!"!"!!#" $ "# % #" & #" '##' #!( #")*(+&#!', & - #% '##' #( &2(!%#(345#" 6##7

Save this PDF as:
 WORD  PNG  TXT  JPG

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "!"!"!!#" $ "# % #" & #" '##' #!( #")*(+&#!', & - #% '##' #( &2(!%#(345#" 6##7"

Transcript

1 !"!"!!#" $ "# % #" & #" '##' #!( #")*(+&#!', '##' '# '## & - #% '##'.//0 #( &2(!%#(345#" 6## #% # 8 #"" % & - #% '##'9*&

2 #!( #")*(+&#!', ' # 5#" 6##:&2(!%#(39 '##9;#!3#"3 (% (! '#" ""''#"!#'!!'"' #%8#3 2%"# <==>+.//<9!##3%"#? "'!'!8#''# #'##'% #?#"3 9 "!'2'#9""''#"!#'!!''# " ## #" ( 6 %2 '! 9# ( (% %#""'!'(#"!#'!%#( #6 62 #6 9(%$##"#!8 #" #!# # ( #!#'!%#( # ' #+%#(!(!2 #! ' %( ' #" "'! '!8##'##'% #?3 25#?( 9! # ##(!2##""'!'(#"!#'! %#( ##!8 (%%'( #! %? 6'9!#%!! 62 (%##" ' ' #"!' 6 # ' #+%#(!(! (! '#" ' %!#?+ %#( #?!%##"!! (!!%!#'!%#( 3 "# ##"# ""''!' 6 #"8##"# ('#2

3

4 ; & * << %#(!% ' << + "# #! %#(!!# <0 '#"$!8%"'!'' <B &A; <C '!(' <C &##!#% <D ' # <= '!! < 5 & # '!#! &##!#% B ' # E '!! D & & F &##!#% ' # '!! B && >

5 A " # $ &! % '

6 *; A& #"!!9?#!!3#3(# #"# %&!?#?# '?#!( ( "# 2?#3 '?# 3# #"# F %9 #?39 # #"# %%# '## 2 9? # 6 ' % #; 3" #'!!""'"# (!!!? '#!!'#6!"! '##2 & '! 3 # ( '39 9"# '# % # %!! #'#"? %2

7 ()&*+,(*) %" '#"'#"!'"'3?"'#%!%!# '! " # #( #2 (!(!?'32#! #" %#(!"' #!!#? 3 # #( ""'(! '##""'!'!8#2#!?'3#"?!'3 #" '9 G'( ' ' #" % '#9!6 ( #!#" %#"""!(!922?!'%###! #(""!(!#"%#( 9!'3#" #(#"#!#'! % # 6 6 (!#" ( %!'3#"#(## ' ""''#"!' 6 2 % "# <==>+.//<9 (%9" 9?"'! '!8#''# # '##' %#?#"3 2'#9""''#"!#'!!''# " # ##" (6 %2 '! 9# ( (% %#""'!'(#"!#'!%#( #6 6 2 # 6 9 (% $##" #!8#"#!## (#!#'!%#( #' #+ %#(!(!2

8 @ ; #'# #"?#!!''# "## #!(!#"%#( 2 '!(!%"" % #! '#'%!' #!'2 #(# $#? '##' G"'#"# (%' ' ' #"%#( 9? '##' #! 6"# %( #"%#( '!(!? '!8##""'! % #!! # " "# (!?#!(? %( %#% '! # ( 2'##'# #""'!"!#? $#2! %#" (!##" # #""'!"!9? %!!%#( (#! #3""' ""'(!' '##' '# # '#!!'( " '#" '#2''#(?#G# %#! " #!!#'( ( #!#"%#( 2 ; ##"%#( (##68?!!+ %#" 9G"'#"# "'!'!8# %"#? 2 '###"3#"!'%## #'###+? 9 ' # #!#'!%#% '! # # '"' #!#% #2'?'!%#( 3!! #!"#!!#'# # ' #(##"!#'!!'%##9 '#! #!!#' # '"#!#%!#'!9?!""!#'!("" '#!!'('#' %$$!#"!'%##2.

9 "% <!! "" # '!8% #!"# #(##"!#'!!'%##4#?9;!9<=DB7: $ - x u z v y MRT MRS MRS MRS B A A G 0 G 0 B G 0 G #?#!#'!99#" %!"# "# ""!(!#"!'%##A H& ' (4I972 %!'##" #(##"!'%##A#'#9 ' #!#'!$!#&29#!##"A A " #'? %!" $!# %!'#9 ###"A / A / 2'!%#( '#!# #(!(! G 0 #"?' " '## ( % %! '#' #!#'! $!#( % %!"2'!(!#"!' %## #(#!#!!?%!#?'! '##"# #! #(##"!'%##? (!#!# 4<=EB72 '##!!#'##"!'%## #""'"#!#" %! #"#? (!' %## "#!! % (! %! #" 0

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

16 " ('2),!'%##4?8 ## (!#? %!'##" #'#7 #!!! %%#( #!2 "# 9 #!"# #(# " #'!%#( 2!!'?'!(4( '!!% 7!# (4# 8#!!% 7 #!#"%#( 2"#?!' '!! K # %2%% 8 #"?# 38#"( '!!% ('?!! '## #" '!2 ""'"# # 8#!! % ('?!!'# #%!8##" # '# ""' 6! #'# # ' ' '#!#%?!! '# #?! (!!2 5#?( 9 ""' 6' # "! %"'2 # % #?! '#'#"# # 8#!!% " "!!9'##'? # 8#!!% ('2 </

17 & * % " '#" ' #" %#(! "'!!#?"'#% '! " # #( # 2 5#?( 9!# %# #'%2 "#!!#?%'? ' #" 3 - %#(!"'! 9(!# (!?'32 # ''# %#?!#.//<%##"3 9% #"3 '##"%!#'!%2#'!%'! %#" ###!'#" 9.B#! %9 %#"?#'? '! 9!*( (##!9 BDD # %9 </B%#"' #%#"!#'!!"+%#( '2%#" (!!%9!#?'# '#%8%#"!#'!!"+ %#( '2 ' #"% #"%.2 '#'#"#!8#" #!(###"# # #!#!!# #' ""'' ""'(#"!#'!!'6 2&'# "' #! ##!(2<=>/-<=C/-'! "#?! (!? '##2!#" "#? '##" #"!#? #! (## '#2 #9 3 #"'#? " # <0DD #.CE!#" "# #"<=CB2A #"'#' " #.B.CD #DE<B % "# #"<=>C+<=>D9 %!;!K" #<0D0# <<

18 B/. #'#"<=C. "# 2; #'#"!%##" '#?(#! 9 "# #% (!#?!2!% - ##!%#"3 ##!#'!%#"3 %#"3 ##! %#" ##!%#"! %#" #" %"''?% #"! ##!% #"# %#"#"!%"'' *(?% #"# %#"#?#" #%"'' (##! #"'#'!" #.>>0#.0E= #%<=><+<=C<2 ' #"'#(' %2 6 #";#!3(8#" #! (#9?'' '##"# ""'%#( '9#" #E#> ##!23!#</2E#!#'!G '#4 DCM #"#! 7(!E##!2'!!9#!"#"!! (!!%!G '#3?#!"!!# #"'!#'! <.

19 !'6 9("!!6 (? #?!" "# 2 # 9 '!<B/#" ###"3 9' (!!%9!# #? %"#!"+%#( '2 ' 3 0/# #!9 #"'# (!#'!%#( #!! ' 2 ##!!#?#!(#!!%##" #!2 "# 9 "# "# #" (+ #!3 6%2./#?'3#" %#(! % # #( " ##"'% ' #"!#'!%#( 25#?( 9 #! #" %#(!!# 6 (? %( ' #"!#'!%#( "# ###" % #2 '""( '# '#2 9? #'! +'!'#' % ##" 6 #!? #!!#'! %2!!'3#" #!"# #(##"!' ('2 #$!9? #(#+""'(!2 96 #!?!( #!#'!%#(?# #(%?'# #% ( # '2 9 %#(!!!? #" # #" #!? ""!(! #" %#(?##!2# 6!93 %? # #! %9?! 6 ##""'9'#! ' % #""'? "'!#'!%2 <0

20 '#9 G# #"!#'! (?"# " # #! 69 # #" '% ( 2 "# 9!#'!%#( ### #! #"# ' (#!#"!#'! (!#% #25'9? # '("#!#'!%#( # 3 ""# # 6 ( 9'' '! (%(!# '##" (#!#" " " ##!%6 2 9? # ' ##" %#(! " 2 ##''!#" G'( #" "" '?"# '(#!#"!#'!6 (2' '''#!!!#'! # ##( ' (#!#"!#'! 6 #!(#!#"!#'! (2#'( 9!#'! # ##?# 3 "'!! ' ""9 # #+""' % " ' 2 #$!9 # ""' '#" #(##"!' ('#?#!2 0 "# #" % "# $!8# #" "'! ''?!#'!%#( '! " #!'?!! 6 %'2? #" "# %#( % "" #! '9'? % ""'2 "# ###" % # (#"!#'!%#( '##" #" (9!9"69#? %!%2 6!#'! (? #! 6 (? % # #! %#( 9"# 6!9 #"6#"!#'!!#? 2? 6 ('# 6!(# '"'!#'! '(9 ' ( %9 3%2%!%6? (# '"#!!!(! <B

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

22 '#"$!8% (#6 %6"# "# ' %"' '("#!#'!%#( #'#!!' "" 69 ' % ""#!#'! # #'#!!'% 69! #" %!%6?!""# #! " 2 # # ( # #" (?!( #?!(! #" %#( #% '! 6 #"#625#?( 9 '' # 9'-6'#!!'# G'#! # # # '!%#(?'!# # #!?'!(?# <===72 9'#!!'# #" 6 '#' ""# #'#!!'%#6(% "# #!# 62 # '#$'#" (#!!#" 6?' % # # # ""'(#"!#'!!'"'!#'!%#( "'%!(! #"' '% (# '"# 6 #2! 6'(!'%9!#'!%#( #?!!"# # ""#!!(!#"!'6 2 #'#'!9' % "# 3 # #% (!#2!#%$!# ( #%!#" "# 9? #!#(!'## ''$#"?'#" %#% "# 2 <>

23 &A; 5 # 6##" %#(! ' ' #'# (!" '#!(!#""'!'!8#!8(!#% '# 2#"4<=DE7#?( % #"#! %#( % #!!' 6 '# 0E '!8'# 9?!(!#%'# '#!<< '2 # 9 #"!' (!(!#" '!8# (!#%'#?! </ '2 ' #% (' 6 #%'#!#?!(!#"'##'(!##" '# % #""'!'!8#2 (! '! #'#""'!'!8## '##'% #?2 % # 4<==D7 "# "#! C/- "# "'! '!8# '!! ' '##'% #?2 (###4<==D79%"# B>(!#%(!#'# 9 ("# "'! '!8#! # '##'% #? (!#%'# # %"'!? #"# (!# '# 2 # #" <==.+<==>"# 9 ## &# 4.//.7 #( (' "'! '!8#'# # '##' %#?2!#% '!!#'#""'!'!8##!#'! '##'% #? %#9? 6' ## #( <C

24 !#9!%# '##" # #""'!"!9#! #(2 1 # ##" % #?! # '$2G# #"# #!## "'# "!' '# # ( # '% (2 ##" # % #?!!! 2 #9! # '" "6# # ""' #!( #!#)"6,) #""',' '#" #!#"'# #(!2# #"#! # # '##" ##" '#""'# '!(! % #"#!! %# #?% ## #" '!##"#!2?9# #"# '#+'#?#!(!'## 2!#% 5# 4<=D>7 %% #""6 ""' #! '?! 6 #!#9? #? # ""' #!9 #!%(# ""''#""''# #"6""' #!2 5#?( 9 #! (!! # '#!#? # ""' # 2!#"'#""'2 5'"'##''3"# #!2' G'#'#""' #9? #"6""' #2!!9 " + ''!! ##" %"''#" %#""'9# #!!"#!##!#?' %(# ""'''# #"6""'#!2 <D

