Documente Academic
Documente Profesional
Documente Cultură
Grupa 1063
Seria Statistică
Cuprins:
Concluzii……………………………………………………………....…………..12
Bibliografie………………………………………………………………………..13
Introducere
Datele
Aceste date sunt utile pentru modelarea unor fenomene economico-sociale, asupra cărora vom
aplica diverse tehnici de analiză multidimensioanală în scopul reducerii numărului de variabile,
pentru determinarea unor cauze, a unor factori latenți care influențează aceste date, a stabilirii
cauzalității și legăturilor între ele. De asemenea, le vom grupa, în funcție de anumite variabile
care au o putere de discriminare mai mare, să determinăm anumite clase de apartenență pentru
fiecare dintre variabile prin intemediul tehnicii de recunoaștere a formelor nesupervizată, de
determinarea unor funcții de clasificare și în cele din urmă de testarea calității acestor indicatori.
Conform analizei, putem deduce că există diferențe semnificative între mediile variabilelor celor
două categorii de țări.
PIB-ul pe cap de locuitor este semnficativ mai mare în țările care fac parte din UE,
decât cele care nu sunt incluse.
Rata șomajului este mai mare în țările neicluse în UE.
Rata de urbanizare este mai mare în țările care fac parte din UE, decât cele
care nu sunt incluse.
Speranța de viață la naștere este mai mare în țările care fac parte din UE,
decât cele care nu sunt incluse.
În țările din UE, cheltuielile cu sănătatea sunt mai mari decât cele neincluse
în UE.
Suprafața de pământ arabil este mai mare în țările neincluse în UE.
Nivelul de educație superior și al utilizatorilor de Internet sunt mai mari în
țările care fac parte din UE, decât cele care nu sunt incluse.
Cea mai mica valoare coeficienților este 107 488 780,79 , corespunzând perechii
de țări 21-39(Islanda și Slovenia), indicând faptul că sunt cele mai asemănătoare
țări, conform caracteristicilor studiate.
La polul opus, putem observa cea mai mare valoare a coeficientilor, 88 291 489
276, ce corespunde perechii 41-16(Suedia și Franța), indicând faptul că sunt cele
mai diferite țări, conform caracteristicilor studiate.
Conform tabelului “Cluster membership” putem observa apartenența
fiecărei țări la un anumit cluster. Cele 44 țări incluse în analiză sunt grupate
astfel:
Acest lucru se obervă și din graficul de mai jos (Scree Plot), unde punctul de
inflexiune este cel mai mare în punctul 2.
Din tabelul Component matrix, putem observa următoarele:
Componenta 1 este determinată pozitiv de: PIB/locuitor, de rata de
urbanizare, speranța de viață la naștere, cheltuielile cu sănătatea, investițiile
straine, nivelul de educație superior și utilizatorii de Internet; Influențată negativ de
:rata șomajului și pământul arabil.
Din tabelul Component Plot putem observa că prima grupă reprezintă tările cu PIB
pe locuitor mare, utilizatori de internet multi, investitii straine mari, speranta de
viată mare si rata somajului mică.
Concluzii:
1. www.worldbank.org
2. http://spssx-discussion.1045642.n5.nabble.com/Comparing-Output-from-
Hierarchial-Clustering-Vs-K-Means-td3288054.html
3. http://pic.dhe.ibm.com/infocenter/spssstat/v20r0m0/index.jsp?topic=
%2Fcom.ibm.spss.statistics.help%2Fidh_clus.htm