WIELKOŚĆ PRZEDSIĘBIORSTW A SYSTEMY WSPÓŁPRACY INNOWACYJNEJ W POLSCE POŁUDNIOWO-ZACHODNIEJ W LATACH
|
|
- Elżbieta Muszyńska
- 6 lat temu
- Przeglądów:
Transkrypt
1 Piotr Dzikowski Marek Tomaszewski Uniwersytet Zielonogórski WIELKOŚĆ PRZEDSIĘBIORSTW A SYSTEMY WSPÓŁPRACY INNOWACYJNEJ W POLSCE POŁUDNIOWO-ZACHODNIEJ W LATACH Wprowadzenie Podejście przedstawicieli szkoły instytucjonalnej do terminu przedsiębiorstwo nie jest jednoznaczne. Część przedstawicieli szkoły instytucjonalnej (np. D. North) rozróżnia pojęcia instytucji i organizacji uważając, że należy rozróżnić zasady gry od graczy 1. Zgodnie z tym poglądem instytucje stanowią reguły postępowania, natomiast organizacje to podmioty, które postępują zgodnie z określonymi regułami. Oznacza to, że przedsiębiorstwo według tego ujęcia jest organizacją, a nie instytucją 2. Z kolei Stiglitz uważa, że definicje przedstawicieli szkoły instytucjonalnej nie są wystarczająco pojemne i organizacje stanowią instytucje 3. Również Williamson uważa, że organizacje są znakomitym przykładem instytucji 4. Kooperacja odgrywa istotną rolę zarówno w koncepcji środowiska innowacyjnego 5, jak i literaturze poświęconej sieciom 6 czy dystryktom prze- 1 W. Pawlak: Instytucje i zmiana instytucjonalna w teorii D. Northa. Studia Socjologiczne 1993, nr 1 (128), s D. North: Institution, Institutional Change and Ekonomic Performance. Cambridge 1990, s J.E. Stiglitz: Challenges in the Analysis of the Role of Institutions in Economic Development. Villa Bording Workshop Series The Institutional Foundations of a Market Economy, s O.E. Williamson: Economic Institutions: Spontaneous and Intentional Governance. Journal of Law, Economics, and Organization 1991, No High Technology and Innovative Environments: The European Experience. Eds. Ph. Aydalot, D. Keeble. Routledge, London O. Crevoiser, D. Maillat: Milieu, Industrial Organization and Territorial Production System Towards a New Theory of Spatial Development. W: Innovation Networks: Spatial Perspective. Ed. R. Camagni. Belhaven, London 1991, s
2 52 Piotr Dzikowski, Marek Tomaszewski mysłowym 7. Współpraca pełni ważną funkcję w przepływie wiedzy, która stanowi fundamentalny element w teorii wzrostu 8 i w koncepcji (krajowych i regionalnych) systemów innowacyjnych 9. Różnorodność podmiotów, z którymi przedsiębiorstwo mogłoby nawiązać współpracę powoduje, że warto zwrócić uwagę na determinanty decydujące o tym, z kim przedsiębiorstwo nawiąże współpracę. Determinant tych jest niezwykle wiele, co wynika z faktu, że nie ma dwóch identycznych przedsiębiorstw nawet, jeśli funkcjonują one w podobnych warunkach. W tym kontekście celem opracowania jest ukazanie, z jakimi podmiotami przedsiębiorstwa przemysłowe z południowo-zachodniej Polski współpracują w zależności od wielkości przedsiębiorstwa. Natomiast hipotezą badawczą jest twierdzenie, że najbardziej skłonne do nawiązania współpracy innowacyjnej są duże przedsiębiorstwa, które przede wszystkim współpracują ze swoimi odbiorcami oraz innymi podmiotami odpowiedzialnymi za powstanie lub transfer nowych technologii. 1. Metodyczne aspekty prowadzonych badań Część metodyczna analiz została oparta na modelowaniu ekonometrycznym, dla którego narzędziem badawczym jest model ekonometryczny. Zgodnie z definicją model przedstawia za pomocą równania zależności występujące pomiędzy zmiennymi. Każdy model składa się z następujących elementów: zmiennych objaśnianej i objaśniającej, parametrów oraz czynnika losowego. Przeprowadzając badania ekonometryczne należy uwzględnić siedem podstawowych etapów: 1) wybór zmiennej objaśnianej (y) i kandydatek na zmienne objaśniające (x 1, x 2,..x k ), 2) zebranie danych statystycznych, 7 Innovation Networks..., op. cit., s ; G. Grabher: Rediscovering the Social in the Economics of Interfirm Relations. W: The Embedded Firm On the Socioeconomics of Industrial Networks. Ed. G. Grabher. Routledge, London 1993, s F. Pyke, G. Becattini, W. Sengenberger: Industrial Districts and Inter-firm Cooperation in Italy. International Institute for Labour Studies, Geneve 1990; M. Porter: Clusters and the New Economics of Competition. Harvard Business Review 1998, No , s ; P. Krugman: Geography and Trade. MIT Press, Cambridge Szerzej B. i A. Lundvall: Introduction. W: National Systems of Innovation: Towards of Innovation and Interactive Learning. Ed. B.-A. Lundvall. Pinter, London 1992, s. 1-19; Ph. Cooke, M. Uranga, E. Gomez: Regional Innovation Systems: Institutional and Organisational Dimension. Research Policy 1997, No. 26, s
3 Wielkość przedsiębiorstw a systemy współpracy innowacyjnej 53 3) dobór posiadających istotny wpływ na zmienną objaśnianą wśród kandydatek na zmienną objaśniającą, 4) wybór postaci matematycznej modelu, która będzie obrazować zależności pomiędzy zmiennymi, 5) estymację parametrów modelu, czyli zastąpienie nieokreślonych parametrów przez konkretne wartości liczbowe, określone na podstawie danych empirycznych, 6) weryfikację modelu, przy użyciu hipotez i testów statystycznych, 7) zastosowanie modelu w celu analitycznym lub prognostycznym. Zgodnie z zaprezentowaną wyżej procedurą badawczą, pierwszym etapem powinien być wybór zmiennej objaśnianej i kandydatek na zmienne objaśniające. W tym miejscu należy wspomnieć, że treść niniejszego opracowania obejmuje tylko wąski wycinek szerszych badań zajmujących się wpływem różnych uwarunkowań na współpracę innowacyjną przedsiębiorstw przemysłowych. Stąd też jako zmienną objaśnianą przyjęto fakt wystąpienia współpracy przedsiębiorstwa przemysłowego z dostawcami, konkurentami, szkołami wyższymi, jednostkami PAN, krajowymi ośrodkami