TÁMOP-5.2.1 Településszintű fejlettségi vizsgálatok egybe(nem)esése Fekete Attila Gyerekesély-kutató Csoport MTA TK

Slides:



Advertisements
Hasonló előadás
A versenyképesség elméleti és mérési kérdései Török Ádám az MTA levelező tagja Veszprémi Egyetem.
Advertisements

Komplex kistérségi programok a gyerekszegénység csökkentéséért Kun Zsuzsa, MTA KTI Gyerekprogram Iroda.
Magyar Tudományos Akadémia
A helyi közszolgáltatások versenyképességet szolgáló modernizálása Dombi Péter MTA KRTK Regionális Kutatások Intézete ÁROP Műhelyvita.
Nem hierarchikus klaszterelemzés az SPSS-ben
Miért boldogabbak az emberek az egyik országban, mint a másikban?
A modern szabadidő gender-szempontú vizsgálata hallgatói mintában
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
Készítette: Magyar Dániel
Főátlagok összehasonlítása standardizálással
Dobszayné Hennel Judit Ménesi Éva Szeptember
Fejlettségi lehatárolások és fejlesztési alapok
Innovatív üzleti parkok fejlesztése az innováció és a vállalkozó szellem előmozdítása érdekében a Dél- Kelet Európai térségben FIDIBE.
A PEDAGÓGIAI KUTATÁS FOLYAMATA
Felszíni víz monitoring
Felszíni és felszín alatti víz monitoring
Non-profit szervezetek bevételi szerkezetének elemzése.
Grafikus ábrázolási módszerek
A vállalkozások PhD szintű munkaerőigénye Magyarországon
Gazdaságelemzési és Statisztikai Tanszék
Gazdaságelemzési és Statisztikai Tanszék
Ábramagyarázat az Országos Kompetenciamérés iskolajelentéséhez
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
A földhasználat és a területi versenyképesség főbb közgazdasági összefüggései Előadó: Kollár Kitti doktorjelölt, tanszéki mérnök Komárno november.
A megyei jogú városok, mint innovációs potenciál hordozók
(e)(i)HEM&XXL Hírgenerálás, kistérségi mintapéldán keresztül bemutatva.
Közösségi internethasználat Magyarországon
Big Mac Készítette: Szilágyi Marianna. Fő szempont: Melyik országban a legmegtérülőbb a munkával töltött idő? 16 ország adatainak összehasonlítása és.
Varianciaanalízis 12. gyakorlat.
A munkaerőpiaci képzési és átképzési programok eredményességének vizsgálata regionális és kistérségi vetületekben MTA Regionális Kutatások Központja Alföldi.
Kutatási összefoglaló. Regionális eltérések Magyarországon nemzetközi összehasonlításban.
A „Könyvtári minőségfejlesztés – könyvtári korszerűsítés 2.” pályázat Javaslat a feladatok végrehajtásához.
A regionális tudomány társadalmasítása Kedvezményezett: MTA Regionális Kutatások Központja.
Fejmozgás alapú gesztusok felismerése Bertók Kornél, Fazekas Attila Debreceni Egyetem, Informatikai Kar Debreceni Képfeldolgozó Csoport KÉPAF 2013, Bakonybél.
Juhász Attila, Nagy Csilla
MTA Regionális Kutatások Központja A hazai és uniós fejlesztési források abszorpciójának tapasztalatai A magyar uniós elnökség és a régiók jövője.
Környezeti monitoring Feladat: Vízminőségi adatsor elemzése, terhelés (anyagáram) számítása Beadás: szorgalmi időszak vége (dec. 11.), KD: dec. 21.
$ Információ Következmény Döntés Statisztikai X.  Gyakorlati problémák megoldásának alapja  Elemzéseink célja és eredménye  Központi szerep az egyén.
A foglalkoztatási paktumok célja Megismerni a térség foglalkoztatási helyzetét Összehangolni a térség gazdasági és humánerőforrás fejlesztési tevékenységeit.
Foglalkoztatási Fórum Gödöllői Kistérségi Foglalkoztatási Paktum 2011
Két kvantitatív változó kapcsolatának vizsgálata
ELTE, Természetföldrajzi Tanszék
Kis és nagy iskolák HÉTFA Kutatóintézet és Elemző Központ
Ábramagyarázat az Országos Kompetenciamérés iskolajelentéséhez
Vízminősítés és terhelés számítás feladat
A Magyar Máltai Szeretetszolgálat szerepe a szociális város- és település-rehabilitációs folyamatokban.
FÜGGŐLEGESEN REZGETETT INGA
A tudomány tudománya alprojekt Kampis György egy.tan., ELTE Az infokommunikációs technológiák társadalmi hatásai november 13. Balatonfüred.
Lorem Ipsum INKLUZÍV TÁRSADALOM – JÓL-LÉT – TÁRSADALMI RÉSZVÉTEL ÁPRILIS Kodolányi János Főiskola szervezésében Budapest.
Korreláció-számítás.
Hol áll és merre mehet még a gazdaság? Hamecz István „Mindannyian tudjuk, hogy mit kell tennünk, csak azt nem tudjuk, hogy hogyan nyerjük meg a választásokat.
A számítógépes elemzés alapjai
„Hatásvizsgálat” c. tanulmány szennyvíz és hulladék témakörben szerzett tapasztalatai „Fenntartható települések” workshop Tokaj, július Csillag.
Legyen jobb a gyerekeknek, legyen jobb a gyakorlatban MACSGYOE konferencia Budapest, május 12. Darvas Ágnes MTA Gyerekszegénység Elleni Program Iroda.
1 Tárgy- feladatelemzés módszerei Dr. Kaucsek György.
A folyóiratok tudományos mérése, presztízs
A számítógépes elemzés alapjai
A magyar kistérségek innovációs képessége és versenyképessége
(Pannon.Elemző Iroda, Hétfa Kutatóintézet)
Foglalkoztatási együttműködések szabolcs-Szatmár-bereg megyében
Oszlopdiagram dr. Jeney László egyetemi adjunktus
ABC és XYZ elemzések.
Az Európai Unió tagországainak, a csatlakozásra váró országoknak
Adatbázis-kezelés 2. Relációs adatbázisok.
Területi eloszlások összevetése: Hoover index
Rangsoroláson és pontozáson alapuló komplex mutatók
Algoritmusok és Adatszerkezetek I.
Mérési skálák, adatsorok típusai
A többdimenziós egyenlőtlenség és a szegénység statisztikai mérése
Előadás másolata:

TÁMOP Településszintű fejlettségi vizsgálatok egybe(nem)esése Fekete Attila Gyerekesély-kutató Csoport MTA TK

Elemzésbe bevont indexek TÁMOP  településfejlettségi index – KSH  deprivációs index – RKK  jól-léti index – RKK  szegénységi kockázat indexe – Magyar Máltai Szeretetszolgálat – Pannon Elemző Iroda

Korreláció a változók között TÁMOP-5.2.1

Korrelációk és klaszterek megoszlása TÁMOP A településfejlettségi, a deprivációs és a jól-léti indexből képzett 4 klaszter elhelyezkedése

Klaszterek megoszlása TÁMOP klaszterek szegénységi kockázat indexe összesen összesen es klaszter a legjobb helyzetű települések csoportja 4-es klaszter a legrosszabb helyzetű települések csoportja 1-es szegénységi kockázat index a legjobb helyzetű települések csoportja 10-es szegénységi kockázat index a legrosszabb helyzetű települések csoportja Klaszterek megoszlása a szegénységi kockázat kategóriái szerint

Klaszterek területi megoszlása TÁMOP-5.2.1

Legelmaradottabb települések TÁMOP A 4. klaszterba és a szegénységi kockázatú csoportba tartozó települések (191 db.)

Kategóriák egyezése TÁMOP kategóriák egyezés minden index esetében% (Pl. 123 település került minden index esetében a legrosszabb 10. kategóriába.)

A minden index szerint azonos kategóriába eső települések területi megoszlása TÁMOP-5.2.1

Legelmaradottabb települések a kategóriák alapján TÁMOP Minden index esetében a kategóriába tartozó települések. (266 db.)

Legelmaradottabb és a 4. klaszterba tartozó települések TÁMOP-5.2.1

Következtetések TÁMOP  A legfejlettebb és a legelmaradottabb települések lehatárolásában a különféle eljárások nagyfokú egyezőséget mutatnak.  A széles középmezőnybe tartozó települések fejletségi sorrendje, besorolása jobban függ a módszerektől, a kiválasztott tényezőktől.  Az általános fejlettség meghatározása mellett - avagy helyett – célszerűnek tűnik adott probléma megoldásához lehatárolni célterületeket.  A különböző eljárások összevetésének eredményeképpen – az összehasonlítás módszerétől függően – megközelítőleg olyan település van, amelyik mindegyik módszer szerint a legelmaradottabbak közé tartozik.