25 #! '"'##" # 4# <7 #" "#!!#?% "# : econ = growth fiscal control f, decentralization variables 6': economic growth fiscal > 0 decentralization + # ##"##"#<!'! # (#"# #9! <==D+.///9 2 '#+'##'##"# (#"#.B#!###!'#" 2 "# (!#""'! '!8# #" # '!! ""' 6 ##" 3 9 "# '##'% #? " # & #" '## '# #! (! 3" # ##3#"##"'2 (!922 %#9! '%'%!% #(!+%(#!2! #6 #"#? ('##! (#"#!2 "!''!8## (2 #? ( '! ('#!!'" #!#'! 6 "9 "66!# (" #6 #"G# 6%#!#'! %#( 2##! ( "!'#! ('#!!'6 ##"3 '#!2 <=

26 #'# #!"# '##'% #? %#9"#!!#?%(! '! ## #!2 "'!G"'##"#+'!'!% #?#?' '!##"'!#!( #!#"% # '!!#!!#?"# #%#'##'% #?2 '##'% #? #?#'#"'!2 # "(#! '##'!%!'## %#"# (!#9 #?!' '##9 '# % # '##'% #?2 "# 9? '! #6(! '# #!"# (!#2 (! '# ' #"!! ###"!# %#2 ##" % '##'# #' '!"'#!%# '##"'##2 "#?'!! '6 #6"# "!#(!#'# #!"# # #""'2 # "!' '! " #'' '## % # (%#9?'! #"$'##2 (##" %!% '!! '# 2 ;!# '! (! #'# #!"# '"' '###" %#2 # #"'?#!#!##" %#2./

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

28 #'# #!"# "!'#"#!4#?#!!#!(% #!#" #+# #" 9 9 #!(% #!#" #! #'#!#79? #' '"' (! # " '"'#2! # ##" (# '#""'#(!#""'!'!8#!#'! %"''9!#% %(2 6'!##" #+%"'(! '#!?(!#"# ##'% 2 #9 #! #(9? % #"!? '! "'! '!8# '!!!%!! # '##'% #?#" %#3 2..

29 % 5 & "# '#"!#'!%#( '!#!? '(# "!"! ""'(! "'# #!2 '? #'? ##" %#"!#'!%#( 3 # #!8 ( %#9? ' #" ' '( # (!##"'( %#2 '# # '!G"'#"# 6'#""'!'( "#!#'!%#( 2(!##"#!## '! "?# 3(!# (34<==D72 # '"#"!#'! G '#?# #!( "#!!#?% 68# #!: max cp + BG'# P T + ϕg( P) y( B) P, B '" ( # 68! '##%!(!#"!'%## #(#!(!#" %!##" (&2 '( ( "" # 6'( %!#&9 ' %(## # '( #"" 6'%"#!"" # %!#4 % #9!'%9( # '#72 '"!#% #!'! "" # #(##"!'%##9%(2; '(( '"(!% 2 #(##"!' # 'G'.0

30 #'# #"(!!% ('! " " #'! %#( #"'##! 6 (9 ϕg( P) y( B) 9!" "#!#'!2 # #" '#!!' 6 (!#'! g( P) y( B) ' % % &2 /Nϕ O< "!' %#""'! '(9 22!#" '" # 6 ( %2'!# ϕ #8 #9?3 "'!'(#" '"# (9?!'!# ##9 #% '(2 9?(!#""#!!#?% ###: ###<2 B ϕ < 0 ###.2 P ϕ > 0 ### " %#""'! '( #( '#!(!#"!'%## #(#9!# #% "'! '( '!(!#"""' %!#'"2 3% # '# # #! #"!'3 #" '( #"!#'! %#( # (?? ' ' 09!%# # '!"?# 3#!#(9?#86'#"?3 "'!'(3 "# #"% "#.///9 %#""'!'(".///2 1 ##4#.7?!#!'$?' (#' #! '"'##" " #" # #" "#!!#?% "# :.B

31 shared = revenues own _ revenues own _ revenues control f,, 94.2<7 before _ 2000 after _ 2000 var iables 6': ( shared _ revenues) ( own _ revenues) 0?#! '#"'( ( shared _ revenues) ( own _ revenues) 1 '#"'(2 '# #" #. # #!#" "#!!#?% '"'#: growth _ of = sin _ bu ess activity strength _ of control f,, _ var fiscal incentives iables 6': growth _ of bu sin ess _ activity strength _ of > 0 fiscal _ incentives + # ##.9#""# <==>K.//< "# " #"#9?!%<==>K.///"# '# #" 2 ' #! '! (!?' ' '%? 9##"! "# '#( "( "# #'# #%!2 ' #+'# # '! "#.B 3 #!2 '#"*( (##! 6'!2.E

32 !#% 3!%!# $ %#" ' ##! %9##!" #%! 2# (#"# ###!'#"?!#6'!"# '#!#" "# %#? %2"# #? (#"!#'! %#( %#( 6 #" #'!! ""'9 "# # '# #!(!" # ' #2 ; #'?G"'##" #6(!"# '! ##"#!2 #!.2<2 " #6"# (9!!# (%#!#'!%#( # #? (2?# ##'##% #6?!!'"#! "# 2'"# ## ' #3 9 ( #6 " '#( #! #" '#'#" ( %2# 9#? ( #6??#'# #" (?' #? 2?# G"'# #"#!!#??2 9 # %! #? #" (9' ("" (#!!"# "" #"# "" %#2'# # '!##" (" #6?""!(!#" %#( # ( #'#!!'# ' "' "# # %#!# ( #? 2 9 #% 9?!(!#'!%#(?#! (" #!#'! 6?''# 6!!! #"!#'! %#( - (2 #"!? % "!'#" '% (#!!?!! "!' "!'#" 6 '(2.>

33 #'# #!"# "!'#"# "'# #!.2<2?#!# ( "!!"'# '## " 2;!#'! (!"# "" # 3 ''#"# ''% (#"!! %# '! 2 #'3#'%'(' #? "#? '! #!(!?' #'#"'% #? ( "# #.///K.//<2 #!.2.(! '% #"!! ##?# 3 %#2 (!'!'! ##" #"!! %## #"?# 3 2"#!(!3" # ##3.///#" 3 ##" '2 9? (! #6(! # %#""'! '(#"!#'!%#( # #? (2 (!?'3 (!#?'%#"#? (%( #"# %( %# #"%4'# #" #%'(79 #"''%(##%4'# #"?3'(7 < 2 #'%%#" " % ('#" #% '(2'''((!3(!#"#2 # #!"# "!'#"# "'# #% #?#"'( %# "# #% #'###!#"#!##" %# 4#'# #!"# 8#" %#7 (!"# #4#'# #!"# '"'"!'72 # 7# 844!9.C

34 "#!!#?%!? #"# #!.2<: &#!.2< &#!.2< '"< '".?(% /32 /3% /3% #!#.2BC >2>= 5 1=C '3243 2% 1=D +C>>= /%!2' 1== +<C.C< /'3!'! 1// '42 1//1/<P?( /3 /3% # <<<B. 4% ''22!)*+ $! '% ', '- 3333/%"'4/2/E7 3333/%"'4/2</7!!' #""'#!'"'#? G'"(# #""6 ""'59"6""''"'#? G'+ "(# #"##!#'$4'#!## 672 #!4#!.2<!<7##3#'# # '%'(' #" "# 9'#""'#'% #? ((!%('!!%"'2(!#" '#""' 4+/2<>7!#% # 6' # Q+<R/S2 5#?( (!''!# #8 ## # #"# ' '#" #%"'! '("#!#'!%#( # #? ("# #<==CK.//<2.D

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

37 %'(# (# %% (#"6 #?%("'# "# (!# %#2 0<

38 , & & F #'! # #!!# #" (G '#%# ""'!?'##2 '#$'9 #! 8#"!#'!%#( G '#R #!# '!!4# 7 '!! 0 2 1! "# #% #" '!! %"'!#?!#'! %#( G '# 8 "" "# '' ' '#" %#( 2 #! '! #"""''# #": ('#!!'#4#! (9 (#!#""" 69 '( " 7R J#"!' (' #(#4# #"'%# # #" ('#"''%# 7R J!#"!' (' 4 #!! '! 6 # ""!' ('7R ##"%#( # #4 (6 7R 0'#'#"#'#6!##!2#'# % 2 5#?( #' '!"# ##"#(!#2 0.

39 A#( "!'( # #" -!"2!! #"!! #! ""' #! % 2! #%!! #!#: - '# 6 9 (%9 '##' % #?#"G '#'2 ''!! ##!#% # "%#" "'#! '? "# '' ' ' %#( 8 #" (!2!%#( 8 '!'! # 6#""'#%# "# '' ' '$#2 + # ##" ##" #9 #!#? %#( 3 2 '# #(!!%#"#!"# #!#' "" #" 3 2 "# 9! (2#9! (!##!# #9 # #(!! # 3 2!?'3#" (%#!#% '# G# "# '(!#" %#( 9 # # '# #! "# # "'# "!'% %#( "# ' 6'"# %#( G '# 82 #!(! #"!2#9 # "'#!? #9?!! ' # %# ' #-2!!#? (%%!#?%#( G '# 8 ' "# '' ' ': (9!9'#'!! 6 9(#!#" " #G '#2 00

40 " # $.///.//<.//. correl coef with population size.! / ( +/2B0 +/20= +/2BB 5! +/2<E! +/2.< +/2.< +/2<. '#! +/2B= +/2E0 +/2>/ * " +/20E +/2<=!# % '!!622 "#!!#?% # # #" "'#!"# #" #! ' "!'#" %#( #!# 8# "# '' ' 'G#! 4#"# #(!79 4# "# G# %"''#" '! (!7(!#"G+$ 4 6!# #? #"#!72 ##" ), #! #" #' ' ' 8!#?2 0B

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

42 2 && 3 '! %#% "#?###" % #.//<2 ( #" "# # #% (!#2 %#!#"?#(!'#"""''#" #%8##"!#'!!'"'3 2 '! 9? # (%9" 9?"'! '!8#'#! '# #'##'% #?#"3 2'#9? # %#""'! '(#"!#'!%#( # #!8 ( ?(%$##"? #! 8#"#!## (#!#'!%#( #' #+ %#(!(!62 ; #!'%('#""'!'!8# #'##'% #?3 25#?( 9! # ## (!29?'3#"# #!%#"# "#!4 ##"<==DK.///72 ' # #!? (!#" ( '!8#9 " '#"!#?"'!'!8#'##'% #? ' ##" 6 '!8## '##' %#?2 ##" %#""'! '(#"!#'!%#( # #!8 (?%(G '#%%'( # 0>

43 !%? 6'9!#%!! 62 %9 ##"!#!#?' '#"#?3#" #6(!? #2 9 #('#""'!'(#"!#'!%#( # (!#3 %#2 (%# #" ' ' #"!' 6 # ' #+ %#(!(! (! '#" ' %!#?+ %#( #?!%##"!!(!!%!#'!%#( 3 "# # #" # ""''!' 6 #" 8##"# ('# 0C

44 A5 %##"3 94.//<72?#" 3 # % #"3 #"<==.+.//< (## 529 # 529 6!. 7 / 3 + 8! F#!#" '##'9B09..B+.EC94<==D "!9 229 <==C2 3%!2 F#! #" '##' B0+>B %#(! "# 3 #".//<2 *(9!!%#9.//<2 F9529J929;%229 * 6! 9 /! 89 4<===72 * # ;< *(:94<===7 3 ;!!9. # & ' '##'(?9ED9&9.0=+0/E9 4<=>D7 ## 39&# /.! 8+: + 8!# ;!8 F#! #" '##'9 E.9 =0+</D9 4.//.7 J929#!A2!! 8# &! 9 ' '##' (?9 DD9 <<B0+<<>.9 4<==D7!#9 22 #.! (? #" '##''90>90DC+ 0D=94<=EB7 #!9!9 8!.! # # : 7 =! ' 9 # #( 94.///7!9 2 9 )!! :. # / # ;8 > 3 9 A# %&# ( 9?# 3% "94.//.72 +&9 2! 9! 2&94<==C7 39 ; >! # /! '!! ""' J! # 9 J 9 <===9>BKCB #9!2 3 # :.! 2 F#!#" #!'! '##9>B9B<>+.B94<=E>7 %9 29 #9 59+"29 6 8!!. 7 F#! #"!' '##'9 >C4.79..<+ B/94<==D72 0D

