Working paper: Analyse af data fra 50 RISE-vurderinger
|
|
- Tina Steffensen
- 5 år siden
- Visninger:
Transkript
1 Working paper: Analyse af data fra 50 RISE-vurderinger Jesper Overgård Lehmann & Tommy Dalgaard Institut for Agroøkologi, Aarhus Universitet Foulum Dato: 30. oktober 2018 Indholdsfortegnelse Data og formål med analysen... 2 Emneresultater... 3 Korrelationsanalyse... 3 Principal component analysis (PCA)... 5 PCA uden de 2 mest påvirkende bedrifter... 7 Cluster analysis... 7 Delkonklusion Indikatorvariable Korrelationsanalyse PCA Cluster analysis Delkonklusion Sammendrag og samlede konklusioner Samlet konklusion Anbefaling Bilag 1: Beskrivelser af variable: Emne-resultater Bilag 2: Beskrivelse af variable: Indikator-variable Rapport udarbejdet i forbindelse med projekt Måling og forbedring af bæredygtig dansk mælkeproduktion med fokus på klima finansieret af Mælkeafgiftsfonden og Aarhus Universitet.
2 Data og formål med analysen Datagrundlaget for nærværende interne notat består af i alt 50 RISE-analyser foretaget på 50 forskellige bedrifter henover årene 2016 og Bedrifterne er økologiske mælkeproducenter og leverer mælk til enten Arla eller Naturmælk. Nedenstående tabel viser en oversigt antallet af bedrifter i det enkelte år for hvert mejeri (Tabel 1). Tabel 1. Oversigt over observationer Mejeri År 2016 År 2017 I alt Arla, antal bedrifter Naturmælk, antal bedrifter I alt, antal bedrifter En RISE-analyse er en samlet bæredygtighedsvurdering vist med 10 forskellige emne-resultater. Emne-resultaterne er en sammenvejning af i alt 47 indikator-variable, som igen er en sammenvejning af i alt 597 input-variable. Det betyder, at en RISE-analyse består af en række hierarkisk niveau-opdelte oplysninger (Se nedenstående figur). Det hierarki skal der tages højde for i en samlet analyse af de 50 RISE-analyser, fordi hierarkiet skaber en iboende sammenhæng, som vil forstyrre og sandsynligvis forvrænge en samlet analyse. RISE Emne-resultater (10 stk) Indikator-variable (47 stk) Input-variable (597 stk) Figur 1. Opbygning og sammenhæng mellem variable i en RISE-analyse. Både emne-resultaterne og indikator-variablene er relative variable, hvor den enkelte bedrift har fået en tildelt en score fra 0 til 100. I analysemæssig sammenhæng er de derfor numeriske, men relativiteten gør, at der ikke nødvendigvis er en fysisk sammenhæng mellem værdierne på tværs af variable. Det betyder dog, at der godt kan være en score-mæssig sammenhæng. Samtidig er det væsentligt at holde sig for øje, hvad en høj score betyder, fordi en høj score på klima tilsvarende må betyde, at udledningen er lille. Disse betragtninger er væsentlige at have in mente i de efterfølgende afsnit. Endeligt er 50 observationer, i det her tilfælde 50 RISE-analyser, ikke noget specielt stort datasæt, og egentlige statistiske analyser giver mest mening for emne-resultaterne og mindre for de øvrige variable. Formålet med nærværende notat er således, at undersøge om der er strukturer og signifikante sammenhænge mellem nogle af henholdsvis emne-resultaterne og indikatorvariablene. Målet er at dermed at undersøge, om potentielle sammenhænge kan fortælle noget om, hvad der karakteriserer, der klarer sig godt på forskellige parametre. Side 2 af 18
3 Emneresultater Figur 2 viser gennemsnit, median, minimum, maksimum og spredning for hver af de 10 emneresultater. De 50 bedrifter, som alle er mælkeproducenter, klarer sig gennemsnitligt set bedst inden for emneresultat Husdyr (VAR.2.0.0) efterfulgt af Vand (VAR.4.0.0), mens der er størst spredning i scorerne for Økonomi (VAR.9.0.0) efterfuldt af Energi og klima (VAR.5.0.0). Spredningen er mindst for Husdyr og Bedriftsledelse (VAR ). Variable med en lille variation betyder, at her er bedrifterne relativt homogene. Se bilag 1 for emneresultaternes navne og variabelnumre. Figur 2. Beskrivende statistik for 50 bedrifters emneresultater. Næste skridt er ofte at visualisere parvise sammenligninger (Figur 3), og her er der ikke umiddelbart nogen kombinationer af emneresultater, der viser tydelige, visuelle sammenhænge. Mestendels ligner det en klump af observationer, eller det former henholdsvis lodrette eller vandrette formationer, hvor der derfor ikke er en visuel sammenhæng. Korrelationsanalyse Tabel 2 viser Spearman-korrelationer (over diagonalen) og Pearson-korrelationer (under diagonalen) for alle kombinationer af emneresultater (Bilag 1). Spearman-korrelationer er baseret på en forudgående rangering af data, hvorfor Spearman ikke forudsætter linearitet og normalitet. Det gør Pearson. Spearman kan derfor godt finde en sammenhæng, selvom den sammenhæng ikke nødvendigvis er lineær. Alle korrelationerne er generelt relativt små og aldrig mere end 0,4. Korrelationer, som er statistisk signifikant større end nul, er vist med asterisk i tabellen (*: P<0,05; **: P<0,01). Hovedparten af korrelationerne er ikke signifikant forskellig fra nul. Side 3 af 18
4 Figur 3. Parvise sammenligninger af de 10 emneresultater. Samtidig er forholdet mellem Spearman- og Pearson-korrelationen i adskillige tilfælde noget forskellig fra 1, hvilket er et tegn på, at scorerne ikke er normalfordelte. Det viser, at en simpel lineær analyse ofte er utilstrækkelig eller ikke mulig. I Tabel 2 er korrelationer, hvor forholdet er <0,5 eller >1,5, vist ved understregning, og alle signifikante Spearman- og Pearson-korrelationer har et forhold mellem 0,5 og 1,5. Det vil sige, at de i højere grad er normalfordelte. Alle signifikante korrelationer er 0,4 og derfor svage til middel af styrke. Variablene næringsstoffer og miljøbeskyttelse (3.0.0) og biodiversitet (6.0.0) samt vand (4.0.0) og biodiversitet er negativt korrelerede. Jo højere bedrifterne scorer på den ene variabel, jo lavere scorer de på den anden. Modsat er variablene jord (1.0.0) og vand, husdyr (2.0.0) og livskvalitet (8.0.0), vand og livskvalitet, økonomi (9.0.0) og bedriftsledelse (10.0.0) samt arbejdsvilkår (7.0.0) og økonomi er positivt korrelerede. Syv kombinationer af variable udviste en signifikant numerisk lineær sammenhæng, men i alle tilfælde var R 2 <0,17, og den lineære koefficient forklarede derfor mindre end 17 % af den samlede variation. Desuden udviste 7 kombinationer af variable en kvadratisk lineær sammenhæng (i.e. y = x + x 2 ), hvoraf kun de 2 ligeledes udviste en lineær sammenhæng. En lineær kvadratisk funktion af Side 4 af 18
5 arbejdsvilkår (7.0.0) kunne forklare 23 % af variation i scoren for husdyr og modsat, mens 17 % af variationen i næringsstoffer og miljøbeskyttelse (3.0.0) kunne forklares som en lineær kvadratisk funktion af energi og klima (5.0.0), men her gjaldt det ikke modsat. Tabel 2. Spearman-korrelationer (over diagonalen) og Pearson-korrelation (under diagonalen) 1. Variabel * * * * * * * -0.32* * * ** * ** 1 1 Spearman-korrelationer er baseret på rangering og kræver ikke både sammenhæng og linearitet. Det gør Pearson-korrelationer. Understregede korrelationer indikerer, at forholdet mellem Spearman- og Pearsonkorrelationen for de 2 variable <0,5 eller >1,5. *: P<0,05; **:P<0,01 Principal component analysis (PCA) En PCA udnytter korrelationsstrukturen i et datasæt til at reducere kompleksiteten gennem en analyse af de principielle komponenter i et datasæt, som også benævnes dimensioner. En PCA danner derfor et sæt af ukorrelerede dimensioner ud fra et sæt af korrelerede variable, hvor det maksimale antal dimensioner svarer til antallet af variable. Hver dimension har en tilknyttet eigenværdi, som beskriver hvor stor en del af datasættets samlede variation bliver forklaret med den pågældende dimension. Første dimension forklarer altid mest, anden dimension næstmest, og det er illustreret for emneresultaterne i Figur 4. Første dimension forklarer 23 % af den samlede variation, mens anden dimension forklarer 18,3 %, og til sammen forklarer de derfor 41,3 % af datasættets variation. Den videre analyse i en PCA beror på en vurdering af, hvor mange af dimensionerne man skal beholde, og der er ikke nogen fastlagte regler for, hvor grænsen går. Nogle mener, at dimensioner, der bidrager med en forklaringsgrad på mere end 5 %, skal indgå, mens andre mener, at dimensioner med en eigenværdi på over 1 skal indgå. Sidstnævnte kriterie er begrundet med, at de dimensioner bidrager med mere minimum en gennemsnitlig forklaringsgrad, og på Figur 4 svarer det til, at de første 4 dimensioner beholdes til den videre analyse. De forklarer til sammen 63,6 % af datasættets samlede variation. Hver dimension har også en eigenvektor, som beskriver den enkelte variabels relation med den pågældende dimension, og den kan sammen med eigenværdien bruges til at beregne den enkelte variabels indflydelse på hver dimension. Tabel 3 viser hvert emneresultats indflydelse på hver dimension, det vil sige, hvor stor en andel af den enkelte dimension kan forklares med hvert emneresultat. Hvis en variabel bidrager med mere end gennemsnittet til en dimension siges den at være betydende, hvilket i Tabel 3 svarer til 10 %, da der er 10 emneresultater. Det betyder, at den første og mest betydende dimension er karakteriseret ved biodiversitet (6.0.0), næringsstoffer og miljøbeskyttelse (3.0.0), vand (4.0.0), husdyr (2.0.0) og jord (1.0.0). Anden dimension består mestendels af økonomi (9.0.0), bedriftsledelse (10.0.0) og arbejdsvilkår (7.0.0), mens tredje dimension primært er påvirket af vand, livskvalitet (8.0.0) og energi og klima (5.0.0). Endeligt er Side 5 af 18
6 fjerde dimension primært påvirket af arbejdsvilkår, bedriftsledelse, energi og klima samt livskvalitet. Figur 4. Dimensionernes forklaringsgrad i PCA en for emneresultater. Det betyder, at samtlige variable er repræsenteret i de 4 vigtigste dimensioner, og 21,6-58,4 % af den enkelte variabels bidrag vil være dækket. De tal fås ved at summere horisontalt i Tabel 3. Det betyder, at den vigtigste information relaterer til mark og dyr, og den næst-vigtigste relaterer til økonomi og ledelse, mens de 2 efterfølgende dimensioner er mindre klare. Det betyder også, at det er vanskeligt at pege på nogle variable, som hænger mere sammen end andre eller andre, som er mindre vigtige. Eksempelvis er jord, næringsstoffer og miljøbeskyttelse samt biodiversitet samlet set de mindst vigtige på tværs af de 4 vigtigste dimensioner, men de er kun vigtige for den første dimension. Tabel 3. Variablenes indflydelse på hver dimension i % variablenes samlede indflydelse. Variabel Dim.1 Dim.2 Dim.3 Dim.4 Dim.5 Dim.6 Dim.7 Dim.8 Dim.9 Dim.10 VAR VAR VAR VAR VAR VAR VAR VAR VAR VAR På tilsvarende vis kan man beregne den enkelte observations indflydelse på den enkelte dimension. Side 6 af 18
7 Figur 5. Vægtede indflydelse af de 50 bedrifter på 1. og 2. dimension ud fra emneresultater. Figur 5 viser de 50 bedrifters vægtede indflydelse på de 2 første dimensioner, hvor farvekoden illustrerer indflydelsen. Bedrift 44 udgør henholdsvis 15.6 og 11.6 % af første og anden dimension. Tilsvarende udgør bedrift 9 8,6 % af første dimension, og det skal sammenlignes med en gennemsnitlig påvirkning på 2 %. Bedrifterne 7 og 29 er de næste i rækken. Der er derfor nogle enkelte bedrifter, som har en meget stor påvirkning på PCA ens resultater. PCA uden de 2 mest påvirkende bedrifter Fjernes bedrifterne 44 og 9 fra datasættet, er det stadig de 4 første dimensioner, som har en eigenværdi over 1, og de forklarer nu sammenlagt 62,6 % af den samlede variation. Det vil sige, at PCA ens forklaringsgrad er blevet reduceret, og det kommer til udtryk ved, at både første og anden dimensions forklaringsgrad reduceres, mens tredje og fjerede dimensions hæves. Det betyder, at faldet i forklaringsgrad (jf. Figur 4) ændres til et mere jævnt fald, og det gør det mindre klart, hvor mange dimensioner der skal indgå i den efterfølgende analyse. Samtidig bidrager alle emneresultaterne med minimum 10 % til 1 af de 4 første dimensioner, og så skal der minimum 4 emneresultater til at beskrive henholdsvis første, anden og tredje dimension. Endeligt er der nu 4 andre bedrifter (29, 31, 40 og 43), som har en betydeligt skæv påvirkning på PCA en, og det kan derfor diskuteres, om de ikke også skulle fjernes, inden analysen køres. Men det vil i så fald have fjernet 12 % observationerne. Cluster analysis En cluster analyse kan generelt udføres på to måder, hvoraf den ene tester hvor godt et forudbestemt antal klynger beskriver observationerne, mens anden metode anvender hierarkisk gruppering af observationerne. I og med, at der er 50 bedrifter, så er der også potentielt 50 clustre (klynger), hvis hver enkelt bedrift er helt unik og ikke har noget videre til fælles med de øvrige i datasættet. Når man grupperer observationer, her bedrifter, vil der altid opstå en vis fejlmargin, og den fejlmargin er Side 7 af 18
8 man til dels interesseret i at minimere, om end man er nødt til at vurdere, hvornår gevinsten ved at tilføje en ekstra cluster er for lille. Figur 6 viser den samlede fejlmargin i forhold til antallet af clustre, som bedrifterne er inddelt i, og her ses det, at den samlede fejlmargin gradvist bliver mindre, jo flere clustre bedrifterne bliver inddelt i. Der er ikke nogen klar indikation af, hvornår gevinsten ved flere clustre bliver for lille i Figur 6. Fejlmarginen bliver halveret ved at gå fra 10 til 20 clustre, men så reduceres antallet af bedrifter per cluster ligeledes fra 5 til 2,5. Fem bedrifter per cluster vil være for få til at kunne lave en egentlig klassificering. Figur 6 viser derfor, at der ikke er nogen tydelig gruppering af bedrifterne. Figur 6. Den samlede fejlmargin (total sums of squares) i forhold til antallet af clustre (klynger), som bedrifterne bliver inddelt i ud fra emneresultaterne. En hierarkisk cluster-analyse kan ligeledes udføres på 2 måder; enten via en bottom-up-tilgang, hvor alle bedrifterne bliver anset for at være unikke, inden de sættes sammen i grupper, eller via en top-down-tilgang, hvor alle bedrifterne indledningsvis anses for at være ens. Figur 7 og 8 viser resultaterne af en hierarkisk gruppering (cluster) med henholdsvis en bottom-uptilgang og en top-down-tilgang, og det giver lidt forskellige grupperinger. Højden på den enkelte streg, inden den knækker, viser noget om, hvor ens eller forskellige to bedrifter er. Jo højere, jo mere forskellige er de, og begge figurer viser, at alle 50 bedrifter er relativt unikke. På intet tidspunkt er der mere end 2 bedrifter, som ligner hinanden lidt. Begge figurer viser også, at et snit i en højde på 6 inddeler bedrifterne i 5 clustre, og i begge tilfælde er der 3 bedrifter, som afviger fra de andre, mens der kun sker forskydninger mellem de 3 store clustre. Side 8 af 18
9 Figur 7. Hierarkisk gruppering (cluster) af bedrifterne med en bottom-up-tilgang. Figur 8. Hierarkisk gruppering (cluster) af bedrifterne med en top-down-tilgang. Hvis vi ser bort fra de 3 bedrifter, som afviger en del fra de andre, så rejser det spørgsmålet om, hvorvidt der er forskel mellem de 3 store clustre. Tabel 4 viser en beregnet værdi for hvert af de 10 emneresultater i forhold til cluster, og beregningerne er foretaget separat for hver cluster-metode. For begge metoder er der ingen forskel mellem de 3 clustres score for jord (VAR.1.0.0) og Husdyr (VAR.2.0.0), mens der for bottom-up-metoden heller ikke er forskel i Livskvalitet (VAR.8.0.0) mellem clustrene. Til gengæld varierer metoderne i, hvordan de rangerer de 3 clustres emneresultater, og i 9 ud af 16 tilfælde er de 2 metoder uenige i, hvilke clustre der har henholdsvis den største og mindste værdi inden for emneresultaterne. De 2 metoder er til gengæld enige i, at cluster 3 scorer lavt for Næringsstoffer og Miljøbeskyttelse (VAR.3.0.0) og for Vand (VAR.4.0.0), mens den scorer højt for Biodiversitet (VAR.6.0.0) og Økonomi (VAR.9.0.0). Cluster 2 scorer lavt for både Økonomi og for Bedriftsledelse (VAR ), mens cluster 1 scorer højt i arbejdsvilkår (VAR.7.0.0). Side 9 af 18
