάδα συγκαταλέγεται
τις πολύ ανεπτυγμένες χώρες.σ
11. Καμπύλη Προσαρμογής.
το μαθηματικό υπόβαθρο ώστε να μην γίνει δυσνόητη η ουσία
αι στα δεδομένα του ΑΕΠ. Η μορφή της εκθετικής
ιαίτερα αποτελεσματικά διότι εμφανίζουν έντονες
έλου θα χρειαστούμε το Excel 2003 (ή κάποιο
l τα δεδομένα (Έτος και H.D.I ) της Ελλάδας που
ούμε μια περιοχή κελιών 5 (γραμμές) x 2 (στήλες). Καλούμε την συνάρτηση
τυπώνω True ώστε να εμφανιστούν όλες οι
ήλες) που έχουμε επιλέξει, ο
ίνακας που θα εμφανιστεί περιέχει τα εξής δεδομένα:
Στην τελευταία ενότητα του παραρτήματος θα παρουσιάσουμε μια τεχνική η οποία
είναι αρκετά κατάλληλη στην εκτίμηση και προσαρμογή των δεδομένων του H.D.I..
Δεν θα αναπτύξουμε
της τεχνικής αυτής.
Έχει παρατηρηθεί από μελέτες καθώς και από πραγματικά δεδομένα και πειράματα
ότι το ΑΕΠ και το κατά κεφαλήν ΑΕΠ παρουσιάζουν ένα ρυθμό μεταβολής ο οποίος
είναι παρόμοιος με την εκθετική μεταβολή, ήτοι μια εκθετική καμπύλη είναι
κατάλληλη ώστε να προσαρμόζετ
καμπύλης είναι η εξής: Y= a*emx
Στη σχέση μας, μια από τις μεταβλητές του δείκτη H.D.I. είναι το κατά κεφαλήν
Α.Ε.Π. Σκοπός μας λοιπόν είναι να εξετάσουμε αν μια εκθετική καμπύλη είναι ικανή
να εκτιμήσει τον H.D.I. Το υπόδειγμα που θα χρησιμοποιήσουμε έχει εκτιμηθεί με τα
δεδομένα της Ελλάδας, ωστόσο το ίδιο μοντέλο και τεχνική μπορεί να εφαρμοστεί
για τις χώρες που εμφανίζουν H.D.I.>0.80. Για τις υποανάπτυκτες χώρες ένα τέτοιο
υπόδειγμα δεν θα λειτουργήσει ιδ
διακυμάνσεις στα δεδομένα τους.
Για την εφαρμογή αυτού του μοντ
νεώτερο). Τα βήματα είναι τα εξής:
1) Εισάγουμε σε ένα φύλλο Exce
φαίνονται στον ανωτέρω πίνακα.
2) Επιλεγ
Logest.
3) Στο πλαίσιο που εμφανίζεται, στο πεδίο ‘’Known_’y’s’’ επιλεγώ τα δεδομένα του
δείκτη H.D.I, στο πεδίο ’’Known_x’s’’ εισάγω τα δεδομένα για το Έτος. Το πεδίο
’’Const’’ το αφήνω κενό ενώ στο ’’Stats’’
απαραίτητες στατιστικές πληροφορίες.
4) Πιέζω μαζί τα ‘’Ctrl‘’ ‘’Shift‘’ και μετά το‘’Enter‘’ και υπολογίζω την εκθετική
καμπύλη. Στην περιοχή κελιών 5 (γραμμές) x 2 (στ
π
12. b (Συντελεστής b) a (Συντελεστής a)
se(b) (Τυπική Απόκλιση Συντελεστή b) se(a) (Τυπική Απόκλιση Συντελεστή a)
R2
(Συντελεστής Προσδιορισμού) se(y) (Τυπική Απόκλιση των τιμών της Υ)
F (Στατιστική τιμή κατανομής F) deg-F (Βαθμοί ελευθερίας της F)
SSR (Άθροισμα τετραγώνων της παλινδρόμησης) SSE (Άθροισμα τετραγώνων των σφαλμάτων)
. Με
γίνει η κατάλληλη προσαρμογή ώστε
αρατίθενται στον κάτωθι πίνακα (με έντονο μαύρο είναι οι συντελεστές a, b,
2
).
ς προαναφέραμε το Excel έχει
ο υπόδειγμα λοιπόν μπορεί να εκφραστεί ως Η.D.I.= 0,00000002761*e0,0086x
Αυτά που μας ενδιαφέρουν κυρίως είναι οι συντελεστές a ,b και ο συντελεστής
προσδιορισμού R2
, ο οποίος δείχνει τον βαθμό προσαρμογής της καμπύλης στα
δεδομένα. Οι τιμές που λαμβάνει το R2
είναι στο διάστημα (0,1). Όσο πιο κοντά
είναι στη μονάδα τόσο καλυτέρα προσαρμόζεται η καμπύλη στα στοιχεία μας
τους υπόλοιπους συντελεστές δεν θα ασχοληθούμε στην παρούσα μελέτη.
Ένα ακόμη σημείο στο οποίο πρέπει να εστιάσουμε την προσοχή μας είναι ο
συντελεστής b. Το υπόδειγμα της εκθετικής καμπύλης έχει την μορφή Y=a*emx
.
Στον πίνακα των συντελεστών που εμφανίζει η συνάρτηση Logest έχει
υπολογιστεί το em
, δηλαδή ο συντελεστής b του παραπάνω πίνακα είναι στην
πραγματικότητα το em
. Θα πρέπει λοιπόν να
να δημιουργηθεί το υπόδειγμα. Y= a*emx
.
Από την εκτίμηση με τα δεδομένα της Ελλάδας υπολογίσαμε τους συντελεστές
που π
R
b=1,008682 a=2,76083E-08
0,000378 0,757409988
R2
=0,983052 0,003967919
522,0413 9
0,008219 0,000141699
Αρχικά θα αναπροσαρμόσουμε τον συντελεστή b. Όπω
υπολογίσει το b=em
. Άρα em
= 1,008682 m=0,0086.
Τ