Linking innovation and entrepreneurship to economic growth

2018 ◽  
Vol 28 (4) ◽  
pp. 451-475 ◽  
Author(s):  
Luis Farinha ◽  
João J.M. Ferreira ◽  
Sara Nunes
Keyword(s):  
Economic Growth ◽  
Cluster Analysis ◽  
Hierarchical Cluster Analysis ◽  
Structural Equation ◽  
Hierarchical Cluster ◽  
Initial Study ◽  
Descriptive Statistics ◽  
Regional Competitiveness ◽  
Content Type ◽  
Innovation And Entrepreneurship

Purpose The purpose of this paper is to study the linkage of innovation and entrepreneurship to economic growth in countries with different levels of development. Design/methodology/approach Following quantitative analysis, the authors carry out three empirical approaches to examine the effects of innovation and entrepreneurship on competitiveness. In accordance with their initial study framework, they test the conceptual model of competitiveness through applying descriptive statistics, structural equation modelling (SEM) and hierarchical cluster analysis. Descriptive statistics and SEM data sources from the Global Competitiveness Report of the World Economic Forum were analysed for 148 countries. The hierarchical cluster analysis furthermore analysed Global Entrepreneurship Monitor data on 67 different countries. Findings The study confirmed that innovation and sophistication factors are crucial to the competitiveness of economies. The study also revealed the definition of five clusters relative to the competitive performance of advanced economies following the introduction of new entrepreneurship variables. Originality/value This research aims to open up avenues for the development of regional competitiveness studies.

Η σχέση μεταξύ των μηχανισμών άμυνας και των προσεγγίσεων μάθησης

2020 ◽  
Author(s):  
Πάτρα Βλαχοπάνου
Keyword(s):  
Cluster Analysis ◽  
Path Analysis ◽  
Hierarchical Cluster Analysis ◽  
Structural Equation Modelling ◽  
Structural Equation ◽  
Hierarchical Cluster ◽  
Equation Modelling