10 Tabel 4. De 3 største clustres 1 emneresultat (standard error) 2 afhængig af cluster-metode. Bottom-up cluster (Figur 7) Top-down cluster (Figur 8) Variabel VAR (1.7) a 75.9 (2.5) a 76.8 (2.8) a 78.0 (1.8) a 77.7 (3.1) a 72.1 (1.8) a VAR (0.6) a 91.8 (0.9) a 89.5 (1.0) a 90.8 (0.7) a 91.3 (1.2) a 88.5 (0.7) a VAR (0.9) ab 82.5 (1.3) a 75.5 (1.4) b 81.4 (1.0) a 80.7 (1.7) ab 76.5 (1.0) b VAR (1.6) a 89.7 (2.3) a 78.5 (2.6) b 88.6 (1.9) a 85.9 (3.2) ab 81.8 (1.9) b VAR (2.5) a 51.0 (3.5) b 46.2 (3.9) b 56.7 (3.1) ab 44.6 (5.2) a 65.1 (3.1) b VAR (2.0) a 53.6 (2.9) b 68.4 (3.2) a 56.4 (1.8) a 59.6 (3.1) a 73.9 (1.8) b VAR (1.7) a 73.9 (2.4) ab 68.3 (2.7) b 79.7 (1.6) a 64.0 (2.8) b 72.9 (1.6) c VAR (1.6) a 81.4 (2.4) a 81.0 (2.6) a 85.1 (1.6) a 81.1 (2.7) ab 77.1 (1.6) b VAR (2.3) a 46.8 (3.3) b 71.9 (3.8) a 68.9 (3.1) a 43.5 (5.7) b 71.9 (3.2) a VAR (1.0) a 77.8 (1.4) b 83.9 (1.6) a 83.3 (1.1) a 75.5 (1.9) b 81.5 (1.1) a 1 Cluster-nummer svarer til en nummerering fra venstre mod højre i begge figurer. 2 Emneresultat, standard error og signifikans er beregnet som least square means. Forskellige bogstaver mellem clustre inden for cluster-metode er signifikant forskellige. Endeligt kan man kombinere PCA med cluster-analyse (Figur 9) og visuelt se, hvordan de 2 metoder grupperer bedrifterne i clustre i forhold til deres værdier fra de 2 første dimensioner i PCA en. Umiddelbart viser Figur 9, at en top-down inddeling af bedrifterne i clustre er bedre til at gruppere bedrifterne, men det skal sammenholdes med, at minimum de 4 første dimensioner skulle medtages, hvis en rimelig andel af data skulle repræsenteres. Det er ikke grafisk muligt at illustrere 4 dimensioner, men det ville have vist, at de 2 metoder er lige gode (eller dårlige) til at gruppere bedrifterne. Figur 9. Kombination af PCA med bottom-up (venstre) og top-down (højre) tilgange til cluster-analyse. Delkonklusion Analysen af emneresultaterne for 50 økologiske mælkeproduktionsbedrifter viser, at der er nogle få svage til middelstærke korrelationer mellem de forskellige emneresultater, og PCA en viste, at alle emneresultaterne skulle tages i brug, hvis bedrifterne med rimelig skal karakteriseres. Ellers forklares en alt for lille del af variationen mellem bedrifterne. Samtidig viste PCA en, at nogle få bedrifter har en meget skæv påvirkning på analysen. Det understøttes af cluster-analysen, som illustrerede vanskeligheden i at gruppere bedrifterne i forhold til, hvor ens de scorer på tværs af de 10 emneresultater. Konklusionen er derfor, at det ikke er muligt at identificere klare sammenhænge og strukturer i datasættet, fordi de 50 bedrifter er for unikke. Side 10 af 18
11 Indikatorvariable Datasættet indeholder i alt 47 numeriske indikatorvariable, som aggregeres til de 10 emneresultater. De kan principielt analyseres på tilsvarende vis som emneresultaterne, om end 50 observationer i realiteten er for få til at analysere 47 variable på en gang. Et plot med parvise sammenligninger i stil med Figur 3 vil være uoverskueligt, hvorfor det er udeladt. Figur 10 viser hver indikatorvariabels spredning som en indikator for variationen. Generelt så bærer variationen i et datasæt på information, og det er den, man er interesseret i at finde. De 3 indikatorvariable med den mindste spredning (VAR.2.3.0, VAR og VAR.4.3.0) og de 2 indikatorvariable med flest manglende værdier (VAR og VAR.8.6.0) blev fjernet for at simplificere analysen. Se bilag 2 for navne og beskrivelser af indikatorvariablene. Figur 10. Indikatorvariablenes spredning (standard afvigelse). Korrelationsanalyse En korrelationsanalyse af 42 indikatorvariable er væsentligt mere kompliceret end med emneresultaterne, fordi der er 861 kombinationer af 2 forskellige indikatorvariable. Tabel 5 viser kombinationer af 2 indikatorvariable, hvor der enten var en signifikant Pearson- eller Spearmankorrelation over 0,4. Første tal i variabel-betegnelsen henviser til det emneresultat, som indikatorvariablen er en del af, og her ses det, at flere af de signifikante korrelationer er mellem 2 indikatorvariable, som henviser til samme emneresultat. Det er muligvis ikke så overraskende, hvis de beskriver flere sider af samme sag. Nogle korrelationer giver desuden mere mening end andre. Eksempelvis er Energi-management (VAR.5.1.0) og Biodiversitets-management (VAR.6.1.0) positivt korreleret med Adgang til information (VAR ), mens Sundhed (VAR.8.5.0) er negativt korreleret med Adgang til information. Ligeledes er Vandforsyning (VAR.4.2.0) negativt korreleret med Mål, strategier og implementering (VAR ), mens Likviditet (VAR.9.1.0) er positivt korreleret med Mål, Side 11 af 18
12 strategier og implementering. Endeligt er det vigtigt at have opbygningen af RISE in mente, fordi de forskellige indikatorvariable er ligesom emneresultaterne relative skalaer fra 0 til 100, hvor 100 per definition er bedst. Man kan diskutere, hvor meget mening det giver, at Drivhusgasbalance (VAR.5.3.0) er negativt korreleret med Gødskning (VAR.3.2.0). Tabel 5. Pearson- og Spearman-korrelationer samt liner sammenhæng 1 mellem to indikatorvariable. Variabel 1 Variabel 2 Pearson Spearman Lineær sammenhæng VAR VAR * 0.42** 0.35 (0.14)*, R²: 0.11 VAR VAR ** -0.41** (0.32)**, R²: 0.19 VAR VAR ** 0.47*** 0.55 (0.17)**, R²: 0.19 VAR VAR ** 0.35* 0.22 (0.07)**, R²: 0.18 VAR VAR ** 0.28* 0.21 (0.06)**, R²: 0.20 VAR VAR * -0.40** (0.13)*, R²: 0.10 VAR VAR ** -0.39** (0.31)**, R²: 0.17 VAR VAR ** 0.35* 0.35 (0.11)**, R²: 0.16 VAR VAR *** (0.08)***, R²: 0.21 VAR VAR * -0.41** (0.20)*, R²: 0.09 VAR VAR ** 0.16 (0.10), R²: 0.05 VAR VAR *** -0.5*** (0.11)***, R²: 0.23 VAR VAR ** 0.40** 0.49 (0.17)**, R²: 0.15 VAR VAR ** (0.35)**, R²: 0.19 VAR VAR *** 0.45*** 0.58 (0.16)***, R²: 0.23 VAR VAR ** 0.56*** 0.74 (0.26)**, R²: 0.15 VAR VAR * 0.42** 0.16 (0.06)*, R²: 0.13 VAR VAR ** (0.21)**, R²: 0.19 VAR VAR *** 0.66*** 0.81 (0.14)***, R²: 0.42 VAR VAR ** 0.39** 0.72 (0.24)**, R²: 0.16 VAR VAR *** 0.56*** 0.80 (0.17)***, R²: 0.33 VAR VAR *** 0.52*** 0.39 (0.10)***, R²: 0.25 VAR VAR ** (0.25)**, R²: 0.17 VAR VAR ** 0.4** 0.40 (0.14)**, R²: 0.15 VAR VAR ** 0.5*** 0.29 (0.09)**, R²: 0.17 VAR VAR ** 0.44** 0.14 (0.05)**, R²: 0.14 VAR VAR *** 0.77*** 0.71 (0.07)***, R²: 0.68 VAR VAR *** 0.44** 1.07 (0.30)***, R²: 0.21 VAR VAR ** -0.40** (0.10)**, R²: 0.14 VAR VAR ** 0.51*** 1.19 (0.37)**, R²: 0.18 VAR VAR *** 0.68*** 1.63 (0.26)***, R²: 0.46 VAR VAR *** 0.45** 1.38 (0.36)***, R²: 0.24 VAR VAR ** -0.39** (0.17)**, R²: 0.20 VAR VAR ** (0.10)**, R²: Variabel 1 er regnet som y og variabel 2 som x i den lineære sammenhæng. Signifikans: * = P<0,05; ** = P < 0,01; *** = P < 0,001. PCA Forklaringsgraden af de første få dimensioner langt mindre for indikatorvariabel end for emneresultater (Sammenlign Figur 11 med Figur 4. Samtidig bidrager de første 6 dimensioner hver med mere end 5 % af variationen, hvorimod de første 15 dimensioner har en eigenværdi over 1. Det er derfor noget vanskeligere at pege på strukturer i data end for emneresultaterne. De første 6 dimensioner forklarer til sammen 47 % af den samlede variation, mens de første 15 Side 12 af 18