naukowymi, zagranicznymi ośrodkami naukowymi oraz odbiorcami. Z kolei lista kandydatek na zmienną objaśniającą była bardzo długa i obejmowała m.in. parametry charakteryzujące przedsiębiorstwa czy też parametry charakteryzujące aktywność innowacyjną przedsiębiorstw w rozbiciu na aspekt inwestycyjny i implementacyjny. Drugim etapem procedury badawczej było zebranie danych statystycznych. Jako punkt wyjścia wykorzystano jeden z wykazów przedsiębiorstw dostępny na stronach internetowych. Wykaz ten na badanym terenie obejmował dane adresowe przedsiębiorstw, z czego na przedsiębiorstwa przemysłowe wypadło 7137 jednostek. Do wszystkich przedsiębiorstw przemysłowych wysłano kwestionariusz ankietowy z prośbą o ich wypełnienie. Stopień zwrotu wysłanych ankiet wahał się od 9,01% w województwie dolnośląskim do 32,6% w województwie lubuskim. Wysoki stopień zwrotu ankiet z województwa lubuskiego wynikał z ułatwionego dostępu do przedsiębiorstw dla ankieterów, którzy pochodzili z tego terenu oraz relatywnie niewielkiej ilości przedsiębiorstw przemysłowych występujących na tym terenie. Trzeci etap to dobór posiadających istotny wpływ na zmienną objaśnianą wśród kandydatek na zmienną objaśniającą. Spośród długiej listy kandydatek na zmienną objaśniającą przyjęto wielkość przedsiębiorstwa, przejawiająca się ilością osób zatrudnionych w danym podmiocie. Ze względu na wielkość przedsiębiorstwa wyróżniono:
4 54 Piotr Dzikowski, Marek Tomaszewski 1) mikroprzedsiębiorstwa, które zatrudniały do 9 pracowników, 2) małe przedsiębiorstwa, które zatrudniały od 10 do 49 pracowników, 3) średnie przedsiębiorstwa, które zatrudniały od 50 do 249 pracowników, 4) duże przedsiębiorstwa, które zatrudniały powyżej 250 pracowników. Przyjęte w badaniu zmienne objaśniane i objaśniające miały charakter dychotoniczny, co oznacza, że przyjmowały wartości równe albo 0 albo 1. W przypadku zmiennych objaśnianych oznacza to, że albo współpraca z konkretnym podmiotem wystąpiła (w takiej sytuacji zmienna przyjmowała wartość równą 1), albo nie (w takiej sytuacji zmienna przyjmowała wartość równą 0). Z kolei w przypadku zmiennej objaśniającej konkretne przedsiębiorstwo mogło zostać zaliczone do jednej z czterech wymienionych wcześniej grup i wówczas dla tej grupy przyporządkowano wartość 1, zgodnie z tabelą 1. Sposób przydzielenia wartości dla zmiennej objaśniającej Tabela 1 Przedsiębiorstwo Mikro Małe Średnie Duże Przedsiębiorstwo zatrudniające np. 5 osób Przedsiębiorstwo zatrudniające np. 15 osób Przedsiębiorstwo zatrudniające np. 55 osób Przedsiębiorstwo zatrudniające np osób Przyjęcie przez zmienne objaśniane i objaśniające wartości dychotonicznych powoduje, że nie można wykorzystać najpopularniejszych metod modelowania, do których zalicza się m.in. regresję wieloraką. W celu otrzymania modelu, w którym zmienne objaśniane będą miały charakter binarny (0,1) należy zastosować regresję logitową lub probitową. W regresji logitowej przewidywane wartości zmiennej objaśnianej muszą się mieścić w przedziale 0 do 1, co osiąga się za pomocą transformacji logitowej 10. Natomiast w regresji probitowej zmienną objaśnianą można uważać za wynik ukrytej zmiennej o rozkładzie normalnym, która w rzeczywistości przyjmuje wartości w przedziale od plus do minus nieskończoności 11. W modelach logitowych lub probitowych, w których zmienna objaśniana przyjmuje wartości binarne, wartość oczekiwana zmiennej objaśnianej może być interpretowana jako prawdopodobieństwo realizacji danego zdarzenia przy 10 A. Zelias, B. Pawełek, S. Wanat: Prognozowanie ekonomiczne. Teoria, przykłady, zadania. PWN, Warszawa book%2fstnonlin.html
5 Wielkość przedsiębiorstw a systemy współpracy innowacyjnej 55 ustalonych warunkach, które określają zmienne objaśniające. Zastosowane w procedurze badawczej modelowanie probitowe opiera się na klasycznym rachunku prawdopodobieństwa, które zostało zaprezentowane na początku XIX wieku przez P. Laplace. Estymacja parametrów modelu przy budowie modelu probitowego nastąpiła za pomocą metody największej wiarygodności. Podstawowe założenia tej metody opierają się na funkcji wiarygodności. Stosuje się ją do modeli z addytywnym składnikiem losowym i przy założeniu rozkładu normalnego tego składnika 12. Na potrzeby opracowania obliczenia zostały przeprowadzone przy wykorzystaniu oprogramowania Statistica. Dla siedmiu zmiennych objaśnianych wykonano 28 modeli probitowych, z których tylko 8 było statystycznie istotne i które zostały w dalej zaprezentowane i omówione. Ze względu na zastosowanie modeli uwzględniających tylko jeden czynnik do interpretacji badanych zależności zaprezentowano modele w postaci strukturalnej. Kluczowe znaczenie ma znak stojący przy parametrze. Dodatni informuje, że prawdopodobieństwo nawiązania współpracy z danym podmiotem przez przedsiębiorstwo przemysłowe określonej wielkości jest wyższe niż w pozostałych grupach łącznie. Z kolei znak ujemny oznaczą że prawdopodobieństwo wystąpienia współpracy innowacyjnej z danym podmiotem jest niższe niż w pozostałych grupach łącznie. Przeprowadzone badania mają statyczny charakter i dotyczą okresu trzech lat, co jest zgodne ze standardami metodologicznymi opisanymi w Podręczniku Oslo Charakterystyka próby badawczej Badania przeprowadzono na podstawie próby 1037 przedsiębiorstw przemysłowych z regionu południowo-zachodniej Polski. Strukturę badanych przedsiębiorstw z punktu widzenia podjętej kooperacji innowacyjnej przedstawia tabela A. Welfe: Ekonometria. PWE, Warszawa 2003, s Zasady gromadzenia i interpretacji danych dotyczących innowacji. Pomiar działalności naukowej i technicznej. Podręcznik Oslo. Warszawa 2008.