45 (39 '( # #( #'!!' A##: '!!9!2 &#9 5 ( ( 9 <==D 0=

46 Appendix 1 Estimatin output for hypotesis 1 Random-effects GLS regression Number of obs = 75 Group variable (i) : region Number of groups = 25 R-sq: within = Obs per group: min = 3 between = avg = 3.0 overall = max = 3 Random effects u_i ~ Gaussian Wald chi2(7) = corr(u_i, X) = 0 (assumed) Prob > chi2 = ec_gr Coef. Std. Err. z P> z [95% Conf. Interval] sh_or hum_cap sme inc_ineq rpi av_wage urbanization _cons sigma_u sigma_e rho (fraction of variance due to u_i) Hausman specification test ---- Coefficients ---- Fixed Random ec_gr Effects Effects Difference sh_or hum_cap sme inc_ineq rpi av_wage urbanization Test: Ho: difference in coefficients not systematic chi2( 7) = (b-b)'[s^(-1)](b-b), S = (S_fe - S_re) = Prob>chi2 = Fixed-effects (within) regression Number of obs = 75 Group variable (i) : region Number of groups = 25 R-sq: within = Obs per group: min = 3 between = avg = 3.0 overall = max = 3 F(7,43) = corr(u_i, Xb) = Prob > F = ec_gr Coef. Std. Err. t P> t [95% Conf. Interval] sh_or hum_cap sme inc_ineq rpi av_wage urbanization _cons sigma_u sigma_e rho (fraction of variance due to u_i) F test that all u_i=0: F(24, 43) = 2.51 Prob > F = B/

47 Random-effects GLS regression Number of obs = 75 Group variable (i) : region Number of groups = 25 R-sq: within = Obs per group: min = 3 between = avg = 3.0 overall = max = 3 Random effects u_i ~ Gaussian Wald chi2(6) = corr(u_i, X) = 0 (assumed) Prob > chi2 = ec_gr Coef. Std. Err. z P> z [95% Conf. Interval] sh_or hum_cap sme inc_ineq rpi av_wage _cons sigma_u sigma_e rho (fraction of variance due to u_i) Hausman specification test ---- Coefficients ---- Fixed Random ec_gr Effects Effects Difference sh_or hum_cap sme inc_ineq rpi av_wage Test: Ho: difference in coefficients not systematic chi2( 6) = (b-b)'[s^(-1)](b-b), S = (S_fe - S_re) = 2.29 Prob>chi2 = Random-effects GLS regression Number of obs = 75 Group variable (i) : region Number of groups = 25 R-sq: within = Obs per group: min = 3 between = avg = 3.0 overall = max = 3 Random effects u_i ~ Gaussian Wald chi2(4) = corr(u_i, X) = 0 (assumed) Prob > chi2 = ec_gr Coef. Std. Err. z P> z [95% Conf. Interval] sh_or sme rpi av_wage _cons sigma_u sigma_e rho (fraction of variance due to u_i). xthaus B<

48 Hausman specification test ---- Coefficients ---- Fixed Random ec_gr Effects Effects Difference sh_or sme rpi av_wage Test: Ho: difference in coefficients not systematic chi2( 4) = (b-b)'[s^(-1)](b-b), S = (S_fe - S_re) = 1.04 Prob>chi2 = Random-effects GLS regression Number of obs = 75 Group variable (i) : region Number of groups = 25 R-sq: within = Obs per group: min = 3 between = avg = 3.0 overall = max = 3 Random effects u_i ~ Gaussian Wald chi2(9) = corr(u_i, X) = 0 (assumed) Prob > chi2 = ec_gr Coef. Std. Err. z P> z [95% Conf. Interval] sh_or hum_cap sme inc_ineq rpi av_wage urbanization d_ d_ _cons sigma_u sigma_e rho (fraction of variance due to u_i) Hausman specification test ---- Coefficients ---- Fixed Random ec_gr Effects Effects Difference sh_or hum_cap sme inc_ineq rpi av_wage urbanization d_ d_ Test: Ho: difference in coefficients not systematic chi2( 9) = (b-b)'[s^(-1)](b-b), S = (S_fe - S_re) = 3.92 Prob>chi2 = Random-effects GLS regression Number of obs = 75 Group variable (i) : region Number of groups = 25 R-sq: within = Obs per group: min = 3 B.

49 between = avg = 3.0 overall = max = 3 Random effects u_i ~ Gaussian Wald chi2(8) = corr(u_i, X) = 0 (assumed) Prob > chi2 = ec_gr Coef. Std. Err. z P> z [95% Conf. Interval] sh_or sme inc_ineq rpi av_wage urbanization d_ d_ _cons sigma_u sigma_e rho (fraction of variance due to u_i). xthaus Hausman specification test ---- Coefficients ---- Fixed Random ec_gr Effects Effects Difference sh_or sme inc_ineq rpi av_wage urbanization d_ d_ Test: Ho: difference in coefficients not systematic chi2( 8) = (b-b)'[s^(-1)](b-b), S = (S_fe - S_re) = 2.94 Prob>chi2 = Random-effects GLS regression Number of obs = 75 Group variable (i) : region Number of groups = 25 R-sq: within = Obs per group: min = 3 between = avg = 3.0 overall = max = 3 Random effects u_i ~ Gaussian Wald chi2(7) = corr(u_i, X) = 0 (assumed) Prob > chi2 = ec_gr Coef. Std. Err. z P> z [95% Conf. Interval] sh_or sme inc_ineq av_wage urbanization d_ d_ _cons sigma_u sigma_e rho (fraction of variance due to u_i). xthaus B0

50 Hausman specification test ---- Coefficients ---- Fixed Random ec_gr Effects Effects Difference sh_or sme inc_ineq av_wage urbanization d_ d_ Test: Ho: difference in coefficients not systematic chi2( 7) = (b-b)'[s^(-1)](b-b), S = (S_fe - S_re) = 1.57 Prob>chi2 = BB

51 APPENDIX 2 Hypothesis 2 (Stata estimation output) Model 2.1a Random-effects GLS regression Number of obs = 120 Group variable (i) : region Number of groups = 24 R-sq: within = Obs per group: min = 5 between = avg = 5.0 overall = max = 5 Random effects u_i ~ Gaussian Wald chi2(6) = corr(u_i, X) = 0 (assumed) Prob > chi2 = d_sr Coef. Std. Err. z P> z [95% Conf. Interval] d_or pop d_ d_ d_ d_ _cons sigma_u 0 sigma_e rho 0 (fraction of variance due to u_i) Fixed-effects (within) regression Number of obs = 120 Group variable (i) : region Number of groups = 24 R-sq: within = Obs per group: min = 5 between = avg = 5.0 overall = max = 5 F(6,90) = corr(u_i, Xb) = Prob > F = d_sr Coef. Std. Err. t P> t [95% Conf. Interval] d_or pop d_ d_ d_ d_ _cons sigma_u sigma_e rho (fraction of variance due to u_i) F test that all u_i=0: F(23, 90) = 0.42 Prob > F = Source SS df MS Number of obs = F( 6, 113) = Model e e+10 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+09 Root MSE = d_sr Coef. Std. Err. t P> t [95% Conf. Interval] d_or pop d_ d_ d_ d_ _cons BE

52 Random-effects GLS regression Number of obs = 120 Group variable (i) : region Number of groups = 24 R-sq: within = Obs per group: min = 5 between = avg = 5.0 overall = max = 5 Random effects u_i ~ Gaussian Wald chi2(3) = corr(u_i, X) = 0 (assumed) Prob > chi2 = d_sr Coef. Std. Err. z P> z [95% Conf. Interval] d_or pop d_or_ _cons sigma_u 0 sigma_e rho 0 (fraction of variance due to u_i) Fixed-effects (within) regression Number of obs = 120 Group variable (i) : region Number of groups = 24 R-sq: within = Obs per group: min = 5 between = avg = 5.0 overall = max = 5 F(3,93) = corr(u_i, Xb) = Prob > F = d_sr Coef. Std. Err. t P> t [95% Conf. Interval] d_or pop d_or_ _cons sigma_u sigma_e rho (fraction of variance due to u_i) F test that all u_i=0: F(23, 93) = 0.17 Prob > F = Source SS df MS Number of obs = F( 3, 116) = Model e e+10 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+09 Root MSE = d_sr Coef. Std. Err. t P> t [95% Conf. Interval] d_or pop d_or_ _cons Model 2.1b Random-effects GLS regression Number of obs = 120 Group variable (i) : region Number of groups = 24 R-sq: within = Obs per group: min = 5 between = avg = 5.0 overall = max = 5 Random effects u_i ~ Gaussian Wald chi2(6) = corr(u_i, X) = 0 (assumed) Prob > chi2 = d_sr Coef. Std. Err. z P> z [95% Conf. Interval] d_or B>

53 pop d_ d_ d_ d_or_ _cons sigma_u 0 sigma_e rho 0 (fraction of variance due to u_i) Fixed-effects (within) regression Number of obs = 120 Group variable (i) : region Number of groups = 24 R-sq: within = Obs per group: min = 5 between = avg = 5.0 overall = max = 5 F(6,90) = corr(u_i, Xb) = Prob > F = d_sr Coef. Std. Err. t P> t [95% Conf. Interval] d_or pop d_ d_ d_ d_or_ _cons sigma_u sigma_e rho (fraction of variance due to u_i) F test that all u_i=0: F(23, 90) = 0.22 Prob > F = Source SS df MS Number of obs = F( 6, 113) = Model e e+10 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+09 Root MSE = d_sr Coef. Std. Err. t P> t [95% Conf. Interval] d_or pop d_ d_ d_ d_or_ _cons BC

54 Model 2.2 Random-effects GLS regression Number of obs = 96 Group variable (i) : region Number of groups = 24 R-sq: within = Obs per group: min = 4 between = avg = 4.0 overall = max = 4 Random effects u_i ~ Gaussian Wald chi2(5) = 6.38 corr(u_i, X) = 0 (assumed) Prob > chi2 = d_bus Coef. Std. Err. z P> z [95% Conf. Interval] inc pop d_ d_ d_ _cons sigma_u 0 sigma_e rho 0 (fraction of variance due to u_i) Fixed-effects (within) regression Number of obs = 96 Group variable (i) : region Number of groups = 24 R-sq: within = Obs per group: min = 4 between = avg = 4.0 overall = max = 4 F(5,67) = 1.41 corr(u_i, Xb) = Prob > F = d_bus Coef. Std. Err. t P> t [95% Conf. Interval] inc pop d_ d_ d_ _cons sigma_u sigma_e rho (fraction of variance due to u_i) F test that all u_i=0: F(23, 67) = 0.88 Prob > F = Source SS df MS Number of obs = F( 5, 90) = 1.28 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = d_bus Coef. Std. Err. t P> t [95% Conf. Interval] inc pop d_ d_ d_ _cons BD

55 :;., #. Source SS df MS Number of obs = F( 3, 90) = 3.34 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = trpc_02 Coef. Std. Err. t P> t [95% Conf. Interval] pop pop_ d_ _cons Ramsey RESET test using powers of the fitted values of trpc_02 Ho: model has no omitted variables F(3, 87) = 0.03 Prob > F = &< #; # 2000 Source SS df MS Number of obs = F( 5, 87) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = adm_pc_00 Coef. Std. Err. t P> t [95% Conf. Interval] pop log_pop pop_ pop_ d_ _cons ovtest Ramsey RESET test using powers of the fitted values of adm_pc_00 Ho: model has no omitted variables F(3, 84) = 1.13 Prob > F = Source SS df MS Number of obs = F( 5, 87) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = adm_pc_01 Coef. Std. Err. t P> t [95% Conf. Interval] B=