Η παρούσα έρευνα ακολουθεί το σύγχρονο ερευνητικό ενδιαφέρον αναφορικά με τον ρόλο των ψυχολογικών, μη γνωστικών μεταβλητών πέραν των γνωστικών που έχουν μελετηθεί από πλήθος ερευνών που εστιάζουν στη μάθηση. Στόχος της ήταν (α) η διερεύνηση της σχέσης μεταξύ των αμυντικών στυλ και των προσεγγίσεων μάθησης μέσω του ρόλου της ακαδημαϊκής αναβλητικότητας και της ψυχολογικής ευημερίας ως μεταβλητών που αφορούν την «προστασία του εαυτού» και (β) η εξέταση της ύπαρξης προφίλ φοιτητών με βάση τις διαφορές στις τιμές των υπό μελέτη μεταβλητών, ήτοι: Αμυντικά Στυλ, Ακαδημαϊκή Αναβλητικότητα, Ψυχολογική Ευημερία και Προσεγγίσεις Μάθησης. Για τη μέτρηση των ανωτέρω μεταβλητών χρησιμοποιήθηκαν τα ακόλουθα εργαλεία αντίστοιχα: το «Ερωτηματολόγιο Αμυντικής Δομής και Μηχανισμών Άμυνας- DSQ88», η «Κλίμακα Αξιολόγησης της Αναβλητικότητας για Φοιτητές - PASS», η «Κλίμακα Ψυχικής Ευζωϊας - FS», και το ερωτηματολόγιο «Πώς μαθαίνεις - HowULearn». Το δείγμα αποτέλεσαν 628 φοιτητές/τριες της Φιλοσοφικής σχολής του Πανεπιστημίου Ιωαννίνων. Για την ανίχνευση της παραγοντικής δομής των ερωτηματολογίων εφαρμόστηκε η μέθοδος της διερευνητικής (EFA) και της επιβεβαιωτικής ανάλυσης παραγόντων (CFA). Για να διαπιστωθεί η ανεξαρτησία των υποκλιμάκων των ερωτηματολογίων που χρησιμοποιήθηκαν και να πραγματοποιηθούν περαιτέρω αναλύσεις, διενεργήθηκαν συσχετίσεις μεταξύ των υπο μελέτη μεταβλητών (Αμυντικά Στυλ, Ακαδημαϊκή Αναβλητικότητα, Ψυχολογική Ευημερία και Προσεγγίσεις μάθησης). Για τον έλεγχο των ερευνητικών υποθέσεων, πραγματοποιήθηκαν οι παρακάτω στατιστικές αναλύσεις: (α) Ανάλυση Διαδρομών (Path Analysis-Structural Equation Modelling) για τον προσδιορισμό των σχέσεων και των αλληλεπιδράσεων στο σύνολο των υπό εξέταση μεταβλητών (Δαφέρμος, 2013. Kline, 2016). (β) Επιπρόσθετα, προκειμένου να διερευνηθεί η ύπαρξη προφίλ φοιτητών βάσει των απαντήσεών τους, πραγματοποιήθηκε ανάλυση συστάδων (cluster analysis) σύμφωνα με τη μεθοδολογία της ιεραρχικής ανάλυσης συστάδων (hierarchical cluster analysis). Τα αποτελέσματα της παρούσας μελέτης κατέδειξαν ότι η ακαδημαϊκή αναβλητικότητα και η ψυχολογική ευημερία διαμεσολαβούν στη σχέση ανάμεσα στα αμυντικά στυλ και στις προσεγγίσεις μάθησης, αναδεικνύοντας τις αναμενόμενες άμεσες και έμμεσες διαδρομές. Συγκεκριμένα, τα αμυντικά στυλ σχετίζονται άμεσα με τις προσεγγίσεις μάθησης. Τα ώριμα αμυντικά στυλ συνδέονται με τη μάθηση μέσω της ψυχολογικής ευημερίας με θετικό τρόπο και τα ανώριμα αμυντικά στυλ συνδέονται με τη μάθηση μέσω της ακαδημαϊκής αναβλητικότητας με αρνητικό τρόπο. Όσον αφορά στα συμπεράσματα που αντλούνται από την ανάλυση ομοιογενών ομάδων, η παρούσα μελέτη αναδεικνύει τρία προφίλ, εκ των οποίων τα δύο δείχνουν τη συνύπαρξη ψυχολογικών και γνωστικών μεταβλητών οργανωμένων σε ένα θετικό/ώριμο προφίλ, τους «ψυχολογικά σταθερούς και προσαρμοστικούς» και σε ένα αρνητικό/ανώριμο προφίλ, τους «ανώριμους και ασταθείς σε κίνδυνο», υποστηρίζοντας τις συνδέσεις μεταξύ των μεταβλητών που προκύπτουν από την ανάλυση διαδρομών. Το τρίτο προφίλ αποτελεί ένα δυσαρμονικό προφίλ, τους «αμυντικά δυσαρμονικούς», που αφορά σε φοιτητές με τις υψηλότερες τιμές στα αμυντικά στυλ και τις δεύτερες υψηλότερες τιμές σε όλες τις άλλες μεταβλητές. Η έρευνα συμβάλλει (α) στο αναδυόμενο ερευνητικό ενδιαφέρον ως προς τον ρόλο των μεταβλητών που αφορούν την προσαρμογή και την ψυχική υγεία στη μάθηση, προτάσσοντας τη σημασία μιας πιο ολιστικής εικόνας αναφορικά με τη μάθηση και (β) επιβεβαιώνει τη σύνδεση μεταξύ γνωστικών και μη γνωστικών μεταβλητών τόσο όσον αφορά στις σχέσεις και στις διαδρομές σύνδεσης μεταξύ των μεταβλητών, όσο και αναφορικά με τα προφίλ φοιτητών. Η συγκεκριμένη μελέτη υποστηρίζει τον σύγχρονο ερευνητικό προσανατολισμό που αφορά στη σύνδεση των αμυντικών στυλ με τη μάθηση και τη σημασία της σύνδεσης γνωστικών και μη γνωστικών μεταβλητών στην κατανόηση της μάθησης. Τα αποτελέσματα συζητούνται στο πλαίσιο της διεθνούς βιβλιογραφίας.

Benchmarking manufacturing industries based on green practices

2018 ◽  
Vol 25 (6) ◽  
pp. 1746-1761 ◽  
Author(s):  
Kuldip Singh Sangwan ◽  
Kailash Choudhary
Keyword(s):  
Cluster Analysis ◽  
Hierarchical Cluster Analysis ◽  
Manufacturing Industry ◽  
Hierarchical Cluster ◽  
Manufacturing Industries ◽  
Content Type ◽  
Green Performance ◽  
Green Practices ◽  
One Way Anova ◽  
Better Than

Purpose The purpose of this paper is twofold: first, to develop a statistically reliable and valid model of performance measures (PMs) to observe the environmental behavior of different enterprises; second, at benchmarking the enterprises based on their green practices. Design/methodology/approach A PM model has been proposed using an empirical analysis of manufacturing industry. The developed model has been tested using structural equation modeling technique. The level of green manufacturing (GM) performance in different sectors and sizes of Indian manufacturing industry has been studied and benchmarked using hierarchical cluster analysis with one-way ANOVA. Findings The results indicate that top management commitment and product design are the root PMs for the success of GM practices. It has been found that chemical, automotive, food and pharmaceutical industries are the high performing sectors. It has also been found that large scale enterprises are performing better than medium-sized enterprises which are doing better than small and micro enterprises in GM practices. Research limitations/implications The indicators/variables in questionnaire are subjective in nature and collected data are from Indian manufacturing organizations only. Practical implications The governments, trade bodies and NGOs can use the proposed model for measurement of green performance of any manufacturing industry. The benchmarking can be used by the different policy influencing and making agencies to develop future policies for the improvement. The industry can also use the benchmarking for its peer performance improvement. Originality/value The major novelty of the paper is benchmarking the green performance of manufacturing industries based on the different sectors and sizes using empirical investigation. The level of GM performance in different sectors and sizes of industries has been studied and benchmarked using hierarchical cluster analysis with one-way ANOVA.

Extraordinary circumstances: Covid-19 – Italian Serie A scenario

2021 ◽  
pp. 175433712110192
Author(s):  
Milan Radojicic ◽  
Aleksandar Djokovic ◽  
Nikola Cvetkovic
Keyword(s):  
Cluster Analysis ◽  
Hierarchical Cluster Analysis ◽  
Hierarchical Cluster ◽  
Round Robin ◽  
The Past ◽  
Novel Approach ◽  
Round Robin Tournaments

Unpredictable and uncontrollable situations have happened throughout history. Inevitably, such situations have an impact on various spheres of life. The coronavirus disease 2019 has affected many of them, including sports. The ban on social gatherings has caused the cancellation of many sports competitions. This paper proposes a methodology based on hierarchical cluster analysis (HCA) that can be applied when a need occurs to end an interrupted tournament and the conditions for playing the remaining matches are far from ideal. The proposed methodology is based on how to conclude the season for Serie A, a top-division football league in Italy. The analysis showed that it is reasonable to play 14 instead of the 124 remaining matches of the 2019–2020 season to conclude the championship. The proposed methodology was tested on the past 10 seasons of the Serie A, and its effectiveness was confirmed. This novel approach can be used in any other sport where round-robin tournaments exist.

scholarly journals Detection of drought events in Greece using daily precipitation

2010 ◽  
Vol 41 (2) ◽  
pp. 126-133 ◽  
Author(s):  
N. Kalamaras ◽  
H. Michalopoulou ◽  
H. R. Byun
Keyword(s):  
Cluster Analysis ◽  
Hierarchical Cluster Analysis ◽  
Daily Precipitation ◽  
Hierarchical Cluster ◽  
Seasonal Distribution ◽  
Drought Severity ◽  
Severe Drought ◽  
Analysis Method ◽  
Cluster Analysis Method ◽  
Insight Into

In this study a method proposed by Byun & Wilhite, which estimates drought severity and duration using daily precipitation values, is applied to data from stations at different locations in Greece. Subsequently, a series of indices is calculated to facilitate the detection of drought events at these sites. The results provide insight into the trend of drought severity in the region. In addition, the seasonal distribution of days with moderate and severe drought is examined. Finally, the Hierarchical Cluster Analysis method is used to identify sites with similar drought features.

An investigation on conceptual understanding about cosmology

2019 ◽  
Vol 15 (S367) ◽  
pp. 397-399
Author(s):  
Arturo Colantonio ◽  
Irene Marzoli ◽  
Italo Testa ◽  
Emanuella Puddu
Keyword(s):  
High School ◽  
Cluster Analysis ◽  
High School Students ◽  
Conceptual Understanding ◽  
Hierarchical Cluster Analysis ◽  
Hierarchical Cluster ◽  
Content Area ◽  
School Students ◽  
Convenience Sample ◽  
Teaching Activities

AbstractIn this study, we identify patterns among students beliefs and ideas in cosmology, in order to frame meaningful and more effective teaching activities in this amazing content area. We involve a convenience sample of 432 high school students. We analyze students’ responses to an open-ended questionnaire with a non-hierarchical cluster analysis using the k-means algorithm.

Hierarchical Cluster Analysis Identifies Distinct Physiological States After Acute Brain Injury

2021 ◽  
Author(s):  
Swarna Rajagopalan ◽  
Wesley Baker ◽  
Elizabeth Mahanna-Gabrielli ◽  
Andrew William Kofke ◽  
Ramani Balu
Keyword(s):  
Cluster Analysis ◽  
Brain Injury ◽  
Hierarchical Cluster Analysis ◽  
Hierarchical Cluster ◽  
Acute Brain Injury
Sign in / Sign up

Export Citation Format

Share Document