6 56 Piotr Dzikowski, Marek Tomaszewski Ilość i struktura przebadanych przedsiębiorstw przemysłowych w południowo- -zachodniej Polsce, ze względu na podjętą kooperację innowacyjną w latach Lp. Przedsiębiorstwa: Ilość Struktura w (%) 1 Współpracujące innowacyjnie ,12 2 Nie współpracujące innowacyjnie ,88 Razem ,00 Tabela 2 Na podstawie tabeli 2 można stwierdzić, że współpracą innowacyjną może się wykazać 499 przebadanych przedsiębiorstw, co stanowiło nieco ponad 48% wszystkich przebadanych podmiotów. Pozostałe 538 przedsiębiorstw nie wykazało tej formy współpracy, co stanowiło blisko 51% wszystkich przebadanych przedsiębiorstw, Tabela 3 obrazuje strukturę przedsiębiorstw kooperujących, z punktu widzenia ich wielkości. Tabela 3 Ilość i struktura przebadanych przedsiębiorstw kooperujących w południowo-zachodniej Polsce, ze względu na wielkość przedsiębiorstwa w latach Lp. Przedsiębiorstwa: Ilość Struktura w (%) 1 Mikro (micro) ,3 2 Małe (small) ,7 3 Średnie (average) ,6 4 Duże (large) 52 10,4 Razem (together) ,0 Najbardziej liczną grupą przebadanych przedsiębiorstw, kooperujących w zakresie innowacji, są małe przedsiębiorstwa. Udział małych przedsiębiorstw w grupie wszystkich przedsiębiorstw współpracujących innowacyjnie wyniósł 40,7%. Na drugim i trzecim miejscu pod względem liczebności plasują się kolejno mikro i średnie przedsiębiorstwa, z udziałem nieco ponad 25 i 23%. Najmniej liczną grupą przebadanych podmiotów były duże przedsiębiorstwa, z udziałem przekraczającym 10%.
7 Wielkość przedsiębiorstw a systemy współpracy innowacyjnej Wpływ wielkości przedsiębiorstwa przemysłowego na współpracę innowacyjną w południowo-zachodniej Polsce Analizując strukturę przebadanych przedsiębiorstw z punktu widzenia ich wielkości interesujące wydaje się również ukazanie, jak często podejmowana była kooperacja innowacyjna we wszystkich przebadanych podmiotach południowo-zachodniej Polski, co przedstawia tabela 4. Tabela 4 Ilość i struktura ze względu na wielkość przedsiębiorstw kooperujących w stosunku do wszystkich przebadanych przedsiębiorstw z południowo-wschodniej Polski w latach Lp. Przedsiębiorstwa: Ilość przedsiębiorstw kooperujących Ilość wszystkich przebadanych przedsiębiorstw Struktura w (%) 1 Mikro (micro) ,6 2 Małe (small) ,8 3 Średnie (average) ,0 4 Duże (large) ,0 Razem / średnio ,12 Z tabeli 4 wynika, że najbardziej skłonną do kooperacji innowacyjnej grupą przedsiębiorstw są przedsiębiorstwa duże. W grupie tej aż 62% wszystkich przebadanych przedsiębiorstw wykazało podjęcie współpracy innowacyjnej. Na drugim miejscu uplasowały się przedsiębiorstwa średnie, wśród których 52% wykazało podjęcie współpracy innowacyjnej. Wyższą, niż średnia dla całego regionu, skłonnością do podejmowania współpracy innowacyjnej charakteryzowały się także małe przedsiębiorstwa. W grupie tej niecałe 50% podmiotów wykazało współpracę innowacyjną. Najmniejszą skłonnością do współpracy innowacyjnej charakteryzowały się mikro przedsiębiorstwa. W grupie tej niecałe 40% przedsiębiorstw wykazało współpracę innowacyjną. Mikroprzedsiębiorstwa były jedyną grupą, w której skłonność do współpracy innowacyjnej była znacznie niższa niż średnia dla całego regionu wynosząca nieco ponad 48%.
8 58 Piotr Dzikowski, Marek Tomaszewski Tabela 5 Wpływ wielkości przedsiębiorstwa na współpracę innowacyjną przedsiębiorstw przemysłowych z południowo-zachodniej Polski w latach Mikro Małe Średnie Duże Dostawcy Szkoły Wyższe Krajowe Jbr Zagraniczne Jbr Odbiorcy BłSt P 1 P 2 BłSt P 1 P 2 BłSt P 1 P 2 BłSt P 1 P 2 +0,25x+0,20-0,35x+0,39 0,12 0,67 0,58 0,13 0,52 0,65 +0,56x-1,36 0,21 0,21 0,09-0,54x-0,99 +0,45x-1,23 0,19 0,06 0,16 0,15 0,22 0,11 +0,81x-2,01 0,26 0,12 0,02-0,27x+0,11 +0,57x-0,01 0,13 0,44 0,54 0,19 0,71 0,49 BłSt błąd standardowy. P 1 prawdopodobieństwo wystąpienia danego zjawiska w badanej grupie przedsiębiorstw. P 2 prawdopodobieństwo wystąpienia danego zjawiska w pozostałych grupach przedsiębiorstw. Z tabeli 5 wynika, że najbardziej skłonne do nawiązania współpracy innowacyjnej są duże przedsiębiorstwa. W przypadku tej grupy przedsiębiorstw najwyższe prawdopodobieństwo nawiązania kooperacji innowacyjnej występuje w odniesieniu do odbiorców. Prawdopodobieństwo nawiązania przez duże przedsiębiorstwa ze swoimi odbiorcami kooperacji innowacyjnej wynosi aż 0,71 i jest o prawie 45% wyższe niż prawdopodobieństwo nawiązania współpracy innowacyjnej z odbiorcami przez inne grupy przedsiębiorstw, czyli przedsiębiorstwa średnie, małe i mikro. Na podstawie tabeli 5 można również zauważyć, że duże przedsiębiorstwa nawiązują współpracę innowacyjną także ze szkołami wyższymi i zagranicznymi jednostkami badawczo-rozwojowymi. Prawdopodobieństwo nawiązania współpracy innowacyjnej pomiędzy dużymi przedsiębiorstwami a szkołami wyższymi wynosi 0,21 i jest o 133% wyższe niż prawdopodobieństwo nawiązania współpracy innowacyjnej przez szkoły wyższe z pozostałymi grupami przedsiębiorstw. Z kolei prawdopodobieństwo nawiązania współpracy innowacyjnej pomiędzy dużymi przedsiębiorstwami a zagranicznymi jednostkami badawczo- -rozwojowymi wynosi 0,12 i jest aż 6-krotnie wyższe niż prawdopodobieństwo nawiązania współpracy innowacyjnej z zagranicznymi jednostkami badawczo- -rozwojowymi przez pozostałe grupy przedsiębiorstw.