56 pop log_pop pop_ pop_ d_ _cons ovtest Ramsey RESET test using powers of the fitted values of adm_pc_01 Ho: model has no omitted variables F(3, 84) = Prob > F = //. Source SS df MS Number of obs = F( 7, 85) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = adm_pc_02 Coef. Std. Err. t P> t [95% Conf. Interval] pop log_pop pop_ pop_ pop_ d_ d_ _cons ovtest Ramsey RESET test using powers of the fitted values of adm_pc_02 Ho: model has no omitted variables F(3, 82) = 2.84 Prob > F = ;., #..//. Source SS df MS Number of obs = F( 2, 54) = 0.86 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = h_pc_02 Coef. Std. Err. t P> t [95% Conf. Interval] pop pop_ _cons ovtest Ramsey RESET test using powers of the fitted values of h_pc_02 Ho: model has no omitted variables F(3, 51) = 0.40 Prob > F = E/

57 ,;., # Source SS df MS Number of obs = F( 5, 76) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = c_pc_00 Coef. Std. Err. t P> t [95% Conf. Interval] log_pop pop d_ d_ d_ _cons ovtest Ramsey RESET test using powers of the fitted values of c_pc_00 Ho: model has no omitted variables F(3, 73) = 2.09 Prob > F = //< Source SS df MS Number of obs = F( 4, 79) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = c_pc_01 Coef. Std. Err. t P> t [95% Conf. Interval] pop log_pop d_ d_ _cons ovtest Ramsey RESET test using powers of the fitted values of c_pc_01 Ho: model has no omitted variables F(3, 76) = 3.68 Prob > F = Source SS df MS Number of obs = F( 5, 82) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = c_pc_02 Coef. Std. Err. t P> t [95% Conf. Interval] pop log_pop d_ d_ d_ _cons E<

58 . ovtest Ramsey RESET test using powers of the fitted values of c_pc_02 Ho: model has no omitted variables F(3, 79) = 2.02 Prob > F = " (6 '(%#( G '#8 trpc_ adm_pc_ pop pop 5!'! 6 '(%#( G '#8 h_pc_ c_pc_ pop pop 5!'! 6 '(%#( G '#8 ed_pc_ pop E.

ΟΙΚΟΝΟΜΕΤΡΙΑ 2 ΦΡΟΝΤΙΣΤΗΡΙΟ 2 BASICS OF IV ESTIMATION USING STATA

ΟΙΚΟΝΟΜΕΤΡΙΑ 2 ΦΡΟΝΤΙΣΤΗΡΙΟ 2 BASICS OF IV ESTIMATION USING STATA ΟΙΚΟΝΟΜΕΤΡΙΑ 2 ΦΡΟΝΤΙΣΤΗΡΙΟ 2 BASICS OF IV ESTIMATION USING STATA Στις ασκήσεις που ακολουθούν χρησιμοποιούμε δεδομένα για 3010 εργαζόμενους άνδρες ηλικίας 24 έως 34 από έρευνα που πραγματοποιήθηκε το

Διαβάστε περισσότερα

Stata Session 3. Tarjei Havnes. University of Oslo. Statistics Norway. ECON 4136, UiO, 2012

Stata Session 3. Tarjei Havnes. University of Oslo. Statistics Norway. ECON 4136, UiO, 2012 Stata Session 3 Tarjei Havnes 1 ESOP and Department of Economics University of Oslo 2 Research department Statistics Norway ECON 4136, UiO, 2012 Tarjei Havnes (University of Oslo) Stata Session 3 ECON

Διαβάστε περισσότερα

ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ ΔΕΙΓΜΑ ΟΙΚΟΝΟΜΕΤΡΙΑ Ι (3ο Εξάμηνο) Όνομα εξεταζόμενου: Α.Α. Οικονομικό Πανεπιστήμιο Αθήνας -- Τμήμα ΔΕΟΣ Καθηγητής: Γιάννης Μπίλιας

ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ ΔΕΙΓΜΑ ΟΙΚΟΝΟΜΕΤΡΙΑ Ι (3ο Εξάμηνο) Όνομα εξεταζόμενου: Α.Α. Οικονομικό Πανεπιστήμιο Αθήνας -- Τμήμα ΔΕΟΣ Καθηγητής: Γιάννης Μπίλιας ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ ΔΕΙΓΜΑ ΟΙΚΟΝΟΜΕΤΡΙΑ Ι (3ο Εξάμηνο) Όνομα εξεταζόμενου: Α.Α. Οικονομικό Πανεπιστήμιο Αθήνας -- Τμήμα ΔΕΟΣ Καθηγητής: Γιάννης Μπίλιας ΟΔΗΓΙΕΣ: Απαντήστε σε όλα τα θέματα. Απαντήστε με ακρίβεια

Διαβάστε περισσότερα

Estimation of gasoline demand function

Estimation of gasoline demand function Seminar paper in Panel Analysis Estimation of gasoline demand function Markus Pock Matr.Nr. 8900483 June 2005 Abstract The objective of this seminar paper in the course of the lecture by R. Kunst Paneldata,

Διαβάστε περισσότερα

Νίκος Πανταζής Βιοστατιστικός, PhD ΕΔΙΠ Ιατρικής Σχολής ΕΚΠΑ Εργαστήριο Υγιεινής, Επιδημιολογίας & Ιατρικής Στατιστικής

Νίκος Πανταζής Βιοστατιστικός, PhD ΕΔΙΠ Ιατρικής Σχολής ΕΚΠΑ Εργαστήριο Υγιεινής, Επιδημιολογίας & Ιατρικής Στατιστικής Νίκος Πανταζής Βιοστατιστικός, PhD ΕΔΙΠ Ιατρικής Σχολής ΕΚΠΑ Εργαστήριο Υγιεινής, Επιδημιολογίας & Ιατρικής Στατιστικής Η έννοια της στατιστικής για τον απλό άνθρωπο: Πολιτικές δημοσκοπήσεις (π.χ. το Χ

Διαβάστε περισσότερα

2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Η χρησιμοποίηση των τεχνικών της παλινδρόμησης για την επίλυση πρακτικών προβλημάτων έχει διευκολύνει εξαιρετικά από την χρήση διαφόρων στατιστικών

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΚΥΒΕΡΝΗΣΗ ΚΑΙ ΟΙΚΟΝΟΜΙΚΗ ΜΕΓΕΘΥΝΣΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΚΥΒΕΡΝΗΣΗ ΚΑΙ ΟΙΚΟΝΟΜΙΚΗ ΜΕΓΕΘΥΝΣΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ ΣΤΗΝ ΟΙΚΟΝΟΜΙΚΗ ΚΑΙ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΣΤΡΑΤΗΓΙΚΗ ΚΥΒΕΡΝΗΣΗ ΚΑΙ ΟΙΚΟΝΟΜΙΚΗ ΜΕΓΕΘΥΝΣΗ Η ΠΕΡΙΠΤΩΣΗ 12 ΧΩΡΩΝ ΖΕΡΒΑ ΚΩΝΣΤΑΝΤΙΝΑ

Διαβάστε περισσότερα

Lecture 8: Serial Correlation. Prof. Sharyn O Halloran Sustainable Development U9611 Econometrics II

Lecture 8: Serial Correlation. Prof. Sharyn O Halloran Sustainable Development U9611 Econometrics II Lecture 8: Serial Correlation Prof. Sharyn O Halloran Sustainable Development U9611 Econometrics II Midterm Review Most people did very well Good use of graphics Good writeups of results A few technical

Διαβάστε περισσότερα

ΕΚΤΙΜΗΣΗ ΤΗΣ ΠΟΙΟΤΗΤΑΣ ΖΩΗΣ ΑΣΘΕΝΩΝ ΜΕΤΑ ΑΠO ΕΜΦΥΤΕΥΣΗ ΑΠΙΝΙΔΩΤΗ

ΕΚΤΙΜΗΣΗ ΤΗΣ ΠΟΙΟΤΗΤΑΣ ΖΩΗΣ ΑΣΘΕΝΩΝ ΜΕΤΑ ΑΠO ΕΜΦΥΤΕΥΣΗ ΑΠΙΝΙΔΩΤΗ ΕΚΤΙΜΗΣΗ ΤΗΣ ΠΟΙΟΤΗΤΑΣ ΖΩΗΣ ΑΣΘΕΝΩΝ ΜΕΤΑ ΑΠO ΕΜΦΥΤΕΥΣΗ ΑΠΙΝΙΔΩΤΗ Δ. ΚΡΙΚΙΔΗΣ, Τ. ΔΑΔΟΥΣ, Δ. ΕΚΚΛΗΣΙΑΡΧΟΣ, Χ.ΚΥΡΠΙΖΙΔΗΣ, Ε.ΠΑΝΤΕΛΙΔΟΥ, Σ. ΣΑΒΒΑΤΗΣ, Μ. ΡΑΙΚΟΥ, Δ ΝΙΑΚΑΣ, Ι. ΚΑΝΟΝΙΔΗΣ Β Καρδιολογική Πανεπιστημιακή

Διαβάστε περισσότερα

Απλή Ευθύγραµµη Συµµεταβολή

Απλή Ευθύγραµµη Συµµεταβολή Απλή Ευθύγραµµη Συµµεταβολή Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata Εισαγωγή Ανάλυση Παλινδρόµησης και Συσχέτιση Απλή

Διαβάστε περισσότερα

Άσκηση 10, σελ. 119. Για τη μεταβλητή x (άτυπος όγκος) έχουμε: x censored_x 1 F 3 F 3 F 4 F 10 F 13 F 13 F 16 F 16 F 24 F 26 F 27 F 28 F

Άσκηση 10, σελ. 119. Για τη μεταβλητή x (άτυπος όγκος) έχουμε: x censored_x 1 F 3 F 3 F 4 F 10 F 13 F 13 F 16 F 16 F 24 F 26 F 27 F 28 F Άσκηση 0, σελ. 9 από το βιβλίο «Μοντέλα Αξιοπιστίας και Επιβίωσης» της Χ. Καρώνη (i) Αρχικά, εισάγουμε τα δεδομένα στο minitab δημιουργώντας δύο μεταβλητές: τη x για τον άτυπο όγκο και την y για τον τυπικό

Διαβάστε περισσότερα

Εισαγωγή στην Ανάλυση Διακύμανσης

Εισαγωγή στην Ανάλυση Διακύμανσης Εισαγωγή στην Ανάλυση Διακύμανσης 1 Η Ανάλυση Διακύμανσης Από τα πιο συχνά χρησιμοποιούμενα στατιστικά κριτήρια στην κοινωνική έρευνα Γιατί; 1. Ενώ αναφέρεται σε διαφορές μέσων όρων, όπως και το κριτήριο

Διαβάστε περισσότερα

Parts Manual. Trio Mobile Surgery Platform. Model 1033

Parts Manual. Trio Mobile Surgery Platform. Model 1033 Trio Mobile Surgery Platform Model 1033 Parts Manual For parts or technical assistance: Pour pièces de service ou assistance technique : Für Teile oder technische Unterstützung Anruf: Voor delen of technische

Διαβάστε περισσότερα

Αυτό το κεφάλαιο εξηγεί τις ΠΑΡΑΜΕΤΡΟΥΣ προς χρήση αυτού του προϊόντος. Πάντα να μελετάτε αυτές τις οδηγίες πριν την χρήση.

