ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ

ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ
ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ

ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ
«Οικονομικά αποτελέσματα επιχειρήσεων από το Forbes για το 1986»

Ονοματεπώνυμο: Κοτρίδου Κυριακή-Δέσποινα

Διδάσκοντες Καθηγητές: Ι. Ντζούφρας - Ξ. Πεντέλη

Αριθμός Μητρώου: S6170050
΄Ετος σπουδών:3ο

Ημερομηνία: Παρασκευή 29 Μαΐου 2020

Περιεχόμενα

1 Ανάλυση Δεδομένων Forbes 2

1.1 Περιγραφή Μελέτης και Προβλήματος . . . . . . . . . . . . . . . . 2
1.2 Περιγραφική Ανάλυση . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Σχέσεις ανα Δύο . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

1
Κεφάλαιο 1

Ανάλυση Δεδομένων Forbes

1.1 Περιγραφή Μελέτης και Προβλήματος

Η παρούσα εργασία κάνει αναφορά στο περιοδικό “Forbes” το οποίο είναι ευρέως
γνωστό ως ένα αμερικανικό επιχειρηματικό περιοδικό. Ιδρύθηκε στις 15 Σεπτεμ-
βρίου 1917, από τον BC Forbes , οικονομικός αρθρογράφος της εφημερίδας “Hearst”
, και τον συνεργάτης του, Walter Drey, γενικός διευθυντής του περιοδικού “Mag-
azine of Wall Street”. Η έδρα του βρίσκεται στην πόλη Jersey, στην πολιτεία του
New Jersey των ΗΠΑ. Δημοσιεύεται κάθε δύο εβδομάδες περιλαμβάνοντας πρω-
τότυπα άρθρα με θέματα όπως η χρηματοδότηση ,η βιομηχανία, οι επενδύσεις και
το μάρκετινγκ. Το Forbes αναφέρει επίσης θέματα όπως η τεχνολογία, οι επικοι-
νωνίες, η επιστήμη, η πολιτική και ο νόμος. Το Forbes είναι, επίσης, γνωστό για
την λίστα που καταγράφει τις 500 εταιρίες στις οποίες παρατηρήθηκαν τα καλύτερα
οικονομικά αποτελέσματα για κάθε έτος. ΄Ετσι, κατατάσσει τους πλουσιότερους
ανθρώπους του κόσμου σε πραγματικό χρόνο ανάλογα με τα καθημερινά σκα-
μπανεβάσματα στις περιουσίες τους και τις επιχειρήσεις/εταιρείες ανάλογα με το
ποσοστό κατοχής τους στην παγκόσμια αγορά. Στην συγκεκριμένη εργασία, θα
χρησιμοποιηθούν δεδομένα που αναφέρονται σε 79 εταιρίες οι οποίες επιλέχτηκαν
τυχαία από τη λίστα Forbes. Το έτος μελέτης είναι το 1986.Σκοπός της μελέτης
αυτής είναι να διαπιστώσει αν υπάρχουν διαφορές στο μέγεθος των περιουσια-

2
κών στοιχείων των επιχειρήσεων ανάλογα με τον κλάδο στον οποίο ανήκουν και
διαφορές στην ονομαστική αξία των επιχειρήσεων ανάλογα με το πόσους εργα-
ζόμενους απασχολούν. Επιπλέον, θα γίνει προσπάθεια εκτίμησης των κερδών και
των πωλήσεων με βάση τα υπόλοιπα στοιχεία των επιχειρήσεων καθώς επίσης θα
αναφερθεί ποια ήταν τα “αναμενόμενα” κέρδη και πωλήσεις μιας “μέσης” επιχει-
ρήσεις της λίστας Forbes το έτος 1986. Οι μεταβλητές που είναι διαθέσιμες για
κάθε μία από τις επιχειρήσεις είναι οι ακόλουθες(*Για την μεταβλητή “Size” θα
γίνει εκτεταμένη περιγραφή παρακάτω):