13 dimensioner forklarer 79 %. Den højeste forklaringsandel i den første dimension er 8.1 % (Beskæftigelse og uddannelse), mens i alt 6 indikatorvariable udgør over 5 % af første dimension. Det vanskeliggør en egentlig karakterisering af dimensionerne, fordi der indgår for mange indikatorvariable, og de forklarer for lidt. Der skal derfor en relativt stor kompleksitet til at forklare en rimelig del af variationen i datasættet. Ligeledes forklarer ingen indikatorvariabel mere end 12 % variationen inden for den enkelte dimension, og mange har en indflydelse på under 2-3 %. Figur 11. Dimensionernes forklaringsgrad i PCA en for indikatorvariable. Samtidig er billedet noget anderledes, når det gælder den enkelte bedrifts indflydelse på PCA en (sammenlign Figur 12 med Figur 5). Den enkelte bedrifts placering på figuren er ændret noget, og det er ikke længere de samme bedrifter, der har den største indflydelse på analysen, om end det kun er ud fra de 2 første dimensioner af PCA en, men billedet ændres ikke betydeligt, hvis der inkluderes andre dimensioner. Cluster analysis En cluster analyse af bedrifterne ud fra indikatorvariablene viser nogenlunde samme billede som den tilsvarende analyse for emneresultaterne (Sammenlign Figur 13 med Figur 6). Figur 13 viser et meget jævnt fald i fejlmarginen med stigende antal clustre, og det betyder, at gevinsten ved at tilføje 1 ekstra cluster ikke ændres markant fra cluster til cluster. Det underbygger vurderingen af emneresultaterne, hvor bedrifterne heller ikke kunne inddeles i nogle tydelige clustre. Derudover viser begge hierarkiske cluster-metoder, at der i praksis ikke er to bedrifter, som er tilstrækkeligt ens til at blive placeret i samme gruppe. Begge metoder deler 48 af bedrifterne i 2 store grupper, hvor forskellen ikke er specielt stor, mens de resterende 2 bedrifter placeres i hver deres gruppe. Den ene bedrift (44) er en genganger fra den tilsvarende analyse af emneresultaterne, hvorfor der må være noget specielt med den bedrift. Side 13 af 18
14 Figur 12. Vægtede indflydelse af de 50 bedrifter på 1. og 2. dimension ud fra indikatorvariable. Figur 13. Den samlede fejlmargin (total sums of squares) i forhold til antallet af clustre (klynger), som bedrifterne bliver inddelt i ud fra indikatorvariablene. Side 14 af 18
15 Delkonklusion Analysen af indikatorvariablene viser, at der er en del af dem, som er signifikant korreleret, men det er ikke alle korrelationer, som er lige intuitive. Det kan have noget at gøre med, at både PCA en og cluster-analysen viste, at det var vanskeligt om muligt at gruppere henholdsvis de 42 indikatorvariable og de 50 bedrifter. Det tyder på, at de 50 bedrifter er relativt unikke. Side 15 af 18
16 Sammendrag og samlede konklusioner En bæredygtighedsvurdering af en landbrugsbedrift med RISE-metoden tager udgangspunkt i 597 inputvariable, som hver især bidrager til at beskrive bedriften fra mange forskellige vinkler. De mange inputvariable aggregeres og bruges til at beregne 47 indikatorvariable (Bilag 2), og de aggregeres igen til at beregne 10 emneresultater (Bilag 1). Både emneresultater og indikatorvariable beregnes på relative skalaer fra 0 til 100, hvor 100 anses for bedst. Formålet med nærværende notat var at undersøge, om der er nogle fælles træk mellem bedrifterne, og om der er nogle strukturer i datasættet, som kan understøtte en dybere forståelse af, hvorfor nogle bedrifter klarer sig bedre end andre. Korrelationsanalysen viste, at der for både emneresultater og indikatorvariable findes en række signifikante korrelationer, men at mange af dem er svage til middelstærke og ikke altid lige intuitive. Eksempelvis var der en negativ korrelation mellem emneresultaterne Næringsstoffer & miljøbeskyttelse og Biodiversitet. PCA en viste, at det var nødvendigt at inddrage alle emneresultater for at kunne beskrive de betydende dimensioner, og at der var nogle få bedrifter, som skævvred analysen. For indikatorvariablene viste PCA en, at langt hovedparten af variablene havde en lille påvirkning på mange dimensioner, og at der skulle inddrages for mange variable til at kunne beskrive den enkelte dimension. Det betyder, at der skal medtages en for stor grad af kompleksitet i datasættet til at beskrive variationen, for der er ikke nogen tydelige strukturer. Endeligt viste cluster-analysen, at hovedparten af bedrifterne kunne aggregeres i 2-3 store hovedgrupper, men forskellen mellem dem var relativt lille, og derfor er grupperingen ikke særlig sikker. Det understreges af, at der for både emneresultater og indikatorvariable ikke var nogen klar indikation af, hvad der var det optimale antal clustre. Desuden viste analysen, at når man øger informationsniveauet om den enkelte bedrift, det vil sige går fra emneresultater til indikatorvariable, så reduceres sammenligneligheden mellem bedrifterne. Det betyder, at bedrifterne er mere unikke, jo mere man ved om dem. Samlet konklusion De 50 malkekvægsbedrifter er for forskellige til, at man kan tale om tydelige ligheder og grupperede sammenhænge på tværs af deres RISE-vurderinger, og jo mere man ved om den enkelte bedrift, jo mere forskellig er den fra de andre bedrifter. Det betyder, at man ikke kan overføre resultaterne fra én bedrift til en anden. Anbefaling En RISE-analyse kan og bør fortsat anvendes til at give et omfattende og unikt overblik over en række bæredygtighedsparametre for den enkelte bedrift, men RISE kan på baggrund af det givne datagrundlag ikke anvendes til at forklare, hvorfor nogle bedrifter scorer bedre på nogen parametre end andre. Side 16 af 18
17 Bilag 1: Beskrivelser af variable: Emne-resultater Navn Analyse-navn Niveauer Andel NA Spredning Jord VAR Husdyr VAR Næringsstoffer og VAR miljøbeskyttelse Vand VAR Energi og Klima VAR Biodiversitet VAR Arbejdsvilkår VAR Livskvalitet VAR Økonomi VAR Bedriftsledelse VAR
18 Bilag 2: Beskrivelse af variable: Indikator-variable Navn Analyse-navn Niveauer Andel NA Spredning Jord management VAR Planteproduktivitet VAR Organisk stof i jorden VAR Reaktionstal VAR Jorderosion VAR Jordkomprimering VAR Husdyr management VAR Husdyrproduktivitet VAR Mulighed for naturlig adfærd VAR Dyrevelfærd VAR Husdyrsundhed VAR Materialeflow VAR Gødskning VAR Plantebeskyttelse VAR Luftforurening VAR Jord- og vandforurening VAR Vand management VAR Vandforsyning VAR Intensitet af vandforbrug VAR Kunstvanding VAR Energi management VAR Energiintensiteten i VAR landbrugsproduktionen Drivhusgasbalance VAR Biodiversitets management VAR Naturområder med høj naturværdi VAR Landskabskvalitet VAR Produktionsintensitet VAR Mangfoldighed af VAR landbrugsproduktionen Personaleledelse VAR Arbejdstid VAR Sikkerhed på arbejdspladsen VAR Løn og indkomstniveau VAR Beskæftigelse og uddannelse VAR Økonomisk situation VAR Sociale relationer VAR Personlig frihed og værdier VAR Sundhed VAR Yderligere livsaspekter VAR Likviditet VAR Indtjening VAR Økonomisk sårbarhed VAR Gældsætning VAR Evne til at forsørge husstanden VAR Mål, strategier og implementering VAR Adgang til information VAR Risikostyring VAR Robuste relationer VAR Side 18 af 18
Bilag 12 Regressionsanalysens tabeller og forklaringer
Bilag 12 Regressionsanalysens tabeller og forklaringer Regressionsanalysens tabeller og forklaringer Regressionsanalysen vil være delt op i 2 blokke. Første blok vil analysere hvor meget de tre TPB variabler
Læs mereEksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet
Eksamen ved Københavns Universitet i Kvantitative forskningsmetoder Det Samfundsvidenskabelige Fakultet 14. december 2011 Eksamensnummer: 5 14. december 2011 Side 1 af 6 1) Af boxplottet kan man aflæse,
Læs mereErfaringer med RISE. Møde hos Naturmælk d. 18. august v./birgitte Popp Andersen og Poul Erik Nielsen
Erfaringer med RISE Møde hos Naturmælk d. 18. august 2014 v./birgitte Popp Andersen og Poul Erik Nielsen Forberedelse til besøg Landmand kontaktet og følgende materiale indhentet: Mark- og gødningsplan
Læs mereLav efterspørgsel forklarer det faldende bankudlån men udlånet forventes at stige igen
n o t a t Lav efterspørgsel forklarer det faldende bankudlån men udlånet forventes at stige igen 8. december 29 Kort resumé Henover året har der været megen fokus på faldet i bankernes udlån til virksomhederne.
Læs mereGRIBSKOV KOMMUNE FORÆLDRETILFREDSHEDSUNDERSØGELSE 2019 DAGTILBUD, SKOLE, FO OG KLUB
GRIBSKOV KOMMUNE FORÆLDRETILFREDSHEDSUNDERSØGELSE 2019 DAGTILBUD, SKOLE, FO OG KLUB INDHOLD Afsnit 1 Introduktion Side 02 Afsnit 2 Sammenfatninger Side 04 Afsnit 3 Resultater dagtilbud Side 08 Afsnit 4
Læs mereBilag 2: Undersøgelse af de nationale tests reliabilitet. Sammenfatning
Bilag 2: Undersøgelse af de nationale tests reliabilitet Sammenfatning I efteråret 2014 blev der i alt gennemført ca. 485.000 frivillige nationale tests. 296.000 deltog i de frivillige test, heraf deltog
Læs mereResultat (indikatorer - og rarameter værdier)
Bæredygtighedsrapport for bedriften (RISE 2.0) HAFL School of Agricultural, Forest and Food Sciences, Bern Switzerland 1 General information Gårdens navn Landmandens navn Projekt Referenceår Interviewer
Læs mereUNDERVISNINGSEFFEKT-MODELLEN 2006 METODE OG RESULTATER
UNDERVISNINGSEFFEKT-MODELLEN 2006 METODE OG RESULTATER Undervisningseffekten udregnes som forskellen mellem den forventede og den faktiske karakter i 9. klasses afgangsprøve. Undervisningseffekten udregnes
Læs mereLæring af test. Rapport for. Aarhus Analyse Skoleåret
Læring af test Rapport for Skoleåret 2016 2017 Aarhus Analyse www.aarhus-analyse.dk Introduktion Skoleledere har adgang til masser af data på deres elever. Udfordringen er derfor ikke at skaffe adgang
Læs mereDen Sociale Kapitalfond Analyse Portræt af de særligt sociale virksomheder i Danmark
Den Sociale Kapitalfond Analyse Portræt af de særligt sociale virksomheder i Danmark November 216 Kontakt: Analysechef Kristian Thor Jakobsen Tlf.: 322 6792 Den Sociale Kapitalfond Management ApS HOVEDKONKLUSIONER
Læs mereDen Sociale Kapitalfond Analyse Portræt af de særligt sociale virksomheder i Danmark
Den Sociale Kapitalfond Analyse Portræt af de særligt sociale virksomheder i Danmark November 2016 Kontakt: Analysechef Kristian Thor Jakobsen Tlf.: 3022 6792 Den Sociale Kapitalfond Management ApS HOVEDKONKLUSIONER
Læs mereFokus på Forsyning. Datagrundlag og metode
Fokus på Forsyning I notatet gennemgås datagrundlaget for brancheanalysen af forsyningssektoren sammen med variable, regressionsmodellen og tilhørende tests. Slutteligt sammenfattes analysens resultater
Læs mereGenerelt er korrelationen mellem elevens samlede vurdering i forsøg 1 og forsøg 2 på 0,79.
Olof Palmes Allé 38 8200 Aarhus N Tlf.nr.: 35 87 88 89 E-mail: stil@stil.dk www.stil.dk CVR-nr.: 13223459 Undersøgelse af de nationale tests reliabilitet 26.02.2016 Sammenfatning I efteråret 2014 blev
Læs mereBetydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere
DET ØKONOMISKE RÅD S E K R E T A R I A T E T d. 20. maj 2005 SG Betydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere Baggrundsnotat vedr. Dansk Økonomi, forår 2005, kapitel
Læs mereKøbenhavnske ejerlejlighedspriser en meget begrænset indikator for hele landets boligmarked
N O T A T Københavnske ejerlejlighedspriser en meget begrænset indikator for hele landets boligmarked Baggrund og resume Efter i årevis at have rapporteret om et fastfrosset boligmarked, har de danske
Læs mereBilag 1: Robusthedsanalyser af effektiviseringspotentialerne. Bilaget indeholder analyser af effektiviseringspotentialernes robusthed.
Bilag 1: Robusthedsanalyser af effektiviseringspotentialerne Bilaget indeholder analyser af effektiviseringspotentialernes robusthed. FORSYNINGSSEKRETARIATET OKTOBER 2013 Indholdsfortegnelse Indledning
Læs mereRESPONSE- INDUCING SUSTAINABILITY EVALUATION RISE. Måling og forbedring af bæredygtigheden på din bedrift
RESPONSE- INDUCING SUSTAINABILITY EVALUATION RISE Måling og forbedring af bæredygtigheden på din bedrift 1 RISE s måde at måle bæredygtighed på kan genkendes i FN s Verdensmål for bæredygtig udvikling.
Læs mereBAGGRUND OG FORMÅL MED UNDERSØGELSEN
BAGGRUND OG FORMÅL MED UNDERSØGELSEN Gladsaxe Kommune har som deltager i et pilotprojekt gennemført en brugertilfredshedsundersøgelse blandt alle kommunens forældre til børn i skole, SFO, daginstitution
Læs mereFORÆLDRETILFREDSHED 2016 DAGTILBUD GLADSAXE KOMMUNE
FORÆLDRETILFREDSHED 2016 DAGTILBUD GLADSAXE KOMMUNE 1 INDHOLD 01 Introduktion 02 Læsevejledning 03 Samlede resultater 04 Resultater på tværs 05 Prioriteringskort 06 Metode 2 01. INTRODUKTION Forældretilfredsheden
Læs mereSILKEBORG KOMMUNE FORÆLDRETILFREDSHEDSUNDERSØGELSE 2018 SKOLE OG SFO
SILKEBORG KOMMUNE FORÆLDRETILFREDSHEDSUNDERSØGELSE 2018 SKOLE OG SFO 1 INDHOLD Afsnit 01 Introduktion Side 03 Afsnit 02 Sammenfatning Side 05 Afsnit 03 Skoleresultater Side 07 Afsnit 04 SFO-resultater
Læs mereReeksamen i Statistik for Biokemikere 6. april 2009
Københavns Universitet Det Naturvidenskabelige Fakultet Reeksamen i Statistik for Biokemikere 6. april 2009 Alle hjælpemidler er tilladt, og besvarelsen må gerne skrives med blyant. Opgavesættet er på
Læs merePsykisk arbejdsmiljø og stress
Psykisk arbejdsmiljø og stress - Hvilke faktorer har indflydelse på det psykiske arbejdsmiljø og medarbejdernes stress Marts 2018 Konklusion Denne analyse forsøger at afklare, hvilke faktorer der påvirker
Læs merePersonale i daginstitutioner normering og uddannelse
Personale i daginstitutioner normering og uddannelse Dagtilbudsområdet er et stort velfærdsområde, som spiller en vigtig rolle i mange børns og familiers hverdag og for samfundet som helhed. Dagtilbuddenes
Læs merepraktiskegrunde Regression og geometrisk data analyse (2. del) Ulf Brinkkjær
praktiskegrunde Praktiske Grunde. Nordisk tidsskrift for kultur- og samfundsvidenskab Nr. 3 / 2010. ISSN 1902-2271. www.hexis.dk Regression og geometrisk data analyse (2. del) Ulf Brinkkjær Introduktion
Læs mereTRIVSELSUNDERSØGELSE PÅ SKOLERNE BØRN OG UNGE 2014
TRIVSELSUNDERSØGELSE PÅ SKOLERNE BØRN OG UNGE 2014 FORORD Baggrunden for undersøgelsen: Ifølge arbejdsmiljølovgivningen skal APV en på en arbejdsplads opdateres, når der sker store forandringer, som påvirker
Læs mereNotat vedr. beskæftigelsesministeriets benchmark-model
Notat vedr. beskæftigelsesministeriets benchmark-model Sagsnr. 15.00.00-A00-22-18 Dato: 20.12.2018 Bilaget omhandler Baggrunden og formålet med Beskæftigelsesministeriets benchmark-model Gennemgang af
Læs mereNotat 5.1.: Elevers karaktergennemsnit og fordeling på almene efterskoler
Notat 5..: Elevers karaktergennemsnit og fordeling på almene efterskoler Af Konsulent Mette Hjort-Madsen og Konsulent Ole Bjerring, Efterskoleforeningen Udarbejdet for Arbejdsgruppe om tilskudsrevision,
Læs mereBilag 16: Robusthedsanalyser af effektiviseringspotentialerne Bilaget indeholder analyser af effektiviseringspotentialernes robusthed.
Bilag 16: Robusthedsanalyser af effektiviseringspotentialerne Bilaget indeholder analyser af effektiviseringspotentialernes robusthed. FORSYNINGSSEKRETARIATET FEBRUAR 2013 INDLEDNING... 3 1. COSTDRIVERSAMMENSÆTNING...
Læs mereSammenhængen mellem elevernes trivsel og elevernes nationale testresultater.
Sammenhængen mellem elevernes trivsel og elevernes nationale testresultater. 1 Sammenfatning Der er en statistisk signifikant positiv sammenhæng mellem opnåelse af et godt testresultat og elevernes oplevede
Læs mereNOTAT: KLYNGEANALYSE Baggrund. Metode. Klyngekarakteristika
NOTAT: KLYNGEANALYSE Baggrund SPERA har gennemført klyngeanalyse for at inddele spildevandsselskaberne i strukturelt sammenlignelige klynger. Det er nedenfor gennemgået, hvilken metode der er anvendt,
Læs mereSUPPLEMENT TIL EVALUERING AF DE NATIONALE TEST RAPPORT
Til Undervisningsministeriet (Kvalitets- og Tilsynsstyrelsen) Dokumenttype Rapport Dato August 2014 SUPPLEMENT TIL EVALUERING AF DE NATIONALE TEST RAPPORT NATIONALE TEST RAPPORT INDHOLD 1. Indledning og
Læs mereBaggrundsnotat: Søskendes uddannelsesvalg og indkomst
17. december 2013 Baggrundsnotat: Søskendes uddannelsesvalg og indkomst Dette notat redegør for den økonometriske analyse af indkomstforskelle mellem personer med forskellige lange videregående uddannelser
Læs mereHvad kendetegner økologiske mælkeproduktion med høj jordrente?
Hvad kendetegner økologiske mælkeproduktion med høj jordrente? Noget tyder på at økologiske mælkeproducenter med god jord bør i højere grad gå efter synergienerne mellem mælkeproduktion og salgsafgrøder
Læs mereAARHUS KOMMUNE BRUGERTILFREDSHEDSUNDERSØGELSE 2017 BOSTØTTE, BOFÆLLESSKABER OG BOTILBUD I VOKSENHANDICAP
AARHUS KOMMUNE BRUGERTILFREDSHEDSUNDERSØGELSE 2017 BOSTØTTE, BOFÆLLESSKABER OG BOTILBUD I VOKSENHANDICAP INDHOLD Afsnit 01 Introduktion Side 03 Afsnit 02 Læsevejledning Side 05 Afsnit 03 Sammenfatning
Læs mereFORÆLDRETILFREDSHED 2017 VEJLE KOMMUNE PRIORITERINGSKORT FIREHØJESKOLEN
FORÆLDRETILFREDSHED 2017 VEJLE KOMMUNE PRIORITERINGSKORT FIREHØJESKOLEN 1 PRIORITERINGSKORT: FORMÅL OG LÆSEVEJLEDNING Formål Med henblik på at højne den samlede tilfredshed er det relevant at identificere
Læs mereNotat vedr. interkalibrering af ålegræs
Notat vedr. interkalibrering af ålegræs Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 4. januar 2012 Michael Bo Rasmussen Thorsten Balsby Institut for Bioscience Rekvirent: Naturstyrelsen
Læs mereBilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 3
Bilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 3 Indholdsfortegnelse Indledning Prisudvikling 2.1 Prisudviklingen fra 2014 til
Læs mereBæredygtighedsanalyser på Dueholms bedrifter
Bæredygtighedsanalyser på Dueholms bedrifter Møde hos Uffe Stougaard 10. juni 2015 v./poul Erik Nielsen, LandboSyd Forberedelse til besøg Landmand kontaktet og følgende materiale indhentet: Mark- og gødningsplan
Læs mereEksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning
1 Multipel regressions model Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning PSE (I17) ASTA - 11. lektion
Læs mereFORÆLDRETILFREDSHED 2017 Svarprocent: 66%
Favrskov Kommune Antal besvarelser: 4.145 FORÆLDRETILFREDSHED 2017 Svarprocent: 66% LÆSEVEJLEDNING 01 I rapporten vises svarfordelingen på de enkelte svarkategorier, som går fra Meget tilfreds til Meget
Læs mereNordjysk Konjunkturbarometer RESUMÉ 4. KVARTAL 2000
Konjunkturanalysegruppen Institut for Erhvervsstudier, Aalborg Universitet Jesper Lindgaard Christensen Bent Dalum Morten Berg Jensen Carsten Stig Poulsen Nordjysk Konjunkturbarometer RESUMÉ 4. KVARTAL
Læs mereAARHUS KOMMUNE BRUGERTILFREDSHEDSUNDERSØGELSE 2017 BOSTØTTE, BOFÆLLESSKABER OG BOTILBUD I SOCIALPSYKIATRI OG UDSATTE VOKSNE
AARHUS KOMMUNE BRUGERTILFREDSHEDSUNDERSØGELSE 2017 BOSTØTTE, BOFÆLLESSKABER OG BOTILBUD I SOCIALPSYKIATRI OG UDSATTE VOKSNE INDHOLD Afsnit 01 Introduktion Side 03 Afsnit 02 Læsevejledning Side 05 Afsnit
Læs mereEstimering af hvidkløver i afgræsningsmarken.
November 2010 Estimering af hvidkløver i afgræsningsmarken. Troels Kristensen, Seniorforsker Karen Søegaard, Seniorforsker Århus Universitet Det Jordbrugsvidenskabelige Fakultet Institut for Jordbrugsproduktion
Læs mereAnalyse. Er politisk selvværd bestemt af geografisk. 1 februar Af Julie Hassing Nielsen
Analyse 1 februar 2017 Er politisk selvværd bestemt af geografisk placering? Af Julie Hassing Nielsen Danskernes geografiske placering og deres relation til centraladministrationen og det politisk system
Læs mereIndholdsfortegnelse. Miljørigtige køretøjer i Aarhus. Effekter af en mere miljørigtig vognpark i Aarhus Kommune. Aarhus Kommune. Notat - kort version
Aarhus Kommune Miljørigtige køretøjer i Aarhus Effekter af en mere miljørigtig vognpark i Aarhus Kommune COWI A/S Jens Chr Skous Vej 9 8000 Aarhus C Telefon 56 40 00 00 wwwcowidk Notat - kort version Indholdsfortegnelse
Læs mereDANSK FLYGTNINGEHJÆLP
DANSK FLYGTNINGEHJÆLP KURSISTUNDERSØGELSE 2015 RESULTATER OG ANBEFALINGER KURSISTUNDERSØGELSE 2015 INDHOLD - Svarprocent - Hvem har svaret? - Resultater for udvalgte nøgleindikatorer; overordnet tilfredshed,
Læs mereLÆRDANSK SYDVEST KURSISTUNDERSØGELSE 2014 RESULTATER OG ANBEFALINGER KURSISTUNDERSØGELSE 2014 SYDVEST
LÆRDANSK RESULTATER OG ANBEFALINGER INDHOLD - Svarprocent - Hvem har svaret? - Resultater for udvalgte nøgleindikatorer: overordnet tilfredshed, ambassadørvilje - Resultater for hovedområder: uddannelse,
Læs mereReestimation af importrelationer
Danmarks Statistik MODELGRUPPEN Arbejdspapir Nis Mathias Schulte Matzen 28. november 211 Reestimation af importrelationer Resumé: Papiret estimerer import relationerne på to forskellige datasæt. Et korrigeret
Læs mereBlending af testdagsydelser og laktationsydelser ved avlsværdivurdering for ydelse hos malkekvæg.
Blending af testdagsydelser og laktationsydelser ved avlsværdivurdering for ydelse hos malkekvæg. Bilag til konsulentmøde om avlsmæssige aktiviteter på Landskontoret d. 16. maj 2002 Af Trine Villumsen
Læs mereKUNDETILFREDSHEDSMÅLING 2015
KUNDETILFREDSHEDSMÅLING 2015 KALUNDBORG FORSYNING Totalrapport December 2015 Antal besvarelser: Svarprocent: 558 28% INDHOLD 3 HOVEDRESULTATER OPSUMMERET 4 OM DENNE RAPPORT 4 EFFEKTANALYSE 5 OPBYGNING
Læs mereBilag 4. Costdriversammensætning
Bilag 4 Costdriversammensætning Juli 2019 Bilag 44 - Costdriversammensætning Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail: kfst@kfst.dk
Læs mereIndhold. 2 Tosidet variansanalyse Additive virkninger Vekselvirkning... 9
Indhold 1 Ensidet variansanalyse 2 1.1 Estimation af middelværdier............................... 3 1.2 Estimation af standardafvigelse............................. 3 1.3 F-test for ens middelværdier...............................
Læs mereBilag 7 Analyse af alternative statistiske modeller til DEA Dette bilag er en kort beskrivelse af Forsyningssekretariatets valg af DEAmodellen.
Bilag 7 Analyse af alternative statistiske modeller til DEA Dette bilag er en kort beskrivelse af Forsyningssekretariatets valg af DEAmodellen. FORSYNINGSSEKRETARIATET OKTOBER 2011 INDLEDNING... 3 SDEA...
Læs mereEpidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april
Århus 8. april 2011 Morten Frydenberg Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april Opgave 1 ( gruppe 1: sp 1-4, gruppe 5: sp 5-9 og gruppe 6: 10-14) I denne opgaveser vi på et
Læs mereLineær regression. Simpel regression. Model. ofte bruges følgende notation:
Lineær regression Simpel regression Model Y i X i i ofte bruges følgende notation: Y i 0 1 X 1i i n i 1 i 0 Findes der en linie, der passer bedst? Metode - Generel! least squares (mindste kvadrater) til
Læs mereAnalyse fra Bisnode Credit
Oktober 2013 Analyse af hoteller og overnatningsfaciliteter i Danmark Analyse fra Bisnode Credit BISNODE CREDIT A/S Adresse: Tobaksvejen 21, 2860 Søborg Telefon: 3673 8184, E-mail: business.support@bisnode.dk,
Læs mereFAVRSKOV KOMMUNE 2016 FORÆLDRETILFREDSHEDSUNDERSØGELSE PÅ DAGPLEJE- OG DAGINSTITUTIONSOMRÅDET
FAVRSKOV KOMMUNE 2016 FORÆLDRETILFREDSHEDSUNDERSØGELSE PÅ DAGPLEJE- OG DAGINSTITUTIONSOMRÅDET 1 INDHOLD Afsnit 01 Introduktion Side 03 Afsnit 02 Sammenfatning og svarprocent Side 05 Afsnit 03 Dagplejen
Læs mereForbruget fortsætter fremgangen i 2016
Thorbjørn Baum thob@di.dk, 232 96 OKTOBER 2 Forbruget fortsætter fremgangen i 2 Privforbruget holder i år kadancen fra sidste år, og vi skønner, at 2 bliver andet år i træk med en forbrugsvækst på lidt
Læs mereRisikofaktorudviklingen i Danmark fremskrevet til 2020
23. marts 9 Arbejdsnotat Risikofaktorudviklingen i Danmark fremskrevet til Udarbejdet af Knud Juel og Michael Davidsen Baseret på data fra Sundheds- og sygelighedsundersøgelserne er der ud fra køns- og
Læs mereRygtespredning: Et logistisk eksperiment
Rygtespredning: Et logistisk eksperiment For at det nu ikke skal ende i en omgang teoretisk tørsvømning er det vist på tide vi kigger på et konkret logistisk eksperiment. Der er selvfølgelig flere muligheder,
Læs mereSAMMENLIGNING AF UNIVERSITETSINSTITUTIONER OPDELT PÅ HOVEDOMRÅDE
SAMMENLIGNING AF UNIVERSITETSINSTITUTIONER OPDELT PÅ HOVEDOMRÅDE Uddannelse er vigtig for Danmark. Det er der bred enighed om politisk og i samfundet generelt. Der er således bred enighed om målsætningen,
Læs mereSammenhængsanalyser. Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt.
Sammenhængsanalyser Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt. rygevaner som 45 årig * helbred som 51 årig Crosstabulation rygevaner
Læs mereBilag 1 Costdriversammensætning
Bilag 1 Costdriversammensætning August 2018 Bilag 1 - Costdriversammensætning Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail: kfst@kfst.dk
Læs mereBAGGRUND OG FORMÅL MED UNDERSØGELSEN
BAGGRUND OG FORMÅL MED UNDERSØGELSEN Gladsaxe Kommune har som deltager i et pilotprojekt gennemført en brugertilfredshedsundersøgelse blandt alle kommunens forældre til børn i skole, SFO, daginstitution
Læs mereBilag 1. Om læsning og tolkning af kort udformet ved hjælp af korrespondanceanalysen.
Bilag 1. Om læsning og tolkning af kort udformet ved hjælp af korrespondanceanalysen. Korrespondanceanalysen er en multivariat statistisk analyseform, som i modsætning til mange af de mere traditionelle
Læs mereBAGGRUND OG FORMÅL MED UNDERSØGELSEN
BAGGRUND OG FORMÅL MED UNDERSØGELSEN Gladsaxe Kommune har som deltager i et pilotprojekt gennemført en brugertilfredshedsundersøgelse blandt alle kommunens forældre til børn i skole, SFO, daginstitution
Læs mereNordjysk Konjunkturbarometer RESUMÉ 1. KVARTAL 2005
Nordjysk Konjunkturbarometer RESUMÉ KVARTAL 25 Konjunkturanalysegruppen Institut for Erhvervsstudier, Aalborg Universitet Jesper Lindgaard Christensen Bent Dalum Morten Berg Jensen Carsten Stig Poulsen
Læs mereI dag. Kursus Data matrice. Formål med PCA. Statistik. Principal komponent analyse, PCA, Esbensen kapitel 3. Splus. Anna Helga Jónsdóttir
I dag Kursus 02593 Statistik Anna Helga Jónsdóttir Principal komponent analyse, PCA, Esbensen kapitel 3. Splus ahj@imm.dtu.dk 18. november 2008 Anna Helga Jónsdóttir (ahj@imm.dtu.dk) Kursus 02593 18. november
Læs mereAnalysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17
nalysestrategi Vælg statistisk model. Estimere parametre i model. fx. lineær regression Udføre modelkontrol beskriver modellen data tilstrækkelig godt og er modellens antagelser opfyldte fx. vha. residualanalyse
Læs mereProjekt 1 Spørgeskemaanalyse af Bedst på Nettet
Projekt 1 Spørgeskemaanalyse af Bedst på Nettet D.29/2 2012 Udarbejdet af: Katrine Ahle Warming Nielsen Jannie Jeppesen Schmøde Sara Lorenzen A) Kritik af spørgeskema Set ud fra en kritisk vinkel af spørgeskemaet
Læs mereGRIBSKOV KOMMUNE FORÆLDRETILFREDSHEDSUNDERSØGELSE 2017 DAGTILBUD, SKOLE, FO OG KLUB
GRIBSKOV KOMMUNE FORÆLDRETILFREDSHEDSUNDERSØGELSE 2017 DAGTILBUD, SKOLE, FO OG KLUB 1 INDHOLD Afsnit 01 Introduktion Side 03 Afsnit 02 Sammenfatning Side 05 Afsnit 03 Dagtilbud Side 09 Afsnit 04 Skole
Læs mereAnalyse og sammenligning af Hellmann og Pluvio nedbørsmålere
Klima- og Energiministeriet Analyse og sammenligning af Hellmann og Pluvio nedbørsmålere Data fra perioden 15. december 2009-15. oktober 2010 Peter Riddersholm Wang www.dmi.dk/dmi/tr10-16 København 2010
Læs mereBilag 5 - Forsyningssekretariatets bemærkninger til høringssvar fra DANVA og FVD
Bilag 5 - Forsyningssekretariatets bemærkninger til høringssvar fra DANVA og FVD FORSYNINGSSEKRETARIATET OKTOBER 2011 INDLEDNING... 3 NETVOLUMEN OG DATAKVALITET... 3 MILJØ- OG SERVICEMÅL... 5 UDELADTE
Læs mereStatistik og beregningsudredning
Bilag 7 Statistik og beregningsudredning ved Overlæge Søren Paaske Johnsen, medlem af Ekspertgruppen Marts 2008 Bilag til Ekspertgruppens anbefalinger til videreudvikling af Sundhedskvalitet www.sundhedskvalitet.dk
Læs mereNordjysk Konjunkturbarometer RESUMÉ 1. KVARTAL 2000
Konjunkturanalysegruppen Institut for Erhvervsstudier, Aalborg Universitet Jesper Lindgaard Christensen Bent Dalum Lars Gelsing Carsten Stig Poulsen Nordjysk Konjunkturbarometer RESUMÉ 1. KVARTAL 1. Baggrund
Læs mereFaktaark: Iværksættere og jobvækst
December 2014 Faktaark: Iværksættere og jobvækst Faktaarket bygger på analyser udarbejdet i samarbejde mellem Arbejderbevægelsens Erhvervsråd og Djøf. Dette faktaark undersøger, hvor mange jobs der er
Læs mereLanddistriktskommuner
Landdistriktskommuner - indikatorer for landdistrikt Inge Toft Kristensen Chris Kjeldsen Tommy Dalgaard Danmarks Jordbrugsforskning Afdeling for Jordbrugsproduktion og Miljø GEO-data og Regionale Analyser
Læs mere2.0 Indledning til registerstudie af forbrug af sundhedsydelser
2. Indledning til registerstudie af forbrug af sundhedsydelser I det følgende beskrives sygdomsforløbet i de sidste tre leveår for -patienter på baggrund af de tildelte sundhedsydelser. Endvidere beskrives
Læs mereBeskrivende statistik
Beskrivende statistik Stikprøve af størrelse n for variablen x: x 1, x 2,, x n Beskriv fordelingen af data med nogle få talstørrelser. Centralt mål: en værdi som data er centreret om. Variationsmål: mål
Læs mereDANISH METEOROLOGICAL INSTITUTE MINISTRY OF TRANSPORT TECHNICAL REPORT 01-19 KLIMAGRID - DANMARK
DANISH METEOROLOGICAL INSTITUTE MINISTRY OF TRANSPORT TECHNICAL REPORT 01-19 KLIMAGRID - DANMARK Sammenligning af potentiel fordampning beregnet ud fra Makkinks formel og den modificerede Penman formel
Læs mereNordjysk Konjunkturbarometer Virksomhedsindikatorer RESUMÉ 4. KVARTAL 2003
Konjunkturanalysegruppen Institut for Erhvervsstudier, Aalborg Universitet Jesper Lindgaard Christensen Bent Dalum Morten Berg Jensen Carsten Stig Poulsen Nordjysk Konjunkturbarometer Virksomhedsindikatorer
Læs mereProjekt 6.1 Rygtespredning - modellering af logistisk vækst
Projekt 6.1 Rygtespredning - modellering af logistisk vækst (Projektet anvender værktøjsprogrammet TI Nspire) Alle de tilstedeværende i klassen tildeles et nummer, så med 28 elever i klassen uddeles numrene
Læs mereMetodenotat: Beregning af indikatorer i den nationale trivselsmåling i folkeskolen
Metodenotat: Beregning af indikatorer i den nationale trivselsmåling i folkeskolen Indledning I aftalen om et fagligt løft af folkeskolen er det beskrevet, at der skal udvikles en række indikatorer for
Læs mereRapport 23. november 2018
Rapport 23. november 2018 Proj.nr. 2004280 Version 1 EVO/MT Principper for og forslag til repræsentative stikprøveplaner til analyse af konsekvensen af produktionsændringer for værdi- og kvalitetsvurdering
Læs mereMedlemstilfredshed Teknisk Landsforbund 2010
Medlemstilfredshed Teknisk Landsforbund 1 Indhold Indhold Introduktion Information om undersøgelsen og resultatforklaring 3 Tilfredshed og Loyalitet Vurderinger og sammenligninger 5 Hvordan skaber du større
Læs mereBAGGRUND OG FORMÅL MED UNDERSØGELSEN
BAGGRUND OG FORMÅL MED UNDERSØGELSEN Gladsaxe Kommune har som deltager i et pilotprojekt gennemført en brugertilfredshedsundersøgelse blandt alle kommunens forældre til børn i skole, SFO, daginstitution
Læs mereEksportørgevinst i eksportrelationen
Danmarks Statistik MODELGRUPPEN Arbejdspapir* Ivanna Blagova 4. maj 2016 Eksportørgevinst i eksportrelationen Resumé: Nogle muligheder for at inkludere eksportørgevinst i eksportrelationen er undersøgt.
Læs mereMarkante sæsonudsving på boligmarkedet
N O T A T Markante sæsonudsving på boligmarkedet 9. marts 0 Denne analyse estimerer effekten af de sæsonudsving, der præger prisudviklingen på boligmarkedet. Disse priseffekter kan være hensigtsmæssige
Læs mereNormalfordelingen og Stikprøvefordelinger
Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger
Læs mereAnalyse. Kontanthjælpsreformen har fået flere unge i uddannelse eller beskæftigelse men forbliver de der? 29. april 2015
Analyse 29. april 215 Kontanthjælpsreformen har fået flere unge i uddannelse eller beskæftigelse men forbliver de der? Af Kristian Thor Jakobsen og Katrine Marie Tofthøj Kontanthjælpsreformen, der blev
Læs mereEffekten af indvandring på indfødte danskeres løn og beskæftigelse
d. 22.05.2017 Brian Krogh Graversen (DØRS) Effekten af indvandring på indfødte danskeres løn og beskæftigelse I kapitlet Udenlandsk arbejdskraft i Dansk Økonomi, forår 2017 analyseres det, hvordan indvandringen
Læs mereBilag 1. Costdriversammensætning. November 2016 VERSION 3
Bilag 1 Costdriversammensætning November 2016 VERSION 3 Bilag 1 Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail: kfst@kfst.dk Online
Læs mereAARHUS KOMMUNE TILFREDSHEDSUNDERSØGELSE 2018
FAMILIEPLEJEN AARHUS KOMMUNE TILFREDSHEDSUNDERSØGELSE 2018 TILFREDSHEDSUNDERSØGELSE 2018 SOCIALFORVALTNINGEN FAMILIER, BØRN OG UNGE INDHOLD Introduktion Læsevejledning Side 02 Side 03 Sammenfatning Side
Læs merePOLITIETS TRYGHEDSUNDERSØGELSE I GRØNLAND, 2017
SYDSJÆLLAND POLITIETS TRYGHEDSUNDERSØGELSE I GRØNLAND, EN MÅLING AF TRYGHEDEN OG TILLIDEN TIL POLITIET I: HELE GRØNLAND NUUK BEBYGGELSE MED POLITISTATION BEBYGGELSE UDEN POLITISTATION MARTS 2018 1 INDHOLD
Læs mereTIL RAPPORTEN DANSKE LØNMODTAGERES ARBEJDSTID EN REGISTERBASERET ANALYSE, SFI DET NATIONALE FORSKNINGSCENTER FOR VELFÆRD 09:03.
05:2009 ARBEJDSPAPIR Mette Deding Trine Filges APPENDIKS TIL RAPPORTEN DANSKE LØNMODTAGERES ARBEJDSTID EN REGISTERBASERET ANALYSE, SFI DET NATIONALE FORSKNINGSCENTER FOR VELFÆRD 09:03. FORSKNINGSAFDELINGEN
Læs mereBenchmarking af kommunernes sagsbehandling antagelser, metode og resultater
Benchmarking af kommunernes sagsbehandling antagelser, metode og resultater Anna Amilon Materiel vurdering Ved vurderingen af en afgørelses materielle indhold vurderes afgørelsens korrekthed i forhold
Læs mereForældretilfredshed 2015
Antal svar: 23, svarprocent: 77% INFORMATION OM UNDERSØGELSEN Forældretilfredshed 2015 er et samarbejde mellem Daginstitutionernes Lands-Organisation (DLO) og konsulentvirksomheden SURVIO. Formålet er
Læs mereOriginalt emballagedesign
Originalt emballagedesign Af Jesper Clement Designer mdd, Ph.D. i marketing Underviser i emballagedesign på DMJX En undersøgelse af hvad re-design af emballager kan medføre Hvilket emballagedesign er bedst?
Læs mereAnalyse af social uddannelsesmobilitet og frafald på lange videregående uddannelser
Bilag 6 Analyse af social uddannelsesmobilitet og frafald på lange videregående uddannelser I dette notat undersøges, om der er eventuelle sociale skævheder forbundet med frafaldet på de lange videregående
Læs mereLars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ 2 -test og Goodness of Fit test.
Lars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ -test og Goodness of Fit test. Anvendelser af statistik Statistik er et levende og fascinerende emne, men at læse om det er alt
Læs mere