Αυτό το κεφάλαιο εξηγεί τις ΠΑΡΑΜΕΤΡΟΥΣ προς χρήση αυτού του προϊόντος. Πάντα να μελετάτε αυτές τις οδηγίες πριν την χρήση. Αυτό το κεφάλαιο εξηγεί τις ΠΑΡΑΜΕΤΡΟΥΣ προς χρήση αυτού του προϊόντος. Πάντα να μελετάτε αυτές τις οδηγίες πριν την χρήση. 3. Λίστα Παραμέτρων 3.. Λίστα Παραμέτρων Στην αρχική ρύθμιση, μόνο οι παράμετροι

Διαβάστε περισσότερα

+ ε βελτιώνει ουσιαστικά το προηγούμενο (β 3 = 0;) 2. Εξετάστε ποιο από τα παρακάτω τρία μοντέλα:

+ ε βελτιώνει ουσιαστικά το προηγούμενο (β 3 = 0;) 2. Εξετάστε ποιο από τα παρακάτω τρία μοντέλα: ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ, 6-5-0 Άσκηση 8. Δίνονται οι παρακάτω 0 παρατηρήσεις (πίνακας Α) με βάση τις οποίες θέλουμε να δημιουργήσουμε ένα γραμμικό μοντέλο για την πρόβλεψη της Υ μέσω των ανεξάρτητων μεταβλητών

Διαβάστε περισσότερα

Μενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 6 ο

Μενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 6 ο Παράδειγμα 1 Ο παρακάτω πίνακας δίνει τις πωλήσεις (ζήτηση) ενός προϊόντος Υ (σε κιλά) από το delicatessen μιας περιοχής και τις αντίστοιχες τιμές Χ του προϊόντος (σε ευρώ ανά κιλό) για μια ορισμένη χρονική

Διαβάστε περισσότερα

Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS

Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS Λογαριθμικά Γραμμικά Μοντέλα Poisson Παλινδρόμηση Παράδειγμα στο SPSS Ο παρακάτω πίνακας παρουσιάζει θανάτους από καρδιακή ανεπάρκεια ανάμεσα σε άνδρες γιατρούς οι οποίοι έχουν κατηγοριοποιηθεί κατά ηλικία

Διαβάστε περισσότερα

!! " &' ': " /.., c #$% & - & ' ()",..., * +,.. * ' + * - - * ()",...(.

!!  &' ':  /.., c #$% & - & ' (),..., * +,.. * ' + * - - * (),...(. ..,.. 00 !!.6 7 " 57 +: #$% & - & ' ()",..., * +,.. * ' + * - - * ()",.....(. 8.. &' ': " /..,... :, 00. c. " *+ ' * ' * +' * - * «/'» ' - &, $%' * *& 300.65 «, + *'». 3000400- -00 3-00.6, 006 3 4.!"#"$

Διαβάστε περισσότερα

Λυμένες Ασκήσεις για το μάθημα:

Λυμένες Ασκήσεις για το μάθημα: Λυμένες Ασκήσεις για το μάθημα: ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕ ΧΡΗΣΗ Η/Υ ΚΩΝΣΤΑΝΤΙΝΟΣ ΖΑΦΕΙΡΟΠΟΥΛΟΣ Τμήμα: ΔΙΕΘΝΩΝ ΚΑΙ ΕΥΡΩΠΑΪΚΩΝ ΣΠΟΥΔΩΝ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative

Διαβάστε περισσότερα

Αν οι προϋποθέσεις αυτές δεν ισχύουν, τότε ανατρέχουµε σε µη παραµετρικό τεστ.

Αν οι προϋποθέσεις αυτές δεν ισχύουν, τότε ανατρέχουµε σε µη παραµετρικό τεστ. ΣΤ. ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ (ANALYSIS OF VARIANCE - ANOVA) ΣΤ 1. Ανάλυση ιασποράς κατά µία κατεύθυνση. Όπως έχουµε δει στη παράγραφο Β 2, όταν θέλουµε να ελέγξουµε, αν η µέση τιµή µιας ποσοτικής µεταβλητής διαφέρει

Διαβάστε περισσότερα

Repeated measures Επαναληπτικές μετρήσεις

Repeated measures Επαναληπτικές μετρήσεις ΠΡΟΒΛΗΜΑ Στο αρχείο δεδομένων diavitis.sav καταγράφεται η ποσότητα γλυκόζης στο αίμα 10 ασθενών στην αρχή της χορήγησης μιας θεραπείας, μετά από ένα μήνα και μετά από δύο μήνες. Μελετήστε την επίδραση

Διαβάστε περισσότερα

TABLES AND FORMULAS FOR MOORE Basic Practice of Statistics

TABLES AND FORMULAS FOR MOORE Basic Practice of Statistics TABLES AND FORMULAS FOR MOORE Basic Practice of Statistics Exploring Data: Distributions Look for overall pattern (shape, center, spread) and deviations (outliers). Mean (use a calculator): x = x 1 + x

Διαβάστε περισσότερα

Σηµαντικές µεταβλητές για την άσκηση οικονοµικής ολιτικής µίας χώρας. Καθοριστικοί αράγοντες για την οικονοµική ανά τυξη.

Σηµαντικές µεταβλητές για την άσκηση οικονοµικής ολιτικής µίας χώρας. Καθοριστικοί αράγοντες για την οικονοµική ανά τυξη. ΑΜΕΣΕΣ ΞΕΝΕΣ ΕΠΕΝΔΥΣΕΙΣ, ΑΕΠ, ΕΞΑΓΩΓΕΣ: ΜΙΑ ΕΜΠΕΙΡΙΚΗ ΕΡΕΥΝΑ ΓΙΑ ΕΛΛΑΔΑ- ΙΣΠΑΝΙΑ-ΠΟΡΤΟΓΑΛΙΑΠΟΡΤΟΓΑΛΙΑ Επιβλέπων καθηγητής: Δριτσάκης Νικόλαος Εκπονήθηκε από: Τέμπου Αικατερίνη (11/37) ΕΙΣΑΓΩΓΙΚΑ Μελέτη

Διαβάστε περισσότερα

CSAE WPS/2009-06 Figure 1: Cut Flower Exports from Kenya, 1995-2007 Table 1: Firms in Areas with and w/out Conflict Panel A - Export Records Variable Observations Mean in No-Conflict

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 7. Παλινδρόµηση

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 7. Παλινδρόµηση ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 7. Παλινδρόµηση Γενικά Επέκταση της έννοιας της συσχέτισης: Πώς µπορούµε να προβλέπουµε τη µια µεταβλητή από την άλλη; Απλή παλινδρόµηση (simple regression): Κατασκευή µοντέλου πρόβλεψης

Διαβάστε περισσότερα

Άσκηση 11. Δίνονται οι παρακάτω παρατηρήσεις:

Άσκηση 11. Δίνονται οι παρακάτω παρατηρήσεις: Άσκηση. Δίνονται οι παρακάτω παρατηρήσεις: X X X X Y 7 50 6 7 6 6 96 7 0 5 55 9 5 59 6 8 8 5 0 59 7 7 8 8 5 5 0 7 69 9 6 6 7 6 9 5 7 6 8 5 6 69 8 0 50 66 0 0 50 8 59 76 8 7 60 7 87 6 5 7 88 9 8 50 0 5

Διαβάστε περισσότερα

Δείγμα (μεγάλο) από οποιαδήποτε κατανομή

Δείγμα (μεγάλο) από οποιαδήποτε κατανομή ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 4ο Κατανομές Στατιστικών Συναρτήσεων Δείγμα από κανονική κατανομή Έστω Χ= Χ Χ Χ τ.δ. από Ν µσ τότε ( 1,,..., n) (, ) Τ Χ Χ Ν Τ Χ σ σ Χ Τ Χ n Χ S µ S µ 1( ) = (0,1), ( ) = ( n 1)

Διαβάστε περισσότερα

Η ΑΝΘΥΦΑΙΡΕΤΙΚΗ ΕΡΜΗΝΕΙΑ ΤΗΣ ΕΞΩΣΗΣ ΤΗΣ ΠΟΙΗΣΗΣ ΣΤΟ ΔΕΚΑΤΟ ΒΙΒΛΙΟ ΤΗΣ ΠΟΛΙΤΕΙΑΣ ΤΟΥ ΠΛΑΤΩΝΟΣ

Η ΑΝΘΥΦΑΙΡΕΤΙΚΗ ΕΡΜΗΝΕΙΑ ΤΗΣ ΕΞΩΣΗΣ ΤΗΣ ΠΟΙΗΣΗΣ ΣΤΟ ΔΕΚΑΤΟ ΒΙΒΛΙΟ ΤΗΣ ΠΟΛΙΤΕΙΑΣ ΤΟΥ ΠΛΑΤΩΝΟΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ MΑΘΗΜΑΤΙΚΩΝ ΤΜΗΜΑ ΜΕΘΟΔΟΛΟΓΙΑΣ, ΙΣΤΟΡΙΑΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΣΤΑΤΙΣΤΙΚΗΣ ΤΜΗΜΑ ΕΠΙΣΤΉΜΩΝ ΑΓΩΓΉΣ & ΘΕΩΡΙΑΣ ΤΗΣ ΕΠΙΣΤΗΜΗΣ ΤΜΗΜΑ ΦΙΛΟΣΟΦΙΑΣ, ΠΑΙΔΑΓΩΓΙΚΗΣ &

Διαβάστε περισσότερα

Lampiran 1 Output SPSS MODEL I

Lampiran 1 Output SPSS MODEL I 67 Variables Entered/Removed(b) Lampiran 1 Output SPSS MODEL I Model Variables Entered Variables Removed Method 1 CFO, ACCOTHER, ACCPAID, ACCDEPAMOR,. Enter ACCREC, ACCINV(a) a All requested variables

Διαβάστε περισσότερα

Principles of Workflow in Data Analysis

Principles of Workflow in Data Analysis IndianaUniversity PrinciplesofWorkflowin DataAnalysis ScottLong 1.Acoordinatedframeworkforconductingdataanalysis 2.WFinvolvescoordinatedproceduresfor: o Planning,organizinganddocumentingresearch o Cleaningdata

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 8. Ανάλυση διασποράς (ANOVA)

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 8. Ανάλυση διασποράς (ANOVA) ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 8. Ανάλυση διασποράς (ANOVA) Γενικά Επέκταση της σύγκρισης µέσων τιµών µεταβλητής ανάµεσα σε 2 δείγµατα (οµάδες ήστάθµες): Σύγκριση πολλών δειγµάτων (K>2) µαζί Σχέση ανάµεσα σε µια ποσοτική

Διαβάστε περισσότερα

Ερμηνεία αποτελεσμάτων Ανάλυση διακύμανσης κατά ένα παράγοντα

Ερμηνεία αποτελεσμάτων Ανάλυση διακύμανσης κατά ένα παράγοντα Ερμηνεία αποτελεσμάτων Ανάλυση διακύμανσης κατά ένα παράγοντα Αρχείο δεδομένων school.sav Στον πίνακα Descriptives, μας δίνονται για την Επίδοση ως προς τις πέντε διαφορετικές μεθόδους διδασκαλίας, το

Διαβάστε περισσότερα

Διόρθωση Περιεχομένου ΑΞΙΟΛΟΓΗΣΗ - ΠΑΡΟΥΣΙΑΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ. Μιχαλέας Σωτήρης, Φαρμακοποιός MSc. PhD

Διόρθωση Περιεχομένου ΑΞΙΟΛΟΓΗΣΗ - ΠΑΡΟΥΣΙΑΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ. Μιχαλέας Σωτήρης, Φαρμακοποιός MSc. PhD ΕΘΝΙΚΟΣ ΟΡΓΑΝΙΣΜΟΣ ΦΑΡΜΑΚΩΝ Η νέα κατευθυντήρια οδηγία που αφορά σε μελέτες βιοϊσοδυναμίας: Νομικό πλαίσιο Ευρωπαϊκή πραγματικότητα Εξελίξεις ΑΞΙΟΛΟΓΗΣΗ - ΠΑΡΟΥΣΙΑΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ Μιχαλέας Σωτήρης, Φαρμακοποιός

Διαβάστε περισσότερα

1. Ιστόγραμμα. Προκειμένου να αλλάξουμε το εύρος των bins κάνουμε διπλό κλικ οπουδήποτε στο ιστόγραμμα και μετά

1. Ιστόγραμμα. Προκειμένου να αλλάξουμε το εύρος των bins κάνουμε διπλό κλικ οπουδήποτε στο ιστόγραμμα και μετά 1. Ιστόγραμμα Δεδομένα από το αρχείο Data_for_SPSS.xls Αλλαγή σε Variable View (Κάτω αριστερά) και μετονομασία της μεταβλητής σε NormData, Type: numeric και Measure: scale Αλλαγή πάλι σε Data View. Graphs

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ Περιεχόμενα 1. ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ...