Πίνακας 1.1: Πίνακας Δεδομένων

Αριθ- ΄Ονο- Τύπος Σημασία Τιμές Μεταβλητής
μός μα Μετα- Μεταβλητής
Μετα- Με- βλητής
βλη- τα-
τής βλη-
τής
1 Επωνυμία -
Com- Κατη-
Επιχείρησης
pany γορική
Name
2 Αριθ- Περιουσιακά (σε εκατομμύρια δολάρια)
As-
μητική Στοιχεία
sets
3 Αριθ- Ετήσιες Πωλήσεις (σε εκατομμύρια δολάρια)
Sales
μητική
4 Αριθ- Η ονομαστική αξία (σε εκατομμύρια δολλάρια)
Mar-
μητική της επιχείρησης
ket
Value
5 Αριθ- Ετήσιο Κέρδος (σε εκατομμύρια δολλάρια)
Prof-
μητική
its
6 Αριθ- Αριθμός (σε χιλιάδες) /(λίγοι,
Em-
μητικη Εργαζομένων κανονικά, πολλοί)
ploy-
/Κατη-
ees
γορική
/size
7 Κατη- Κλάδος
Sector Energy, Finance, Hi-Tech
γορική οικονομικής
Transportation, Medical
δραστηριότητας
Manufacturing, Retail
στον οποίο ανήκει
Comunication, Other
η εταιρία

3
1.2 Περιγραφική Ανάλυση
Η ανάλυση της συγκεκριμένης εργασίας θα γίνει με την στατιστική γλώσσα προ-
γραμματισμού της R .Αρχικά, θα εισάγω τα δεδομένα μου στο πρόγραμμα και θα
“εγκαταστήσω” όποιες βιβλιοθήκες είναι απαραίτητες για την ομαλή λειτουργία
του. ΄Επειτα, η R θα μας βοηθήσει στην απεικόνιση των δεδομένων μας έτσι ώστε
να γίνουν πιο εύκολα κατανοητές δυσνόητες έννοιες και τα αποτελέσματα της έρευ-
νάς μας. Βλέποντας τον Πίνακα 1,διαπιστώνω ότι έχω πέντε(5) αριθμητικές μετα-
βλητές (assets, sales, market value, profits, employees ), με τις τέσσερις(4) πρώτες
να είναι μετρημένες σε εκατομμύρια δολάρια και την τελευταία σε χιλιάδες άτομα
ενώ υπάρχουν και τρεις(3) κατηγορικές, όπου η πρώτη (Company name ) έχει την
επωνυμία της επιχείρησης και δεν έχει μονάδες-η παραπάνω μεταβλητή δεν εξε-
τάζεται παρά χρησιμοποιείται μόνο για την αναφορά ονομάτων των επιχειρήσεων-
η δεύτερη(Sector ) είναι ο κλάδος στον οποίο ανήκει η κάθε επιχείρηση και έχει τα
εξής επίπεδα:Energy, Finance, Hi-Tech Transportation, Medical Manufacturing, Re-
tail Communication, Other και η τρίτη μεταβλητή “Size*”. Στον παρακάτω πίνακα
(Πίνακα2) έχουν καταγραφεί για κάθε μια αριθμητική μεταβλητή ξεχωριστά το 1ο
και 3ο Τεταρτημόριο, την ελάχιστη και μέγιστη τιμή, τον μέσο, την τυπική α-
πόκλιση, την διάμεσο, ασυμμετρία καθώς και την κύρτωση. Γραφικά μπορούμε να
δούμε και τα διαγράμματα πλαισίου και απολήξεων ώστε να διαπιστωθούν τυχών
ακραίες τιμές(Σχήμα2).Για τις κατηγορικές, αντίστοιχα, κατασκευάσαμε πίνακα με
την συχνότητα όπου εμφανίζεται η κάθε κατηγορία (Πίνακας 3 και 4).
Θα χρειαστεί να ελέγξουμε αν είναι κανονικοποιημένα - ή έστω αν προσεγ-
γίζουν την κανονικότητα- τα δεδομένα μας. Σε αυτή την διαδικασία θα μας βοη-
θήσει η ασυμμετρία, η κύρτωση, και οι έλεγχοι Shapiro - Wilk και KS Lilliefors . Η
ασυμμετρία μιας κατανομής εκφράζει την εκτροπή της κατανομής των δεδομένων
από την κανονική κατανομή. Η κύρτωση μιας κατανομής εκφράζει τον βαθμό συ-
γκέντρωσης των τιμών της γύρω από το μέσο της. Και στις πέντε(5) μεταβλητές
παρατηρείται θετική ασυμμετρία ( γ > 0 ) και λεπτόκυρτη κατανομή(a > 0). Εκτε-
λώντας τους ελέγχους Shapiro - Wilk και KS Lilliefors (όλα τα p − values < 5% )
και βλέποντας τα διαγράμματα του Σχήματος1 επιβεβαιώνεται η μη-κανονικότητα.