9 Wielkość przedsiębiorstw a systemy współpracy innowacyjnej 59 Zupełnie odwrotne podejście do nawiązywania współpracy innowacyjnej wykazują z kolei mikroprzedsiębiorstwa. Zgodnie z danymi zamieszczonymi w tabeli 5 mikroprzedsiębiorstwa wykazują się negatywnym podejściem do współpracy z krajowymi ośrodkami naukowymi oraz z odbiorcami. Prawdopodobieństwo nawiązania współpracy innowacyjnej przez mikroprzedsiębiorstwa z krajowymi ośrodkami naukowymi jest ponad 2,5-krotnie mniejsze niż prawdopodobieństwo nawiązania współpracy innowacyjnej przez przedsiębiorstwa o innych rozmiarach niż mikro. Z kolei prawdopodobieństwo nawiązania współpracy innowacyjnej przez mikro przedsiębiorstwa ze swoimi odbiorcami jest o 23% mniejsze niż prawdopodobieństwo nawiązania współpracy innowacyjnej ze swoimi odbiorcami przez przedsiębiorstwa o innych rozmiarach niż mikro. Ze względu na ograniczoną ilość modeli nie można już tak jednoznacznych wniosków wyciągać w przypadku małych przedsiębiorstw. W przypadku tej grupy przedsiębiorstw udało się uzyskać tylko jeden model statystycznie istotny, który obrazuje pozytywną zależność pomiędzy małymi rozmiarami przedsiębiorstwa a nawiązaniem współpracy z dostawcami. Prawdopodobieństwo nawiązania współpracy innowacyjnej pomiędzy omawianymi podmiotami wynosi 0,67 i jest o prawie 16% wyższe niż prawdopodobieństwo nawiązania współpracy z dostawcami przez przedsiębiorstwa o innych rozmiarach niż małe. Jeszcze bardziej skomplikowana sytuacja występuje w przypadku przedsiębiorstw o średnich rozmiarach. Zgodnie z danymi zamieszczonymi w tabeli tabeli 5 można zauważyć pozytywną zależność pomiędzy średnim rozmiarem przedsiębiorstwa przemysłowego a współpracą z krajowymi ośrodkami naukowymi. Prawdopodobieństwo nawiązania współpracy innowacyjnej pomiędzy przedsiębiorstwami średniej wielkości a krajowymi ośrodkami naukowymi wynosi 0,22 i jest dwa razy wyższe niż prawdopodobieństwo nawiązania współpracy innowacyjnej przez krajowe ośrodki naukowe z przedsiębiorstwami o innych rozmiarach niż średnie. Jednocześnie przedsiębiorstwa średniej wielkości nie wykazują zainteresowania w nawiązywaniu współpracy ze swoimi dostawcami. Prawdopodobieństwo nawiązania współpracy innowacyjnej przez przedsiębiorstwa przemysłowe o średnich rozmiarach ze swoimi dostawcami jest o 25% niższe niż prawdopodobieństwo nawiązania współpracy innowacyjnej ze swoimi dostawcami przez mikro, małe lub duże przedsiębiorstwa.
10 60 Piotr Dzikowski, Marek Tomaszewski Podsumowanie Jak już wcześniej wspomniano, badania zostały przeprowadzone na podstawie próby 1037 przedsiębiorstw przemysłowych zlokalizowanych na terenie południowo-zachodniej Polski. Spośród wszystkich przebadanych przedsiębiorstw współpracę innowacyjną wykazało nieco ponad 48% podmiotów. Analizując współpracę innowacyjną przedsiębiorstw przemysłowych ze względu na ich rozmiar wyraźnie widać, że najbardziej skłonne do nawiązywania współpracy innowacyjnej są duże przedsiębiorstwa. W grupie tej aż 62% wszystkich przebadanych przedsiębiorstw wykazało podjęcie współpracy innowacyjnej. Duże przedsiębiorstw najchętniej nawiązywały współpracę innowacyjną ze swoimi odbiorcami oraz ze szkołami wyższymi i zagranicznymi jednostkami badawczo-rozwojowymi. Na drugim miejscu znalazły się przedsiębiorstwa średnie, wśród których 52% wykazało podjęcie współpracy innowacyjnej. Przedsiębiorstwa średniej wielkości chętnie współpracowały z krajowymi ośrodkami naukowymi, natomiast nie wykazywały zainteresowania współpracą ze swoimi dostawcami. Niejednoznaczne wyniki uzyskane w odniesieniu do przedsiębiorstw średniej wielkości stanowią zachętę do dalszych badań w tym zakresie. Powyżej średniej dla całego regionu południowo-zachodniej Polski skłonnością do podejmowania współpracy innowacyjnej charakteryzowały się także małe przedsiębiorstwa. W grupie tej niecałe 50% podmiotów wykazało współpracę innowacyjną. Najczęściej małe przedsiębiorstwa współpracowały ze swoimi dostawcami. Z kolei najmniejszą skłonnością do nawiązywania współpracy innowacyjnej charakteryzowały się mikroprzedsiębiorstwa. W tej ostatniej grupie niecałe 40% przedsiębiorstw wykazało współpracę innowacyjną. Mikroprzedsiębiorstwa były jedyną grupą, w której skłonność do współpracy innowacyjnej była znacznie niższa niż średnia dla całego regionu. W przypadku mikroprzedsiębiorstw zauważalna jest jednoznaczna, negatywna, tendencja w nawiązywaniu współpracy innowacyjnej zwłaszcza z krajowymi środkami naukowymi oraz ze swoimi odbiorcami.