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ,

ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ, ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ, -- Άσκηση. Δίνονται τα παρακάτω δεδομένα 5 7 8 9 5 X 8 5 5 5 9 7 Y. 5.. 7..7.7.9.. 5.... 8.. α) Να γίνει το διάγραμμα διασποράς β) εξετάστε τα μοντέλα Υ = β + β Χ + ε, (linear),

Διαβάστε περισσότερα

ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ

ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ A εξάμηνο 2009-2010 ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ Μεθοδολογία Έρευνας και Στατιστική ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Χειμερινό Εξάμηνο 2009-2010 Ποιοτικές και Ποσοτικές

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΚΑΤΑΣΤΑΣΕΩΝ

ΑΝΑΛΥΣΗ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΚΑΤΑΣΤΑΣΕΩΝ ΑΝΑΛΥΣΗ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΩΝ ΚΑΤΑΣΤΑΣΕΩΝ Ενότητα 5: ΠΡΟΥΠΟΛΟΓΙΣΜΟΙ ΚΑΙ ΠΡΟΒΛΕΨΕΙΣ ΠΩΛΗΣΕΩΝ ΚΥΡΙΑΖΟΠΟΥΛΟΣ ΓΕΩΡΓΙΟΣ Τμήμα ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται

Διαβάστε περισσότερα

$ι ιι η ι ι!η ηι ι ANOVA. To ANOVA ι ι ι η η η ιη (Analysis of Variance). * ι! ι ι ι ι ι η ιη. ;, ι ι ι! η ιι ηιη ι ι!η ι η η ιη ι ι η ι η.

$ι ιι η ι ι!η ηι ι ANOVA. To ANOVA ι ι ι η η η ιη (Analysis of Variance). * ι! ι ι ι ι ι η ιη. ;, ι ι ι! η ιι ηιη ι ι!η ι η η ιη ι ι η ι η. η &, 7!# v # $ι ιι η ι ι!η ηι ι ANOVA. To ANOVA ι ι ι η η η ιη (Analysis of Variance). * ι! ι ι ι ι ι η ιη. ;, ι ι ι! η ιι ηιη ι ι!η ι η η ιη ι ι η ι η. - ι% ιι* ι' F ι ι ι% MS F MS between within MS MS

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης

ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Δρ. Βασίλης Π. Αγγελίδης Τμήμα Μηχανικών Παραγωγής & Διοίκησης Δημοκρίτειο Πανεπιστήμιο Θράκης Άσκηση 1 η Ένας παραγωγός σταφυλιών ισχυρίζεται ότι τα κιβώτια σταφυλιών που συσκευάζει

Διαβάστε περισσότερα

ΤΣΑΛΤΑ ΜΑΡΙΑ Α.Μ: 1946 ΠΑΥΛΕΛΛΗ ΛΟΥΙΖΑ Α.Μ: 2342 ΤΣΑΪΛΑΚΗ ΦΑΝΗ Α.Μ: Οικονομετρικά. Εργαστήριο 15/05/11

ΤΣΑΛΤΑ ΜΑΡΙΑ Α.Μ: 1946 ΠΑΥΛΕΛΛΗ ΛΟΥΙΖΑ Α.Μ: 2342 ΤΣΑΪΛΑΚΗ ΦΑΝΗ Α.Μ: Οικονομετρικά. Εργαστήριο 15/05/11 ΤΣΑΛΤΑ ΜΑΡΙΑ Α.Μ: 1946 ΠΑΥΛΕΛΛΗ ΛΟΥΙΖΑ Α.Μ: 34 ΤΣΑΪΛΑΚΗ ΦΑΝΗ Α.Μ: 17 Οικονομετρικά Εργαστήριο 15/5/11 ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΜΑΘΗΜΑ 7 ΕΡΓΑΣΤΗΡΙΟ ΜΗ ΓΡΑΜΜΙΚΑ ΜΟΝΤΕΛΑ Σκοπός του παρόντος µαθήµατος είναι η

Διαβάστε περισσότερα

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΜΑΘΗΜΑ ΤΕΤΑΡΤΟ-ΠΕΜΠΤΟ ΘΕΩΡΙΑΣ- ΠΟΛΛΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Σηµειώσεις: Θωµόπουλος Γιώργος Ρογκάκος Γιώργος Καθηγητής: Κουνετάς

Διαβάστε περισσότερα

Πίνακας ρυθμίσεων στο χώρο εγκατάστασης

Πίνακας ρυθμίσεων στο χώρο εγκατάστασης 1/8 Κατάλληλες εσωτερικές μονάδες *HVZ4S18CB3V *HVZ8S18CB3V *HVZ16S18CB3V Σημειώσεις (*5) *4/8* 4P41673-1 - 215.4 2/8 Ρυθμίσεις χρήστη Προκαθορισμένες τιμές Θερμοκρασία χώρου 7.4.1.1 Άνεση (θέρμανση) R/W

Διαβάστε περισσότερα

EE512: Error Control Coding

EE512: Error Control Coding EE512: Error Control Coding Solution for Assignment on Finite Fields February 16, 2007 1. (a) Addition and Multiplication tables for GF (5) and GF (7) are shown in Tables 1 and 2. + 0 1 2 3 4 0 0 1 2 3

Διαβάστε περισσότερα

Για να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov.

Για να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov. A. ΈΛΕΓΧΟΣ ΚΑΝΟΝΙΚΟΤΗΤΑΣ A 1. Έλεγχος κανονικότητας Kolmogorov-Smirnov. Για να ελέγξουµε αν η κατανοµή µιας µεταβλητής είναι συµβατή µε την κανονική εφαρµόζουµε το test Kolmogorov-Smirnov. Μηδενική υπόθεση:

Διαβάστε περισσότερα

ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. ΜΑΘΗΜΑ 12 Συµπερασµατολογία για την επίδραση πολλών µεταβλητών σε µια ποσοτική (Πολλαπλή Παλινδρόµηση) [µέρος 2ο]

ΒΙΟΣΤΑΤΙΣΤΙΚΗ ΙΙ. ΜΑΘΗΜΑ 12 Συµπερασµατολογία για την επίδραση πολλών µεταβλητών σε µια ποσοτική (Πολλαπλή Παλινδρόµηση) [µέρος 2ο] Ενότητα 2 ιαφάνειες Μαθήµατος: 2- Ενότητα 2 ιαφάνειες Μαθήµατος: 2-2 ΠΜΣ ΕΠΑΓΓΕΛΜΑΤΙΚΗ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗ ΥΓΕΙΑ, ΙΑΧΕΙΡΙΣΗ ΚΑΙ ΟΙΚΟΝΟΜΙΚΗ ΑΠΟΤΙΜΗΣΗ ΑΚ. ΕΤΟΣ 2006-2007, 3ο εξάµηνο.6. είκτες µερικής συσχέτισης

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Ψηφιακή Οικονομία. Διάλεξη 8η: Producer Behavior Mαρίνα Μπιτσάκη Τμήμα Επιστήμης Υπολογιστών

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Ψηφιακή Οικονομία. Διάλεξη 8η: Producer Behavior Mαρίνα Μπιτσάκη Τμήμα Επιστήμης Υπολογιστών ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Οικονομία Διάλεξη 8η: Producer Behavior Mαρίνα Μπιτσάκη Τμήμα Επιστήμης Υπολογιστών Firm Behavior GOAL: Firms choose the maximum possible output (technological

Διαβάστε περισσότερα

Εργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S.

Εργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S. Σημειώσεις για το μάθημα Εργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S. Παπάνα Αγγελική E mail: papanagel@yahoo.gr, agpapana@gen.auth.gr Α.Τ.Ε.Ι. Θεσσαλονίκης ΠΑΡΑΡΤΗΜΑ ΚΑΤΕΡΙΝΗΣ Τμήμα Τυποποίησης και

Διαβάστε περισσότερα

C F E E E F FF E F B F F A EA C AEC

C F E E E F FF E F B F F A EA C AEC Proceedings of the International Multiconference on Computer Science and Information Technology pp. 767 774 ISBN 978-83-60810-27-9 ISSN 1896-7094 CFEEEFFFEFBFFAEAC AEC EEEDB DACDB DEEE EDBCD BACE FE DD

Διαβάστε περισσότερα

Εισαγωγή στην Ανάλυση Συνδιακύμανσης (Analysis of Covariance, ANCOVA)

Εισαγωγή στην Ανάλυση Συνδιακύμανσης (Analysis of Covariance, ANCOVA) Εισαγωγή στην Ανάλυση Συνδιακύμανσης (nalysis of Covariance, NCOV) Βασίλης Παυλόπουλος Λέκτορας Διαπολιτισμικής Ψυχολογίας Τομέας Ψυχολογίας, Πανεπιστήμιο Αθηνών vpavlop@psych.uoa.gr http://www.psych.uoa.gr/~vpavlop

Διαβάστε περισσότερα

ΧΩΡΙΚΑ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΣΤΗΝ ΕΚΤΙΜΗΣΗ ΤΩΝ ΤΙΜΩΝ ΤΩΝ ΑΚΙΝΗΤΩΝ SPATIAL ECONOMETRIC MODELS FOR VALUATION OF THE PROPERTY PRICES

ΧΩΡΙΚΑ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΣΤΗΝ ΕΚΤΙΜΗΣΗ ΤΩΝ ΤΙΜΩΝ ΤΩΝ ΑΚΙΝΗΤΩΝ SPATIAL ECONOMETRIC MODELS FOR VALUATION OF THE PROPERTY PRICES 1 ο Συνέδριο Χωρικής Ανάλυσης: Πρακτικά, Αθήνα, 013, Σ. Καλογήρου (Επ.) ISBN: 978-960-86818-6-6 ΧΩΡΙΚΑ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΣΤΗΝ ΕΚΤΙΜΗΣΗ ΤΩΝ ΤΙΜΩΝ ΤΩΝ ΑΚΙΝΗΤΩΝ Μαριάνθη Στάμου 1*, Άγγελος Μιμής και

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 7 (ΛΥΣΗ) Στο αρχείο του SPSS θα υπάρχουν οι µεταβλητές,

ΑΣΚΗΣΗ 7 (ΛΥΣΗ) Στο αρχείο του SPSS θα υπάρχουν οι µεταβλητές, ΑΣΚΗΣΗ 7 (ΛΥΣΗ) Στο αρχείο του SPSS θα υπάρχουν οι µεταβλητές, Time: η ώρα γέννησης (4 ψηφία, τα δύο πρώτα είναι ώρες και τα άλλα δυο λεπτά), Sex: το φύλο (:κορίτσι, :αγόρι), Weight: το βάρος του νεογέννητου

Διαβάστε περισσότερα

Χαρακτηριστικά της ανάλυσης διασποράς. ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ (One-way analysis of variance)

Χαρακτηριστικά της ανάλυσης διασποράς. ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ (One-way analysis of variance) ΑΝΑΛΥΣΗ ΙΑΣΠΟΡΑΣ (Oe-way aalysis of variace) Να γίνει µια εισαγωγή στη µεθοδολογία της ανάλυσης > δειγµάτων Να εφαρµοσθεί και να κατανοηθεί η ανάλυση διασποράς µε ένα παράγοντα. Να κατανοηθεί η χρήση των

Διαβάστε περισσότερα

! " #$% & '()()*+.,/0.

!  #$% & '()()*+.,/0. ! " #$% & '()()*+,),--+.,/0. 1!!" "!! 21 # " $%!%!! &'($ ) "! % " % *! 3 %,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,0 %%4,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,5

Διαβάστε περισσότερα

Political Science 552

Political Science 552 emedal easres egresso Aprl, 4 Poltcal Scece 55 emedal easres Otlers Dscardg Otlers Trcatg Otlers obst estmato o A/AD east Absolte esdals/east Absolte Devatos (qreg Stata) o S east eda east Sqares o IS

Διαβάστε περισσότερα

Trigonometric Formula Sheet

Trigonometric Formula Sheet Trigonometric Formula Sheet Definition of the Trig Functions Right Triangle Definition Assume that: 0 < θ < or 0 < θ < 90 Unit Circle Definition Assume θ can be any angle. y x, y hypotenuse opposite θ

Διαβάστε περισσότερα

DOUGLAS FIR BEETLE TRAP-SUPPRESSION STUDY STATISTICAL REPORT

DOUGLAS FIR BEETLE TRAP-SUPPRESSION STUDY STATISTICAL REPORT DOUGLAS FIR BEETLE TRAP-SUPPRESSION STUDY STATISTICAL REPORT Prepared for Dr. Robert Progar U.S. Forest Service Forest Sciences Laboratory Corvallis, Oregon January 2005 By Greg Brenner Pacific Analytics

Διαβάστε περισσότερα

1991 US Social Survey.sav

1991 US Social Survey.sav Παραδείγµατα στατιστικής συµπερασµατολογίας µε ένα δείγµα Στα παραδείγµατα χρησιµοποιείται απλό τυχαίο δείγµα µεγέθους 1 από το αρχείο δεδοµένων 1991 US Social Survey.sav Το δείγµα λαµβάνεται µε την διαδικασία

Διαβάστε περισσότερα

Οδηγίες χρήσης του R, μέρος 2 ο

Οδηγίες χρήσης του R, μέρος 2 ο ΟδηγίεςχρήσηςτουR,μέρος2 ο Ελληνικά Ανπροσπαθήσουμεναγράψουμεελληνικάήναανοίξουμεκάποιοαρχείοδεδομένωνμε ελληνικούςχαρακτήρεςστοr,μπορείαντίγιαελληνικάναδούμελατινικούςχαρακτήρεςμε τόνουςήάλλακαλλικαντζαράκια.τότεδίνουμετηνπαρακάτωεντολήγιαναγυρίσειτοrστα

Διαβάστε περισσότερα

2.153 Adaptive Control Lecture 7 Adaptive PID Control

2.153 Adaptive Control Lecture 7 Adaptive PID Control 2.153 Adaptive Control Lecture 7 Adaptive PID Control Anuradha Annaswamy aanna@mit.edu ( aanna@mit.edu 1 / 17 Pset #1 out: Thu 19-Feb, due: Fri 27-Feb Pset #2 out: Wed 25-Feb, due: Fri 6-Mar Pset #3 out:

Διαβάστε περισσότερα

Appendix A. Final IPO sample Date Stock Offering Price Closing Change Berry Index Ad Hoc-Berry index Indutrade AB 65 73,25 12,69% 0,8392

Appendix A. Final IPO sample Date Stock Offering Price Closing Change Berry Index Ad Hoc-Berry index Indutrade AB 65 73,25 12,69% 0,8392 Appendix A. Final IPO sample Date Stock Offering Price Closing Change Berry Index Ad Hoc-Berry index 2005-10-05 Indutrade AB 65 73,25 12,69% 0,8392 0,775887574 2005-10-06 Hemtex AB 56 61 8,93% 0 0 2005-11-08

Διαβάστε περισσότερα

IL - 13 /IL - 18 ELISA PCR RT - PCR. IL - 13 IL - 18 mrna. 13 IL - 18 mrna IL - 13 /IL Th1 /Th2

IL - 13 /IL - 18 ELISA PCR RT - PCR. IL - 13 IL - 18 mrna. 13 IL - 18 mrna IL - 13 /IL Th1 /Th2 344 IL - 13 /IL - 18 1 2 1 2 1 2 1 2 1 2 3 1 2 13 18 IL - 13 /IL - 18 10% / OVA /AL OH 3 5% 16 ~ 43 d 44 d ELISA BALF IL - 13 IL - 18 PCR RT - PCR IL - 13 IL - 18 mrna IL - 13 mrna 0. 01 IL - 18 mrna 0.

Διαβάστε περισσότερα

Προϋποθέσεις : ! Και οι δύο µεταβλητές να κατανέµονται κανονικά και να έχουν επιλεγεί τυχαία.

Προϋποθέσεις : ! Και οι δύο µεταβλητές να κατανέµονται κανονικά και να έχουν επιλεγεί τυχαία. . ΣΤΑΤΙΣΤΙΚΗ ΣΥΣΧΕΤΙΣΗ. Υπολογισµός συντελεστών συσχέτισης Προκειµένου να ελέγξουµε την ύπαρξη γραµµικής σχέσης µεταξύ δύο ποσοτικών µεταβλητών, χρησιµοποιούµε συνήθως τον παραµετρικό συντελεστή συσχέτισης

Διαβάστε περισσότερα

Πλήρεις Οµάδες σε Ελεύθερη ιάταξη

Πλήρεις Οµάδες σε Ελεύθερη ιάταξη Πλήρεις Οµάδες σε Ελεύθερη ιάταξη ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας Viola adorata Πλήρεις Οµάδες σε Ελεύθερη ιάταξη (Randomized Complete-block Design- RCBD) Παράδειγµα

Διαβάστε περισσότερα

Elements of Information Theory

Elements of Information Theory Elements of Information Theory Model of Digital Communications System A Logarithmic Measure for Information Mutual Information Units of Information Self-Information News... Example Information Measure

Διαβάστε περισσότερα

Παραβίαση των βασικών υποθέσεων (συνέχεια) Εξειδίκευση

Παραβίαση των βασικών υποθέσεων (συνέχεια) Εξειδίκευση ΜΑΘΗΜΑ 5 ο Παραβίαση των βασικών υποθέσεων (συνέχεια) Εξειδίκευση Η εξειδίκευση του υποδείγματος είναι η πιο σπουδαία αλλά και η πιο δύσκολη φάση στην οικονομετρική ανάλυση ενός οικονομικού φαινομένου,

Διαβάστε περισσότερα

-! " #!$ %& ' %( #! )! ' 2003

-!  #!$ %& ' %( #! )! ' 2003 -! "#!$ %&' %(#!)!' ! 7 #!$# 9 " # 6 $!% 6!!! 6! 6! 6 7 7 &! % 7 ' (&$ 8 9! 9!- "!!- ) % -! " 6 %!( 6 6 / 6 6 7 6!! 7 6! # 8 6!! 66! #! $ - (( 6 6 $ % 7 7 $ 9!" $& & " $! / % " 6!$ 6!!$#/ 6 #!!$! 9 /!

Διαβάστε περισσότερα

Statistics & Research methods. Athanasios Papaioannou University of Thessaly Dept. of PE & Sport Science

Statistics & Research methods. Athanasios Papaioannou University of Thessaly Dept. of PE & Sport Science Statistics & Research methods Athanasios Papaioannou University of Thessaly Dept. of PE & Sport Science 30 25 1,65 20 1,66 15 10 5 1,67 1,68 Κανονική 0 Height 1,69 Καμπύλη Κανονική Διακύμανση & Ζ-scores

Διαβάστε περισσότερα

ΜΑΘΗΜΑ 4 ο. Μοναδιαία ρίζα

ΜΑΘΗΜΑ 4 ο. Μοναδιαία ρίζα ΜΑΘΗΜΑ 4 ο Μοναδιαία ρίζα Είδαμε προηγουμένως πως ο έλεγχος της στασιμότητας μιας χρονικής σειράς μπορεί να γίνει με τη συνάρτηση αυτοσυσχέτισης. Ένας άλλος τρόπος που χρησιμοποιείται ευρύτατα στην ανάλυση

Διαβάστε περισσότερα

1.575 GHz GPS Ceramic Chip Antenna Ground cleared under antenna, clearance area 4.00 x 4.25 mm / 6.25 mm. Pulse Part Number: W3011 / W3011A

1.575 GHz GPS Ceramic Chip Antenna Ground cleared under antenna, clearance area 4.00 x 4.25 mm / 6.25 mm. Pulse Part Number: W3011 / W3011A W0 Datasheet version. ceramic antenna. (09/08).575 GHz Ceramic Chip Antenna Ground cleared under antenna, clearance area x 4.5 mm / 6.5 mm. Pulse Part Number: W0 / W0A Features - Omni directional radiation

Διαβάστε περισσότερα

ΕΡΓΑΙΑ Εθηίκεζε αμίαο κεηαπώιεζεο ζπηηηώλ κε αλάιπζε δεδνκέλωλ. Παιεάο Δπζηξάηηνο

ΕΡΓΑΙΑ Εθηίκεζε αμίαο κεηαπώιεζεο ζπηηηώλ κε αλάιπζε δεδνκέλωλ. Παιεάο Δπζηξάηηνο ΕΡΓΑΙΑ Εθηίκεζε αμίαο κεηαπώιεζεο ζπηηηώλ κε αλάιπζε δεδνκέλωλ Παιεάο Δπζηξάηηνο ΑΘΗΝΑ 2014 1 ΠΔΡΙΔΥΟΜΔΝΑ 1) Δηζαγσγή 2) Πεξηγξαθηθή Αλάιπζε 3) ρέζεηο Μεηαβιεηώλ αλά 2 4) Πξνβιεπηηθά / Δξκελεπηηθά Μνληέια

Διαβάστε περισσότερα

! "# $"%%&$$'($)*#'*#&+$ ""$&#! "#, &,$-.$! "$-/+#0-, *# $-*/+,/+%!(#*#&1!/+# ##$+!%2&$*2$ 3 4 #' $+#!#!%0 -/+ *&

! # $%%&$$'($)*#'*#&+$ $&#! #, &,$-.$! $-/+#0-, *# $-*/+,/+%!(#*#&1!/+# ##$+!%2&$*2$ 3 4 #' $+#!#!%0 -/+ *& ! "# $"%%&$$'($)*#'*#&+$ ""$&#! "#, &,$-.$! "$-/+#0-, *# $-*/+,/+%!(#*#&1!/+# ##$+!%2&$*2$ 3 4 #' $+#!#!%0 -/+ *& '*$$%!#*#&-!5!&,-/+#$!&- &"/ "$,&/#!6$7,&78 "$% &$&'#-/+#!5*% 3 +!$ 9 &$*,2"%& #$- 3 '*$%#

Διαβάστε περισσότερα

A Bonus-Malus System as a Markov Set-Chain. Małgorzata Niemiec Warsaw School of Economics Institute of Econometrics

A Bonus-Malus System as a Markov Set-Chain. Małgorzata Niemiec Warsaw School of Economics Institute of Econometrics A Bonus-Malus System as a Markov Set-Chain Małgorzata Niemiec Warsaw School of Economics Institute of Econometrics Contents 1. Markov set-chain 2. Model of bonus-malus system 3. Example 4. Conclusions

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 5. Στατιστική συµπερασµατολογία για ποσοτικές µεταβλητές: Έλεγχοι υποθέσεων και διαστήµατα εµπιστοσύνης

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 5. Στατιστική συµπερασµατολογία για ποσοτικές µεταβλητές: Έλεγχοι υποθέσεων και διαστήµατα εµπιστοσύνης ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ 5. Στατιστική συµπερασµατολογία για ποσοτικές µεταβλητές: Έλεγχοι υποθέσεων και διαστήµατα εµπιστοσύνης ιαστήµατα εµπιστοσύνης και έλεγχοι υποθέσεων για τη µέση τιµή Για µια ποσοτική µεταβλητή

Διαβάστε περισσότερα

Βηµατική µέθοδος δηµιουργίας dashboards & παραγωγής επιχειρησιακών αναφορών. µεθόδου σε ένα πραγµατικό ήµο.

Βηµατική µέθοδος δηµιουργίας dashboards & παραγωγής επιχειρησιακών αναφορών. µεθόδου σε ένα πραγµατικό ήµο. Βηµατική µέθοδος δηµιουργίας dashboards & παραγωγής επιχειρησιακών αναφορών (reports). Σενάριο εφαρµογής της ανωτέρω µεθόδου σε ένα πραγµατικό ήµο. ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοηµοσύνη [Bc1.1.3 ΑΝΑΠΤΥΞΗ]

Διαβάστε περισσότερα

Έλεγχος υποθέσεων ΙI ANOVA

Έλεγχος υποθέσεων ΙI ANOVA Έλεγχος υποθέσεων ΙI ANOVA Μοντέλα στην Επιστήμη Τροφίμων 532Ε Τομέας Επιστήμης & Τεχνολογίας Τροφίμων Έλεγχος υποθέσεων Συνεχή δεδομένα z-test Student s test (t-test) Ανάλυση παραλλακτικότητας ή ανάλυση

Διαβάστε περισσότερα

Πρόβλημα 1: Αναζήτηση Ελάχιστης/Μέγιστης Τιμής

Πρόβλημα 1: Αναζήτηση Ελάχιστης/Μέγιστης Τιμής Πρόβλημα 1: Αναζήτηση Ελάχιστης/Μέγιστης Τιμής Να γραφεί πρόγραμμα το οποίο δέχεται ως είσοδο μια ακολουθία S από n (n 40) ακέραιους αριθμούς και επιστρέφει ως έξοδο δύο ακολουθίες από θετικούς ακέραιους

Διαβάστε περισσότερα

Καλλιρρόη Πορφύρη Πολυτεχνείο Κρήτης Χανιά 2012

Καλλιρρόη Πορφύρη Πολυτεχνείο Κρήτης Χανιά 2012 ΑΝΑΠΤΥΞΗ ΜΟΝΤΕΛΟΥ ΠΡΟΒΛΕΨΗΣ ΔΥΝΑΜΕΩΝ ΚΟΠΗΣ ΣΤΟ ΦΡΑΙΖΑΡΙΣΜΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΣΤΟ ΝΤΟΥΡΑΛΟΥΜΙΝΙΟ Al7075 T6 Αν. Καθ. Αριστομένης Αντωνιάδης Καθ. Νικόλαος Μπιλάλης Καθ. Γεώργιος Σταυρουλάκης Καλλιρρόη Πορφύρη

Διαβάστε περισσότερα

ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΑΓΡΟΤΙΚΗΣ ΟΙΚΟΝΟΜΙΑΣ & ΑΝΑΠΤΥΞΗΣ

ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΑΓΡΟΤΙΚΗΣ ΟΙΚΟΝΟΜΙΑΣ & ΑΝΑΠΤΥΞΗΣ ΓΕΩΠΟΝΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΑΓΡΟΤΙΚΗΣ ΟΙΚΟΝΟΜΙΑΣ & ΑΝΑΠΤΥΞΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΟΛΟΚΛΗΡΩΜΕΝΗ ΑΝΑΠΤΥΞΗ & ΔΙΑΧΕΙΡΙΣΗ ΤΟΥ ΑΓΡΟΤΙΚΟΥ ΧΩΡΟΥ» ΜΕΤΑΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ «Οικονομετρική διερεύνηση

Διαβάστε περισσότερα

«ΦΟΡΟΛΟΓΙΑ ΕΙΣΟΔΗΜΑΤΟΣ-ΜΙΑ ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ ΤΟΥ Ν. ΠΙΕΡΙΑΣ»

«ΦΟΡΟΛΟΓΙΑ ΕΙΣΟΔΗΜΑΤΟΣ-ΜΙΑ ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ ΤΟΥ Ν. ΠΙΕΡΙΑΣ» ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΕΛΕΓΚΤΙΚΗ «ΦΟΡΟΛΟΓΙΑ ΕΙΣΟΔΗΜΑΤΟΣ-ΜΙΑ ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ ΤΟΥ Ν. ΠΙΕΡΙΑΣ» ΔΙΠΛΩΜΑΤΙΚΗ

Διαβάστε περισσότερα

Training, Wages, and Sample Selection: Estimating Sharp Bounds on Treatment Effects *

Training, Wages, and Sample Selection: Estimating Sharp Bounds on Treatment Effects * Training, Wages, and Sample Selection: Estimating Sharp Bounds on Treatment Effects * David S. Lee UC Berkeley and NBER August 2005 Abstract This paper empirically assesses the wage effects of the Job

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS. Θα επιλέξουμε Type in data ώστε να εισάγουμε νέα στοιχεία και θα επιλέξουμε ΟΚ.

ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS. Θα επιλέξουμε Type in data ώστε να εισάγουμε νέα στοιχεία και θα επιλέξουμε ΟΚ. ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS To SPSS είναι ένα πακέτο για γενικές στατιστικές αναλύσεις το οποίο από την σκοπιά του οικονομολόγου προσφέρει δυνατότητες που είναι ενδιάμεσα στο Excel και στο Eviews. Θα αρχίσουμε διαβάζοντας

Διαβάστε περισσότερα

Χαρακτηρισµός Κυκλώµατος και Εκτίµηση Απόδοσης 2. Χαρακτηρισµός Κυκλώµατος

Χαρακτηρισµός Κυκλώµατος και Εκτίµηση Απόδοσης 2. Χαρακτηρισµός Κυκλώµατος 4 η Θεµατική Ενότητα : Χαρακτηρισµός Κυκλώµατος και Εκτίµηση Απόδοσης Επιµέλεια διαφανειών:. Μπακάλης Εισαγωγή Μια δοµή MOS προκύπτει από την υπέρθεση ενός αριθµού στρώσεων από µονωτικά και αγώγιµα υλικά

Διαβάστε περισσότερα

Κεφάλαιο 14. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης

Κεφάλαιο 14. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης. Ανάλυση ιακύµανσης Μονής Κατεύθυνσης Κεφάλαιο 14 Ανάλυση ιακύµανσης Μονής Κατεύθυνσης 1 Ανάλυση ιακύµανσης Μονής Κατεύθυνσης Παραµετρικό στατιστικό κριτήριο για τη µελέτη της επίδρασης µιας ανεξάρτητης µεταβλητής στην εξαρτηµένη Λογική παρόµοια

Διαβάστε περισσότερα

Matrix Algebra Computation of a Correlation Matrix

Matrix Algebra Computation of a Correlation Matrix Suppose N = 5 subjects were measured on p = 3 variables. Matrix Algebra Computation of a Correlation Matrix The Data Matrix D is a matrix of deviation scores with N = 5 rows and p = 3 columns. D (Nxp)

Διαβάστε περισσότερα

Πρακτικές Θετικής Οργανωσιακής Αλλαγής και οι στάσεις των εργαζομένων απέναντι στην αλλαγή

Πρακτικές Θετικής Οργανωσιακής Αλλαγής και οι στάσεις των εργαζομένων απέναντι στην αλλαγή Πρακτικές Θετικής Οργανωσιακής Αλλαγής και οι στάσεις των εργαζομένων απέναντι στην αλλαγή Ονοματεπώνυμο : Ευανθία Καρακατσάνη Σειρά: 9 Επιβλέπων Καθηγητής: Ο. Κυριακίδου Δεκέμβριος 2012 ΣΤΟΧΟΣ/ ΣΚΟΠΟΣ

Διαβάστε περισσότερα

Προσοµοίωση Εξέτασης στο µάθηµα του Γεωργικού Πειραµατισµού

Προσοµοίωση Εξέτασης στο µάθηµα του Γεωργικού Πειραµατισµού Προσοµοίωση Εξέτασης στο µάθηµα του Γεωργικού Πειραµατισµού ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας Viola adorata Σκηνή Πρώτη Ερωτήσεις Σωστού-Λάθους (µέρος Ι). Ο µέσος όρος

Διαβάστε περισσότερα

INSO LED " # $ # % ! :2 ( ) " # LED : $ &'(

INSO LED  # $ # % ! :2 ( )  # LED : $ &'( INSO 1487823 LED :2 LED :3 LED :3 :2 LED.1. LED 148781 1 : LED. LED. 50 230 LED. LED :3 :2 LED.2 ). (.. LED :3 :2 LED.2. (Lux). ( ).. ( ). LED :3 :2 LED (L min /L ave )..2. (L min /L max ) () ) 5. LED

Διαβάστε περισσότερα

Σύγκριση Συνδυασµένων Παραγόντων

Σύγκριση Συνδυασµένων Παραγόντων Σύγκριση Συνδυασµένων Παραγόντων Επιστηµονική Επιµέλεια ρ. Γεώργιος Μενεξές Τοµέας Φυτών Μεγάλης Καλλιέργειας και Οικολογίας, Εργαστήριο Γεωργίας Viola adorata Παραγοντικά Πειράµατα (Factorial Experiments)

Διαβάστε περισσότερα

γηγενών στην αγορά εργασίας

γηγενών στην αγορά εργασίας Οι μετανάστες και η θέση των γηγενών στην αγορά εργασίας Ημερίδα Τράπεζας της Ελλάδος με θέμα: Η ελληνική αγορά εργασίας: χαρακτηριστικά, εξελίξεις και προκλήσεις Αθήνα,, 22 Μαρτίου 2010 Κώστας Ν. Κανελλόπουλος

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 5 ο. 5.1 Εντολή EXPLORE 5.2 Εντολή CROSSTABS 5.3 Εντολή RAΤΙΟ STΑTISTIC 5.4 Εντολή OLAP CUBES. Daily calorie intake

ΚΕΦΑΛΑΙΟ 5 ο. 5.1 Εντολή EXPLORE 5.2 Εντολή CROSSTABS 5.3 Εντολή RAΤΙΟ STΑTISTIC 5.4 Εντολή OLAP CUBES. Daily calorie intake ----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ΚΕΦΑΛΑΙΟ 5 ο 5.1 Εντολή EXPLORE 5.2 Εντολή CROSSTABS 5.3 Εντολή RAΤΙΟ STΑTISTIC 5.4 Εντολή OLAP CUBES 5000 Daily calorie

Διαβάστε περισσότερα

Viola adorata X ± 2s 1 344 320 2 348 316 3 224 232 4 372 364 5 336 308 6 372 328 7 292 296 8 316 264 AT1 AT2 1 344 320 342.25 272.25 2 348 316 506.25 156.25 3 224 232 10302.25 5112.25 4 372 364

Διαβάστε περισσότερα

Δίκτυα Επικοινωνιών ΙΙ: OSPF Configuration

Δίκτυα Επικοινωνιών ΙΙ: OSPF Configuration Δίκτυα Επικοινωνιών ΙΙ: OSPF Configuration Δρ. Απόστολος Γκάμας Διδάσκων 407/80 gkamas@uop.gr Δίκτυα Επικοινωνιών ΙΙ Διαφάνεια 1 1 Dynamic Routing Configuration Router (config) # router protocol [ keyword

Διαβάστε περισσότερα

CHAPTER 25 SOLVING EQUATIONS BY ITERATIVE METHODS

CHAPTER 25 SOLVING EQUATIONS BY ITERATIVE METHODS CHAPTER 5 SOLVING EQUATIONS BY ITERATIVE METHODS EXERCISE 104 Page 8 1. Find the positive root of the equation x + 3x 5 = 0, correct to 3 significant figures, using the method of bisection. Let f(x) =

Διαβάστε περισσότερα

ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Περιεχόμενα 1. Συσχέτιση μεταξύ δύο ποσοτικών

Διαβάστε περισσότερα

Chilisin Electronics Singapore Pte Ltd

Chilisin Electronics Singapore Pte Ltd hilisin Electronics ingapore Pte Ltd High urrent hip Beads, PBY eries Feature: Our MD High urrent hips Beads is specially designed to with tand large urrents while providing a means of EMI/RFI attenuation

Διαβάστε περισσότερα

ΤΕΙ ΠΕΙΡΑΙΑ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ

ΤΕΙ ΠΕΙΡΑΙΑ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΤΕΙ ΠΕΙΡΑΙΑ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΠΙΣΤΗΜΗ ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΜΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΜΑΘΗΜΑ: Ανάλυση Πολυδιάστατων (Πολυμεταβλητών) Δεδομένων και Συστήματα Εξόρυξης Δεδομένων (Multivariate Data

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΓΕΩΠΟΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΒΙΟΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΣΤΗΜΗΣ ΤΡΟΦΙΜΩΝ. Πτυχιακή εργασία

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΓΕΩΠΟΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΒΙΟΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΣΤΗΜΗΣ ΤΡΟΦΙΜΩΝ. Πτυχιακή εργασία ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΓΕΩΠΟΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΒΙΟΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΣΤΗΜΗΣ ΤΡΟΦΙΜΩΝ Πτυχιακή εργασία ΜΕΛΕΤΗ ΠΟΛΥΦΑΙΝΟΛΩΝ ΚΑΙ ΑΝΤΙΟΞΕΙΔΩΤΙΚΗΣ ΙΚΑΝΟΤΗΤΑΣ ΣΟΚΟΛΑΤΑΣ Αναστασία Σιάντωνα Λεμεσός

Διαβάστε περισσότερα