4
 Πίνακας 1.2: Πίνακας Περιγραφικών Μέτρων Αριθμητικών Μταβλητών
- Assets (σε Sales (σε ε- Market Value Profits (σε Employ-
εκατομ- κατομμύρια (σε εκατομμύρια ees (σε
μύρια δολλάρια) εκατομμύρια δολλάρια) χιλιάδες)
δολάρια) δολλάρια)
223 176 53 -771.5 0.60
Min
1122 815.5 512.5 39 3.95
1Q
2788 1754 944 70.5 15.40
Me-
dian
5941 4178 3269.8 209.8 37.6
Mode
9156.784 7011.633 11303.55 796.977 64.5042
SD
5802 4563.5 1961.5 188.1 48.5
3Q
52634 50056 95697 6555 400.20
Max
3.19 4.27 7.15 6.59 3.45
Skew
11.21 22.42 54.21 48.58 14.08
Kurt.

΄Οσο αφορά τις κατηγορικές μεταβλητές έχουμε φτιάξει το διάγραμμα σχετικών

συχνοτήτων για κάθε έναν κλάδο επιχειρήσεων(Σχήμα 3). Βλέπουμε ότι στα
δεδομένα μας, υπάρχουν περισσότερες οικονομικές επιχειρήσεις και επιχειρήσεις
ενέργειας ενώ με μικρότερη συχνότητα εμφανίζονται οι ιατρικές επιχειρήσεις και
επιχειρήσεις επικοινωνίας.

5
 Πίνακας 1.3: Πίνακας Συχνοτήτων Κατηγορικης Μεταβλητής Sector
Κατηγορία Συχνότητα
Energy 15
Finanace 17
Transportation 6
Hi-Tech 8
Manufacturing 10
Communication 2
Medical 4
Retail 10
Other 7

Σχήμα 1.1: Διαγράμματα πυκνότητας πιθανότητας αριθμητικών μεταβλητών

Ολοκληρώνοντας τα περιγραφικά των δεδομένων μου, θα εξηγήσω την κα-

τηγορική μεταβλητή “size ” την οποία και προανέφερα, με την οποία ουσιαστικά
κατηγοριοποιούνται οι υπάλληλοι ( δηλαδή την μεταβλητή “Employees ”) που απα-
σχολεί η κάθε εταιρεία, και την οποία δημιούργησα ώστε να έχει επίπεδα “Λίγοι”,
“Κανονικά”, “Πολλοί”, ανάλογα με τον Πίνακα 1.4

• εάν η εταιρεία διαθέτει λιγότερους από 5 χιλιάδες υπαλλήλους,

• εάν η εταιρία διαθέτει από 5 έως 20 χιλιάδες υπαλλήλους και

6
 • εάν διαθέτει πάνω από 20 χιλιάδες υπαλλήλους

Ο πίνακας συχνοτήτων της μεταβλητής “Size ” δίνεται παρακάτω (βλέπε σχετικές

συχνότητες στο 1.4). Στο εξής όπου αναφέρονται οι υπάλληλοι των εταιρειών
θα χρησιμοποιούμε την κατηγορική μεταβλητή “Size ” αντί για την αριθμητική
“Employees ”.

Πίνακας 1.4: Πίνακας Συχνοτήτων της νέας Κατηγορικής Μεταβλητής “Size”

Λίγοι Κανονικά Πολλοί
25 21 33

1.3 Σχέσεις ανα Δύο

Στο συγκεκριμένο κεφάλαιο, το ενδιαφέρον μας θα αρχίσει να εντείνεται λόγω
του ότι θα μελετηθούν οι σχέσεις των μεταβλητών ανά δύο. Παρακάτω απαριθ-
μώ τις σχέσεις με τις οποίες αξίζει να ασχοληθούμε και να εξάγουμε εύστοχα
συμπεράσματα.

Α Σχέσεις μεταξύ αριθμητικών μεταβλητών

i. Πωλήσεις ανάλογα με τα περιουσιακά στοιχεία (Sales vs Assets).

ii. Ονομαστική αξία ανάλογα με τα περιουσιακά στοιχεία (Market Value vs

Assets).

iii. Ετήσιο Κέρδος ανάλογα με τα περιουσιακά στοιχεία (Profits vs Assets).

iv. Πωλήσεις ανάλογα με την ονομαστική αξία (Sales vs Market Value).

v. Ετήσιο κέρδος ανάλογα με την ονομαστική αξία (Profits vs Market

Value).

vi. Ετήσιο κέρδος ανάλογα με τις πωλήσεις (Profits vs Sales).