11 Wielkość przedsiębiorstw a systemy współpracy innowacyjnej 61 INNOVATIVE COOPERATION SYSTEMS FROM THE PERSPECTIVE OF THE SIZE OF THE INDUSTRIAL ENTERPRISES OF SOUTH-WESTERN POLAND IN Summary The analysis of innovative cooperation systems from the perspective of the size of the industrial enterprises of south-western Poland in shows that large enterprises tend to engage in an innovation activity the most often. In this group, 62% of all surveyed companies take the innovative cooperation regularly. Their key innovative cooperators are: customers, universities and international research and development centers. 52% of medium-sized companies take the innovative cooperation. They mainly cooperate with national research centers. However, medium firms do not show any interest in the innovative cooperation with their suppliers. The ambiguous results obtained with regard to medium-sized businesses can provide an incentive for further research in this area. In the group of small businesses less than 50% of companies take the innovative cooperation. Small companies usually cooperate with their suppliers. The smallest tendency to establish the innovative cooperation is characterized by micro business. In this group, less than 40% of companies take the innovative cooperation. Micro companies are the only group in which the tendency to the innovative cooperation is much lower than the average in the researched region. Furthermore, the most micro-enterprises neither take the innovative cooperation with their customers nor national research centers.
Innowacyjność w rozwoju lokalnym i regionalnym
PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu RESEARCH PAPERS of Wrocław University of Economics 285 Innowacyjność w rozwoju lokalnym i regionalnym Redaktorzy naukowi Danuta Strahl Dariusz Głuszczuk
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO nr 786. Finanse, Rynki Finansowe, Ubezpieczenia nr 64/2 (2013)
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO nr 786 Finanse, Rynki Finansowe, Ubezpieczenia nr 64/2 (2013) s. 187 194 Determinanty kooperacji innowacyjnej przedsiębiorstw przemysłowych z jednostkami PAN
ŹRÓDŁA INFORMACJI O INNOWACJACH A KOOPERACJA INNOWACYJNA
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 214 2015 Uniwersytet Zielonogórski Zakład Innowacji i Przedsiębiorczości tomar74@wp.pl ŹRÓDŁA INFORMACJI O
INNOWACJA PRZYSZŁOŚCIĄ ROZWOJU GOSPODARKI
INNOWACJA PRZYSZŁOŚCIĄ ROZWOJU GOSPODARKI Innowacje przyszłością rozwoju gospodarki Część I Szczecin 2013 1 S t r o n a Tytuł monografii naukowej: Innowacje przyszłością rozwoju gospodarki Wydanie: Część
Journal of Agribusiness and Rural Development WPŁYW ODLEGŁOŚCI OD UCZESTNIKÓW SIECI NA KOOPERACJĘ INNOWACYJNĄ PRZEDSIĘBIORSTW PRZEMYSŁU SPOŻYWCZEGO
www.jard.edu.pl DOI: 10.17306/JARD.2015.37 Journal of Agribusiness and Rural Development pissn 1899-5241 eissn 1899-5772 2(36) 2015, 343 351 WPŁYW ODLEGŁOŚCI OD UCZESTNIKÓW SIECI NA KOOPERACJĘ INNOWACYJNĄ
INNOWACJA PRZYSZŁOŚCIĄ ROZWOJU GOSPODARKI. Innowacje przyszłością rozwoju gospodarki Część I
INNOWACJA PRZYSZŁOŚCIĄ ROZWOJU GOSPODARKI Innowacje przyszłością rozwoju gospodarki Część I Szczecin 2013 Tytuł monografii naukowej: Innowacje przyszłością rozwoju gospodarki Wydanie: Część I Redaktor
COOPERATION ENTITIES AS ONE OF THE DETERMINANTS OF THE EXPANSION OF CLUSTER INITIATIVES
ZN WSH Zarządzanie 2016 (3), s. 27-38 Oryginalny artykuł naukowy Original Article Data wpływu/received: 6.12.2015 Data recenzji/accepted: 4.02.2016/7.02.2016 Data publikacji/published: 2.09.2016 Źródła
EWOLUCJA REGIONALNYCH SYSTEMÓW PRZEMYSŁOWYCH Z PERSPEKTYWY WIELKOŚCI PRZEDSIĘBIORSTWA STUDIUM PRZYPADKÓW
Arkadiusz Świadek Uniwersytet Zielonogórski Katarzyna Szopik-Depczyńska Uniwersytet Szczeciński EWOLUCJA REGIONALNYCH SYSTEMÓW PRZEMYSŁOWYCH Z PERSPEKTYWY WIELKOŚCI PRZEDSIĘBIORSTWA STUDIUM PRZYPADKÓW
Metody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
WSPÓŁPRACA INNOWACYJNA PRZEDSIĘBIORSTW SFERY B+R W WOJEWÓDZTWIE ŚLĄSKIM
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 225 2015 Uniwersytet Szczeciński Wydział Nauk Ekonomicznych i Zarządzania Katedra Zarządzania Przedsiębiorstwem
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 848 EKONOMICZNE PROBLEMY USŁUG NR
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 848 EKONOMICZNE PROBLEMY USŁUG NR 116 2015 ARKADIUSZ ŚWIADEK Uniwersytet Zielonogórski BARBARA CZERNIACHOWICZ Uniwersytet Szczeciński ZASIĘG SPRZEDAŻY A AKTYWNOŚĆ
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 685 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 46 2011
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 685 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 46 2011 ARKADIUSZ ŚWIADEK Uniwersytet Zielonogórski MAREK TOMASZEWSKI Zachodniopomorski Uniwersytet Technologiczny
Źródła finansowania projektów w procesie kooperacji a innowacyjność przedsiębiorstw przemysłowych na Pomorzu Zachodnim
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO nr 803 Finanse, Rynki Finansowe, Ubezpieczenia nr 66 (2014) s. 489 496 Źródła finansowania projektów w procesie kooperacji a innowacyjność przedsiębiorstw przemysłowych
Etapy modelowania ekonometrycznego
Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,
Maciej Zastempowski. Uwarunkowania budowy potencja u innowacyjnego polskich ma ych i rednich przedsi biorstw
Maciej Zastempowski Uwarunkowania budowy potencja u innowacyjnego polskich ma ych i rednich przedsi biorstw Wstęp... 13 Rozdział 1. Sektor małych i średnich przedsiębiorstw... 21 1.1. Kontrowersje wokół
Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych
dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo
Źródła informacji o innowacjach a współpraca innowacyjna w przemyśle MHT i HT w Polsce
https://doi.org/10.26881/sim.2017.4.14 Piotr Dzikowski Źródła informacji o innowacjach a współpraca innowacyjna w przemyśle MHT i HT w Polsce Streszczenie Artykuł przedstawia wyniki badania, którego celem
Współczesna Gospodarka
Współczesna Gospodarka Contemporary Economy Vol. 6 Issue 3 (2015) 31-42 Electronic Scientific Journal ISSN 2082-677X www.wspolczesnagospodarka.pl EWOLUCJA AKTYWNOŚCI INNOWACYJNEJ W ASPEKCIE WIELKOŚCI PRZEDSIĘBIORSTW
Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:
Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności
Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski
Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:
Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Ekonometryczna analiza popytu na wodę
Jacek Batóg Uniwersytet Szczeciński Ekonometryczna analiza popytu na wodę Jednym z czynników niezbędnych dla funkcjonowania gospodarstw domowych oraz realizacji wielu procesów technologicznych jest woda.
