Documente Academic
Documente Profesional
Documente Cultură
Specializarea:Cibernetica Economica
GRUPA:1059
2018
BUCURESTI
INTRODUCERE
I1- numarul de elevi inscrisi la liceu in anul 2015 exprimati in mii elevi
I2- numarul de elevi inrolati la liceu in anul 2015 exprimati in mii elevi
I5- procent persoane angajate ale caror cunostinte din facultate le folosesc la locul de munca
I6- procent persoane care se gandesc ca si-ar putea pierde locul de munca in urmatoarele 6 luni
I14- procent din cheltuiala publica totala alocata pentru ajutorarea studentilor si burse
Tarile analizate
sunt:Belgia,Bulgaria,Cehia,Danemarca,Estonia,Irlanda,Grecia,Spania,Croatia,Cipru,Letonia,Litu
ania,Luxemburg,Ungaria,Malta,Olanda,Austria,Polonia,Portugalia,Romania,Slovenia,Slovacia,Fi
nlanda,Suedia,Islanda,Norvegia,Elvetia.
Initial au fost introduce in setul de date si Germania,Italia,Marea Britanie,Turcia si Franta,insa
datorita faptului ca aceste tari sunt mult mai dezvolatate decat media celorlate tari,valoriile lor nu
se incadrau in intervalele quartiliene ale indicatoriilor ,ele reprezentand outlieri ce urmau sa ne
afecteze calculele statistice ,afectand media si abateriile standard.Astfel,am hotarat sa lucram pe
setul de date prezentat mai sus.
Scopul acestui proiect este reprezentat de extrarea unor concluzii referitoare la influenta
sistemului educational asupra economiei.
Pentru a verifica daca putem folosi aceasta analiza asupra datelor ,acestea trebuie sa
indeplineasca doua conditii:
KMO and Bartlett’s test of sphericity, sunt două teste statistice care indică gradul de asociere a
variabilelor. Valori mari, apropiate de 1 şi semnificative, sunt un argument în favoarea existenţei
unor factori şi deci, a „legitimităţii” analizei factoriale pe datele respective.
I7 si I12 au o corelatie pozitiva de 67% de unde putem deduce faptul ca un numar mai mare al
profesoriilor din ciclul liceal va determina cresterea numarului de absolventi de facultate.
TESTUL KMO
Mai departe vom efectua Testul KMO care ne indica daca datele sunt compatibile cu aceasta
metoda de analiza.
Observam ca valoarea indicelui KMO este de 0.61819,care este foarte apropiata de 1 de unde
reiese faptul ca modelul utilizat este eligibil cu analiza factoriala.
TESTUL BARTLETT
Pentru a ne asigura ca rezultatul testului KMO este valabil vom efectua testul Batlett:
Ipoteze:
Tcritic in acest caz este 114.27,deci daca aplicam testul => Tcalc>Tcritic si Pcalc<Pvalue => se
respinge H0,se accepta H1.
In concluzie,in componenta modelului avem cel putin un factor comun,deci putem aplica analiza
factoriala.
In continuare vom alege numarul de factori ai analizei in functie de rezultatele urmatorului test:
Ipoteze:
De asemenea,putem observa ca cei doi factori au o proportie de 49% din informatie,iar corelatiile
dintre factori si indicatori sunt incomplete.
Varianta lui I1 este explicata in proportie de 100% de cei 4 factori;I2 in proportie de 97%;I3-
94%;I4-65%;I5-13%;I6-71%;I7-79%;I8-87%;I9-100%;I10-29%;I11-36%;I12-77%;I13-
62%;I14-10%. Din aceste rezultate reiese faptul ca gradul de imprastiere al valorilor
indicatoriilor este explicat in mare masura de factorii obtinuti.
Cei patru factori preiau 66% din informatia totala a modelului.Observam ca imprastierea
valoriilor principalilor factori este >1,deci factorii au sens din punct de vedere economic.
Factorul 1:
Pentru primul factor, avem influenta doar in sens pozitiv dupa cum observa. Aceasta se remarca
pentru variabile precum: numarul elevilor inrolati in invatamant, precum si cei inscrisi, numarul
celor care au absolvit o facultate, numarul somerilor dar si al infractorilor, precum si numarul
profesorilor ce-si desfasoara activitatea in cadrul liceelor.