Β Σχέσεις μεταξύ κατηγορικών και αριθμητικών μεταβλητών

i. Περιουσιακά στοιχεία ανάλογα με τον κλάδο (Assets vs Sector)

7
 ii. Πωλήσεις ανάλογα με τον κλάδο (Sales vs Sector).

iii. Ετήσιο κέρδος ανάλογα με τον κλάδο(Profits vs Sector)

iv. Ονομαστική αξία ανάλογα με τον κλάδο(Market Value vs Sector).

v. Ετήσιο κέρδος ανάλογα με τον αριθμό υπαλλήλων (Profits vs Size).

vi. Πωλήσεις ανάλογα με τον αριθμό υπαλλήλων(Sales vs Size).

vii. Ονομαστική αξία ανάλογα με τον αριθμό υπαλλήλων (Market Value vs

Size).

viii. Αριθμός Υπάλληλων ανάλογα με τα περιουσιακά στοιχεία (Size vs As-

sets).

Γ Σχέσεις μεταξύ κατηγορικών μεταβλητών

i. Αριθμός υπαλλήλων ανάλογα με τον κλάδο (Size vs Sector).

Πριν ξεκινήσουμε την μελέτη, πρέπει να εμβαθύνουμε στις συσχετίσεις των α-

ριθμητικών μεταβλητών. Ως πρώτο βήμα, θα πρέπει να αναφερθεί ότι ο πίνακας
συσχετίσεων του Pearson δείχνει ότι οι παραπάνω αριθμητικές μεταβλητές (ανά
δυο) έχουν θετική συσχέτιση με την πρώτη μεγαλύτερη συσχέτιση(96.8%) να
εντοπίζεται μεταξύ του ετήσιου κέρδους(Profits ) και της Ονομαστικής αξίας της
επιχείρησης (Market Value ) και την δεύτερη (87.9%) μεταξύ των πωλήσεων (Sales)
και της Ονομαστικής αξίας της επιχείρησης (Market Value ). Η μικρότερη θετική
συσχέτιση(60.2%) παρατηρείται ανάμεσα στα περιουσιακά στοιχεία (Assets ) και
ετήσιο κέρδος (Profits ).

Πριν ξεκινήσουμε την μελέτη, πρέπει να εμβαθύνουμε στις συσχετίσεις των α-

ριθμητικών μεταβλητών. Ως πρώτο βήμα, θα πρέπει να αναφερθεί ότι ο πίνακας
συσχετίσεων του Pearson δείχνει ότι οι παραπάνω αριθμητικές μεταβλητές (ανά
δυο) έχουν θετική συσχέτιση με την πρώτη μεγαλύτερη συσχέτιση (96.8%) να
εντοπίζεται μεταξύ του ετήσιου κέρδους(Profits) και της Ονομαστικής αξίας της
επιχείρησης (Market Value ) και την δεύτερη (87.9%) μεταξύ των πωλήσεων (Sales)
και της Ονομαστικής αξίας της επιχείρησης (Market Value). Η μικρότερη θετική

8
συσχέτιση (60.2%) παρατηρείται ανάμεσα στα περιουσιακά στοιχεία (Assets ) και
ετήσιο κέρδος( Profits).

Για τις σχέσεις μεταξύ αριθμητικών και κατηγορικών μεταβλητών, μας ενδια-

Σχήμα 1.2: Διαφορές αριθμητικών μεταβλητών (ανά δύο σχέσεις)

φέρει να ελέγξουμε αρχικά τις τιμές της κάθε ποσοτικής για τις εφτά (7) κα-
τηγορίες της κατηγορικής Sector . Ειδικότερα αν οι μέσοι για κάθε κατηγορία
είναι ίσοι -γνωρίζω ότι οι μέσοι είναι ακατάλληλα μέτρα θέσης,άρα εργάζομαι με
διαμέσους. Είναι άξιο αναφοράς ότι σε καμία σχέση δεν έχω κανονικοποιημένα
δεδομένα. Επιπλέον επειδή στο έκτο(6ο) επίπεδο της κατηγορικής υπάρχουν μονό
δύο(2) παρατηρήσεις, δεν μπορώ να βγάλω σίγουρο συμπέρασμα κανονικότητας,
για το έκτο(6ο) επίπεδο, σε καμία σχέση. Υποθέτω ότι συμπεριφέρονται παρόμοια
με τις υπόλοιπες κατηγορίες δηλαδή δεν είναι κανονικά. ΄Οπως προέκυψε από τον
έλεγχο shapiro.test των καταλοίπων ούτε και εκείνα είναι κανονικά. Συνεχίζοντας,
κάνοντας kruskal.test στις ανά δύο σχέσεις, συμπεραίνουμε ότι η υπάρχει διαφορά
στο μέγεθος των περιουσιακών στοιχείων ανάλογα με τον κλάδο στον οποίο α-

9
νήκει η επιχείρηση, στις ετήσιες πωλήσεις ανάλογα με τον κλάδο στον οποίο ανήκει
η επιχείρηση ,στην ονομαστική αξία ανάλογα με τον κλάδο στον οποίο ανήκει η
επιχείρηση και τέλος στα κέρδη της εταιρείας ανάλογα με τον κλάδο στον οποίο
ανήκει η επιχείρηση.

Για τις σχέσεις μεταξύ αριθμητικών και κατηγορικών μεταβλητών, μας εν-

Σχήμα 1.3: Σχέσεις ποσοτικών μεταβλητών με την κατηγορική Sector

διαφέρει να ελέγξουμε κατά δεύτερον τις τιμές της κάθε ποσοτικής για τις τρεις(3)
κατηγορίες της κατηγορικής Size . Ειδικότερα αν οι μέσοι για κάθε κατηγορία ε-
ίναι ίσοι. Γνωρίζω ότι οι μέσοι είναι ακατάλληλα μέτρα θέσης για όλες τις σχέσεις
οπότε χρησιμοποιώ διαμέσους. Είναι άξιο αναφοράς, ξανά, ότι σε καμία σχέση
δεν έχω κανονικοποιημένα δεδομένα, ούτε και κανονικά κατάλοιπα. ΄Οσον αφο-
ρά τις σχέσεις έχουμε να δηλώσουμε ότι υπάρχει διαφορά στο μέσο κέρδος για
τις εταιρείες που απασχολούν «λίγους», «κανονικά» , «πολλούς» υπαλλήλους α-
ντίστοιχα, υπάρχει διάφορα στις ετήσιες πωλήσεις των εταιρειών ανάλογα με το
αν απασχολούν «λίγους», «κανονικά» , «πολλούς» υπαλλήλους, στην ονομαστική
αξία των εταιρειών ανάλογα με το αν απασχολούν «λίγους», «κανονικά» , «πολλο-
ύς» υπαλλήλους και τέλος στα περιουσιακά στοιχεία των εταιρειών ανάλογα με το

10
αν απασχολούν «λίγους», «κανονικά» , «πολλούς» υπαλλήλους.

Σχήμα 1.4: Σχέσεις ποσοτικών μεταβλητών με την κατηγορική Size

Κλείνοντας με τις ανά δύο σχέσεις, θα πρέπει να αναφέρουμε την σχέση της
κατηγορικής Sector (που είναι ο κλάδος που ανήκει η κάθε εταιρεία) με τα εν-
νέα(9) επίπεδα της τα οποία είναι “Energy”, “Finance”, “Hi-Tech” ,“Transportation”,
“Medical”, “Manufacturing”, “Retail”, “Communication”, “Other” με την κατηγορική
μεταβλητή Size (που είναι το μέγεθος των υπαλλήλων που απασχολεί μια εταιρεία)
με τα αντίστοιχα επίπεδα της “Λίγοι”, “Κανονικά”, “Πολλοί”. ΄Υστερα από την
διεξαγωγή ελέγχου ανεξαρτησίας x2 του Pearson (με προσομοιωμένο p − value),
συμπεραίνουμε ότι υπάρχει εξάρτηση μεταξύ τους, δηλαδή υπάρχει διάφορα στον
αριθμό των υπαλλήλων ανάλογα με τον κλάδο στον οποίο ανήκει η εταιρεία. Ακο-
λούθως, αναρτάται το Σχήμα9 το οποίο δείχνει ανάλογα με τον κλάδο, το πλήθος
των εταιρειών που απασχολούν “Λίγους”, “Κανονικούς”, “Πολλούς” υπαλλήλους.

11