ORGANIZACJA PROCESÓW DYSTRYBUCJI W DZIAŁALNOŚCI PRZEDSIĘBIORSTW PRODUKCYJNYCH, HANDLOWYCH I USŁUGOWYCH
Systemy Logistyczne Wojsk nr 41/2014 ORGANIZACJA PROCESÓW DYSTRYBUCJI W DZIAŁALNOŚCI PRZEDSIĘBIORSTW PRODUKCYJNYCH, HANDLOWYCH I USŁUGOWYCH ORGANIZATION OF DISTRIBUTION PROCESSES IN PRODUCTIVE, TRADE AND
Regionalna polityka innowacyjna w świetle wybranych wtórnych teorii rozwoju regionalnego
Zarządzanie Publiczne, 4(16)/2011, s. 37 47 Kraków 2012 Published online June 29, 2012 Regionalna polityka innowacyjna w świetle wybranych wtórnych teorii rozwoju regionalnego Arkadiusz Świadek, Marek
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 30
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 30 Arkadiusz Świadek Uniwersytet Zielonogórski Barbara Czerniachowicz Uniwersytet Szczeciński ZMIANY W AKTYWNOŚCI INNOWACYJNEJ REGIONALNYCH SYSTEMÓW
Współczesna Gospodarka
Współczesna Gospodarka Contemporary Economy Vol. 5 Issue 2 (2014) 47-58 Electronic Scientific Journal ISSN 2082-677X www.wspolczesnagospodarka.pl WIELKOŚĆ PRZEDSIĘBIORSTW A INNOWACYJNOŚĆ REGIONALNEGO SYSTEMU
Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Stanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka - adres mailowy: scichocki@o2.pl - strona internetowa: www.wne.uw.edu.pl/scichocki - dyżur: po zajęciach lub po umówieniu mailowo - 80% oceny: egzaminy - 20% oceny:
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012
NOWY PROGRAM STUDIÓW 2016/2017 SYLABUS PRZEDMIOTU AUTORSKIEGO: Wprowadzenie do teorii ekonometrii. Część A
NOWY PROGRAM STUDIÓW 2016/2017 SYLABUS PRZEDMIOTU AUTORSKIEGO: Autor: 1. Dobromił Serwa 2. Tytuł przedmiotu Sygnatura (będzie nadana, po akceptacji przez Senacką Komisję Programową) Wprowadzenie do teorii
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2014/2015
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 201/2015 WydziałZarządzania i Komunikacji Społecznej Kierunek studiów:
Działalność B+R a współpraca małopolskich przedsiębiorstw przemysłowych w aspekcie aktywności innowacyjnej
Działalność B+R a współpraca małopolskich przedsiębiorstw przemysłowych w aspekcie aktywności innowacyjnej Katarzyna Szopik-Depczyńska Uniwersytet Szczeciński Wydział Nauk Ekonomicznych i Zarządzania Abstrakt:
PROPOZYCJA ZAGADNIEŃ NA EGZAMIN LICENCJACKI NA KIERUNKU ANALITYKA GOSPODARCZA. 1.Modele wielorównaniowe. Ich rodzaje i zalecane metody estymacji
PROPOZYCJA ZAGADNIEŃ NA EGZAMIN LICENCJACKI NA KIERUNKU ANALITYKA GOSPODARCZA 1.Modele wielorównaniowe. Ich rodzaje i zalecane metody estymacji 2.Problem niesferyczności składnika losowego w modelach ekonometrycznych.
Stanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka - adres mailowy: nnehrebecka@wne.uw.edu.pl - strona internetowa: www.wne.uw.edu.pl/nnehrebecka - dyżur: wtorek 18.30-19.30 sala 302 lub 303 - 80% oceny: egzaminy -
KLASTRY. badane szkiełkiem i okiem biogospodarka i ekoinnowacje. mgr Piotr Kryjom Instytut Przedsiębiorstwa SGH
KLASTRY badane szkiełkiem i okiem biogospodarka i ekoinnowacje mgr Piotr Kryjom Instytut Przedsiębiorstwa SGH Plan prezentacji: 1. Przestrzeń ekonomiczna a bieguny rozwoju, 2. Indentyfikacja klastrów,
M. Dąbrowska. K. Grabowska. Wroclaw University of Economics
M. Dąbrowska K. Grabowska Wroclaw University of Economics Zarządzanie wartością przedsiębiorstwa na przykładzie przedsiębiorstw z branży produkującej napoje JEL Classification: A 10 Słowa kluczowe: Zarządzanie
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Łańcuchy dostaw a aktywność innowacyjna w województwie podlaskim
Łańcuchy dostaw a aktywność innowacyjna w województwie podlaskim Arkadiusz Świadek Uniwersytet Zielonogórski, Wydział Ekonomii i Zarządzania, Zakład Innowacji i Przedsiębiorczości e-mail: a.swiadek@wez.uz.zgora.pl
DZIAŁALNO INNOWACYJNA I JEJ FINANSOWANIE W SEKTORZE MAŁYCH I REDNICH PRZEDSI BIORSTW W WOJEWÓDZTWIE ZACHODNIOPOMORSKIM
DZIAŁALNO INNOWACYJNA I JEJ FINANSOWANIE W SEKTORZE MAŁYCH I REDNICH PRZEDSIBIORSTW W WOJEWÓDZTWIE ZACHODNIOPOMORSKIM We współczesnych warunkach społeczno-gospodarczych rosnca konkurencja na rynku, cigle
1. Udział dochodów z działalności rolniczej w dochodach gospodarstw domowych z użytkownikiem gospodarstwa rolnego w 2002 r.
1 UWAGI ANALITYCZNE 1. Udział dochodów z działalności rolniczej w dochodach gospodarstw domowych z użytkownikiem gospodarstwa rolnego w 2002 r. W maju 2002 r. w województwie łódzkim było 209,4 tys. gospodarstw
1. Analiza wskaźnikowa... 3 1.1. Wskaźniki szczegółowe... 3 1.2. Wskaźniki syntetyczne... 53 1.2.1.
Spis treści 1. Analiza wskaźnikowa... 3 1.1. Wskaźniki szczegółowe... 3 1.2. Wskaźniki syntetyczne... 53 1.2.1. Zastosowana metodologia rangowania obiektów wielocechowych... 53 1.2.2. Potencjał innowacyjny
Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada
Stanisław Cichocki Natalia Nehrebecka Katarzyna Rosiak-Lada 1. Sprawy organizacyjne Zasady zaliczenia 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 2 1. Sprawy
WYDZIAŁ NAUK EKONOMICZNYCH
Studia I stopnia stacjonarne i niestacjonarne Kierunek Międzynarodowe Stosunki Gospodarcze Specjalność PROGRAM OF BACHELOR STUDIES Graduate profile Graduate has a general theoretical knowledge in the field
Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe
Wprowadzenie do teorii ekonometrii Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Zajęcia Wykład Laboratorium komputerowe 2 Zaliczenie EGZAMIN (50%) Na egzaminie obowiązują wszystkie informacje
STATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne
Zadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych
(pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: Rachunek prawdopodobieństwa i statystyka matematyczna 2. Kod przedmiotu: RPiS 3. Karta przedmiotu ważna od roku akademickiego:
Karta (sylabus) modułu/przedmiotu Inżynieria Materiałowa Studia II stopnia Specjalność: Inżynieria Powierzchni
Karta (sylabus) modułu/przedmiotu Inżynieria Materiałowa Studia II stopnia Specjalność: Inżynieria Powierzchni Przedmiot: Statystyczne Sterowanie Procesami Rodzaj przedmiotu: Obowiązkowy Kod przedmiotu:
Statystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Czynniki wpływające na aktywność zawodową osób starszych. Analiza ekonometryczna
Czynniki wpływające na aktywność zawodową osób starszych Analiza ekonometryczna Problemy Polska należy do krajów o najmłodszym wieku wycofania się z rynku pracy Aktywność zawodowa osób starszych w Polsce
Ekonometria. Wprowadzenie do modelowania ekonometrycznego Estymator KMNK. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Wprowadzenie do modelowania ekonometrycznego Estymator Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 1 Estymator 1 / 16 Agenda 1 Literatura Zaliczenie przedmiotu 2 Model
Spis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
SIECI DOSTAW A AKTYWNOŚĆ INNOWACYJNA PRZEMYSŁU WYSOKIEJ TECHNIKI W POLSCE
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 225 2015 Uniwersytet Zielonogórski Wydział Ekonomii i Zarządzania Zakład Innowacji i Przedsiębiorczości p.dzikowski@wez.uz.zgora.pl
Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną
Wydział: Zarządzanie i Finanse Nazwa kierunku kształcenia: Finanse i Rachunkowość Rodzaj przedmiotu: podstawowy Opiekun: prof. nadzw. dr hab. Tomasz Kuszewski Poziom studiów (I lub II stopnia): II stopnia
STRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne.
STRESZCZENIE rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. Zasadniczym czynnikiem stanowiącym motywację dla podjętych w pracy rozważań
ANALIZA STOPNIA ZADŁUŻENIA PRZEDSIĘBIORSTW SKLASYFIKOWANYCH W KLASIE EKD
Studia i Materiały. Miscellanea Oeconomicae Rok 13, Nr 1/2009 Wydział Zarządzania i Administracji Uniwersytetu Humanistyczno Przyrodniczego Jana Kochanowskiego w Kielcach G ospodarowanie zasobami organiza
1. Prostota struktury organizacyjnej a innowacyjność organizacji - Magdalena Hopej-Kamińska, Marian Hopej, Robert Kamiński 13
Wprowadzenie 9 1. Prostota struktury organizacyjnej a innowacyjność organizacji - Magdalena Hopej-Kamińska, Marian Hopej, Robert Kamiński 13 1.1. Model prostej struktury organizacyjnej 14 1.2. Organiczność
przedmiotu Nazwa Pierwsza studia drugiego stopnia
Nazwa przedmiotu K A R T A P R Z E D M I O T U ( S Y L L A B U S ) O p i s p r z e d m i o t u Kod przedmiotu EKONOMETRIA UTH/I/O/MT/zmi/ /C 1/ST/2(m)/1Z/C1.1.5 Język wykładowy ECONOMETRICS JĘZYK POLSKI
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO
ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO Wprowadzenie Zmienność koniunktury gospodarczej jest kształtowana przez wiele różnych czynników ekonomicznych i pozaekonomicznych. Znajomość zmienności poszczególnych
Aktywność inwestycyjna małych i średnich przedsiębiorstw w województwie lubuskim
102 Janina Jędrzejczak-Gas dr Janina Jędrzejczak-Gas Wydział Ekonomii i Zarządzania Uniwersytet Zielonogórski Aktywność inwestycyjna małych i średnich przedsiębiorstw w województwie lubuskim 1. Wstęp Małe
WYDZIAŁ NAUK EKONOMICZNYCH
Studia I stopnia stacjonarne i niestacjonarne Kierunek Międzynarodowe Stosunki Gospodarcze Specjalność PROGRAM OF BACHELOR STUDIES IN Description The objective of the studies is to train an expert in international
ANALIZA WIELOPOZIOMOWA JAKO NARZĘDZIE WSPARCIA POLITYK PUBLICZNYCH
ANALIZA WIELOPOZIOMOWA JAKO NARZĘDZIE WSPARCIA POLITYK PUBLICZNYCH - Adrian Gorgosz - Paulina Tupalska ANALIZA WIELOPOZIOMOWA (AW) Multilevel Analysis Obecna od lat 80. Popularna i coraz częściej stosowana
Sterowanie wielkością zamówienia w Excelu - cz. 3
Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.
Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.
Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego
Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne
Znaczenie klastrow dla innowacyjności gospodarki w Polsce
Znaczenie klastrow dla innowacyjności gospodarki w Polsce Arkadiusz Michał Kowalski 4. OFICYNA WYDAWNICZA SZKOŁA GŁÓWNA HANDLOWA W WARSZAWIE OFONAWTDAWN^ WARSZAWA 2013 SPIS TREŚCI wstęp : 9 1. Przedmiot,
Ekonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Modelowanie zmiennej jakościowej Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 8 Zmienna jakościowa 1 / 25 Zmienna jakościowa Zmienna ilościowa może zostać zmierzona
Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn
Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem
12. Przynależność do grupy przedmiotów: Blok przedmiotów matematycznych
(pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: Rachunek prawdopodobieństwa i statystyka matematyczna 2. Kod przedmiotu: RPiS 3. Karta przedmiotu ważna od roku akademickiego:
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
AKTYWNOŚĆ INNOWACYJNA A POWIĄZANIA PRZEMYSŁOWE W SYSTEMACH REGIONALNYCH W POLSCE PODEJŚCIE EWOLUCYJNE
Arkadiusz Świadek Uniwersytet Zielonogórski AKTYWNOŚĆ INNOWACYJNA A POWIĄZANIA PRZEMYSŁOWE W SYSTEMACH REGIONALNYCH W POLSCE PODEJŚCIE EWOLUCYJNE Wprowadzenie Mimo że geograficznie rynek większości produktów
Klastry i ich wpływ na gospodarkę. dr Maciej Woźniak Wydział Zarządzania AGH
Klastry i ich wpływ na gospodarkę dr Maciej Woźniak Wydział Zarządzania AGH Definicja klastra Klaster jest to specyficzna forma organizacji produkcji, polegająca na koncentracji w bliskiej przestrzeni
Agata Sudolska UWARUNKOWANIA BUDOWANIA RELACJI PROINNOWACYJNYCH PRZEZ PRZEDSIĘBIORSTWA W POLSCE
R O Z P R A W A H A B I L I T A C Y J N A Agata Sudolska UWARUNKOWANIA BUDOWANIA RELACJI PROINNOWACYJNYCH PRZEZ PRZEDSIĘBIORSTWA W POLSCE Toruń 2011 SPIS TREŚCI SPIS TREŚCI SPIS TREŚCI Wstęp...................................................
Testy nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Proces modelowania zjawiska handlu zagranicznego towarami
Załącznik nr 1 do raportu końcowego z wykonania pracy badawczej pt. Handel zagraniczny w województwach (NTS2) realizowanej przez Centrum Badań i Edukacji Statystycznej z siedzibą w Jachrance na podstawie
Czynniki rynkowego sukcesu technologii
dr Marta Gancarczyk Czynniki rynkowego sukcesu technologii Ustanawianie standardów technologicznych (osiąganie technologicznej dominacji) www.wsb-nlu.edu.pl ISTOTA TECHNOLOGII 2 Technologia to zasób przedsiębiorstwa
SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.
SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:
ENDOGENICZNY POTENCJAŁ ROZWOJU INNOWACJI NA POZIOMIE REGIONALNYM NA PRZYKŁADZIE WOJEWÓDZTWA ŚWIĘTOKRZYSKIEGO
Studia i Materiały. Miscellanea Oeconomicae Rok 17, Nr 1/2013 Wydział Zarządzania i Administracji Uniwersytetu Jana Kochanowskiego w Kielcach L u d z i e, z a r z ą d z a n i e, g o s p o d a r k a Arkadiusz
Konkurencyjność Polski w procesie pogłębiania integracji europejskiej i budowy gospodarki opartej na wiedzy
w Konkurencyjność Polski w procesie pogłębiania integracji europejskiej i budowy gospodarki opartej na wiedzy redakcja naukowa Tomasz Michalski Krzysztof Piech SZKOŁA GŁÓWNA HANDLOWA W WARSZAWIE WARSZAWA
Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0
Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia
Zagadnienia na egzamin magisterski na kierunku Informatyka i Ekonometria (2 stopień studiów)
Zagadnienia na egzamin magisterski na kierunku Informatyka i Ekonometria (2 stopień studiów) 1. Topologie sieci komputerowych a. 06IE_2A_W02 - jest w stanie zdefiniować problem decyzyjny, analizować źródła
Ekonomia II stopień ogólnoakademicki. stacjonarne wszystkie Katedra Matematyki Dr hab. Artur Maciąg. podstawowy. obowiązkowy polski.
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Z-EKO2-500 Nazwa modułu Ekonometria i prognozowanie procesów ekonomicznych Nazwa modułu w języku angielskim Econometrics and forecasting economics proceses Obowiązuje
Analiza wydajności pracy w rolnictwie zachodniopomorskim
Jacek Batóg Barbara Batóg Uniwersytet Szczeciński Analiza wydajności pracy w rolnictwie zachodniopomorskim Znaczenie poziomu i dynamiki wydajności pracy odgrywa znaczącą rolę w kształtowaniu wzrostu gospodarczego
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
ANALIZA PORÓWNAWCZA KONIUNKTURY WOJEWÓDZTW POLSKI W LATACH
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 318 2017 Uniwersytet Ekonomiczny w Katowicach Wydział Zarządzania Katedra Ekonometrii jozef.biolik@ue.katowice.pl
Rozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Współczesna Gospodarka
Współczesna Gospodarka Contemporary Economy Vol. 7 Issue 4 (2016) 107-117 Electronic Scientific Journal ISSN 2082-677X www.wspolczesnagospodarka.pl WPŁYW ODLEGŁOŚCI OD KONKURENTA, DOSTAWCY I ODBIORCY NA
VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15
VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady
Wprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Metody statystyczne w socjologii SYLABUS A. Informacje ogólne Opis
Elementy składowe sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod przedmiotu Język przedmiotu Rodzaj przedmiotu Dziedzina i dyscyplina
parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
KARTA PRZEDMIOTU. 12. PRZEDMIOTOWE EFEKTY KSZTAŁCENIA Odniesienie do kierunkowych efektów kształcenia (symbol)
KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU: Ekonometria 2. KIERUNEK: MATEMATYKA 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: III/6 5. LICZBA PUNKTÓW ECTS: 5 6. LICZBA GODZIN: 30 / 30 7. TYP PRZEDMIOTU
TRANSFER TECHNOLOGII W KSZTAŁTOWANIU INNOWACYJNOŚCI PRZEDSIĘBIORSTW
TRANSFER TECHNOLOGII W KSZTAŁTOWANIU INNOWACYJNOŚCI PRZEDSIĘBIORSTW Autoreferat pracy doktorskiej Promotor: dr hab. prof. UZ Arkadiusz Świadek Uniwersytet Zielonogórski Recenzenci: dr hab. prof. US Katarzyna
Lower Silesia Region CLIMATE-KIC PARTNER
Samorządowa jednostka organizacyjna Lower Silesia Region CLIMATE-KIC PARTNER Institute for Territorial Development / Climate-Kic 1 PRZEMYSŁAW MALCZEWSKI LOWER SILESIA COORDINATOR OF REGIONAL ACTIVITY AFFILIATED
STATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne