Взаимосвязь между ESG-факторами и финансовыми коэффициентами

В ходе корреляционного анализа между "ROA" и показателем инноваций были выявлены отрицательные корреляции, которые говорят о том, что чем больше "ROA" тем меньше показатель инноваций. Видно, что связь показывают последние более ближние года, к более прошлым. Это можно интерпретировать тем, что в прошлом компании меньше инвестировали в инновации в сфере экологии, следовательно, они инвестировали их в другие направления, которые скорее всего могли бы приносить деньги, например модернизировали производство и значит на сегодняшний момент компании имеют лучшие показатели рентабельности активов. Стоит отметить что под инновациями имеются в виду инновации в сфере экологии, которые по сути своей являются серьезными расходами для компании, и не улучшают или же не модернизируют производственные мощности, то есть не увеличивают производительность или же эффективность. Также был выявлен интересный факт, того что "ROA" за 2008-2006 год, которые обычно делали отголоски на последующие года, с показателем инноваций никак не связаны.

Корреляционный анализ для Shareholders выявил крайне мало взаимосвязей.

Корреляционный анализ для Management показал что существует тенденция что на последние годы Management 2016-2014 влияют показатели "ROA" за весь срок. То есть другими словами, чем лучше был показатель рентабельности активов, тем лучше показатели качества менеджмента в 2014-2016 годах.

Корреляционный анализ для Human Rights показал отсутствие связей для "ROA" 2016-2012 годов.

Корреляционный анализ для Workforce показал крайне слабые связи. Все силы связи довольно маленькие и в среднем составляют 0.05.

Самый главный вывод заключается в том, что было выявлено, что показатели "ROA" за 2008, 2007 и 2006 годы, сильно связаны со многими показателями ESG за 2007-2016. Это можно интерпретировать тем, что в 2008 году был мировой финансовый кризис, и от того как вела себя компания до и во время кризиса, сказывается на том, какие были у компании рейтинги по ESG-факторам.



Заключение

В результате описательного анализа были получены нижеследующие результаты. Консолидированный показатель показывает всплески роста в последние годы (2015-2016) показывают рейтинги “A”, “A-”, “B+”, “C+”, что свидетельствует о том что качество ESG-факторов в целом растет за последние годы. В то же время видно снижение среди “D”, “D+”, “C-”, “C”, “B-”, “B”, вследствие чего можно сделать вывод что компании улучшают качество свои показателей. Среднее значение растет с 6.16 до 6.58. Нескоректированный в отличие от скорректированного смещен влево и большая часть сосредоточена в районе рейтингов “C”, нескорректированный же показатель смещен в сторону “B”. Однако тенденция на рост качества сохраняется, так, у нескорректированного показателя, также показывают значительный рост рейтинги “A”, “A-”, “B+”. Среднее значение растет с 7.139 в 2007 году до 7.984 в 2016 году. У ESG Controversies Score(корректора) большое количество компаний получают рейтинг “B”, то есть если сложить эти данные, которые являются корректором и будут следовательно отрицательными, или другими словами уменьшать данные ESG Score, и ESG Score, то получится как раз картина которую можно наблюдать на графике консолидированного показателя. Среднее значение находится около 5. Среди подпунктов ESG были получены ниже следующие результаты. У показателя “использование ресурсов” значения смещены вправую сторону, и преобладают рейтинги от “B” до “A+”, также виден серьезный вес рейтинга “D+”, с его последующим падением, и ростом “отличных рейтингов”. Возможно это связано с тем, что с 2008 года было большое увеличение количества компаний, отчитывающихся по ESG, которые начали с плохих рейтингов и впоследствии значительно улучшили свои показатели. Среднее значение растет с 7 до 8. У показателя “выбросы” рейтинги смещены вправо к “отличным” рейтингам, и виден значительный рост у правых четырех рейтингов в последние годы. Среднее значение растет с 7 до 8. У показателя “инновации” представлена крайне смешанная и неоднозначная картина, растут как и “отличные рейтинги”, так и рейтинги от “D+” до “C+”. У показателя “рабочая сила” прослеживается четкое смещение в сторону “отличных”, и их рост в 2015-2016 годы. Среднее значение растет с 7 до 8. У показателя “права человека” видно то что большое количество компаний имеют рейтинги “C-” и “С”, однако с течением времени ситуация меняется и эти рейтинги падают, на фоне роста “отличных рейтингов”. Среднее значение растет также с 7 до 8. У показателя “общество” прослеживается смещение в сторону “отличных”, однако не настолько сильное как например у рабочей силы, и их рост в 2015-2016 годы. График сообществ более равномерно распределен от “D-” до “B+”. У показателя “ответственность за продукт” представлена смешанная информация, так например растут рейтинги “C” и “С+”, но в то же время растут рейтинги “A-” и “A+”. Возможно это связано с тем что компании имевшие в прошлом рейтинги класса “D”, улучшили свои показатели в сторону “C”, а компании имевшие рейтинги класса “B” выросли до класса “A”. Среднее значение растет с 7.1 до 7.7. У показателя “менеджмент” прослеживается такое же четкое смещение в сторону “отличных” рейтингов, как и у например “рабочей силы”, а так же присутствует рост в последние годы. Среднее значение растет с 6.7 до 7.7. У показателя “Стейкхолдеры” прослеживается крайне смешанная и неоднозначная картина, нет четких трендов, рейтинги распределены относительно равномерно. Рост среднего значения представляется незначительным в сравнении с другими показателями, и составляет всего 0.1 (с 6.7 до 6.8). У показателя “корпоративная социальная ответственность” прослеживается более менее четкий тренд смещения в сторону “отличных” рейтингов, и их рост в последние годы. Также весьма интересным представляется сильные всплески роста в рейтингах “D+”, “C-”, “C”, которые могут быть вызваны тем что в эти годы большое количество компаний начали отчитываться по стандартам ESG, и получили данные рейтинги. Среднее растет средними темпами всего на 0.5 (с 7.5 до 8.1).

Подводя итог частотного анализа можно сказать что основной вывод заключается в росте количества компаний, которые отчитываются по ESG-факторам, а также рост качества, то есть другими словами компании все больше заботятся и улучшают свои рейтинги.

После проведения корреляционного анализа было выявлено наличие взаимосвязей между ESG факторами и финансовым показателем рентабельности активов "ROA" ( return on assets). Причем следует отметить что нулевое значение свидетельствует только о том, что отсутствует линейная зависимость, вследствие чего можно сделать вывод либо о полном отсутствии каких-либо зависимостей, либо же о наличии нелинейной зависимости. То есть, другими словами были выявлены не просто взаимосвязи, а линейные взаимосвязи. То есть, нельзя отрицать возможное наличие нелинейных связей. Анализ между между "ROA" и ESG Controversies Score было выявлено то, что большая часть связей отрицательны, что свидетельствует о том, что если "ROA" растет то ESG Controversies падает, и наоборот. Отрицательные значения показывают что чем лучше финансовая ситуация у компании, тем меньше у нее проблем с ESG , то есть меньше корректор. Анализа между "ROA" и показателем инноваций были выявлены отрицательные корреляции, которые говорят о том, что чем больше "ROA" тем меньше показатель инноваций. Видно, что связь показывают последние более ближние года, к более прошлым. Это можно интерпретировать тем, что в прошлом компании меньше инвестировали в инновации в сфере экологии, следовательно, они инвестировали их в другие направления, которые скорее всего могли бы приносить деньги, например модернизировали производство и значит на сегодняшний момент компании имеют лучшие показатели рентабельности активов. Стоит отметить что под инновациями имеются в виду инновации в сфере экологии, которые по сути своей являются серьезными расходами для компании, и не улучшают или же не модернизируют производственные мощности, то есть не увеличивают производительность или же эффективность. Также был выявлен интересный факт, того что "ROA" за 2008-2006 год, которые обычно делали отголоски на последующие года, с показателем инноваций никак не связаны. Анализ для “Shareholders” выявил крайне мало взаимосвязей. Анализ для “Management” показал что существует тенденция что на последние годы “Management” 2016-2014 влияют показатели "ROA" за весь срок. То есть другими словами, чем лучше был показатель рентабельности активов, тем лучше показатели качества менеджмента в 2014-2016 годах. Анализ для “Human Rights” показал отсутствие связей для "ROA" 2016-2012 годов. Анализ для Workforce показал крайне слабые связи. Все силы связи довольно маленькие и в среднем составляют 0.05.

Самый главный вывод заключается в том, что было выявлено, что показатели "ROA" за 2008, 2007 и 2006 годы, сильно связаны со многими показателями ESG за 2007-2016. Это можно интерпретировать тем, что в 2008 году был мировой финансовый кризис, и от того как вела себя компания до и во время кризиса, сказывается на том, какие были у компании рейтинги по ESG-факторам.

Другим важным нюансом является то что все взаимосвязи, которые были выявлены обладают довольно слабой силой связи, которая находиться до 0.2 и называется “очень слабая корреляция”.

Полученные результаты соответствуют результатам, которые были выявленны [Sahut, 2015] ( позитивные взаимосвязи между ESG и финансовыми коэффициентами), частично соответствует выводам [Manescu, 2011], который в своем исследовании установил что только подпункт ESG-факторов - сообщество “community”, положительно связан с доходностью акций, торгуемых на американской бирже в 1992-2008 годах, потому что были выявлены слабые, но связи почти со всеми факторами. Также частичное соответствие с [Esteban-Sanchez, Cuesta-Gonzalez, Patedes-Gazquez, 2017], которые говорят о том, что лучшие отношения со своими сотрудниками и лучшее корпоративное управление имеют помогают получить лучшие показатели по финансовой результативности. Возможное соответствие с исследованием [Nollet, Filis, Mitrokostas, 2016], которые нашли U-образную связь между CSP и CFP, потому что корреляции по Пирсону, Кендаллу и Спирмену показывают только наличие прямолинейных связей. Также частичное соответствие с исследованием [Wang, Sarkis, 2017], которые установили связь между управлением корпоративной социальной ответственностью и финансовыми показателями. Еще одно соответствие с [Waworuntu, Wantah, Rusmanto, 2014], которые выявили существование умеренной положительной корреляция между социальной ответственностью и финансовой результативностью. Возможное соответствие с [Wang, Lu, Chau, Zhang, 2016] криволинейное отношение CSP к рентабельности активов и прибыли на акцию, потому что корреляции по Пирсону, Кендаллу и Спирмену показывают только наличие прямолинейных связей.

Ценность полученных результатов заключается во вкладе в мировой опыт и понимание взаимосвязи ESG-факторов и финансового коэффициента - рентабельности активов, который может послужить еще одним поводом для инвестора или же управляющего активами для включения показателей “ESG” в свой процесс анализа компании перед принятием решения об инвестировании. Однако не стоит придавать столь же сильное значение показателям “ESG”, как например стоит придавать финансовым коэффициентам. Как минимум потому что суть ESG-рейтингования заключается в построении устойчивой системы развития, которая будет удовлетворять потребности существующего населения планеты, без ущерба будущим поколениям.

Одно из основных ограничение работы заключается в недостатке такого ресурса как время. Изначально планировалось провести описательные и корреляционные анализы для каждого из финансовых показателей, которые представлены в базе данных, однако из-за нехватки времени, и также из-за невозможности реализации настолько масштабного исследования, было принято решение ограничиться одним финансовым показателем.

В исследование используется только один финансовый коэффициент - рентабельность активов, хотя в собранной базе данных представлено гораздо большее количество. Одним из направлений возможного продолжения исследования может послужить использование других финансовых коэффициентов, таких как “Earnings Quality Score”, показатели группы “Profitability”: “Gross Margin”, “EBITDA Margin”, “Operating Margin”, “Pretax Margin”, “Effective Tax Rate”, “Net Margin”, “DuPont/Earning Power”, “Asset Turnover”, “Asset Turnover x Pretax Margin”, “Pretax "ROA"”, “Pretax "ROA" x Leverage (Assets/Equity)”, “Pretax ROE”, “Pretax ROE x Tax Complement”, “ROE”, “ ROE x Earnings Retention”, “Reinvestment Rate”. Показатели группы “Liquidity”: “Quick Ratio”, “Current Ratio”, “Times Interest Earned”, “Cash Cycle (Days)”. Показатели группы “Leverage”: “Assets/Equity”, “Debt/Equity”, “% LT Debt to Total Capital”, “(Total Debt - Cash) / EBITDA”. Показатели группы “Operating”: “A/R Turnover”, “Avg. A/R Days”, “ Inv Turnover”, “ Avg. Inventory Days”, “ Avg. A/P Days”, “Fixed Asset Turnover”, “WC / Sales Growth”, “ Bad Debt Allowance (% of A/R)”, “ ROIC”, “ Revenue per Employee (€)”.

Другим направлением возможного продолжения исследования может быть изменение или же улучшение методологии, а в частности использования новых инструментов статистического анализа. Также возможно разделение выборки на 4 индустрии, на которые делит компания “Thomson Reuters” или же введение собственного перечня индустрий.



Список использованной литературы

1. Бригхэм, Ю., Хьюстон Дж. (2013). Финансовый менеджмент. СПб.: Питер, 592.

2. Ковалев, В. (2017). Финансовый менеджмент: теория и практика. Москва: Проспект, 1104.

3.Моосмюллер, Г., Ребик, Н. (2014). Маркетинговый исследования с SPSS. Москва: ИНФРА-М, 200.

4. Крыштановский, А. (2006). Анализ социологических данных с помощью пакета SPSS. Москва: Издательский дом ГУ ВШЭ, 280.