Factorul 2:
Cel de-al doilea factor se remarca prin influenta in sens pozitiv raportata la numarul eleviilor ce
au abandonat scoala si gradul de saracie,cei doi factori avand o puternica legatura pozitiva la
randul lor,asa cum am comentat si anterior.
Factorul 3:
Cel de-al treilea factor este influentat pozitiv de numarul persoanelor ce se gandesc ca si-ar putea
pierde locul de munca,persoanele angajate de la o varsta frageda si in sens negativ cu
cheltuieliile publice totale alocate studentiilor.
Factorul 4:
Cel de-al patrulea factor este influentat pozitiv in mare masura de numarul pesroanelor angajate
si in sens negativ,dar cu o pondere mai mica de persoanele care isi folosesc cunostiintele din
facultate la locul de munca.
Cel de-al doilea factor va contine variabilele:I8 si I13 si se va numi : Factorul influentei lipsei
educatiei asupra economiei.
Cea de-a patra va contine: I5 si I9,sub denumirea de: Factorul influentei gradului de angajare
al tineriilor cu studii superioare.
F2=I1*0.45557-0.30933*I2-0.2769*I3+0.04852*I4-0.0013*I5+0.096*I6+0.0162*I7-
0.6928*I8-0.1317*I9+0.031*I10+0.05432*I11+0.0684*I12-0.1895*I13+0.0162*I14
F3=I1*0.2035-0.4076*I2-0.6086*I3-0.1107*I4-0.0071*I5-0.1925*I6-
0.0566*I7+0.2180*I8+0.1739*I9-0.0515*I10-0.03758*I11-0.0881*I12+0.0054*I13+0.0140*I14
F4=I1*0.4512-0.0187*I2-0.0138*I3+0.0137*I4+0.0026*I5+0.0365*I6+0.0092*I7-0.1479*I8-
1.1146*I9+0.0094*I10+0.0101*I11+0.0212*I12-0.0378*I13+0.0033*I14
F2=0.9255=1.5078*0.45557-0.30933*0.6409-0.2769*0.5813+0.04852*1.0321-
0.0013*0.6783+0.096*-0.1639+0.0162*1.2392-0.6928*-0.4148-0.1317*-
0.3408+0.031*0.4509+0.05432*0.4922+0.0684*1.36-0.1895*-0.3334+0.0162*0.8987
F3=0.7413=1.5078*0.2035-0.4076*0.6409-0.6086*0.5813-0.1107*1.0321-0.0071*0.6783-
0.1925*-0.1639-0.0566*1.2392+0.2180*-0.4148+0.1739*-0.3408-0.0515*0.4509-
0.03758*0.4922-0.0881*1.36+0.0054*-0.3334+0.0140*0.8987
F4=1.1767=1.5078*0.4512-0.0187*0.6409-
0.0138*0.5813+0.0137*1.0321+0.0026*0.6783+0.0365*-0.1639+0.0092*1.2392-0.1479*-
0.4148-1.1146*-0.3408+0.0094*0.4509+0.0101*0.4922+0.0212*1.36-0.0378*-
0.3334+0.0033*I14
B-PLOT
Pe axa OX avem reprezentate scorurile primului factor,iar pe axa OY scorurile celui de-al
doilea,paralel cu axa OX avem reprezentate corelatiile dintre primul factor si variabile ,respectiv
al doilea factor si variabile.
Putem observa ca Romania este puternica corelata cu factorul 1 si 2 ,avand o legatura stransa,in
roportie de aproximativ 90%,deci putem spune ca daca impactul educatiei asupra economiei este
unul pozitiv,automat si bunastrea populatiei va avea untrend crescator ,ceea ce se si intampla de
fapt,intrucat gradul de scolarizare pentru tara noastra este destul de ridicat in raport cu Estonia.
Olanda are o corelatie negativa raportata la cel de-al doilea factor (aprox.50%) si una pozitiva
raportata l acel de-al doilea factor de influenta(aprox 100%) de unde putem deduce ca in acesta
tara impactul sistemului educational asupra economiei este unul negativ,insa gradul bunastrarii
este unul pozitiv,deci ea reuseste sa-si aloce alte resurse in mod eficient,astfel incat resursele
alocate in cadrul educational sa nu afecteze in mare masura nivelul de trai al
populatiei.Economia olandeză se bazează în mare măsură pe comerțul exterior și se remarcă prin
relațiile industriale stabile, șomaj și inflație moderate, balanță comercială excedentară și rolul de
important hub european de transport. Poziția geografică avantajoasă, dublată de un sistem fiscal
stimulativ, plasează Olanda între primele 10 destinații preferate pentru investitori. În același
timp, firmele olandeze sunt prezente în majoritatea țărilor lumii, asigurând constant Olandei
poziții de top în clasamentul investitorilor străini atât în economiile dezvoltate, cât și în cele
emergente.
Cipru are o legatura negativa (aprox 50%) cu factorul 1 si o legatura pozitiva (aprox 90%) cu
factorul 2.Astfel,putem spune ca in aceasta tara impactul educatiei asupra economiei este unul
pozitiv,dar nivelul de trai nu este tocmai cel mai favorabil,avand o multime de factori ce
influenteaza negativ bunastarea populatiei ,fapt demonstrat,intrucat Cipru a fost afectata in mare
masura de criza financiara,gradul de saracie fiind mult mai ridicat decat la noi.
Estonia este o tara in curs de dezvoltare ca atare are un statut nefavorabil in raport cu cei doi
factori,ajungand la o corelatie de aprox(90%),fapt explicat economic,intrucat situatia in Estonia
a fost influentata de criza din 2007.Din cauza recesiunii economice globale începută în 2007,
PIBul Estoniei a scăzut cu 1,4% în al doilea trimestru din 2008, cu peste 3% în al treilea
trimestru, și cu peste 9% în al patrulea. Guvernul eston a rectificat în scădere bugetul, rectificare
aprobată de Riigikogu. Veniturile bugetare au fost scăzute pentru 2008 cu 6,1 miliarde de
coroane și cheltuielile bugetare cu 3,2 miliarde.Rata șomajului este de circa 11,7%, peste media
UE, în vreme ce creșterea PIB pe 2011 a fost de 8%, de cinci ori mai mare ca media zonei euro.
Putem observa ca in Romania impactul studiilor superioare asupra economiei este unul
negativ(aprox.50%) ,deci rata populatiei ce isi termina studiile superioare este destul de scazuta
astfel incat sa influenteze piata muncii,prin personal scazut de oameni calificati,iar gradul de
angajare in randul tineriilor din categoria 19-25 de ani este unul crescut (25%),tradus in termeni
ecoomici cu cat creste mai mult rata de angajare a tineriilor cu atat mai mult acestia nu-si mai
doresc sa-si continue studiile pentru aca tara noastra sa poata beneficia de un grad crescut al
muncitoriilor specializati si iimplicit la cresterea calitatii muncii.
Spania are o influenta pozitiva atat din punct de vedere al nivelului crescut al populatiei cu
studii superioare cat si din punct de vedere al tineriilor ce-si gasesc un loc de munca mult mai
devreme,beneficiind de conditiile necesare pentru a putea excela intr-un domeniu.Corelatia fiind
realizata in proportie de 90%,respectiv 45%.
Observam ca Romania este influentata pozitiv de catre cel de-al doilea factor(aprox.60%) si
negativ de cel de-al treilea factor, de unde putem deduce ca impactul educatiei asupra economiei
este unul pozitiv,insa aceast factor are in componenta sa 3 variabile si anule:numarul de persoane
ce se gandesc ca si-ar putea pierde locul de munca ,nr tineriilor ce se angajeaza de la o varsta
frageda si cheltuieliile publice totale alocate studentiilor.Observam ca in acest factor predomina
spectele negative ale educatiei precare,deci tara noastra nu incurajeaza populatia sa-si termine
studiile superioare,la fel cum gradul de pesimism in randul persoanelor angajate este unul
destulde mare,intrucat acestea nu au pregatirea necesara pentru a excela intr-un anumit
domeniu.Totodata,observam influenta negativa a invatamantului superior asupra economiei.
Finlanda este influentata negativ de cel de-al doilea factor in care predomina pesimismul si
gradul de angajare al tineriilor ,care implicit nu au optat pentru oo facultate,in acelas timp
aceasta tara este influentata in mod pozitiv de impactul invatamantului superior asupra
economiei,astfel Finlanda se remarca printr-un sistem educatiional de calitate care incurajeaza
dobandirea abilitaiilor necesare atat prin intermediul faculatiilor cat si prin intermediul liceelor
de profil tehnic,formanad astfel o populatie cizelata ,competenta sa aduca profituri foarte mari pe
piata financiara .Aceasta tara isi formeza un capital uman avizat si productiv.De
asemenea,Finlanda se remarca printr-un curriculumul flexibil.Învățământul este obligatoriu între
7 și 16 ani. După gimnaziu, absolvenții pot intra direct în câmpul muncii, sau se pot înscrie la
școli profesionale sau licee. Școlile profesionale pregătesc elevi pentru a practica diferite meserii.
Liceele sunt orientate academic și au criterii de admitere mai stricte, ele pregătind elevii pentru
examenul de Abitur și pentru învățământul universitar. Absolvirea unei școli profesionale sau
promovarea Abiturului califică un elev pentru admiterea în învățământul superior.
La nivel universitar, există două sectoare destul de separate și neinteroperabile: politehnicile,
orientate profesional; și universitățile centrate pe cercetare. Educația este gratuită și cazarea este
acoperită în mare măsură de către guvern prin subvenții pentru studenți. În țară funcționează 20
de universități și 30 de politehnici. Universitatea Helsinki se află pe locul 75 în clasamentul
universităților .Forumul Economic Mondial plasează învățământul universitar finlandez pe
primul loc în lume. Circa 33% din locuitori au absolvit cursurile universitare, cifră similară cu
celelalte țări nordice și mai mare decât majoritatea celorlalte țări membre ale OECD cu excepția
Canadei (44%), Statelor Unite (38%) și Japoniei (37%).Ponderea studenților străini este de 3%,
una dintre cele mai mici din OECD, iar la nivelul programelor avansate (masterat, doctorat etc.)
ponderea este de 7,3%, tot sub media OECD de 16,5%.
Peste 30% din absolvenții învățământului superior sunt în domenii științifice. Îmbunătățirile
forestiere, știința materialelor, științele mediului, rețelele neurale, fizica temperaturilor joase,
cercetările neurologice, biotehnologia, tehnologia genetică și comunicațiile sunt toate exemple de
domenii în care cercetătorii finlandezi au avut un impact important.
Finlanda are o lungă tradiție de educație a adulților, și până în anii 1980 un milion de finlandezi
beneficiau de educație de diferite feluri în fiecare an. 40% dintre ei iau cursuri din motive
profesionale. Educația adulților a apărut în mai multe forme, cum ar fi școli gimnaziale la seral,
instituții civice și muncitorești, centre de studiu, centre de cursuri vocațîonale și licee populare.
Anexa
View(date_ACP)
attach(date_ACP)
summary(date_ACP)
# COMPONENTE PRINCIPALE
date<-date_ACP[,3:16]
View(date)
date_std<-scale(date, scale=TRUE)
View(date_std)
R=cor(date_std)
A <- matrix(1,nrow(invR),ncol(invR))
for (i in 1:nrow(invR)){
for (j in (i+1):ncol(invR)){
#deasupra diag
#sub diagonala
}
}
print(A)
print(kmo)
bart<-function(date){
R<-cor(date)
p<-ncol(date)
n<-nrow(date)
df<-(p*(p-1)/2)
p<-pchisq(chi2,df,lower.tail=F) #pvalue
round(p,6),sep="" )
bart(date_std)
p<-ncol(date)
df<-(p*(p-1)/2)
crit<-qchisq(.95,df)
View(crit)
?pchisq() ### Functia repartitie
qchisq(0.05,91,lower.tail=F)
library(rela)
res$KMO
res$Bartlett
summary(res)
colnames(fit.4$loadings)<-c("Comp1","Comp2","Comp3","Comp4")
install.packages("corrplot")
library(corrplot)
corrplot(fit.4$loadings,method="circle")
#######################################
fit.4_coef<-solve(fit.4$correlation)%*%fit.4$loadings
fit.4_coef
fit.4_scores<-date_std%*%solve(cor(date_std))%*%fit.4$loadings
fit.4_scores
df=data.frame(fit.4_scores)
View(df)
rownames(df)=date_ACP[,2]
View(df)
biplot(df[,1:2],fit.4$loadings[,1:2],cex=c(0.7,0.8))
biplot(df[,3:4],fit.4$loadings[,3:4],cex=c(0.7,0.8))
biplot(df[,2:3],fit.4$loadings[,2:3],cex=c(0.7,0.8))