5. Coakes, J. (2005). Analysis without Anguish, John Wiley and Sons Australia, Ltd.

6. Achim, M., Borlea, S. N. (2015). Developing of ESG score to assess the non-financial performances in Romanian companies. Emerging Markets Queries in Finance and Business. 32, 1209-1224, doi: 10.1016/S2212-5671(15)01499-9

7. Auer, B., Schuhmacher, F. (2016). Do socially (ir)responsible investments pay? New evidence from international ESG data. The Quarterly Review of Economics and Finance. 59, 51-62, doi: 10.1016/j.qref.2015.07.002

8. Crifo, P.,Diaye, M., Oueghlissi, R. (2017). The effect of countries' ESG ratings on their sovereign borrowing costs. The Quarterly Review of Economics and Finance, 66, 13-20, doi: 10.1016/j.qref.2017.04.011

9. Duuren, E., Plantinga, A., Scholtens, B. (2016). ESG Integration and the Investment Management Process Fundamental Investing Reinvented. Journal of Business Ethics,138, 525-533, doi:10.1007/s10551-015-2610-8

10. Esteban-Sanchez, P., Cuesta-Gonzalez, M., Patedes-Gazquez J.D. (2017). Corporate social performance and its relation with corporate financial performance: International evidence in the banking industry. Journal of Cleaner Production. 162, 1102-1110, doi:10.1016/j.jclepro.2017.06.127

11. Fatemi, A., Glaum, M., Kaiser S. (2017). ESG performance and firm value: The moderating role of disclosure. Global Finance Journal, 32,1-20, doi: 10.1016/j.gfj.2017.03.001

12. Huber, M.B., Comstock, M. (2017). ESG Reports and Ratings: What They Are, Why They Matter? The Corporate Governance Adviser,25(3),1-12.

13. Husted, B., Sousa-Filho, J. (2017). The impact of sustainability governance, country stakeholder orientation, and country risk on environmental, social and governance performance. Journal of Cleaner Production, 155, 93-102, doi:10.1016/j.jclepro.2016.10.025

14. Li, Y., Gong, M., Zhang, X., Koh, L. (2017). The impact of environmental, social, and governance disclosure on firm value: The role of CEO power. The British Accounting Review, 50(1), 60-75, doi: 10.1016/j.bar.2017.09.007

15. Manescu, C. (2011). Stock Returns in Environmental, Social and Governance Performance: Mispricing or Compensation for Risk?. Sustainable Development. 19, 95-118, doi:10.1002/sd.510

16. Mollet, J.C., Ziegler, A. (2014). Socially responsible investing and stock performance: New empirical evidence for the US and European stock markets. Review of Financial Economics. 23, 208-216, doi: 10.1016/j.rfe.2014.08.003

17. Nollet, J., Filis, G., Mitrokostas, E. (2016). Corporate social responsibility and financial performance: A non-linear and disaggregated approach. Economic Modelling. 52, 400-407, doi: 10.1016/j.econmod.2015.09.019

18. Pelosi, N., Adamson, R. (2016). Managing the «S» in ESG: The Case of Indigenous Peoples and Extractive Industries. Journal of APPLIES CORPORATE FINANCE, 28(2), 87-96, doi:10.1111/jacf.12180

19. Rees, W., Rodionova, T. (2015). The Influence of Family Ownership on Corporate Social Responsibility: An International Analysis of Publicly Listed Companies. Corporate Governance: An International Review, 23(3), 184-202, doi:10.1111/corg.12086

20. Sahut, J. (2015). ESG Impact on Market Performance of Firms: International Evidence. An article of the journal Management international. 19, 40-63, doi: 10.7202/1030386ar

21. Stewart, L. (2015). Growing Demand for ESG Information and Standarts: Understanding Corporate Opportunities as Well as Risks. Journal of Applied Corporate Finance. 27, 58-64, doi: 10.1111/jacf.12118

22. Verheyden, T., Eccles, R., Feiner, A. (2016). ESG for All? The Impact of ESG Screening on Return, Risk, and Diversification. Journal of APPLIED CORPORATE FINANCE, 28(2), 47-55, doi:10.1111/jacf.12174

23. Wang, V., Lu, W., Chau K.W., Zhang, X. (2016). The curvilinear relationship between corporate social performance and corporate financial performance: Evidence from the international construction industry. Journal of Cleaner Production, 137, 1313-1322, doi: 10.1016/j.jclepro.2016.07.184

24. Waworuntu, S.R., Wantah, M.D., Rusmanto,T. (2014). CSR and financial performance analysis: evidence from top ASEAN listed companies. Procedia - Social and Behavioral Sciences. 164, 493-500, doi: 10.1016/j.sbspro.2014.11.107

25. Wang, Z., Sarkis, J. (2017). Corporate social responsibility governance, outcomes, and financial performance. Journal of Cleaner Production. 162, 1607-1616, doi: 10.1016/j.jclepro.2017.06.142

Приложения

Приложение 1

Таблица 1 “ESG Combined Score”

	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016
N	Valid	790	1192	1284	1402	1444	1452	1485	1534	1593	1553
	Missing	825	423	331	213	171	163	130	81	22	62
Mean	6,166	6,101	6,233	6,111	6,183	6,211	6,193	6,222	6,628	6,580
Std. Error of Mean	,0692	,0548	,0565	,0536	,0535	,0544	,0520	,0518	,0550	,0534
Median	6,000	6,000	6,000	6,000	6,000	6,000	6,000	6,000	6,000	6,000
Mode	5,0	5,0	6,0	5,0	5,0	5,0	6,0	5,0	5,0	6,0
Std. Deviation	1,9458	1,8903	2,0235	2,0065	2,0347	2,0734	2,0050	2,0270	2,1950	2,1037
Variance	3,786	3,573	4,095	4,026	4,140	4,299	4,020	4,109	4,818	4,426
Range	10,0	9,0	9,0	9,0	10,0	10,0	11,0	10,0	11,0	10,0
Minimum	2,0	2,0	2,0	2,0	2,0	1,0	1,0	2,0	1,0	2,0
Maximum	12,0	11,0	11,0	11,0	12,0	11,0	12,0	12,0	12,0	12,0
Sum	4871,0	7272,0	8003,0	8568,0	8928,0	9019,0	9197,0	9544,0	10558,0	10218,0
Percentiles	25	5,000	5,000	5,000	5,000	5,000	5,000	5,000	5,000	5,000	5,000
	50	6,000	6,000	6,000	6,000	6,000	6,000	6,000	6,000	6,000	6,000
	75	8,000	7,000	8,000	7,000	8,000	8,000	8,000	8,000	8,000	8,000



Таблица 2 “Esg Score”

	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016
N	Valid	790	1192	1284	1402	1444	1452	1485	1534	1593	1553
	Missing	825	423	331	213	171	163	130	81	22	62
Mean	7,139	7,141	7,283	7,342	7,407	7,396	7,426	7,447	7,724	7,984
Std. Error of Mean	,0734	,0639	,0637	,0609	,0601	,0591	,0584	,0571	,0548	,0533
Median	7,000	7,000	7,000	8,000	8,000	8,000	8,000	8,000	8,000	8,000
Mode	8,0a	8,0	8,0a	8,0a	9,0	8,0	8,0	8,0	9,0	9,0
Std. Deviation	2,0632	2,2046	2,2826	2,2797	2,2844	2,2527	2,2522	2,2346	2,1853	2,1019
Variance	4,257	4,860	5,210	5,197	5,219	5,075	5,072	4,994	4,775	4,418
Range	10,0	10,0	10,0	10,0	10,0	10,0	11,0	10,0	10,0	10,0
Minimum	2,0	2,0	2,0	2,0	2,0	2,0	1,0	2,0	2,0	2,0
Maximum	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0
Sum	5640,0	8512,0	9352,0	10293,0	10695,0	10739,0	11028,0	11424,0	12304,0	12399,0
Percentiles	25	5,000	5,000	6,000	5,000	6,000	6,000	6,000	6,000	6,000	7,000
	50	7,000	7,000	7,000	8,000	8,000	8,000	8,000	8,000	8,000	8,000
	75	9,000	9,000	9,000	9,000	9,000	9,000	9,000	9,000	9,000	10,000

Таблица 3 “ESG Controversies Score”

	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016
N	Valid	790	1192	1284	1402	1444	1452	1485	1534	1593	1553
	Missing	825	423	331	213	171	163	130	81	22	62
Mean	5,932	5,997	5,888	5,617	5,709	5,669	5,632	5,731	5,829	5,418
Std. Error of Mean	,1018	,0820	,0785	,0798	,0780	,0772	,0757	,0760	,0717	,0777
Median	8,000	8,000	7,000	8,000	8,000	8,000	8,000	8,000	8,000	7,000
Mode	8,0	8,0	8,0	8,0	8,0	8,0	8,0	8,0	8,0	8,0
Std. Deviation	2,8615	2,8311	2,8129	2,9888	2,9631	2,9420	2,9163	2,9748	2,8624	3,0614
Variance	8,188	8,015	7,913	8,933	8,780	8,656	8,505	8,849	8,194	9,372
Range	9,0	10,0	8,0	9,0	9,0	9,0	9,0	9,0	8,0	9,0
Minimum	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0
Maximum	10,0	11,0	9,0	10,0	10,0	10,0	10,0	10,0	9,0	10,0
Sum	4686,0	7148,0	7560,0	7875,0	8244,0	8232,0	8363,0	8791,0	9285,0	8414,0
Percentiles	25	3,000	3,000	2,000	2,000	2,000	3,000	3,000	2,000	2,000	2,000
	50	8,000	8,000	7,000	8,000	8,000	8,000	8,000	8,000	8,000	7,000
	75	8,000	8,000	8,000	8,000	8,000	8,000	8,000	8,000	8,000	8,000

Таблица 4 “Resource Use”

	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016
N	Valid	790	1192	1284	1402	1444	1452	1485	1534	1593	1553
	Missing	825	423	331	213	171	163	130	81	22	62
Mean	7,301	7,387	7,519	7,663	7,729	7,774	7,780	7,824	8,198	8,577
Std. Error of Mean	,1225	,0997	,0963	,0907	,0880	,0880	,0865	,0855	,0809	,0773
Median	8,000	8,000	8,000	8,000	8,000	8,000	8,000	8,000	9,000	9,000
Mode	3,0	3,0	3,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0
Std. Deviation	3,4440	3,4413	3,4520	3,3976	3,3443	3,3531	3,3337	3,3491	3,2290	3,0464
Variance	11,861	11,843	11,916	11,544	11,184	11,243	11,113	11,216	10,426	9,280
Range	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0
Minimum	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0
Maximum	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0
Sum	5768,0	8805,0	9655,0	10744,0	11161,0	11288,0	11554,0	12002,0	13059,0	13320,0
Percentiles	25	4,000	4,000	4,000	5,000	5,000	5,000	5,000	5,000	6,000	7,000
	50	8,000	8,000	8,000	8,000	8,000	8,000	8,000	8,000	9,000	9,000
	75	11,000	11,000	11,000	11,000	11,000	11,000	11,000	11,000	11,000	11,000

Таблица 5 “Emissions”

	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016
N	Valid	790	1192	1284	1402	1444	1452	1485	1534	1593	1553
	Missing	825	423	331	213	171	163	130	81	22	62
Mean	7,347	7,406	7,573	7,672	7,706	7,768	7,767	7,816	8,176	8,543
Std. Error of Mean	,1270	,1003	,0966	,0925	,0897	,0880	,0874	,0853	,0810	,0776
Median	8,000	8,000	8,000	8,000	8,000	8,000	8,000	9,000	9,000	9,000
Mode	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0
Std. Deviation	3,5695	3,4636	3,4623	3,4650	3,4078	3,3538	3,3698	3,3428	3,2320	3,0580
Variance	12,741	11,996	11,988	12,006	11,613	11,248	11,355	11,174	10,446	9,351
Range	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0
Minimum	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0
Maximum	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0
Sum	5804,0	8828,0	9724,0	10756,0	11128,0	11279,0	11534,0	11990,0	13025,0	13267,0
Percentiles	25	4,000	5,000	5,000	5,000	5,000	5,000	5,000	5,000	6,000	7,000
	50	8,000	8,000	8,000	8,000	8,000	8,000	8,000	9,000	9,000	9,000
	75	11,000	11,000	11,000	11,000	11,000	11,000	11,000	11,000	11,000	11,000



Таблица 6 “Innovation”

	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016
N	Valid	790	1192	1284	1402	1444	1452	1485	1534	1593	1553
	Missing	825	423	331	213	171	163	130	81	22	62
Mean	6,773	6,925	7,107	7,133	7,178	7,336	7,310	7,246	7,551	7,648
Std. Error of Mean	,1091	,0935	,0932	,0905	,0874	,0874	,0867	,0843	,0812	,0828
Median	6,000	6,000	7,000	7,000	7,000	8,000	8,000	7,000	8,000	8,000
Mode	6,0	5,0	5,0	11,0	4,0	12,0	12,0	4,0	11,0	5,0
Std. Deviation	3,0676	3,2265	3,3387	3,3881	3,3215	3,3288	3,3419	3,3026	3,2408	3,2640
Variance	9,410	10,410	11,147	11,479	11,032	11,081	11,168	10,907	10,503	10,653
Range	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0
Minimum	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0
Maximum	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0
Sum	5351,0	8255,0	9126,0	10001,0	10365,0	10652,0	10856,0	11115,0	12028,0	11878,0
Percentiles	25	4,000	4,000	4,000	4,000	4,000	4,000	4,000	4,000	5,000	5,000
	50	6,000	6,000	7,000	7,000	7,000	8,000	8,000	7,000	8,000	8,000
	75	9,000	10,000	10,000	11,000	10,000	10,000	10,000	10,000	11,000	11,000

Таблица 7 “Workforce”

	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016
N	Valid	790	1192	1284	1402	1444	1452	1485	1534	1593	1553
	Missing	825	423	331	213	171	163	130	81	22	62
Mean	7,367	7,362	7,497	7,561	7,548	7,470	7,472	7,482	7,852	8,153
Std. Error of Mean	,1218	,0982	,0934	,0901	,0888	,0898	,0881	,0865	,0826	,0805
Median	8,000	8,000	8,000	8,000	8,000	8,000	8,000	8,000	8,000	9,000
Mode	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0
Std. Deviation	3,4239	3,3898	3,3470	3,3745	3,3753	3,4212	3,3953	3,3878	3,2952	3,1734
Variance	11,723	11,491	11,203	11,387	11,393	11,705	11,528	11,477	10,858	10,071
Range	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0
Minimum	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0
Maximum	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0
Sum	5820,0	8776,0	9626,0	10600,0	10899,0	10846,0	11096,0	11477,0	12509,0	12662,0
Percentiles	25	4,000	5,000	5,000	5,000	5,000	5,000	5,000	5,000	5,000	6,000
	50	8,000	8,000	8,000	8,000	8,000	8,000	8,000	8,000	8,000	9,000
	75	10,000	10,000	10,000	11,000	11,000	11,000	11,000	11,000	11,000	11,000

Таблица 8 “Human Rights”

	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016
N	Valid	790	1192	1284	1402	1444	1452	1485	1534	1593	1553
	Missing	825	423	331	213	171	163	130	81	22	62
Mean	7,194	7,149	7,165	7,292	7,479	7,543	7,613	7,488	7,784	8,082
Std. Error of Mean	,1080	,0874	,0859	,0822	,0819	,0819	,0814	,0824	,0797	,0790
Median	5,000	5,000	5,000	5,000	7,000	8,000	8,000	8,000	8,000	9,000
Mode	5,0	5,0	5,0	5,0	5,0	5,0	5,0	4,0	5,0	5,0
Std. Deviation	3,0366	3,0162	3,0785	3,0765	3,1140	3,1191	3,1353	3,2273	3,1828	3,1115
Variance	9,221	9,098	9,477	9,465	9,697	9,729	9,830	10,416	10,130	9,681
Range	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0	11,0
Minimum	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0	1,0
Maximum	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0	12,0
Sum	5683,0	8522,0	9200,0	10224,0	10799,0	10952,0	11306,0	11486,0	12400,0	12552,0
Percentiles	25	5,000	5,000	5,000	5,000	5,000	5,000	5,000	4,000	5,000	5,000
	50	5,000	5,000	5,000	5,000	7,000	8,000	8,000	8,000	8,000	9,000
	75	11,000	10,000	10,000	10,000	10,000	11,000	11,000	11,000	11,000	11,000

Таблица 9 “Community”

	2007	2008	2009	2010	2011	2012	2013	2014	2015	2016
N	Valid	790	1192	1284	1402	1444	1452	1485	1534	1593	1553
	Missing	825	423	331	213	171	163	130	81	22	62
Mean	7,648	7,200	7,180	7,287	7,386	7,301	7,347	7,445	7,672	7,703
Std. Error of Mean	,1170	,1005	,0983	,0920	,0901

Подобные документы

• Выполнение корреляционного и регрессионного анализа

  Связь между случайными переменными и оценка её тесноты как основная задача корреляционного анализа. Регрессионный анализ, расчет параметров уравнения линейной парной регрессии. Оценка статистической надежности результатов регрессионного моделирования.
  
  контрольная работа [50,4 K], добавлен 07.06.2011
  

• Решение задач

  Ознакомление с основами выборочного метода в статистическом наблюдении. Определение средней величины. Описание структурных характеристик изучаемой совокупности. Расчет моды, медианы, крайних квартилей и децилей. Проведение корреляционного анализа.
  
  контрольная работа [113,9 K], добавлен 12.05.2015
  

• Исследование свойств случайных величин, планирование эксперимента и анализ данных

  Получение функции отклика показателя качества Y2 и формирование выборки объемом 15 и более 60. Зависимость выбранного Y от одного из факторов Х. Дисперсионный анализ и планирование эксперимента. Проведение корреляционного и регрессионного анализа.
  
  курсовая работа [827,2 K], добавлен 19.06.2012
  

• Корреляционный анализ

  Задачи и этапы проведения корреляционного анализа, экономическая интерпретация его результатов. Критерии качественной и количественной однородности исходных данных: среднеквадратическое отклонение и коэффициент вариации. Показатели оценки уравнения связи.
  
  контрольная работа [76,9 K], добавлен 12.11.2013
  

• Трендовые и корреляционные модели

  Изучение методов получения трендовых и корреляционных моделей, их основные виды. Определение тесноты связей между различными факторами и закономерностей развития описываемых событий. Графики результатов расчета по полученным корреляционным моделям.
  
  курсовая работа [559,5 K], добавлен 11.04.2012
  

• Применение методов дисперсионного анализа в экономике

  Дисперсионный анализ - исследование причин отклонений фактических затрат от нормативных. Схемы организации исходных данных с двумя и более факторами. Формулы расчета межгрупповой и внутригрупповой дисперсии. Задачи двухфакторного дисперсионного анализа.
  
  курсовая работа [1,0 M], добавлен 16.01.2013
  

• Сетевое планирование и управление. Основы регрессионного анализа

  Понятие сетевого планирования, его особенности, назначение и сферы применения. Правила и этапы построения сетевых графиков, необходимые расчеты и решение типовых задач. Общая характеристика корреляционного и регрессивного анализа, их применение.
  
  контрольная работа [142,3 K], добавлен 29.04.2009
  

• Определение коэффициентов корреляции и оценка адекватности регрессионной модели

  Определение методом регрессионного и корреляционного анализа линейных и нелинейных связей между показателями макроэкономического развития. Расчет среднего арифметического по столбцам таблицы. Определение коэффициента корреляции и уравнения регрессии.
  
  контрольная работа [4,2 M], добавлен 14.06.2014
  

• Методы дискриминантного анализа

  Применение дискриминантного анализа. Дискриминантные функции и их геометрическая интерпретация. Расчет коэффициентов дискриминантной функции. Классификация при наличии двух обучающих выборок. Взаимосвязь между дискриминантными переменными и функциями.
  
  реферат [4,6 M], добавлен 08.05.2009
  

• Влияние изменения цены сырой нефти марки Brent на рыночные котировки нефтяных компаний России

  Построение эмпирической модели, оценивающей связи между акциями, ценой сырой нефти, курсом рубля к доллару и фондовыми индексами США и РФ. Исследование временных рядов на наличие коинтеграции. Анализ взаимного влияния котировок акций нефтяных компаний.
  
  дипломная работа [11,1 M], добавлен 26.10.2016
  

• Проведение исследовательской работы со статистическими данными

  Построение рядов распределения с произвольными интервалами и с помощью формулы Стерджесса. Построение статистических графиков. Расчет и построение структурных характеристик вариационного ряда. Общая характеристика исследуемых статистических совокупностей.
  
  курсовая работа [654,9 K], добавлен 12.04.2009
  

• Основы эконометрического анализа

  Ознакомление с основами модели простой регрессии. Рассмотрение основных элементов эконометрической модели. Характеристика оценок коэффициентов уравнения регрессии. Построение доверительных интервалов. Автокорреляция и гетероскедастичность остатков.
  
  лекция [347,3 K], добавлен 23.12.2014
  

• Моделирование экономических процессов

  Эконометрическое моделирование стоимости квартир в Московской области. Исследование динамики экономического показателя на основе анализа одномерного временного ряда. Параметры линейной парной регрессии. Оценка адекватности модели, осуществление прогноза.
  
  контрольная работа [925,5 K], добавлен 07.09.2011
  

• Имитационное моделирование экономических процессов

  Понятие экономико-математического моделирования. Совершенствование и развитие экономических систем. Сущность, особенности и компоненты имитационной модели. Исследование динамики экономического показателя на основе анализа одномерного временного ряда.
  
  курсовая работа [451,4 K], добавлен 23.04.2013
  

• Равновесие национального рынка в модели IS-LM

  Определение сущности национальной экономики. Исследование структуры национального рынка. Характеристика содержания и понятия рынка товаров и платных услуг. Рассмотрение кривой "инвестиции-сбережения". Ознакомление с субъектами рынка рабочей силы.
  
  контрольная работа [147,7 K], добавлен 28.03.2018
  

• Исследования и эксперимент в системах электроснабжения

  Построение корреляционного поля результатов измерения непрерывной работы станков в зависимости от количества обработанных деталей. Определение интервала для математического ожидания и среднего квадратического отклонения при доверительной вероятности.
  
  контрольная работа [200,4 K], добавлен 03.10.2014
  

• Анализ и прогнозирование динамики курса акций компании "Apple"

  Исследование акций компании "Apple" в торговых днях. Ознакомление с особенностями построения анаморфозы для логистического распределения. Рассмотрение уравнения модели Гомперца. Характеристика условий получения сдвиговой функции от данных без тренда.
  
  курсовая работа [856,8 K], добавлен 13.10.2017
  

• Основы эконометрии

  Определение зависимой и независимой переменной. Построение корреляционного поля зависимости издержек производства от объема затраченных ресурсов и их цены. Произведение статистического анализа регрессионной модели. Нахождение коэффициента детерминации.
  
  лабораторная работа [62,3 K], добавлен 26.12.2011
  

• Дослідження операції

  Статистичні показники, що характеризують вхідні спостереження над факторами. Результати аналізу нормальності розподілу. Перевірка статистичної незалежності факторів. Присутність взаємозв’язку між факторами. Парна та групова оцінки взаємозв’язку факторів.
  
  контрольная работа [268,5 K], добавлен 27.12.2012
  

• Моделирование экономических процессов и систем

  Знакомство с основными видами кривых безразличия и функций предложения. Общая характеристика производственной функции Кобба-Дугласа. Рассмотрение особенностей моделирования покупательского спроса и поведения производителя. Рассмотрение модели Стоуна.
  
  презентация [1,3 M], добавлен 31.10.2016
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам